基于RBF神经网络的城市建成区面积预测研究——兼与BP神经网络和线性回归对比分析

城市建成区面积预测是城市研究的一个核心问题,其与城市经济社会之间表现为一种复杂的非线性关系,传统的方法模型难以精确预测。作为一种较新的人工神经网络模型,RBF神经网络能以任意精度全局逼近任意非线性关系,表现出了极强的处理复杂非线性系统的能力。以合肥市建成区面积预测为例,构建了基于RBF网络的预测模型,作为对比,同时用BP神经网络、一元线性回归和多元线性回归模型进行了预测。预测结果的综合分析表明,在预测精度上,RBF网络＞BP网络＞多元线性回归模型＞一元线性回归模型。研究显示,RBF网络能为城市建成区面积预测提供一种新思路和新方法,进而可为城市土地利用及其规划制定提供科学的决策依据     

长江流域月降水的EEMD多时间尺度遥相关分析

基于长江流域138个气象站1961~2016年的逐月降水观测资料,应用集合经验模态分解（EEMD）方法,分别对各站点的月降水序列进行EEMD分解,然后,运用时滞相关分析和逐步变量选择的方法,以识别长江流域月降水周期振荡和长期趋势的显著影响因子,并构建多元线性回归模型对长江流域月降水进行预测。结果表明：（1）近50多年来,长江流域各站点的月降水呈现出显著的季节、年际和年代际尺度振荡特征。（2）流域内各站点月降水的长期变化趋势存在着较大的空间差异性,表现为金沙江、雅砻江、大渡河以及鄱阳湖流域是月降水长期趋势显著增加的集中区,而岷江中游以及洞庭湖流域的南部是月降水长期趋势显著减少的集中区。（3）厄尔尼诺1+2区的平均海表温度（NINO1+2）的过去模式是影响长江流域月降水周期振荡的主要气候因子,而全球平均气温距平（GlobalT）是影响长江流域月降水长期趋势的主要气候因子。（4）基于已识别的影响因子构建的月降水量预测模型在旱季的预报性能高于雨季,并在长江上游地区的预报性能高于其中下游地区。     

长江中下游夏季极端降水事件频次的统计降尺度模拟与预估

利用CMIP5三个耦合模式的历史模拟及不同情景预测结果、NCEP/NCAR再分析资料和长江中下游观测降水资料,采用统计降尺度方法对长江中下游夏季极端降水频次进行模拟和预估。首先,通过计算相关的方法,获取建立统计降尺度预测模型所需的预测因子。提取的预测因子同时满足既是观测环流要素场影响极端降水的关键区域,又是模式要素场预报的高技巧区域两个条件;然后,结合挑选出的预测因子,利用多元线性回归方法建立长江中下游极端降水的统计降尺度预测模型,并对模型性能进行检验。交叉检验结果表明,此种统计降尺度方法能对过去长江中下游极端降水变化有较好的再现能力,且多个降尺度模型结果的集合能进一步提高降尺度方法的模拟技巧;最后,将建立的统计降尺度模型应用于CMIP5未来3种不同的排放情景来对极端降水进行未来预估,并对多模式结果进行集合。结果显示,统计降尺度模型预估未来几个年代际长江中下游夏季极端降水频次相对于1986~2005年呈增加趋势,21世纪中、后期高排放情景下极端降水频次增加幅度高于低排放情景。     

基于五种模型比较的湖南省生态旅游需求预测研究

从供求关系视角对湖南省生态旅游需求预测有利于生态旅游资源的优化配置与生态旅游产业的可持续发展。为了进一步了解湖南省生态旅游市场需求，以2008~2017年生态旅游相关数据为样本数据，运用GM（1，1）预测模型、线性回归预测模型、非参数模型、BP神经网络预测模型、时间序列预测模型（2）五种预测模型对湖南省生态旅游需求进行预测，得到线性回归模型的模拟精度最高。因此，采用线性回归模型对湖南省生态旅游总收入和生态接待旅游总人数进行预测。结果显示：2021~2025年期间，湖南省生态旅游总收入和接待生态旅游总人数呈中低速曲线递增趋势，其中生态旅游总收入名列前5强的市州是长沙、张家界、岳阳、湘潭和益阳市；生态旅游接待人数名列前5强的市州是长沙、常德、衡阳、郴州、益阳市。在各市州之间，存在生态旅游总收入与生态旅游人数不对等现象，尤以常德和张家界两市最为典型。     

融合时序特征的湖北省降水空间分布估算

以湖北省2006～2010年的降水量为基础数据源,通过对降水数据的分析,将省内75个站点的时间维降水序列变差函数值作为降水强度的影响因素,引入到降水量空间预测的多元地理统计中,使用时序协同克里格方法构建降水时序特征与降水量之间的数学关系模型,对湖北省月平均降水数据进行空间插值模拟。通过分析不同时间尺度下的交叉检验统计量,选择最优的时间维变差函数计算尺度。结果显示,融合时序特征的协同克里格法对降水量的空间插值较普通克里格法具有更好的插值效果,因而更适合历史资料丰富地区的降水空间分布估算     

基于主要经济指标的城市建设用地规模预测模型——以广东省为例

随着经济的发展和人口的增长,建设用地规模不断扩大。本文采用线性回归分析法,选取GDP、人口规模、固定资产投资额和年份四个因素,分析了广东省1981—2000年间各类建设用地以及建设用地总规模与四个因素的相关性,并拟合了一元线性和三元线性预测模型。预测结果表明:除其他用地外,建设用地规模与四个因素存在显著的相关性,且以固定资产投资为自变量的一元线性模型和以GDP、人口规模、固定资产投资额为自变量的三元线性模型的模拟结果较好。由于建设用地的研究方法和影响因素较多,本研究只采用一元、多元线性回归模型法,选择部分影响因素,构建建设用地规模预测模型,旨在为制定建设用地供应计划,提高建设用地节约利用,建设用地高效管理提供基础参考依据。     

1982~2010年洞庭湖流域植被指数的变化及其与气候因子的相关分析

基于GIMMS 3 g、PAL、LTDR V3、FASIR及MODIS 5种不同的遥感影像数据,及洞庭湖流域30个气象站点的气温、降水和日照时数月值数据,采用逐像元一元线性回归模型,对比分析了在不同数据集背景下的植被变化趋势,并基于时间序列长度以及数据精度的考虑,选择GIMMS 3 g作为研究洞庭湖流域植被覆盖变化的基础数据集,进而利用相关系数和多元线性回归分析模型探讨流域植被覆盖变化与降水、气温、日照时数的关系。结果表明:(1)过去29 a间,流域GIMMS 3 g NDVI在时空尺度上均以增加趋势为主,1998~2000年出现最大的降低,以植被覆盖较好的山区减少最快;(2)去除年际变化趋势和季节性影响的NDVI与同期降水量距平、累积3个月气温距平值及同期日照时数距平值相关性程度最高;(3)统计意义上,降水量、气温和日照时数解释洞庭湖流域植被月NDVI变化的37%,日照时数对该流域NDVI变化的影响最大,其次为降水和气温;(4)在时间和空间范畴,生长季NDVI可以作为反映洞庭湖流域森林覆盖率变化的指标。     

基于循环神经网络的洞庭湖水位预测研究

洞庭湖流域分布了3个重要的自然保护区,是我国大型淡水湖泊湿地系统之一,生态资源丰富.水位是维持其生态系统结构、功能和完整性的基础.为预测长江和流域"四水"来水组合影响下的洞庭湖水位变化,该文采用两种循环神经网络方法——长短期记忆(LSTM)和门控循环单元(GRU),构建了洞庭湖水位变化的预测模型.LSTM和GRU的优势在于能够学习网络的输入和输出之间的长期依赖关系,这对于模拟受上游来水影响的水位累积变化至关重要.模型以湘江、资水、沅江、澧水入湖流量和长江干流宜昌站前期流量作为输入条件,预测洞庭湖不同湖区的水位变化过程.利用1980～2002年水位流量时间序列数据对模型进行测试,2003～2014年数据进行验证,并对两种模型的预测结果进行了比较.结果表明:(1)循环神经网络LSTM和GRU方法均可合理预测洞庭湖水位的变化过程,NSE和R2均为0.91～0.95,各站水位预测的RMSE值为0.41～0.86 m,NSE和R2均为0.91～0.95;(2)LSTM的预测精度稍高于GRU,但GRU计算更高效,是LSTM一个很好的替代方案;(3)模型能够较准确的模拟一次洪水事件,洪水位的预测值与真实值的最大相对误差低于5％;且模型具有较好的多步长时间序列预测能力,有在水文模型应用方面的潜力.     

基于FY2C卫星数据的藏北高原降水估算研究

如何确切的掌握降水的时空分布,对区域气候、水文和生态应用等至关重要。以藏北高原典型区为研究区,在大量地面实况降水观测数据与对长时间序列FY 2C 影像光谱特征和云图特征分析的基础上,获取卫星降水模拟参数特征集以刻画云降水的发生与发展过程,选用最值归一化方法对不同量纲云图特征参数进行归一化处理。构建基于三层前向型反向传播神经网络的卫星降水估算模型,用于该地域降水估算,并采用多指标体系分析模型的降水模拟精度。结果表明：静止气象卫星红外波段能较精确地揭示云的降水机理,较高时间分辨率遥感图像可以监测云图的变化细节,并获取能够反映云图降水特征的降水模拟参数;人工神经网络能较好地刻画该地域卫星降水特征的非线性规律;三层前向型反向传播神经网络卫星降水估算模型的估算结果与雨量计实测值间的相关性可以达到0.57。模型估算结果系统性的低估偏小,预示着对该地域弱降水强度将有较好的指示性     

基于Delaunay三角网和地理加权回归的降水空间异常探测方法研究

针对目前已有的降水资料质量控制方法适应性差,降水数据难以模拟局地降水规律的问题。以湖南省为实验区域,利用1985~2014年夏季降水观测数据,定义局部地理空间内降水量发生显著偏离的气象站点为异常,发展了一种结合Delaunay三角网和地理加权回归的降水空间异常探测方法。该方法通过构建不规则三角网来获取各个区域之间稳定合理的地理邻近关系,根据空间邻近关系获取自适应回归带宽,并纳入地理加权回归模型进行计算,最后根据回归残差项的统计分布性质开展空间异常度量与分析。实验表明该方法能有效检测出降水空间异常,可应用于降水数据二次处理时的质量控制阶段,有助于进一步探索局部地理空间内的降水规律。     

近53 a来长江流域极端降水指数特征

利用1963~2015年长江流域115个气象站点逐日降水数据,分析了不同极端降水指标的空间变化特点和时间变化趋势。结果表明,近53 a来,长江流域多年平均年极端降水量与年降水量从下游到上游逐渐递减,两者变化趋势大致呈现“增-减-增”的空间分布格局。年极端降水量对年降水量贡献（PEP）存在明显的空间分布差异,但贡献比例在流域内普遍呈现增加的趋势。持续1 d的极端降水事件的降水量分布及其变化趋势与年极端降水量的分布特征类似,其对年极端降水量的贡献比例高达65%以上,说明长江流域极端降水以持续1 d的极端降水事件为主。持续2 d及以上的极端降水事件主要集在中皖苏赣局部地区和四川中部地区,但其降水量对年极端降水量的贡献比例较小。从上游到下游,年最大日降水量（MDP）逐渐增大。其中,上游源头地区的沱沱河、曲麻莱和玉树3个站点MDP主要集中在0~25 mm之间,其他站点均以25~50 mm量级为主;长江流域中部地区的MDP大部分以50~100 mm的量级为主,处于100~150 mm之间的次之;长江流域东部地区主要以100~150 mm量级的MDP为主。 关键词： 极端降水;降水贡献;不同历时;长江流域     

长江流域月降水的多尺度随机特征及其分区

提出了一种基于集合经验模态分解的多尺度信息熵方法来分析长江流域138个气象站1961～2016年的月降水在不同时间尺度下的随机性,然后,采用模糊C均值聚类(FCM)算法对流域月降水进行空间区划,最后,探讨各区平均月降水序列与厄尔尼诺1+2区的平均海表温度(NINO1+2)之间的时滞相关性.结果表明:(1)长江流域月降水存在明显的季节、年际和年代际变化特征;(2)流域月降水在不同时间尺度下的随机性均呈现出东部高-西部低的空间分布模式,并且流域月降水的IMF分量的随机性随时间尺度的增大而降低,且不同地区间其随机性的差异越来越大;(3)流域月降水在各IMF分量上的随机性沿纬向自西向东逐渐增大,而沿经向呈现出拟均匀性;(4)流域月降水在空间上可划分为6个一致性子区域:西部高原区、西南部横断山区、北部低山盆地区、南部低山丘陵区、东南部鄱阳湖平原区和东部长江三角洲区;(5)流域各区平均月降水对NINO1+2的最佳响应时滞自东南沿海向内陆地区依次由2个月延长至4个月.     

9月至翌年4月宜昌、大通来流趋势及两站流量关系初探

利用长江上、下游代表水文站宜昌、大通站1951~2008年逐月月均流量资料,采用线性倾向估计、非参数Mann Kendall检验、滑动t 检验等方法,对两站9月至翌年4月（三峡蓄水期及枯季）各月多年来的流量变化趋势进行探讨,分析了流量发生突变的时间,并对各月两站流量间关系进行初步的研究。研究表明：宜昌、大通各月流量多年变化趋势基本一致,多年来,两站9~10月流量减少,1~3月流量显著增加,流量突变大多发生在20世纪80年代,流量的变化主要与水利工程的建设及流域降雨量的变化有关;宜昌、大通站两站流量存在一定的内在关系,9~10月份两站流量间关系较好,其余月份宜昌、大通两站流量的比值与大通流量间关系较好,所得关系式可初步用于流量预测     

长江流域上游气候变化的模拟评估及其未来50年情景预估

利用WCRP的耦合模式数据和长江上游流域63个气象站点的观测数据,评估了全球气候模式对长江上游流域的温度、降水的模拟能力,基于A2、A1B、B1情景对长江上游流域未来50 a平均温度、降水的可能变化进行了预估研究。结果表明：全球模式可较好的反映出流域温度、降水的时间和空间变化趋势,但模拟地面温度总体上低于实况值〖HT5〗。〖HT5"〗三种情景下2011~2060年上游流域平均温度的增幅（相对于1971~2000年）分别为1.7℃、2.1℃、1.3℃。A1B、B1情景下区域内表现为一致的增温趋势,而A2情景下在嘉陵江流域出现降温的趋势。三种情景下平均降水的增幅分别为50.0、83.5、29.5 mm;A1B、B1情景下降水增加的空间分布形比较一致     

长江流域不同类型降水量的非均匀性分布特征

基于长江流域1963~2016年131个气象站点逐日降水资料,计算了年降水、强降水（极端降水和暴雨）的集中度（PCD）、集中期（PCP）,并结合M-K非参数性趋势检验分析以及相关分析等方法对长江流域降水非均匀性分布特征及其趋势进行了分析,目的在于揭示不同类型降水量在流域内非均匀性分布的特征,加强对强降水在时空分布上的理解。结果表明：流域多年平均年内日降水量集中度（PCDDP）、集中期（PCPDP）均由下游向上游递增,PCDDP变化趋势不显著而PCPDP变化趋势在空间上差异明显,在流域中下游呈增长趋势、上游呈减小趋势;年降水量与PCDDP呈显著正相关的地区主要分布在四川盆地;流域年极端降水量PCDEP、PCPEP的多年平均分布及变化趋势与PCDDP、PCPDP相似。流域多年平均暴雨量（日降水≥50 mm）从下游向上游递减,在四川盆地较四周高,暴雨在流域东部呈增长趋势,在四川盆地呈减小趋势;年暴雨量集中度（PCDRP）、集中期（PCPRP）从流域东南向西北递减,在湖北、贵州以及四川东部PCDRP呈增加趋势,在流域东南部呈减小趋势;PCPRP在江浙、安徽、湖南及贵州地区呈不明显的增加趋势,在四川、云南等地呈减少趋势。     

长江流域极端降水的区域频率及时空特征

以长江流域130个气象站点1965~2014年的日降水量资料为基础,应用线性矩以及各种统计检验和空间分析技术对流域极端降水进行区域频率分析和时空特征描绘。研究表明：（1）应用模糊C均值分类和异质性检验,整个长江流域的年最大1、3、7和10日降水序列均可划分为7个一致性子区域。拟合优度检验表明,广义极值分布（GEV）和广义正态分布（GNO）为大部分区域极端降水序列的最佳分布;（2）使用考虑站间依赖性的Monte Carlo模拟评价极端降水增长曲线和分位数估计值的精确性,与站点绝对独立的情况相比,其均方根误差（RMSE）变大,90%的误差界也变宽;（3）每个一致性区域的区域增长曲线及其90%的误差界表明,当重现期小于100年时分位数估计值具有较高的可靠性,在四川盆地和长江中下游地区发生极端降水事件的可能性比较大,易发生高风险洪涝灾害;（4）重现期为100年的极端降水空间分布格局表明,从长江上游到下游的极端降水量逐渐增加,导致长江中下游流域更容易遭受洪涝灾害,这一结果与其区域增长曲线相一致。     

近40年阿克苏河流域径流变化特征及影响因素研究

利用1961—2000年近40a的气温、降水、冻土深度等逐月资料及年蒸发量资料和20世纪50年代初或中期建站起到90年代中期径流逐月实测资料．分析20世纪下半期阿克苏河流域径流变化特征及其与气候变化的关系．同时分析人类活动对径流变化的影响作用。研究表明：阿克苏河流域普遍存在升温的变化趋势，尤其是冬季升温明显；同时导致冻土层温度的升高和冻土退化；流域内降水增加趋势明显。1990年以后径流增加趋势更加明显．从年内变化分析来看。流域内各水文站春、夏季径流有明显的增大趋势；秋、冬季径流减少明显；分析径流的变化特点．主要还受到流域地表状况变化、大面积开荒及上游水库调节等人类经济活动作用的影响。     

长江流域近51a来日降水时空变异的多尺度特征

基于长江流域115个雨量站1963~2013年的日降水数据,应用小波多分辨分析结合信息论的方法,揭示长江流域近51 a来日降水时空变异的多尺度特征。结果表明:空间上,流域日降水序列的变异性具有明显的局部聚集性;并沿纬向呈现出显著的非均质性,而沿经向呈现出拟均匀性;并于103°E附近存在一条明显的分界线,界线以西的日降水变异程度显著高于界限以东的;且日降水变异性与高程之间存在较强的线性相关性,而与年降水量和年降水天数之间则存在较弱的相关性。时间上,流域各站点日降水子序列对原始序列总变异的相对贡献的大小于103°E附近也存在一条明显的分界线,界线以西,各时间尺度下子序列的贡献均大于界线以东;且这种相对贡献的谱图于256 d处呈现出突变现象。此外,流域降水变异的时间尺度可分为3个不同的区间:短期的(2~16 d)、年内的(16~256 d)和年际的(大于256 d)。     

近52a长江中下游地区极端降水的时空变化特征

长江中下游地区是我国主要农业区,同时也是降水异常,洪涝灾害频繁发生的地区之一,对长江中下游地区极端降水变化的研究,可以为该区农业生产及防洪减灾提供参考依据。利用1961~2012年间的长江中下游地区84个站点的逐日降水观测资料,基于年最大日降水(AM)序列与超门限峰值降水(POT)序列,通过滑动平均、Mann-Kendall检验法、线性倾向估计等方法,分析了该地区极端降水事件的时空变化特征。结果表明:(1)长江中下游地区近52a来极端降水量呈现为较明显的增加趋势,且极端降水量速率为9.3mm/10a,存在较为明显的年代际波动变化特征,1990年以后进入极端降水量偏多的时期;(2)AM与POT序列多年平均值大值主要分布在江西省大部、湖北东南部以及安徽南部;AM与POT序列多年标准差大值主要分布江西东南部与北部,湖北东南部以及湖南西北部;AM序列多年平均值与标准差均高于POT序列,AM序列年际间振幅要明显强于POT序列,极端降水年际变化幅度大于年内变化;(3)长江中下游沿岸地区年最大日降水量主要表现为增加趋势,长江以北的西部地区则主要表现为减少趋势;长江沿岸地区以及中东部地区的极端降水量主要表现为增加趋势,西部地区则主要表现为减少趋势。