基于HJ1A-CCD数据的高光谱影像重构研究

遥感影像高光谱重构可以从较少的光谱波段还原出丰富的高光谱信息,为水环境遥感提供更加适用的数据源,对内陆水体水色遥感具有重要意义.利用2009年6月13日获取的HJ1A-HSI和HJ1A-CCD数据,构建HJ1A-CCD数据的高光谱重构模型,重构结果表明:①与地面实测数据相比,重构数据和HJ1A-HSI数据在660～900 nm波长范围内的平均相对误差分别为0.305 1和0.337 7;②重构影像信息熵和平均梯度都高于HJ1A-HSI影像.此外,分别利用HJ1A-HSI数据和重构数据建立叶绿素a浓度的三波段反演模型,发现重构数据能得到更高的反演精度.     

基于集合均方根滤波的太湖叶绿素a浓度估算与预测

叶绿素a浓度作为表征水质状况的重要参数之一,反映了水体富营养化程度和藻类含量,是决定水体的反射光谱特征的重要因素,也是水质遥感领域研究较多的一项水质参数.研究叶绿素a浓度的遥感定量反演可以为湖泊水质监测与评价提供新的思路和方法.本研究发展了一个基于集合均方根滤波和风生流的污染物扩散模型的数据同化方案,并结合2010年5月20日的太湖3个浮标观测站点的观测数据进行了同化实验.首先对太湖叶绿素a浓度进行同化估算,然后利用优化后的估算结果对太湖叶绿素a浓度进行了为期6 h的预报.在同化阶段,均方根误差分别从1.58、1.025、2.76降低到了0.465、0.276、1.01,平均相对误差也从0.2降低到了0.05、0.046、0.069.在预报阶段,均方根误差从1.486、1.143、2.38降低到了0.017、0.147、0.23,平均相对误差也从0.2降低到了0.002、0.025、0.019.结果表明,利用集合均方根滤波的数据同化方法可以有效地提高太湖叶绿素a浓度的估算与预报精度.     

顾及光滑拟合精度的地形曲线采样点布设规则研究

以加权平均抛物线拟合法为例,研究了顾及后期地形曲线光滑模型的采样点布设规则的确定问题.研究表明,对需要光滑拟合处理的地形曲线,除了传统的适当增加冗余采样点(采集质量检测点)外,还需要依据后期的光滑拟合模型,合理规划这些检测点的布点位置,才能有效保障地形曲线的科学采样与高保真重构.     

基于GOCI影像和水体光学分类的内陆湖泊叶绿素a浓度遥感估算

叶绿素a作为水质参数之一,常用来作为衡量水体富营养化程度的指示标准.利用从太湖及洞庭湖获取的326个实测数据,基于实测遥感反射率对水体光谱进行光学分类,结果表明所采集的样点可分为3种水体类型.结合GOCI的波段设置,建立了不同类型水体的叶绿素a浓度反演模型.水体类型一可以利用490 nm(3波段)和555 nm(4波段)来反演,水体类型二可利用660 nm(5波段)和443 nm(2波段),水体类型三利用745 nm(7波段)和680 nm(6波段).精度分析表明,分类后的平均相对误差明显下降,类型一为38.91%、类型二为24.19%、类型三为22.90%;类型一均方根误差为4.87μg·L-1、类型二为8.13μg·L-1、类型三为11.66μg·L-1;分类前后的总体平均相对误差由49.78%降低到29.59%,总体均方根误差由14.10μg·L-1降低到9.29μg·L-1,分类后反演精度得到了显著提高.利用2013年5月13日8景GOCI影像反演了太湖的叶绿素a浓度,结果表明,2013年5月13日太湖叶绿素a浓度日变化显著,高值区主要集中在竺山湾、梅梁湾、贡湖湾,低值区主要集中在湖心区以及南部区域,10:00以后太湖西南部沿岸的叶绿素a浓度显著降低.这种先分类后反演的方法对于二类水体的模型反演精度的提高具有重要作用.     

基于GAM模型分析影响因素交互作用对PM2.5浓度变化的影响

对南京市2013~2015年PM2.5及影响因素的时间变化序列,运用广义可加模型(GAM)分析影响因素交互作用对PM2.5浓度变化的影响.结果表明,PM2.5及影响因素都基本服从正态分布类型,影响因素间具较强相关性,其中气温、气压和水汽压间具有显著相关性.PM2.5浓度变化的单因素GAM模型中,所有影响因素均通过显著性检验,其中SO_2、CO、NO_2等影响因素的模型拟合度较优,方程解释度较高;PM2.5浓度变化的多因素GAM模型中SO_2、CO、NO_2、O_3、平均降雨量(PRE)、平均风速(WIND)和相对湿度(RHU)等影响因素对PM2.5浓度变化解释率为73.9%,对其变化具有显著性影响;通过多因素对PM2.5浓度变化影响效应的诊断分析,得到SO_2、NO_2和WIND与PM2.5浓度变化呈线性关系,CO、O_3、PRE和RHU与PM2.5浓度变化呈非线性关系;在影响因素交互作用对PM2.5浓度变化影响的GAM模型中,SO_2与CO、PRE、RHU间交互作用,CO与NO_2、O_3、PRE、WIND、RHU间交互作用,以及NO_2与WIND、PRE、RHU间交互作用,都在P0.01(或P0.05)水平下显著影响PM2.5浓度变化;大气污染物SO_2、CO及NO_2分别与气象等其它因素的交互作用对PM2.5浓度变化产生最主要影响作用;通过对影响因素交互作用GAM模型可视化三维图分析,定量研究了影响因素交互作用对PM2.5浓度变化的影响特征.结论表明,运用GAM模型,能够定量化分析影响因素交互作用对PM2.5浓度变化的影响,研究方法具有一定创新性,对PM2.5浓度污染与控制研究具有重要意义.     

南京市蔬菜中多环芳烃污染特征及健康风险分析

为了研究南京市食物中多环芳烃的污染特征及其对人群的健康影响,本研究在南京市大型农贸市场和超市采集了当地居民普遍食用的8种蔬菜样品,使用微波萃取-气相色谱质谱联用仪(GC-MS)分析了蔬菜中的8种多环芳烃。结果表明,多环芳烃(PAHs)总含量为53.2±7.54~290±6.80 ng/g,其中4环占总PAHs的50.0%;不同类型蔬菜中多环芳烃含量为叶菜类果菜类根茎类。运用特征比值法、等级聚类分析法源解析得到来源地蔬菜中PAHs主要来自于燃煤、石油或者其他生物质的不完全燃烧。南京市不同人群对多环芳烃的摄食暴露量是193~328 ng/d,引起的终生增量致癌风险在4.12×10-6~2.39×10-5范围内,处于低致癌风险水平,但是其健康影响仍不容忽视。     

不同能源政策下苏浙沪能源消费碳排放高峰估计

中国要实现2030年左右达到CO2排放峰值目标,最终要落实到区域层面上。长三角地区作为中国经济的领头羊,其节能减排政策制定对其它省区具有示范作用。基于经济平稳增长模型对江苏省、浙江省和上海市未来的能源消费碳排放量进行了估计,并模拟了不同能源政策情景对能源消费碳排放的影响。研究表明:(1)基准情景下,江苏省、浙江省和上海市的能源消费碳排放高峰分别出现在2034年、2033年和2032年。(2)不同的能源政策对碳高峰的影响不同。能源结构调整情景和能源效率提高情景下,江苏省、浙江省和上海市的能源消费碳排放高峰都能提前到2030年以前,完成2030年碳排放达到峰值的目标。综合能源政策情景模拟结果显示,同时调整能源结构和提高能源效率,碳减排效果更加明显。     

基于半分析模型的滇池藻蓝蛋白浓度反演

藻蓝蛋白色素(phycocyanin,PC)存在于蓝藻中,由于这种色素在620 nm处有较强的吸收,可以用来作为检测蓝藻含量的指标.利用2009年9月19～20日在滇池实地采样获得的实测光谱数据和水质参数数据,结合前人提出的半分析嵌套模型,建立了适用于滇池的藻蓝蛋白色素浓度反演的半分析模型;建立了620 nm波长处的藻...     

华北地区植被覆盖变化及其影响因子的相对作用分析

利用GIMMS NDVI数据和气象数据,采用趋势分析、残差分析和相对作用分析对华北地区1981—2006 年植被覆盖时空变化特征进行了分析,并计算了气候变化和人类活动在植被覆盖变化过程中的相对作用.结果表明,1981—2006 年华北地区植被NDVI呈现显著上升趋势,其增加速率为0.009/10 a,但却存在着明显的空间差异,且植被NDVI退化区域面积大于改善区域面积;华北地区植被覆盖变化与干燥度指数和气温有很好的相关性,说明气候变化是影响植被覆盖变化的重要因素;此外,无论在华北地区植被改善区域还是退化区域,人类活动起到的作用都占据了主导地位.在植被改善区,人类活动的相对作用为68.10%,大于气候变化的相对作用(31.90%),在植被退化区,人类活动的相对作用为71.88%,也远大于气候变化的相对作用(28.12%),且气候变化和人类活动的相对作用大小在不同空间位置上表现不同.     

基于REST+RIA架构的水环境监测点位管理系统

针对目前水环境点位管理中系统化、规范化和标准化方面存在的问题,提出采用REST+RIA的软件架构,引入CA认证技术和GIS技术构建水环境点位管理系统,满足点位管理业务复杂性的要求.结合关键技术对系统的逻辑架构、部署方案、点位管理的业务流程进行了分析和介绍.