因子分析在黄河上游干流地区滑坡灾害中的应用

黄河上游地区干流滑坡灾害频繁发生,造成了严重的经济损失和人员伤亡。对该区滑坡灾害进行研究,对于指导该区的抗灾、减灾和预防工作意义重大。采用遥感技术和野外采样实测,获取了研究区的129处滑坡灾害数据,进而对滑坡灾害影响因素进行了因子分析。通过因子分析,得到公因子,并对公因子命名。在此基础上,计算了因子得分及综合得分,并对其进行了排序。研究结果表明:灾害数据变量之间有较强的相关性,滑坡发生主要受到滑体标高因子、滑体外形因子、地表因子、环境因子和滑体性质5个公共因子的影响。滑体标高、环境特征和滑体性质对滑坡的影响较大,滑体外形因素和地表因素对滑坡发生的影响相对较小。     

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

2011~2017年中国PM2.5多尺度时空分异特征分析

PM_2.5时空分异特征认知对大气污染联防联控意义重大,本文从空间多尺度的视角出发,利用空间模式分析方法与地理探测器,对2011~2017年中国大陆地区PM_2.5年均浓度时空分布格局及成因进行探究,从而揭示PM_2.5多尺度时空分异特征.结果表明：①2011~2017年PM_2.5年均浓度相对稳定,无明显趋势,国家与区域尺度PM_2.5变化特征基本一致,呈现"W"型变化,整体上看,污染程度由高到低依次为：中部、东部、西部与东北.②由空间模式分析结果可知,高值聚集区主要位于中国的东部、中部以及新疆的西南地区,低值聚集区则集中在青藏、云贵高原以及大兴安岭地区.③地理探测器分析结果证实：城市化因素中人口密度是国家与区域尺度上PM_2.5时空分异的主导因素,同时,产业、能耗与交通因素对PM_2.5分布格局存在不同程度影响.在区域尺度上,除了人口密度因素之外,工业用电量与公车总量对中部地区PM_2.5年均浓度影响较大,东部地区是工业烟粉尘排放量与道路面积,东北地区则为第二产业产值占比与城市绿地率,社会经济因素对西部地区的PM_2.5年均浓度影响不显著.     

东洞庭湖水面面积变化监测及其与水位的关系

开展东洞庭湖水面面积长时间变化监测研究对于湖区洪涝旱灾监测、灾害评估等具有重要意义。采用2000~2017年的经过辐射一致性校正的Landsat Collection 1遥感数据集，在ENVI遥感数据处理平台下采用4种常见的水体提取方法（单波段阈值、多波段谱间关系、水体指数、支持向量机）开展了水面面积遥感提取方法比较及东洞庭湖区长时间序列水面面积提取，以此数据为基础开展了东洞庭湖区近18年来湖区水面面积年内和年际变化研究，并探讨了水面面积与城陵矶水文站水位之间的相关关系。结果显示：Landsat Collection 1遥感数据集具有较高的空间和时间分辨率，可以满足东洞庭区长时间序列水面面积提取，且水面面积提取精度较好；采用支持向量机方法提取的湖区多年水面面积平均值为569.9 km2，丰水期水面范围波动较大，而枯水期变化较小；湖区水面面积变化与城陵矶水位变化存在紧密相关关系，不管线性模型还是多项式模型均能准确地描述两者变化关系，受湖区地形分布特征影响，水面面积与水位之间的关系在丰水期较紧密，而枯水期两者之间的相关关系明显降低。     

大气污染联合治理分区视角下的中国PM2.5关联关系时空变异特征分析

联合治理分区下PM_(2.5)关联关系时空变异特征识别对中国大气污染防治意义重大.本文主要基于2000～2016年遥感反演的中国大陆334个地级市PM_(2.5)浓度数据,利用空间单元聚合策略与地理时空加权回归技术,系统分析了大气污染联合治理分区视角下的中国PM_(2.5)关联关系时空变异特征.结果表明:①以PM_(2.5)为首要污染物,综合考虑污染程度、地理位置、气象、地形和经济等因素可将中国大陆地区划分为10个大气污染联合治理区.②地理时空加权回归能够有效刻画PM_(2.5)与关联因素间的时空非平稳关系.同时,人口规模、第二产业生产总值、SO_2排放量、年平均气温、年降水量以及年平均相对湿度被识别出对PM_(2.5)浓度的变化影响存在显著时空差异.③人口规模对PM_(2.5)浓度的影响程度各年最大的地区均为京津冀蒙区域;川渝滇黔区域中第二产业生产总值对PM_(2.5)浓度影响程度变异度最大,在黑吉辽区域之外,SO_2排放量回归系数值均先随时间逐渐减小再增大最后又减小;各治理区中年平均温度对PM_(2.5)影响程度的时间变异程度较小;而年降水量与年平均相对湿度对PM_(2.5)影响程度在各区域中呈现不同的变异特征.     

长株潭城市群PM2.5和O3浓度时空分布特征及影响因素分析

基于2015~2019年长株潭城市群PM_2.5和O₃遥感浓度数据,利用空间自相关指数和地理加权回归（GWR）等方法探究PM_2.5和O₃浓度的时空分布特征及相关因素对其影响强度.结果表明：① PM_2.5浓度整体呈现出冬季和春季高,夏季和秋季低的"U"型特征,而O₃浓度则表现为夏季和秋季高,冬季和春季低的"M"型特征,PM_2.5与O₃年均浓度高低排序为：长沙市>湘潭市>株洲市.② PM_2.5与O₃浓度在夏季呈现正相关,秋冬季为负相关,且具有显著的空间集聚特征,O₃浓度高-高集聚区的面积呈现逐年增加的趋势.③GWR结果显示：夜间灯光强度和人口密度都对PM_2.5与O₃具有正相关效应,其中,植被指数（NDVI）、风速和温度对PM_2.5浓度的影响最为显著,而风速和温度对O₃影响强度更为突出,不同因素对PM_2.5和O₃浓度影响具有显著的空间异质性.     

丹江口库区陆地植被物候空间格局及其与海拔的响应关系

海拔高度变化对区域温度、降水都起着至关重要的作用,从而会对植被物候特征产生影响。以丹江口库区为研究区,分析库区植被物候随海拔变化特征,该工作的开展对进一步认识库区植物物候空间特征,进而监测库区土地覆盖变化具有重要实践意义。研究采用Savitzky-Golay滤波算法重建库区2001~2012年MODIS 16天最大合成EVI时序影像数据,对重建后的时间序列影像采用动态阈值法提取库区陆地植被关键物候特征信息,并对库区陆地植被物候特征随海拔梯度变化特征进行分析。研究结果表明,丹江口库区陆地植被生长季为4月上旬至10月上旬,南部山区林地生长季最长,而库区中部、东部耕地生长季较短。植被物候特征随海拔梯度变化呈现两个较为明显的区域,低海拔区域植被生长季开始时间(Start of Season,SOS)随海拔升高而提前,生长季结束时间(End of Season,EOS)随海拔升高而推迟,进而导致生长季长度(Length of Season,LOS)随海拔升高而延长。而在海拔较高山区,林地植被物候呈现完全相反变化趋势。受丹江口水库和人类活动的影响,丹江口库区植被分布随海拔变化呈现两个较为明显的区域。     

基于MODIS NDVI时序数据的湖南省植被变化研究

基于MODIS NDVI时间序列数据集,运用Mann-Kendall趋势分析检验、Hurst指数和相关分析等方法,对2000～ 2018年湖南省植被时空变化特征、演化趋势的可持续性及其与气温、降水和日照时数的关系进行了研究.结果 表明:(1)湖南省植被覆盖整体较高(年均NDVI为0.54),高植被覆盖区主要分布在以林地覆盖为主的山地和丘陵地区;NDVI具有明显的季节变化特征,8月份最高(0.67),2月份最低(0.36).(2)近19年湖南省NDVI整体呈上升态势,增速为8.6％/10 a(P＜0.01);其中显著增加的地区占76.09％,主要分布在湘中与湘西北的林地、耕地、草地区域;NDVI显著下降的区域仅占1.46％,主要分布在长株潭等建设用地区域以及洞庭湖平原的局部耕地区域.(3)未来湖南省植被变化的总体趋势可能向退化的恶性方向发展(占76.59％),其中改善与强反持续性趋势占23.25％.(4)日照时数、气温对研究区植被NDVI的影响主要表现为冬季的正相关.