基于深度学习的大数据空气污染预报

为了更好地反映环境污染变化趋势,为环境管理决策提供及时、全面的环境质量信息,预防严重污染事件发生,开展城市空气质量预报研究是十分必要的.本文针对环境大数据时代下的城市空气质量预报,提出了一种基于深度学习的新方法.该方法通过模拟人类大脑的神经连接结构,将数据在原空间的特征表示转换到具有语义特征的新特征空间,自动地学习得到层次化的特征表示,从而提高预报性能.得益于这种方式,新方法与传统方法相比,不仅可以利用空气质量监测、气象监测及预报等环境大数据,充分考虑污染物的时空变化、空间分布,得到语义性的污染物变化规律,还可以基于其他空气污染预测方法的结果(如数值预报模式),自动分析其适用范围、优势劣势.因此,新方法通过模拟人脑思考过程实现更充分的大数据集成,一定程度上克服了现有方法的缺陷,应用上更加具有灵活性和可操作性.最后,通过实验证明新方法可以提高空气污染预报性能.     

基于数据物流服务思想的流域水环境监测数据交换与集成技术

提出了面向流域水生态监控预警的水环境信息完整性管理理念,分析了多源、多手段采集的流域水环境监测数据的交换与集成技术需求,重点针对中国环境监测部门流域监测断面管理存在的不足,提出了目录管理架构.基于数据物流服务思想,利用微软BizTalk平台和XML技术设计了支持多源水环境数据接人、可灵活配置并监控的水监测数据交换平台原...     

Near-term forecasts of stream temperature using deep learning and data assimilation in support of management decisions

Deep learning (DL) models are increasingly used to make accurate hindcasts of management-relevant variables, but they are less commonly used in forecasting applications. Data assimilation (DA) can be used for forecasts to leverage real-time observations, where the difference between model predictions and observations today is used to adjust the model to make better predictions tomorrow. In this use case, we developed a process-guided DL and DA approach to make 7-day probabilistic forecasts of daily maximum water temperature in the Delaware River Basin in support of water management decisions. Our modeling system produced forecasts of daily maximum water temperature with an average root mean squared error (RMSE) from 1.1 to 1.4°C for 1-day-ahead and 1.4 to 1.9°C for 7-day-ahead forecasts across all sites. The DA algorithm marginally improved forecast performance when compared with forecasts produced using the process-guided DL model alone (0%–14% lower RMSE with the DA algorithm). Across all sites and lead times, 65%–82% of observations were within 90% forecast confidence intervals, which allowed managers to anticipate probability of exceedances of ecologically relevant thresholds and aid in decisions about releasing reservoir water downstream. The flexibility of DL models shows promise for forecasting other important environmental variables and aid in decision-making.     

地理信息系统Metadata共享和安全

地理信息系统 (GIS)的核心是数据 ,数据的共享及其安全是GIS技术的关键 ,特别是GIS网络 ,而元数据 (Metadata)机制提供了有效的方法。笔者介绍了Metadata及其共享和安全的重要性 ,并对ArcSDE安全机制与Metadata共享及安全实施进行了分析 ,探讨基于GIS软件技术的Metadata共享和安全技术的可行性     

Towards a long-term integrated monitoring programme in Europe: network design in theory and practice

Long-term integrated monitoring is an important approach forinvestigating, detecting and predicing the effects ofenvironmental changes. Currently, European freshwaters,glaciers, forests and other narural and semi-natural ecosystemsand habitats are monitored by a number of networks establishedby different organisations. However, many monitoring programmeshave a narrow focus (e.g. targeting individual ecosystems) andmost have different measurement protocols and sampling design.This has resulted in poor integration of ecosystem monitoring ata European level, leading to some overlapping of efforts and alack of harmonised data to inform policy decisions. The need fora consistent pan-European long-term integrated monitoring ofterrestrial systems programme is recognised in the scientificcommunity. However, the design of such a system can be problematic, not least because of the constraints imposed bythe need to make maximum use of existing sites and networks.Based on the outcomes of the NoLIMITS project (Networking ofLong-term Integrated Monitoring in Terrestrial Systems), thisarticle reviews issues that should be addressed in designing aprogramme based on existing monitoring sites and networks. Fourmajor design issues are considered: (i) users' requirements,(ii) the need to address multiple objectives, (iii) role ofexisting sites and (iv) operational aspects.     

基于改进DEA交叉效率模型的洪水灾害区域脆弱性评价

为了评价洪水灾害区域脆弱性,提出了应用改进DEA交叉效率模型和熵权法相结合的洪水灾害区域脆弱性评价方法。首先,在洪灾形成理论的基础上,构建洪灾区域脆弱性指标体系和评价标准;其次,应用改进DEA交叉效率模型计算不同区域的成灾效率,利用熵权法计算权重集结全局成灾效率。根据成灾效率的实际意义分析不同区域脆弱性的相对大小。最后,选取我国各省份洪灾作为实证分析的研究对象。研究结果表明:该方法能够准确评价区域洪灾脆弱性程度,评价结果与实际情况一致,具有较好的适用性。     

安全生产大数据的5W2H采集法及其模式研究

为从安全生产大数据中挖掘安全规律并最终提炼安全生产基础原理,首先在对安全生产大数据的定义及其内涵进一步阐释基础上,提出安全生产大数据采集的定义,并将其分解为3个过程;然后提出安全生产大数据的5W2H采集法,并对其内涵(采集原因,使用主体、采集者及采集对象,采集数据类型,采集边界,采集时间,采集数据量及其采集方法）进行详细分析;最后以思维路径为主、过程路径和技术路径为辅,建立安全生产大数据采集的一般模式。结果表明,安全生产大数据采集模式的研究可为安全生产大数据的存储、处理及其应用提供基础。     

基于正交设计及EFDC模型的湖泊流域总量控制——以滇池流域为例

构建了基于正交设计-水质模拟-方案评价的污染物总量控制方案的方法体系,并应用于滇池流域.选择TN、TP作为总量控制指标,将滇池流域划分为6个子区单元,通过设计5水平（0%,5%,10%,15%,20%）6因素的正交试验表,得到25种不同削减方案;耦合EFDC模型模拟得到25种不同削减情景条件下湖泊水质的TN、TP浓度分布,计算各方案综合营养状态指数（TSI）,筛选符合中度富营养化标准（60     

基于TRMM订正数据的横断山区降水时空分布特征

鉴于高时空变异地区降水观测的需求,论文提出了基于ISODATA动态聚类法和最大似然法分区逐月回归的TRMM数据订正方法,并以横断山区为例,利用地基台站降水数据对1998-2012 年的TRMM 3B43 V7 数据进行了实验研究,并探讨了过去15 a 横断山区的降水时空分布特征及变化趋势。结果表明,TRMM 3B43 V7 数据在横断山区的总体精度较高,单站精度较低。订正后的TRMM 3B43 数据,与实测值偏差大为减少,降水相对偏差大于10%的站点由原始数据的16 个(42.1%)减少为7 个(18.4%),有81.6%的站点年降水量相对偏差小于10%,且相对偏差大于等于20%的站点仅3 个,能够基本满足横断山区降水时空分布特征研究的精度需要,有效地弥补了有限站点观测的不足。研究区内年降水量从东南向西北递减,与东亚季风在该区域的走向一致;1998-2012 年横断山区的降水量主要呈减少趋势,减少地区主要分布在南部以及中西部地区。夏季降水减少趋势最为突出,秋季次之,冬春变化趋势不明显。横断山区大部分区域的降水量与东亚夏季风指数正相关,与东亚冬季风指数负相关;最近15 a,研究区东亚季风指数持续变小,恰好与研究结果中的降水减少趋势一致。     

基于多源数据融合的石油罐区安全监控模型

由于单一传感器在石油罐区安全监控中容易受到外界因素影响从而产生误差,为提高传感器检测结果的可靠性和罐区安全监控预警的准确性,基于多源数据融合技术,建立罐区安全状态预警模型。首先,介绍了多源数据融合技术的3个层级:数据级融合,特征级融合和决策级融合,以及目前各领域常见的数据融合方法;其次,建立了基于最优加权融合算法的一级融合模型和基于BP神经网络算法的二级融合模型;最后,得到石油罐区安全监控数据融合模型,并为进一步的实践应用打下了理论基础。