基于卫星遥感的生态保护红线人类活动提取方法研究

目前全国生态保护红线划定工作基本结束,开展生态保护红线监管工作事关国家生态安全,是今后我国生态保护的重要举措和重点工作。依托国家生态保护红线监管平台监管业务系统,研究基于卫星遥感的生态保护红线人类活动提取方法和流程,并以宁夏为例,验证其科学性和可靠性。结果显示:基于卫星遥感技术构建的方法精度较高,可操作性较强,为生态保护红线人类活动监管提供了思路;使用该技术方法的作业效率相比人工解译提升了2~3倍,提取的宁夏生态破坏问题图斑准确率达到66%,人类活动提取准确率更是达到95%,能够满足生态保护红线人类活动监管需求;宁夏55%的县(区、市)生态保护红线内发现新增和规模扩大人类活动,从空间分布来看,主要集中在西部和南部,北部和中部分布较少,其中彭阳县、沙坡头区和中宁县人类活动影响面积最大。     

一种基于Landsat 8 OLI影像的水体信息提取方法研究

提出一种基于Landsat 8 OLI影像提取水体信息的斜率比值法（SR）,比对不同方法、不同类型水体和不同季节影像的数据,结果表明：SR法相比归一化差异水体指数法（NDWI）和改进的归一化差异水体指数法（MNDWI）,水体信息提取精度更高,且对阈值精确度的要求低,阈值一般设定为2.0;SR法适用于清澈水体、浑浊水体、浅水河滩等水体,对河流干流和较大支流的提取精度达到99%,细小支流、沟渠的提取精度为66%,面积较小的水体提取精度为65%;在冬季太阳高度角较低时,SR也能较好地去除阴影。     

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%。     

A Method for Ensemble Wildland Fire Simulation

An ensemble simulation system that accounts for uncertainty in long-range weather conditions and two-dimensional wildland fire spread is described. Fuel moisture is expressed based on the energy release component, a US fire danger rating index, and its variation throughout the fire season is modeled using time series analysis of historical weather data. This analysis is used to characterize the seasonal trend in ERC, autocorrelation of residuals, and daily standard deviation and stochastically generate artificial time series of afternoon fuel moisture. Daily wind speed and direction are sampled stochastically from joint probabilities of historical wind speed and direction for the date range of the fire simulation period. Hundreds or thousands of fire growth simulations are then performed using the synthetic fire weather sequences. The performance of these methods is evaluated in terms of the number of ensemble member simulations, one- versus two-dimensional fire spread simulations, and comparison with results from 91 fires occurring from 2007 to 2009. Simulations were found to be in consistent agreement with observations, but trends indicate that the ensemble average of simulated fire sizes were consistently larger than actual fires whereas the farthest extent burned by fires was underestimated.     

Land Consumption by Urban Sprawl—A New Approach to Deduce Urban Development Scenarios from Actors’ Preferences

A new modelling approach to urban sprawl dynamics is introduced which allows representing qualitative knowledge on relations between moving actor populations and properties of locations. The results of this Qualitative Attractiveness Migration (QuAM) Model are scenario-like sets of possible future developments of the urban system, much in contrast to quantitative forecasts gained by traditional modelling approaches. QuAM models allow for the interaction between internal dynamics and external influences. The application of the new approach is exemplified by the case of urban sprawl in Leipzig since 1990. It was possible to reproduce the observed qualitative development and to calculate future scenarios. The scenario runs project a new wave of middle class driven residential sprawl and suggest implications for sprawl reducing policy interventions.     

基于韦伯-费希纳定律的一种新型环境质量评价法

韦伯-费希纳定律是定量描述人类感觉强度与外界环境刺激强度关系的心理物理学公式。文章基于对该定律做出的三点假设,提出了一种以外界环境对人体的危害程度为依据的环境质量评价方法,并在此基础上构造出环境质量评价数学模型。最后运用评价实例说明了该评价方法的科学性和优越性。     

基于深度学习的空气质量预报方法新进展

空气质量预报与人们的日常生活密切相关,其基本思想是分析历史空气质量数据,发现其内在的时空相关性,结合未来气象信息以及污染源排放量,对未来的空气质量进行预测。目前,环境管理和社会公众服务对空气质量预报提出了长时间、多维度、高精度的预测要求,一些新型的空气质量预测方法仍处于起步探索阶段。近年来,随着人工智能的普及与推广(特别是云计算与大数据的发展),深度学习这项基于传统人工神经网络的技术被国内外研究者所重视。笔者对现有典型的空气质量预报方法进行了阐述,包括数值预测模型方法、统计预报模型方法、基于机器学习模型的预测方法等,并重点介绍了该领域最新进展:基于深度学习模型的预测方法,并在此基础上进行了总结与展望。     

基于实时嵌入式操作的移动环境监测系统

利用面向对象技术、多线程技术和动态链接技术在嵌入式操作Windows CE上开发了移动环境监测系统。介绍了基于实时嵌入式操作的移动环境监测系统的设计原理、系统框架及关键技术。指出在嵌入式计算机上实现移动环境监测，既可以进行在线环境监测，也可以减少开发的费用和硬件投资。该系统的特点是集成度高，体积小，反应速度快，智能化高，稳定性好和可靠性强。     

基于神经网络模型对城市空气质量预报方法的优化研究

基于郑州市2017年1月1日—2022年2月28日环境空气细颗粒物(PM_2.5)逐日质量浓度监测数据和同期气象数据,利用反向传播(BP)神经网络构建了环境空气PM_2.5质量浓度预报模型,实现了对郑州市后1日环境空气PM_2.5质量浓度日均值进行预报。构建了考虑大气氧化性因素(情景一)和不考虑大气氧化性因素(情景二)这2种情景,并对2种情景下的预报效果进行评价。结果显示,在情景一下,各季节PM_2.5预报质量浓度与实况质量浓度的标准化平均偏差(NMB)和均方根误差(RMSE)均处于较低水平,表明预报效果均具有较好的稳定性;各季节PM_2.5实况质量浓度与预报质量浓度之间的相关系数(r)、一致性指数(IA)、准确率(Q)和级别预报准确率(G)均处于较高水平,其中Q值均>79%,G值均>80%,表明各季节PM_2.5实况质量浓度与预报质量浓度趋势的吻合程度较高。情景一各季节PM_2.5预报质量浓度与实况质量浓度的NMB和RMSE均低于情景...     

基于信号改进深度学习网络的京津冀城市群二氧化氮浓度预测

在中国华北地区,二氧化氮污染仍旧不容忽视,尤其是在机动车辆密集和工业生产相对集中的京津冀城市群。运用小波分解(WD)和长短期记忆(LSTM)神经网络建立了W-LSTM组合模型,用于预测未来京津冀地区二氧化氮日均浓度和分指数。使用2014年1月—2018年5月主要大气污染物数据对组合预测模型进行训练试验,在获得最优模型参数后,使用2018年6月—2019年6月数据进行模型预测性能测试试验。结果表明,相较于传统的LSTM预测模型,W-LSTM组合预测模型具有更好的预测性能,预测结果的平均绝对百分误差为9.21%。在此基础上,使用最优预测模型对京津冀城市群2019年7月—2020年12月二氧化氮日均浓度进行了预测,并描绘了时空分布图用以表征其时空变化特征。     

基于机器学习的短临预报方法及其在空气质量保障中的应用

基于多个数值模式(NAQPMS、CMAQ)预报结果和站点观测资料,采用岭回归机器学习方法构建了一种多污染物短临预报方法,并应用于2017年厦门金砖国家峰会和2019年武汉军运会空气质量保障工作,评估总结了短临预报方法的可行性和预报效果.结果表明:短临预报表现出很好的预报能力,可以有效改进数值模式的预报趋势和量值.从日均...     

基于组合赋权法的宁波市城市生态系统质量评价

为评价宁波市城市生态系统质量状况,在建立城市生态系统质量指数(UEQI)评价模型的基础上,首先由不同等级指标值线性拟合得到的标准化函数进行原始数据的标准化,然后根据变异系数法与层次分析法相结合的组合赋权法确定指标权重,最后对宁波市9个评价区的城市生态系统质量进行评价对比。结果表明,2006年宁波市城市生态系统质量属于一般水平(UEQI=64),其中宁海县城市生态系统质量最高(UEQI=70),其次为余姚市(UEQI=69)、奉化市(UEQI=68)、主城区(UEQI=67)、北仑区(UEQI=65)、镇海区(UEQI=62)、慈溪市(UEQI=61)和象山市(UEQI=59),而鄞州区的城市生态系统质量最差(UEQI=53)。