博斯腾湖矿化度现状分析

博斯腾湖是目前我国最大的内陆淡水湖，近40多年来，博斯腾湖矿化度年际变化经历了好→中→差→中的过程。本文在对博斯腾湖矿化度历史变化和博斯腾湖各区域矿化度分布调查分析的基础上，全面客观的分析了博斯腾湖矿化度的成因。通过对多年数据的分析，建立了矿化度与水位的定量关系模型，并就如何控制博斯腾湖矿化度提出了可行的对策。     

基于环境一号卫星CCD数据的巢湖叶绿素a的动态监测

环境一号卫星CCD数据具有获取周期短、空间分辨率高等特点,能够及时准确地监测叶绿素a的浓度变化和分布,其在内陆湖泊水质遥感监测方面具有良好的应用前景。文章通过星地同步地面实验,建立起巢湖水体的叶绿素a浓度遥感反演模型,利用2009年4月至2010年3月的环境一号卫星CCD数据,分季节对巢湖叶绿素a行动态监测和分析。结果表明,巢湖叶绿素a具有明显的时空分布特征,夏季叶绿素a浓度最高,冬季最低,秋季高于春季;西半湖湖区叶绿素a浓度一般高于东半湖湖区,西北部和中部湖区空间变化比较大,东部湖区变化较小。     

广州市PM_(2.5)质量浓度垂直分布在线监测研究

广州塔空气质量自动监测站在地面至高空500 m高度内布设了4个站点。在自动站内利用PM_(2.5)质量浓度点式在线监测和激光雷达消光系数遥感监测技术,实现对PM_(2.5)质量浓度垂直分布的在线监测,监测方法具有很高的时间分辨率和空间分辨率。利用该方法开展阶段性监测表明:PM_(2.5)质量浓度与355 nm消光系数间具有很好的线性关系,R2达到0.853 7,利用线性关系式可反演PM_(2.5)质量浓度。对200 m~550 m间反演结果分析表明:反演结果与在线监测数据具有很好的相关性,相关系数达到0.868以上;PM_(2.5)质量浓度随着高度改变呈显著的对数相关关系,R2达到0.992 6。     

基于遥感数据的京津冀地区PM2.5时空分布特征

基于MODIS AOD遥感数据,采用多元线性回归模型对PM2.5地面监测数据进行模拟估算,同时加入降水量、相对湿度等气象因子以提高模型精度,结合GIS空间分析技术,得到2015—2016年京津冀地区空间连续的PM2.5浓度分布。结果表明:利用多元线性回归模型反演PM2.5浓度效果较好,R 2均在0.59~0.84之间。在时间上,京津冀地区PM2.5浓度呈现出夏季最低、秋季稍高、冬春两季最高的变化趋势;在空间上,2015年和2016年京津冀地区PM2.5浓度有明显的区域差异,均呈现出西北低、东南高的分布格局,大致与燕山山脉和太行山脉走向一致。     

博斯腾湖水质矿化度模型及预测研究

根据博斯腾湖１９８５～１９９５年水质监测数据和出入湖水量等水文数据观测值，采用水质扩散模型和盐量平衡关系推导出博斯腾湖大湖区（简称博湖）水质矿化度模型，并预测了几种情况下博湖水质矿化度及近几年变化趋势，分析了影响博湖水质矿化度的主要因素，为博湖的近期和远期环境保护规划、环境管理等提供科学依据．     

基于Landsat-8数据和劈窗算法的地表温度反演及城市热岛效应研究

陆地表面温度(Land Surface Temperature,LST)是地表能量平衡组分中的一个重要参数。随着卫星遥感技术的快速发展,遥感反演成为获取区域LST的一个重要手段。目前已有学者提出多种基于遥感数据反演LST的算法,其中劈窗算法被证明是一种精度较高的算法。基于Landsat-8卫星30 m空间分辨率的陆地成像仪(OLI)数据和100 m分辨率的热红外传感器(TIRS)数据,采用劈窗算法计算了无锡地区的LST,并采用地面实测水温数据和同步的MODIS温度产品对Landsat-8的计算结果进行了验证和对比分析。结果表明:基于Landsat-8数据和劈窗算法获取的LST精度较高,误差1K。在计算的LST结果基础上,进一步提取了热场变异指数来分析城市热岛空间分布特征,给出了城市热岛效应的定量化描述,并就不同地表覆盖类型对热岛效应的影响进行了分析。     

江苏省PM_(2.5)质量浓度的时空变化格局模拟

基于遥感数据,利用多元线性回归模型研究地面监测的PM_(2.5)质量浓度数据与AOD、气象数据及地面植被覆盖等数据的关系,空间精细化反演江苏省PM_(2.5)质量浓度分布。结果表明,AOD、气象数据及地面植被覆盖数据能较好地反演出PM_(2.5)质量浓度时空分布特征;江苏全省PM_(2.5)质量浓度呈现出冬高秋低、春夏居中的季节变化规律;春、冬季PM_(2.5)质量浓度的高值区集中在苏锡常、宁镇扬及泰州、南通等东南沿海的城市,而在靠近西北内陆的盐城、连云港、徐州、淮安、宿迁PM_(2.5)质量浓度较低,夏、秋季呈现出相反的态势。     

综合遥感与地面观测的巢湖水体富营养化评价

提出一种将地面观测数据空间插值与遥感反演结合的湖泊富营养化评价方法与业务化运行模式。对叶绿素a等可反演参数利用遥感影像反演,并利用实测值校正获得高精度反演结果;对总磷等不易反演参数采用空间插值获取全湖区数据,采用综合营养指数法对巢湖富营养化状态进行反演,获得2015年5月12日巢湖富营养化状态空间分布情况。结果表明,巢湖全湖为轻度和中度富营养化状态,呈现出西半湖高于东半湖的总体空间分布趋势。结合相关数据对巢湖富营养化成因进行推断,认为南淝河等上游河流各类营养物质输入量较大是造成西半湖北部富营养化严重的主要成因;西南部杭埠河等河流氮磷输入量较大,但其他营养物质输入较少,使得该区域总体呈现出富营养化程度偏低的现象。     

基于遥感影像的木兰溪水质参数反演

水质监测对水环境评价及污染预防至关重要，但地面监测成本高、监测面积有限等，难以满足实时、大范围监测的要求。为了更好地解决该问题，基于遥感影像的空中监测技术越来越得到研究人员的青睐。以木兰溪为研究区，利用和地面监测数据同步的Landsat-8卫星遥感影像数据，对木兰溪的典型水质参数总磷、总氮、溶解氧、高锰酸盐指数的反演问题进行研究。首先，根据Landsat-8的水体敏感波段，分别选取总磷、总氮、溶解氧、高锰酸盐指数的反演特征波段组合为(b1-b2)/(b2+b3),(b1-b2)/(b3-b4),b2/(b1+b4),b1/b2;其次，利用反演特征波段组合分别构建总磷、总氮、溶解氧、高锰酸盐指数浓度的SVR(Support Vector Regression)反演模型，通过IPSO算法对SVR模型的参数进行优选；然后，将IPSO-SVR反演模型和统计回归反演模型、广义回归神经网络(GRNN)反演模型在验证集上进行评估，以平均绝对误差和均方根误差作为评价指标进行对比分析，结果表明IPSO-SVR反演模型的平均绝对误差和均方根误差最小，说明IPSO-SVR反演模型具有较高的精度和较好的实用性...     

基于深度全连接网络Himawari-8卫星气溶胶反演研究

利用葵花8(Himawari-8,H8)16个波段数据、卫星、太阳角度数据和深度学习技术,提出一种基于深度全连接网络(Deep Neural Networks,DNN)模型的AOD遥感反演方法(Himawari-DNN)。该方法直接建立H8影像本身与AERONET站点AOD数据间的关系,可避免传统AOD遥感反演方法中复杂过程,得到精度较高的反演结果。通过有效数据对所构建的模型做精度测试,同时将反演结果和实测数据对比分析,结果表明,模型反演结果与研究区内所有站点的观测值均具有较高的一致性(R^2均>0.89)。可见,应用DNN对H8气象静止卫星开展AOD反演具有一定的可行性。     

基于MODIS的烟台近海水体叶绿素浓度分布

利用实测光谱数据及水体叶绿素浓度数据建立了基于MODIS数据的叶绿素反演模型,并利用MODIS L1B数据对研究区的叶绿素浓度进行了反演。通过分析烟台近海水体叶绿素浓度分布得出,烟台近海水体叶绿素浓度由沿岸向海延伸,叶绿素的浓度逐渐增加;通过不同月份的叶绿素浓度分布状况发现,夏季水体叶绿素浓度含量最高,冬季最低。     

基于环境一号卫星的气溶胶光学厚度反演技术研究

基于环境一号卫星(HJ-1)遥感观测数据,采用改进的暗目标算法和深蓝算法分别对暗像元、亮像元地表的气溶胶光学厚度(AOD)进行反演,并将其结果与MOD04产品对比。结果表明:二者反演的AOD空间变化特征较一致,相关系数达0.874,HJ-1星反演结果有更高的空间分辨率。当AOD值0.2时,HJ-1星反演结果可靠性较低;当AOD值在0.2~0.8之间时,HJ-1星CCD相机反演气溶胶的结果与MOD04产品最相近,二者相对误差10%;当AOD值在0.8~1.5之间时,HJ-1星反演结果相对MOD04产品显著偏高;当AOD值1.5时,HJ-1星反演结果相对MOD04产品偏低。     

基于环境一号卫星的PM2.5浓度遥感反演研究

2014年12月29—30日,青岛市发生了一次空气污染过程,利用环境一号卫星CCD遥感影像数据和实测PM_(2.5)浓度数据,分析了该过程前后5 d的实测PM_(2.5)浓度与环境一号卫星CCD遥感影像的DN值之间的相关性,分别按日期和区域建立了反演模型。结果表明,按日期拟合反演模型相关系数为0.02~0.51,按区域拟合反演模型相关系数为0.01~0.80,总体来说,区域拟合结果较好。     

基于随机森林与神经网络的高光谱土壤重金属Zn含量反演

在河北省保定市白洋淀区域采集115个土壤样品进行重金属含量分析和室内光谱测量,分别将BP神经网络、随机森林、决策树、多元线性回归、K近邻回归、AdaBoost回归和偏最小二乘回归法应用于全部原始波谱数据和基于双层随机森林选择后的波段数据。结果表明,基于原始波谱数据的土壤重金属Zn元素含量的反演模型精度较低,而通过双层随机森林选择出光谱数据中与土壤重金属Zn信息相关的波段,减轻了网络模型的过拟合问题,提高了模型预测精度;与其他模型比较,结合双层随机森林和BP神经网络构建的反演模型对研究区土壤重金属Zn含量预测效果最佳。     

基于Landsat 8遥感数据的天津市地表温度反演

以Landsat 8遥感数据为数据源,进行天津市地表温度反演研究。首先采用单通道算法反演地表温度,并利用均值标准差法进行温度分级。然后建立不同温度等级面积比例的估算模型。再通过随机样点,从不同温度等级和土地覆盖类型2个角度,分别建立并比较不同类样点的地表温度与各指数的拟合模型。结果表明:次高温区域面积比例与人口密度、人均GDP都具有较高的决定系数;地表温度与NDVI、BAEM的二元线性回归决定系数高于地表温度与单一指数的决定系数;将样点分类后,低温点与MNDBI的决定系数高于其他温度等级样点,水域和植被样点与各种指数的决定系数高于其他地物类型样点。     

区域PM2.5时空回归建模与预测

基于区域PM_(2.5)时空建模和预测的需要及PM_(2.5)浓度呈现明显的时空分布趋势的状况,以苏南地区2014年PM_(2.5)日监测数据为实验数据,使用回归克里格对区域PM_(2.5)进行时空建模和估值。利用最小二乘法建立了PM_(2.5)与时空位置的三元二次回归趋势模型,建模点趋势值与实测值间的平均误差接近于0,表明趋势模型拟合效果较好;拟合了样点残差的理论变异函数模型,表明该地区PM_(2.5)的空间和时间相关性范围分别为150 km和4 d;基于该模型,使用时空普通克里格对残差进行时空插值;插值结果与趋势项相加,得到PM_(2.5)回归克里格估值结果;通过对比不考虑趋势的时空普通克里格估值结果,发现考虑时空趋势的时空回归克里格法精度提高了1. 29%。对所提方法进行了创新性分析,并对不足之处进行了讨论。     

基于机器学习遥感算法的大型漂浮藻面积提取方法研究

采用基于机器学习的多层感知机算法,利用GOCI(Geostationary Ocean Color Imager)传感器获取的瑞利校正反射率数据,对东中国海大型漂浮藻进行遥感自动识别,采用线性混合像元分解来计算大型漂浮藻的覆盖面积,并利用膨胀和侵蚀法进行大型漂浮藻的分布面积计算。利用L8/OLI(Landsat 8/Operational Land Imager)高空间分辨率资料进行验证,结果表明,基于机器学习遥感算法针对GOCI提取的大型漂浮藻覆盖面积,与L8/OLI结果十分接近,R2达到0. 959,平均绝对误差和平均相对误差分别为39. 32 km2和18. 15%。     

灰色理论及模糊数学在城市噪声综合预测中的应用研究

一、方法 灰色动态模型的建立是以灰色模块为基础。对于给定的时间数据列: {X_i~o(m)} i=1,2,…,p:m=1,2,…n 一般不能直接用于微分拟合的建模中。 灰色建模的基础模块概念是指将原始数据经过一定方式处理后的时间序列(生成列)。 建立单序列的1阶线性动态模型——DM(1,1)模型: 给定时间数据序列:     

常州市国控站PM_(2.5)监测的代表范围研究

为评价常州市国家大气自动监测站(国控站)细颗粒物(PM_(2.5))监测的代表范围,通过1 km×1 km的多角度大气校正算法(MAIAC)的气溶胶光学厚度(AOD)等相关数据,采用随机森林方法进行PM_(2.5)估算反演,考虑变异函数和最优分割模型等统计学模型,开展国控站PM_(2.5)监测代表范围的评价。结果表明:(1)估算反演的PM_(2.5)浓度空间分布显示,常州市区东部区域浓度相对较高,西南部区域浓度相对较低;(2)变异函数分析中,PM_(2.5)浓度在5 km范围内具有相对显著的空间相关性,但超过5 km范围后空间自相关性不显著,差异性增大到最大;(3)最优分割法分析中,常州市各个国控站PM_(2.5)监测均存在各自的代表范围,2019年的代表范围为3~5 km,其中“经开区”站点范围最大(5 km),“市监测站”和“武进监测站”站点范围最小(均为3 km),且逐年分析显示,各个站点PM_(2.5)监测的代表范围呈上升趋势。     

基于时空回归克里格和AOD数据的PM2.5时空插值

基于京津冀地区2016年PM_(2.5)浓度监测数据和MOD04的10 km分辨率气溶胶数据,结合时空位置,建立PM_(2.5)回归模型,使用时空回归克里格方法对京津冀地区进行PM_(2.5)时空插值,对比研究时空回归克里格与只使用监测站数据的普通时空克里格方法的时空插值结果。结果表明,两种方法的插值结果时空趋势相同,京津冀地区东南部PM_(2.5)浓度较高,夏秋两季浓度低于春冬两季;时空回归克里格插值结果的均方根误差为26.1,时空克里格插值结果均方根误差为28.3,即兼顾时空趋势并结合气溶胶数据的时空回归克里格插值精度提高了约8%。