Seasonal change detection of riparian zones with remote sensing images and genetic programming in a semi-arid watershed

Riparian zones are deemed significant due to their interception capability of non-point source impacts and the maintenance of ecosystem integrity region wide. To improve classification and change detection of riparian buffers, this paper developed an evolutionary computational, supervised classification method--the RIparian Classification Algorithm (RICAL)--to conduct the seasonal change detection of riparian zones in a vast semi-arid watershed, South Texas. RICAL uniquely demonstrates an integrative effort to incorporate both vegetation indices and soil moisture images derived from LANDSAT 5 TM and RADARSAT-1 satellite images, respectively. First, an estimation of soil moisture based on RADARSAT-1 Synthetic Aperture Radar (SAR) images was conducted via the first-stage genetic programming (GP) practice. Second, for the statistical analyses and image classification, eight vegetation indices were prepared based on reflectance factors that were calculated as the response of the instrument on LANDSAT. These spectral vegetation indices were then independently used for discriminate analysis along with soil moisture images to classify the riparian zones via the second-stage GP practice. The practical implementation was assessed by a case study in the Choke Canyon Reservoir Watershed (CCRW), South Texas, which is mostly agricultural and range land in a semi-arid coastal environment. To enhance the application potential, a combination of Iterative Self-Organizing Data Analysis Techniques (ISODATA) and maximum likelihood supervised classification was also performed for spectral discrimination and classification of riparian varieties comparatively. Research findings show that the RICAL algorithm may yield around 90% accuracy based on the unseen ground data. But using different vegetation indices would not significantly improve the final quality of the spectral discrimination and classification. Such practices may lead to the formulation of more effective management strategies for the handling of non-point source pollution, bird habitat monitoring, and grazing and live stock management in the future.     

不完备信息条件下流域环境系统规划方法研究

开发了一套新的流域环境系统规划方法，该方法将不确定性模型多目标规划模型与系统动力学模型有机地集成在一起，构成一个完整的体系，ＩＦＭＯＰ充分考虑到了流域环境规划所面临的信息不完备问题，将不确定性信息直接引入优化过程。从而得到以区间数表示的不确定性优化解。     

陕西关中地区土地资源的优化配置

从分析陕西省关中地区土地资源利用现状结构特征及存在问题入手,运用灰色线性规划模型对土地利用结构进行优化配置。模型选取多个影响土地利用结构因子,并通过预测未来关中地区各行各业之用地需求及用地限制从而确定出各因子适当参数,进行模拟后得出典型备选方案。最后从综合效益及可行性双方面考虑,经层次分析法择出未来关中地区最优土地利用决策方案。     

某垃圾填埋场地下水质监测井网优化设计——基于模拟优化法

以白城市垃圾填埋场为研究区,通过正交试验设计法得到2个污染源的4组可能污染源强组合,建立地下水流及溶质运移数值模拟模型,预测潜在污染源可能对研究区地下水产生的污染.根据污染羽分布情况,布设了57口潜在监测井.以最大化覆盖高污染区域为目标建立0-1整数规划优化模型并用隐枚举法进行求解.结果表明：模拟优化方法在允许监测井数目不同的情况下得到了最优地下水质监测井网布设方案.以7口监测井为例,最优布设方案为1,6,9,15,19,23,31号监测井（5口位于渗滤液调节池下游,2口位于填埋区下游）.最优布设方案的污染物检出概率达95%,远高于随机布设方案.     

基于生态系统服务价值的东北农牧交错区土地利用格局优化与评价

为完善土地规划评估指标、挖掘东北农牧交错区生态建设潜力,在明晰2001—2018年东北农牧交错区生态系统服务价值（ESV）时空特征的基础上,分别以供给服务、调节服务和支持服务三种生态功能为优先发展目标,结合CLUE-S模型提出了三种土地利用格局规划方案。结果显示：（1）2001—2018年研究区ESV总量增长9.69%,其中调节、支持和供给服务功能年均占比分别为67.25%、21.88%和6.74%;（2）三种规划方案对区域ESV提升明显,其中支持服务优先情景下ESV总量提升5.84%,高于供给服务（2.66%）和调节服务（5.19%）优先情景;（3）不同土地利用类型的环境适应性不同,研究区西北部、西南部和东部部分地区更适宜造林和退耕,ESV总量和支持服务价值的提升潜力较大,而北部和东南部地区更适宜开垦农田,供给和调节服务价值提升潜力较大。不同生态系统服务间的权衡与协同是保障区域生态与经济稳定可持续发展的关键。充分考虑政策与环境适应性等因素,对东北农牧交错区土地利用格局进行优化,将为当地规划提供理论基础和实践参考。     

不确定性模糊多目标模型在生态城市水资源配置中的应用

针对生态城市水资源配置的不确定性、模糊、多目标特点,建立了基于不确定性基本理论的不确定性模糊多目标(IFMOP)水资源配置模型.该模型改变了以往按照确定性目标进行优化的思路,用区间参数的方法将现实中的不确定因素表现为区间形式,将各变量在区间内组合求解,并且通过决策者与模型的交互,用MATLAB软件编程求解,很好地体现了实际决策过程.通过采用华北某市新区水资源数据进行优化配置实例验证,得到了较为合理的2020年水资源优化配置方案.     

整数规划用于固废系统环境影响模型的研究

采用整数线性规划的系统分析方法建立模型,以整数规划解决运输路线及处理方式扩容方案的选择问题,以系统经济成本为优化目标,并着重考虑了运输过程产生的3种恶臭气体扩散对周围特殊区域造成的环境影响,优化固体废弃物运输路线.结果表明:不同时期不同的垃圾回收站适合回收的垃圾类别不同;不同时期不同回收站的运输路线最优选择不同;垃圾填埋处理由于处理费用低,一直是垃圾处理的优选方案,但热解处理量较大,增长幅度最大,且运输处理总费用最低,从长远看,热解厂的未来发展趋势较好;该模型能够有效解决城市固体废弃物系统资源优化配置问题,为决策者提供可靠的依据.     

MapBasic在震害评估应用中的一个问题

利用MapBasic编制震害评估软件时 ,无现成的工具直接绘制出长短轴不平行 (或不垂直 )于经纬度线的等烈度线。本文提出了一个通过椭圆旋转绘制出所要求的等烈度线椭圆的方法。