CLUE-S模型对村镇土地利用变化的模拟与精度评价

利用航片、IKONOS和Quickbird影像得到研究区3期（1991、2001和2009年）土地利用历史数据，运用CLUE S模型，基于1991、2001年的土地利用数据对2009年土地利用格局进行模拟预测，并将模拟结果与2009年真实土地利用数据进行比较。类型水平上，选择ROC曲线统计和偏离度指数分别对各地类的Logistic回归拟合精度和CLUE S模型模拟精度进行评价；景观水平上，采用景观指数和Kappa指数系列方法，从综合预测能力、景观格局、数量和空间位置等方面对CLUE S模型的模拟精度进行全面评估。结果表明:①CLUE S模型对各土地利用类型的模拟精度均较高，各地类的Logistic回归的拟合精度随着模拟分辨率的提高而逐渐增加；②随着模拟时间的缩短，CLUE S模型对整体景观格局的模拟精度提高；③该模型对土地利用数量的模拟精度明显优于其对空间位置的模拟精度。总体而言，CLUE S模型在村镇尺度的模拟效果良好，预测精度较高，但在空间位置和景观格局精度方面还有待提高     

Land use planning and wildfire risk mitigation: an analysis of wildfire-burned subdivisions using high-resolution remote sensing imagery and GIS data

This paper evaluates risk factors that influence the probability that a house will burn from wildfire. A logistic regression is used to analyse data processed from pre-fire and post-fire IKONOS images and other geo-referenced data. The dependent variable is the probability that a given house will burn. A total of 12 independent variables are evaluated: vegetation density; area of defensible space; adjacency of a parcel to public lands; proximity of a house to fire station; road width; road type; parcel size; subdivision morphology; assessed value; elevation; slope and aspect. Model results generally support dominant land use planning and design strategies for wildfire risk reduction including vegetation treatments, site selection with respect to topography, and improving access to fire stations.     

基于移动监测和土地利用回归模型的上海市近地面黑碳浓度空间模拟

黑碳(BC)是大气污染物的重要组成部分,对空气质量与人类生活健康产生重要的影响.本研究采用移动样带手段开展上海市近地面BC浓度监测,分析其基本统计特征和空间分异性.在此基础上,利用土地利用回归模型(LUR),探讨人口密度、经济产值和交通道路网密度等因素对上海市近地面BC浓度空间分异的影响.结果表明上海市近地面BC平均浓度为(9.86±8.68)μg·m~(-3),空间差异明显,郊区[(10.47±2.04)μg·m~(-3)]比市中心地区[(7.93±2.79)μg·m~(-3)]高32.03%(2.54μg·m~(-3)).气象要素(风速和相对湿度)和交通道路变量(路网长度、省道距离、高速距离等)显著影响上海市近地面BC浓度(r为0.5~0.7,P0.01).基于气象和交通道路变量的LUR模型能较好模拟上海近地面BC浓度(调整后R2为0.62~0.75,交叉验证R2为0.54~0.69,RMSE为0.15~0.20μg·m~(-3)),其中100 m和5 km缓冲距离的LUR模型相对较优,在一定程度上表明上海市近地面BC浓度主要受气象要素和交通源的影响.本研究有利于加深对上海市BC浓度空间分布格局及其影响因素的客观认识,可为模拟和预测BC对人类活动和自然环境的响应机制提供科学依据和理论支撑.     

供水管网铁释放的影响因素相对重要性分析

供水管网的铁释放问题近年来日益受到关注.影响供水管网铁释放的因素众多,本研究选取了pH、溶解氧(DO)、碱度(Alk)、硬度、氯离子(Cl~-)、硫酸根(SO_4~(2-))、温度(T)和水力停留时间(HRT)这8个影响因素,利用逐步回归和偏相关分析,建立了铁释放的非线性幂指数模型,并用标准化回归系数和偏相关系数比较了这些因素的相对重要性.结果表明,铁释放模型拟合效果良好;用标准化回归系数衡量影响因素相对重要性时,SO_4~(2-)、HRT、Cl~-和T是相对重要的因素,相对重要性排序为SO_4~(2-)≈HRTCl~-T;用偏相关系数衡量时,HRT、SO_4~(2-)、Alk、Cl~-和T是相对重要的因素,排序为HRTSO_4~(2-)AlkCl~-T.综合两种系数的分析结果,HRT、SO_4~(2-)和Cl~-是本研究条件下相对重要的因素,T和Alk的相对重要性视实际情况变动.     

基于神经网络的碳排放预测及影响因素分析

基于新疆1995—2014年农业生产碳排放源,建立碳排放关系数据库。应用广义神经网络(generalized regression neural network,GRNN)构建了排放量预测模型,结合平均影响值(mean impact value,MIV)方法对碳排放影响因素进行量化。结果表明:1)GRNN模型预测碳排放的平均绝对百分误差和拟合优度分别为2.7860%和0.8720;2)新疆人口、人均GDP、农业贡献值、农机总动力和农户固定资产投资等因素对农业生产碳排放的影响程度分别为0.6210、0.2377、0.3698、0.8500和0.1000。该成果可为新疆碳排放总量分析和影响因素量化方面提供参考。     

基于GIS和LUR模型的西安市PM2.5浓度空间分布模拟研究

基于地理信息系统GIS和土地利用回归LUR模型,模拟西安市PM2.5浓度空间动态分布,结果表明:与PM2.5浓度相关性最高的分别为缓冲区为2 km的水域面积、人口密度和距离水域距离,R 2分别为0.501,0.393和0.280;与PM2.5浓度相关性最低的分别为缓冲区为4 km的水域面积、未利用地面积和耕地面积,R 2分别为0.039、0.021和0.017.未考虑风速建立的LUR模型多元回归的相关系数为0.856,R 2为0.733,考虑风速的相关系数为0.892,R 2为0.796,表明风速对于污染物的分布影响较大,LUR模型模拟效果较好.模拟的PM2.5年均浓度高风险区分布于中部,中风险区分布于中西部,低风险区分布于东南部和西部.     

ABC算法优化SVR的磨损故障预测模型

目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR)。方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型。最后通过实例仿真验证模型的优越性。结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现。结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度。     

川东北低山丘陵区细颗粒物主要相关因素和季节变化分析——以南充主城区为例

基于中国空气质量在线监测分析平台和全球天气精准预报网的大气质量和气象数据,以四川盆地东北低山丘陵区典型城市南充市主城区为例,检验了细颗粒物(PM_(2.5))浓度的概率密度分布,发现其接近对数正态分布,由相关分析确定了PM_(2.5)浓度的主要相关因素为CO、NO_2(相关系数r分别为0.76、0.55,P0.01),再通过对2014年1月—2016年6月的日数据的逐步回归筛选出最优的回归指标和模拟方程(决定系数R_(adj)~2为0.68,P0.05),2016年7月—2017年6月的数据验证表明模拟效果较好(拟合优度为0.64,相对误差15.48%);最后根据时序插值、浓度和IAQI(PM_(2.5))的时段均值发现PM_(2.5)浓度在年际上有降低趋势;在季节上由高到低依次为冬季、春季、秋季、夏季;PM_(2.5)浓度在1月和6月分别呈现出年内的峰值和谷值,5、10月出现了阶段性峰值,尤其是5月;IAQI(PM_(2.5))的季节变化与浓度变化规律相似;且PM_(2.5)与PM_(10)比值的均值为0.67,表明现阶段南充市主城区大气污染物中细颗粒物占有较大比重。     

阿哈水库叶绿素a时空分布特征及其与藻类、环境因子的关系

为了解阿哈水库叶绿素a(Chl-a)时空分布特征及其与藻类、环境因子的关系,于2012年枯水期至2013年平水期、丰水期对藻类与理化指标进行分层采样.结果表明Chl-a季节变化明显,与藻类生物量季节变化较为一致,而与丰度差别较大,平水期发生甲藻水华,浓度最高(91μg·L~(-1)),枯水期与丰水期相对较低,分别为8μg·L~(-1)与16μg·L~(-1).枯水期与丰水期水体表层Chl-a浓度略高于中、底层,表层光照、溶解氧相对充足,利于藻类生长;平水期表层Chl-a浓度远高于中、底层,易在表层聚集的甲藻水华是主要原因.大坝Chl-a浓度高于库中,这可能是大坝位于金钟河入库口,营养盐高于库中的缘故.相关性分析得出Chl-a与甲藻门呈极显著正相关(R=0.798,P0.01);Chl-a与TP、DO、pH呈极显著正相关(R=0.762,P0.01;R=0.792,P0.01;R=0.658,P0.01),与TN显著正相关(R=0.388,P0.05)与N/P、NO_3~--N显著负相关(R=-0.37,P0.05;R=-0.435,P0.05).逐步回归分析得出DO、TP、N/P为影响阿哈水库Chl-a分布的主要因子.此外热分层以及水温对Chl-a的影响也不容忽视.     

新安江流域土地利用结构对水质的影响

以新安江上游流域为研究区域,用该流域2010年5月TM遥感影像图作为底图,通过实地野外调查获取了新安江流域的土地利用图.运用ArcGIS的水文、空间分析功能,将流域划分为8个子流域,并分析各子流域的土地利用结构.根据2010年1～12月的水质监测数据,分析TN、TP、高锰酸盐指数、NH4+-N、粪大肠菌群的时空变化特征,以及与土地利用结构之间的定量关系.结果表明,TN和NH4+-N有明显的时间变化特征,为枯时期>丰水期>平水期,而其他几种指标没有明显的时间变化.在空间上,整体上呈现出渔梁、浦口污染最为严重.流域内土地利用结构与水质之间的相关关系表现为:耕地、水体、建筑用地起源作用,林地、草地起汇作用.在年度上看,耕地对TN、NH4+-N、高锰酸盐指数影响最大,草地对TP影响最大;不同水期上,枯水期和丰水期,对各指标影响最大的土地利用类型为耕地,在平水期,对TN、TP、粪大肠菌群影响最大的土地利用类型分别为耕地、草地、林地.