基于C5.0决策树和时序HJ-1A/B CCD数据的神农架林区植被分类

我国神农架林区海拔高、气候复杂,森林类型多样,结构破碎,森林遥感分类难度较大。将2013年时间序列HJ-1A/B CCD遥感影像作为数据源,计算出植被指数(NDVI、DVI、RVI)和主成分第一分量(PC1),使用DEM数据生成地形因子(高程、坡度、坡向),构建植被分类时序因子集。运用C5.0决策树分类法将神农架林区植被细分为七类:针叶林;针阔混交林;落叶阔叶林;常绿和落叶阔叶混交林;常绿阔叶林;灌丛和草甸。结果表明:该方法的总体精度为72.7%,Kappa系数为0.67;在6~8月,针叶林、草甸和灌丛的植被指数明显低于常绿阔叶林、常绿和落叶阔叶混交林、落叶阔叶林和针阔混交林,对分类的贡献较大,称为植被分类的"窗口期"。PC1、NDVI和高程因子对神农架林地的区分度较高,而坡度、坡向和RVI因子对分类帮助不大。作为一种智能分类方法,C5.0决策树分类方法应用于30m分辨率的时间序列HJ-1A/B CCD数据,能够将地貌复杂的神农架林区植被分为七类,提高了类别精度,具有更高的应用价值。     

基于序列模式的土地利用变化分析——以广西壮族自治区为例

土地利用变化是一个长期的过程,同时具有一定的复杂性。传统的转移矩阵方法只能在两期土地利用数据之间相互比较而不能总结长期整体的变化规律,频繁项集不能导出变化序列。针对这些方法的不足,本文提出了基于序列模式的土地利用变化序列分析模型。首先给出土地序列数据库的定义,然后根据土地序列数据实际特点和垂直格式的序列模式SPADE算法,给出土地变化序列模式的计算过程和方法。在以中国广西为实例的研究中,计算了1970s—2015年共7期22种二级土地利用类型的变化序列。研究区土地利用变化主要发生在林地之间,部分林地转换为厂矿、采石场、交通道路等建设用地类型;城镇用地主要由旱地和水田转换而来;在研究期内没有任何一个土地单元转化成水田。     

长江口表层溶解氧浓度的长时间序列分析

根据国家海洋局东海环境监测中心1984~2006年在长江口及邻近海域监测得到的表层溶解氧数据,对长江口南支和长江口外海区域进行了确定性信息(包括周期性信息和趋势性信息)的处理分析:(1)得到多年平均的季节指数变化特征,表明长江口表层溶解氧的季节周期变化非常完整稳定,并且不同区域存在位相上的偏差;(2)对长期变化趋势进行了线性拟合,发现两区域年平均的变化趋势不明显;两区域的季节变化趋势有差异;(3)不同季节的变化趋势不同(甚至相反),因此,在同一区域由于不同季节变化趋势的相互抵消而导致年变化趋势不明显;(4)不同区域和不同季节的年际变化均存在约4 a左右的周期性。     

基于时间序列的深基坑支护结构变形预测

基坑工程由于受多种因素的影响．目前已成为岩土工程中的重点和难点。在基坑施工过程中,需要根据现场的实际工程地质条件及选择的支护型式、建筑物的安全等级．对支护结构的变形进行严格控制。时间序列分析主要是指采用参数模型对所观测到的有序的随机数据进行分析与处理的一种数据处理方法。通过现场量测的深基坑围护结构变形信息资料,对数据进行整理和分析．利用时间序列分析法对支护结构的变形作出预测,以保证基坑安全施工。     

半干旱山区采矿扰动植被指数时空变化规律

选取潞安矿区7个生产矿井中的8个试验工作面,采用概率积分法预测开采沉陷值;对2004—2007年7个时相(分别为2004年7月8日、11月1日,2005年2月1日、8月26日,2006年5月22日,2007年4月9日和6月1日)的SPOT2/4卫星遥感数据进行大气校正及波段运算,提取工作面开采沉陷前后的NDVI(归一化植被指数)平均值,经离散傅立叶变换得到NDVI时间序列曲线,以研究采矿扰动区植被指数的时空变化规律. 结果表明:①试验工作面地表覆被NDVI变化与采矿扰动区具有空间相关性. 非采矿扰动区(伪不变特征区)森林冠层的NDVI最大值由2004年的0.619451增至2007年的0.739987,平均年净增加6.18%. 在采矿扰动区,虽然开采前地表NDVI最大值呈增加趋势,但开采当年却显著下降,年均降幅达11.91%. ②试验工作面地表NDVI变化与采矿扰动具有时间相关性. NDVI在开采前表现相对稳定,受开采扰动虽出现下降但却滞后4～6个月,并且持续1～2a,其后转入上升期. 常村矿的S1-1#、S3-2#、N1-4#,漳村矿的2101#、2102#、2201#,五阳矿的5100#,王庄矿的5210#等8个试验工作面NDVI最大值年均降幅分别为12.24%、27.81%、15.79%、19.19%、7.19%、21.48%、13.25%和1.66%,平均值为14.83%. 在气候、耕作、采矿扰动等诸多因素影响下,采矿扰动是半干旱山区采矿区地表NDVI变化的主要诱因.      

河流水质时间序列分析的自组织预测方法及应用

应用前苏联学者伊万年科基于生物控制论中的自组织原理提出的一种数据组合处理方法，有效地解决复杂非线性系统预测。以汾河某段的水污染时间序列监测数据为基础，建立了一个河流水质污染预测的自组织模型，其建模样本的拟合值和检验样本的预测值相对误差分别在３．１％和５．３％以内。结果表明，自组织模型能较好地描述水污染时间序列数据之间的非线性关系，适合复杂水环境污染系统的预测工作。     

泥炭中胡敏酸与纤维素δ~(13)C序列初步对比

泥炭纤维素δ13C变化是反映气候干湿变化的一个重要气候代用指标,但泥炭纤维素的提取工序复杂,因泥炭胡敏酸提取方便,为了探索泥炭胡敏酸δ13C对古气候的指示意义,对金川泥炭胡敏酸δ13C与泥炭纤维素δ13C进行了对比研究,发现胡敏酸δ13C序列变化与纤维素δ13C序列变化非常相似,且胡敏酸δ13 C序列的变化更为明显,胡敏酸δ13C值对古气候的干湿变化也具有一定的指示作用,但应用时要慎重。     

深海生物圈酵母菌的研究进展

从深海生物圈中酵母菌的来源状况、种类分布特征、研究方法等角度阐述了其最新进展,结合本课题组的相关研究,以便加强我们对深海生物圈中酵母菌的了解和认识,并提出开展该领域研究亟需解决的问题;希望本综述为开发利用深海酵母菌资源提供参考.     

ODM技术支持下的滑坡位移预测研究

预测模型的建立是滑坡预报的核心问题。Oracle系统的数据挖掘选件(Oracle Data Mining,ODM)可直接对存储在数据库中的数据进行操作,能减少数据转换的资源消耗,保证数据的安全性。以三峡库区八字门滑坡为例,在深入分析滑坡累计位移变化特征与其降雨、库水位等影响因素响应关系的基础上,采用ODM中的PL/SQL API建立了可预测滑坡位移趋势的支持向量机(Support Vector Machines,SVM)模型,并利用建立的SVM模型对滑坡累计位移量的未来值进行了预测。经验证表明:测试样本的预测均方根误差和平均绝对误差分别为10.07mm和6.54mm,预测结果与实测值变化趋势基本一致,说明基于ODM的SVM滑坡位移预测模型在处理非线性时间序列数据上具有一定的优势,可用于滑坡监测数据的短期预测。     

基于多通道长短期记忆网络的PM2.5小时浓度预报

PM_2.5作为主要的大气污染物之一,严重影响空气质量和人体健康. 基于深度学习的PM_2.5小时预报研究中,不同输入要素的历史时间序列对PM_2.5预报结果的响应情况存在差异. 因此,基于太原市2019—2020年空气质量监测站、气象观测站的数据,提出一种多通道长短期记忆网络(Multi-Channels Long Short Term Memory,MULTI-LSTM)模型对PM_2.5浓度进行预报. 首先使用独立的长短期记忆网络(LSTM)学习每个输入要素,然后将每个模型的学习结果进行融合,最终获得未来多小时的PM_2.5浓度预报结果. 将单通道LSTM模型(BASE-LSTM)和LSTM扩展模型(LSTME)作为对照模型,与MULTI-LSTM模型的预报精度进行对比. 结果表明:不同观测窗与预报时效下,MULTI-LSTM模型在测试集上的预报精度明显高于其他2个对照模型. 其中,MULTI-LSTM模型在8 h观测窗和6 h预报时效组合下,均方根误差(RMSE)、平均绝对百分误差(MAPE)以及拟合指数(IA)分别为20.26 μg/m3、51%、0.91. 对未来逐6 h的预报中,观测窗宽度从8 h增至32 h,MULTI-LSTM模型的预报精度无明显变化,观测窗宽度为40和48 h时,RMSE比8 h观测窗下分别下降了2%和3%. 此外,增加LSTM层深度不会提升模型的预报精度. 研究显示,利用MULTI-LSTM模型作为PM_2.5浓度小时预报模型,通过选取合适的观测窗宽度与气象要素,可获得精度较高的预报结果.