人口与经济发展对植被的影响研究

植被是陆地表面主要的覆盖物，也是许多地球系统过程的重要变量。人类活动对植被的影响在区域尺度上是显著的。以重庆市为例，使用滑动平均和SG滤波对SPOT/VGT NDVI时间序列数据进行了平滑处理，结合GDP和人口栅格化数据，从时间序列和空间相关场两个方面分析了植被与人类活动因子之间的时空相关性。结果表明，从1998到2005年，植被的分布和生长状况并没有随GDP和人口的持续增加而增加。在时间序列上，植被覆盖与GDP和人口之间总体上呈显著的负相关关系；在空间上，这种相关关系表现出了较强的异质性。空间相关场表明：较强的负相关主要发生在相对发达的主城区周围，反映了快速的经济发展和城市化使得植被面积和生产力降低；然而在偏远的山区，由于经济落后同时植被覆盖较少，出现了正相关。     

基于ARIMA的安全生产事故预测与实证研究

为了减少企业安全管理者在生产作业中由于不确定性导致错误决策所产生的风险,在企业历年安全生产事故数据基础上进行预测具有一定的现实意义。以某企业2008年至2011年的安全生产事故次数时序数据,采用EViews 5统计分析软件,基于ARIMA时间序列预测模型更加关注对事故发生是否平稳而相对于其他预测模型更关注于趋势研究的良好特点,建立安全生产事故ARIMA时序预测模型,并对2012年的安全生产事故发生次数进行预测,通过效果检验发现该模型预测结果基本上能够反映该企业安全生产事故发生的实际情况。通过ARIMA方法在某企业安全生产事故预测具体案例的实现,是对现有安全生产事故预测方法的补充和完善,可为企业安全管理和决策提供一定的指导。     

基于神经网络分类器的城市污水处理厂水力冲击预警系统

提出了一套基于神经网络分类器的城市污水处理厂水力负荷冲击预警系统,以期对进水水量骤增现象进行提前1天的预报,使污水处理厂可根据预报结果提前采取水力冲击防护措施,从而保证各单元的平稳运行.根据进水水量的涨幅将某污水处理厂12年日进水水量监测数据分为"常规"和"冲击"两类,重点对"冲击"数据进行提前1天的预测,并采用冲击漏报率、冲击误报率和报准率对模型的预测精度进行评价;同时,基于同样的建模方法和不同的训练、验证样本建立了N(1)、N(2)和N(3)3个平行模型,以对模型的鲁棒性和建模方法的可重复性进行考察.结果显示,3个模型对2010年、2011年和2012年3年测试样本的预测效果良好,冲击漏报率和报准率两项指标数值均较为稳定,分别在0~0.167和0.981~0.995之间浮动,冲击误报率虽然在数值上的浮动较大,最低为0.143,最高为0.500,平均为0.310,但仍在工程上的可承受范围内.该结果表明,本研究基于神经网络分类器所建立的3个神经网络模型预测精度高、鲁棒性好,显示出良好的性能,有望为污水处理厂水力冲击防护工作提供有力参考.     

基于余震序列分布信息的地震极灾区快速判断方法研究

利用震级加权标准差椭圆法研究了基于震后短期内(24 h)余震序列判定地震极灾区的方法,研究结果表明:1利用该方法判断宏观震中是一种比较可行的方法,不同震源破裂方式的震例利用该方法判断宏观震中的精度不同,倾滑-近倾滑型破裂方式的震例利用余震序列判定宏观震中的精度最高;2整体上看,利用该方法判断极灾区长轴方向的准确性低于利用距震中最近活动断裂判断的准确性,但对于倾滑-近倾滑型破裂方式的震例,利用该方法的准确性高于利用断层数据判定的准确性。     

卫星遥感洞庭湖主汛期水体时空变化特征及影响因子分析

基于1989~2011年的长时间序列卫星遥感数据,利用综合水体信息提取方法提取了洞庭湖区6~9月主汛期的水体信息,通过较高分辨率卫星遥感数据验证,水体面积提取精度达到90%以上。洞庭湖年平均径流入湖量、NCEP再分析资料计算的湖体上空和流域累计月平均降水量分别与水体面积变化的关系进行分析,结果表明: 1989~2011年间洞庭湖水体面积最大值主要分布在7和8月,这两个月也是洞庭湖区域发生洪涝灾情的高风险期;洞庭湖水体面积与年平均径流入湖水量的相关系数为0.67(置信度为95%);2003年以前,洞庭湖主汛期间水体面积波动比较大,2003年三峡水库运行后,洞庭湖的面积波动有所减少;洞庭湖上空累计月平均降水量对于水体面积存在正相关性,相关系数为0.68(置信度为99%);2003年以前,洞庭湖流域累计月平均降水量和水体面积相关系数为0.50(置信度为90%),2003年三峡水库运行后,两者相关性有所减弱。     

静态应力降与动态应力降比值方法在东北地区震后趋势判定中的应用

计算静态应力降与动态应力降之比Y值,根据Y值的大小初步判定地震类型,是震后趋势判定的一种新方法,对震后趋势快速判定有一定意义。通过计算我省历年有影响地震的Y值,发现2005年以来黑龙江省及其周边地区中强地震静态应力降与动态应力降之比(Y值)在0.3~0.6之间,总体来说Y值较大,其地震类型以孤立型地震为主,吉林省前郭县地震Y值为0.37,与我省其他中强地震相比,Y值相对较低,初步判定为震群型地震。     

基于缓冲区重采样的LSTM林火预测模型*

为提高林火风险预测精度,挖掘地图上隐含的空间信息、时间序列上隐含的长期趋势和循环波动,提出1种基于缓冲区重采样的长短期记忆（LSTM）林火预测模型,选取15个与林火相关的影响因素,以方差膨胀因子为评价指标对其进行多重共线性检验,方差膨胀因子大于10的因素具有共线性,并采用信息增益率验证筛选结果的合理性。考虑到火灾的空间聚集特性,采用缓冲区分析与过采样相结合方法减少样本不均衡现象的影响,最终得到176 732条样本。对12个影响因素和研究时间段的火点建立LSTM预测模型,对森林火灾发生风险进行预测。研究结果表明:基于缓冲区重采样的LSTM林火预测模型有效考虑时空上隐含的信息,预测模型准确率为87.06%,特异性为97.99%,敏感度为76.12%,阳性预测率为97.43%,阴性预测率为80.41%,ROC曲线与AUC值均优于随机森林（RF）和支持向量机（SVM）这2种基准算法。维尔克松秩和检验发现,本文提出的模型与基准算法结果具有显著性差异。研究结果可为提高林火风险预测精度提供参考。     

随机价格下杉木人工林的碳汇收益及最优轮伐期确定

发展林业碳汇是应对全球气候变化及实现中国2060年碳中和的重要举措。基于改进的Faustmann-Hartman模型,以中国南方浙江、福建和江西三个省份杉木人工林为研究对象,使用时间序列模型拟合并预测中国碳排放权交易市场的碳汇价格,通过蒙特卡洛模拟确定最优轮伐期及碳汇收益。研究结果表明：（1）依次纳入木材收益、地上生物量碳汇收益和死亡有机质碳汇收益时,杉木人工林的最优轮伐期分别为21.85年、22.98年和22.88年;（2）上述三种情景下,林地期望价值的净现值分别为20408.20元/hm²、24587.29元/hm²和28101.11元/hm²;（3）全面考虑包含死亡有机质碳库在内的林业碳汇效益,能够稳定提高林地所有者收益约7.02%~21.61%。此外,应进一步考虑多轮伐期下税收政策及自然风险等因素对碳汇营林的影响,这是确定最优轮伐期和碳汇收益后续研究值得重视的问题。     

基于Informer的PM2.5浓度预测

针对现有PM_2.5浓度时序预测模型预测精度不高的问题,基于Informer建立了1个Seq2Seq的单站点PM_2.5浓度多步时序预测模型,以历史污染物数据和气象数据为输入,实现对未来一段时间PM_2.5浓度的预测。所构建模型基于ProbSparse (概率稀疏)自注意力机制提取所输入的序列信息,能够广泛地捕获输入序列的长期依赖信息,并对影响因子之间复杂的非线性关系进行建模,从而提高预测准确度。采用北京市2015-2019年逐小时空气污染物数据与气象数据进行模型训练、验证和测试,建立与循环神经网络(RNN)、长短期记忆网络(LSTM)的对比实验并与其他现有研究方法进行比较,结果表明:对未来1~6 h的PM_2.5浓度时序预测,Informer的平均绝对误差(MAE)、均方根误差(RMSE)和可决系数(R2)指标均为最好,实现了较为准确的预测。