基于GOSAT卫星监测二氧化碳浓度时空变化

利用2018—2021年GOSAT上高光谱傅里叶变换光谱仪(FST)官方反演的大气CO₂浓度,采用自然相邻节点插值(Natural Neighbor)对GOSAT数据产品进行插值处理,获取黑龙江省各地市CO₂平均浓度,结合夜间灯光数据、火点数据和植被覆盖度数据,分析研究区域大气CO₂浓度时空分布规律、区域差异等特征,为发展低碳经济及环境治理提供参考。     

利用改进的动态PPP技术建立中国香港区域海潮负荷位移模型

利用GPS技术反演海潮负荷信息，相比传统重力及甚长基线干涉测量，有着全球覆盖、测站数多、全天候、成本低等诸多优势，为海潮模型的建立提供了有效的技术手段，也对海潮负荷效应的研究有着重要的理论意义和参考价值。利用动态精密单点定位技术（precise point positioning，PPP）反演海潮负荷位移，同时构建了区域海潮负荷位移模型。利用香港连续运行参考站8 a的GPS观测数据，精密测定了11个测站的三维海潮负荷位移参数，与高精度海潮模型提供的海潮负荷位移参数进行比较，发现除K₂、K₁潮波外，其他潮波的均方根误差均小于2 mm。与已有的动态PPP及静态PPP结果对比发现，采用改进的重叠时段动态PPP算法可有效改善K₁潮波的反演精度；该方法反演的海潮负荷位移精度可达到静态PPP反演海潮负荷位移的精度，且对于K₁潮波，在东西方向，动态PPP算法的反演精度较静态PPP略有改善。利用最小二乘曲面拟合法可有效建立中国香港地区GPS区域海潮负荷位移模型，可有效弥补沿海地区因验潮站稀少而导致的海潮模型适应性差的问题。     

一种时空路径支持下的车辆油耗与排放估计方法

交通运输中能耗与污染物排放给人类环境带来了严峻挑战。本文提出了一种时空路径支持下的油耗、排放估计新方法。该方法首先在时空集成的三维坐标系下建立个体车辆的时空路径并从中识别移动/停留行为,然后根据时空路径段与提取的运动参数利用COPERT模型估计车辆的油耗和排放,最后提出一种时空路径的N维表达模型,将车辆的运动特征与时空路径段的油耗与排放统一进行可视化。试验中利用武汉市GPS轨迹大数据估计并分析了单辆车与路网片区的油耗与排放,结果显示本文提出的时空路径支持下的车辆油耗与排放估计方法在估计精度与可视化方面优于传统的基于平均速度估计方法,能够更加准确地估计和表达车辆油耗与排放。     

一种基于车辆轨迹数据的城市建成区边界识别方法

城市建成区边界是城市土地资源管理和城市扩张管理的重要依据。本文提出了基于出租车轨迹数据，利用多分辨率下规则格网对比分析法及Densi-Graph阈值确定法，来自动提取城市建成区边界的方法。试验采用北京市2008年出租车GPS轨迹点数据，依据该方法模型计算提取城市建成区并进行结果准确度评价，将提取结果与北京市2008年土地覆盖空间分布图进行比对，所提取建成区边界范围与城镇、建设用地区域范围基本相符；将提取结果与中国城市统计年鉴数据进行比对，该年鉴中给定2008年北京市建成区总面积为1 310.94 km²，本文方法提取建成区总面积约为1 077.33 km²，提取准确度约为82.18%，表明本文方法可以获得准确的建成区范围。     

中国区域加权平均温度的时空分析及模型研究

加权平均温度(T_m)是全球卫星导航系统技术反演大气可降水量的关键参数,影响着水汽反演的精度。针对传统的Bevis模型运用在中国区域精度不高的问题,该文提出新的增加时空参数的T_m多元线性回归模型。根据2013—2015年中国86个探空站点的探空资料,分析了T_m的时空特征;然后根据2013年站点资料,利用线性回归建模方法建立了中国区域的T_m单因子回归模型和增加了时空参数的T_m多因子回归模型,并利用2014—2015年的探空数据进行验证。T_m单因子回归模型和T_m多因子回归模型的精度分别为3.1 K和2.6 K,比Bevis模型(精度3.3 K)分别提高了约6.0%和21.2%。考虑到季节对T_m的影响,将T_m多因子回归模型按季节分段,得到按季节分段的T_m多因子回归模型,其精度与T_m多因子回归模型大致相当,但能更细致表达出不同季节T_m的精度情况。结果表明增加了时空参数的T_m多因子回归模型更加适合中国区域的加权平均温度T_m的计算。     

利用轨迹数据提取城市居民出行时空分布特征

介绍了利用出租车轨迹数据提取城市居民出行时空分布特征的过程,包括利用数理统计的方法对出租车上下客事件基于时间进行特征分析;给出了一种融合核密度估计(KDE)与兴趣点(POI)分类的密度聚类算法,实现了出租车上下客热点区域的挖掘以及居民出行活动规律与城市功能区之间关系的发现.?研究表明:居民的出行活动特征在"工-休"日之...     

基于出租车轨迹的居民出行特征分析

研究并实现了一种结合核密度分析的DBSCAN空间聚类方法。首先对从马鞍山市出租车的轨迹数据中提取出上下客轨迹点数据进行预处理;再对上下客轨迹点数据进行聚类分析,识别居民出行热点区域;最后进行居民出行热点分析,并总结了居民出行的时空特征。     

大气CO2浓度时空变化卫星遥感监测的应用潜力分析

GOSAT卫星观测反演大气CO2浓度精度已经提高到了1—2 ppm,而卫星数据能否准确地揭示全球和区域大气CO2浓度变化特征还缺乏充分的评价与分析。本文针对已经连续运行观测3年的GOSAT卫星,收集了来自美国NASA-OCO团队(ACOS)和日本环境研究所GOSAT团队(NIES)基于各自算法反演的两套大气CO2柱浓度数据,描述并分析了全球大气CO2时空变化特征。分析结果表明,从XCO2反演的绝对值结果来看ACOS总体上比NIES的高出约2 ppm左右,但从时空的相对变化上它们揭示了相近的大气CO2浓度时空变化特征。两套数据显示出全球平均大气CO2浓度在2010年—2012年的3年期间年增量分别为1.8 ppm和2.0 ppm;季节变化幅度,北半球最大4—6 ppm,南半球最大约2 ppm,这与地面观测结果基本一致。进一步将EDGAR 4.2人为排放总量格网化数据与GOSAT卫星观测反演的CO2浓度进行相关统计分析,结果指出两套数据对人为排放量有着微弱的响应。本文结果指出目前GOSAT卫星观测反演的XCO2可以检测出全球和区域大气CO2浓度的年变化、季节变化和区域空间变化的特征;GOSAT卫星10.5 km空间分辨率的观测虽难于检测出点源的浓度变化,但从区域上对人为排放的累积效应的监测显示了一定的应用潜力。     

面向地理空间信息的轨迹模型及时空模式查询

轨迹数据处理与分析是目前空间信息和数据库等相关领域的研究热点之一。本文从Stop-Move轨迹模型出发,通过集成地理空间上下文信息来建模轨迹数据,并研究轨迹时空模式的查询处理技术。首先分析Stop/Move对象与点/线/面地理空间要素之间的时空关联关系,据此提出显式表达该关联语义的地理关联轨迹模型,在此基础上利用关系-对象数据库技术,为地理关联轨迹模型设计独立于应用的关系模式,接着定义轨迹时空模式查询,并提出基于地理关联轨迹关系模式的SQL处理框架,最后以典型性检索请求为例,讨论分析位置-时间、位置-顺序和位置-关系等三类轨迹时空模式查询的纯SQL处理技术,并以样例轨迹数据验证了本文方法的可行性。     

不同饱和水汽压模型对GNSS反演可降水量的影响分析

地基全球卫星导航系统（GNSS）水汽反演过程中需要大气加权平均温度T_m的参与，而饱和水汽压E_s作为T_m计算过程中的一个重要变量影响着T_m，因此E_s将会间接地影响大气可降水量（PWV）的反演精度.针对目前地基GNSS水汽反演研究中普遍采用的三种不同的饱和水汽压模型（Magnus-Tetens模型、BUCK模型、Goff-Gratch模型），本文就不同的饱和水汽压模型参与反演是否会引起水汽反演结果的差异进行了研究.以香港为研究区域，利用GAMIT解算了2016年旱雨两季（2、7月）的天顶湿延迟（ZWD），同时利用king's park探空站的探空数据通过数值积分计算得到旱雨两季（2、7月）的T_m，然后严格参照反演步骤编程模拟计算旱雨两季（2、7月）每天的PWV.最后对比并分析了不同饱和水汽压模型参与计算对T_m和PWV的影响及原因，结果表明:三种饱和水汽压模型参与计算得到的PWV与真值（探空站计算得到的PWV）之间不存在具有统计意义的显著性差异，因此均可被用来提供计算T_m时所用到的饱和水汽压E_s，但是通过对比分析发现部分研究人员将BUCK模型中的变量T当作露点温度而非大气温度进行计算会使T_m产生较大的误差，进而对该误差进行了不合理性分析.本文的分析将会对后续地基GNSS水汽反演研究中的处理提供一定的参考.      

符合认知规律的时空轨迹融合与路网生成方法

以行驶在城市大街小巷的出租车GPS时空轨迹数据为研究对象,研究了符合"感知—认知—经验"认知规律3层次的轨迹融合与路网生成方法,提出了基于Delaunay三角网的时空轨迹融合模型,实现了从GPS时空轨迹中对符合认知规律需求的路网信息的获取,并以武汉市出租车GPS轨迹为试验,实现了对武汉市出租车时空轨迹的融合与武汉市路网数据的生成,证明了该方法的有效性。     

2002年—2018年太湖水体溶解二氧化碳浓度卫星遥感数据集

湖泊在全球碳循环中发挥着重要作用,而湖泊中溶解CO2浓度(CCO2)控制着其CO2通量的方向及大小,是湖泊CO2排放估算的关键参数.中国第三大淡水湖——太湖虽然具有长期的野外监测数据,但其样点分布在空间和时间上并不均匀,很可能给其CO2排放的估算带来不确定性和偏差.有必要利用更高频率和覆盖范围地遥感手段来弥补野外监测在...     

草地植被净第一性生产力及固碳释氧量的估算

草地植被净第一性生产力表征了草地生态系统的物质量,是评价草地生态系统物质生产能力的重要指标。本文基于ERDAS和ArcMap软件平台,由1990、2000和2007年ETM+影像数据提取出NDVI值,结合相应时段的气候数据,对陕北农牧交错带草地生态系统净第一性生产力及固碳释氧量进行测算,研究并分析了1990-2007年间其NPP及固碳释氧量的时空变化特征。     

利用词向量模型分析城市道路交通空间相关性

刻画城市道路之间的交通相关性是提高交通插值及预测水平的基础。现有研究及应用通常假设一定空间或拓扑距离内的道路相互之间具有相关性,这种方式忽视了道路之间交通影响的时空异质性。例如,上游道路交通流通常不会均匀扩散到所有下游道路,而是集中在特定方向上。道路之间产生交通影响和交互作用的根本原因是大量机动车辆穿梭其中。为从数据驱动的角度度量道路之间的交通相关性,从而顾及其时空异质性,本文利用词向量模型Word2Vec从大量机动车出行路径中挖掘道路之间的交通交互影响关系。首先把"路段-路径"类比为"词-文档";其次利用Word2Vec模型从大量路径(文档)中为每条路段(词)训练出一个实数向量(词向量);然后以向量之间的余弦相似度度量对应路段之间的交通相关性;最后利用交通状态数据对结果进行验证。以北京市200万条出租车出行路径为数据进行试验,结果表明:(1)平均水平上,向量相似度越高的邻近路段,其交通状态变化趋势也越相似,证明了本文方法可以正确度量道路之间的交通相关性,并刻画出其空间异质性;(2)工作日早、晚高峰及节假日路段之间的交通相关性大于工作日平峰和周六日,其合理性体现了本文方法可以正确捕捉道路交通相关性的时间异质性。本文方法及分析可为交通规划、诱导等提供方法论和理论基础。     

Inferring trip purposes and uncovering travel patterns from taxi trajectory data

Global positioning system-enabled vehicles provide an efficient way to obtain large quantities of movement data for individuals. However, the raw data usually lack activity information, which is highly valuable for a range of applications and services. This study provides a novel and practical framework for inferring the trip purposes of taxi passengers such that the semantics of taxi trajectory data can be enriched. The probability of points of interest to be visited is modeled by Bayes’ rules, which take both spatial and temporal constraints into consideration. Combining this approach with Monte Carlo simulations, we conduct a study on Shanghai taxi trajectory data. Our results closely approximate the residents’ travel survey data in Shanghai. Furthermore, we reveal the spatiotemporal characteristics of nine daily activity types based on inference results, including their temporal regularities, spatial dynamics, and distributions of trip lengths and directions. In the era of big data, we encounter the dilemma of “trajectory data rich but activity information poor” when investigating human movements from various data sources. This study presents a promising step toward mining abundant activity information from individuals’ trajectories.     

出租车轨迹数据的南京人群出行模式挖掘

针对现有出租车轨迹数据挖掘中时间序列邻近度量方法存在的问题,提出一种基于DBSCAN算法和改进的DTW距离的时间序列聚类算法提取具有相似性出行特征的时空模式,进而研究城市人群出行行为的时空差异。以南京市为例,结合电子地图对出行模式的空间分布特征进行分析,证明了本文所提出的方法的有效性。实验结果表明:在空间分布上,工作日出租车出行模式按照平均出行频次由高到低排序,从城市中心向四周扩散,呈中心环状分布,出行模式区域界限较为明显,同类出行模式分布区域对应相似的功能。提出了一种基于DBSCAN算法和改进的DTW距离的时间序列聚类算法提取具有相似性出行特征的时空模式,有效地分析城市人群出行行为的时空差异。     

出租车轨迹数据挖掘进展

大数据、物联网与精密定位技术的发展推动了城市感知的进步。随着社会活动的与日俱增,出租车轨迹数据不仅记录了出租车的行车轨迹,还蕴藏着道路交通状态、城市居民出行规律、城市结构及其他社会问题。通过各种数据分析与挖掘手段对出租车轨迹数据进行深入探究,对于智能交通、城市规划等有着重要意义。本文综述了近十年国内外基于出租车轨迹大数据的相关研究,按照空间统计方法、时间序列方法、图论与网络方法及机器学习方法等4类,详细阐述各类方法的研究现状。随后,本文分析了现有研究的应用领域、热点主题和发展趋势。最后,本文指出了出租车轨迹数据挖掘研究领域面临的挑战和未来研究方向。     

视频与GIS协同的交通违规行为分析方法

针对人工监测无法及时、高效地发现视频中车辆和行人违规情况的不足,构建了地理空间视角下,兼顾动态目标在地理场景下的属性、时空关系和语义信息的轨迹模型(trajectory model,Tra-Model),设计了视频与GIS协同的交通违规行为分析方法,基于轨迹与规则几何约束条件对目标逆行、压线、禁止进入3类违规情况进行实时检测。以某高校为实验场地,分析不同交通场景下目标的3类违规情况。实验结果表明：（1）Tra-Model模型提取的轨迹包含目标类型、轨迹序列等语义信息,相比于现有动态目标跟踪算法,精准率提高15.6%;(2)所提方法对多个摄像机序列违规分析准确率均在70%以上,相对于现有方法具有更好的性能;（3）实现了地理场景下多种交通违规行为综合分析的全局性、高精度和探测类型多样性。     

基于深度学习的中国连续空间覆盖PM2.5浓度预报

实现全国连续空间覆盖未来小时尺度的PM_2.5浓度实时、高精度预报是一个难题。本文建立基于深度学习的多层长短期记忆迭代模型和改进的空间反向传播神经网络S-BPNN模型来实现全国小时尺度PM_2.5浓度的空间预报。首先,研究基于空间相关性将全国1286个空气质量监测站点在空间上进行自适应分区,并对各个分区分别构建多层LSTM迭代预报模型实现未来24 h各个监测站点的PM_2.5浓度的实时预报。其次,应用改进的S-BPNN空间化模型实现未来24 h全国连续空间覆盖的PM_2.5浓度精细化制图。然后,利用2016—2019年中国PM_2.5监测站的历史数据进行训练和验证,结果显示预报模型和空间化模型的相关系数R²分别为0.88和0.87,表明模型都能实现较高的精度。最后,基于提出的预报模型和空间化模型,辅助从监测站实时获取的大气污染数据和气象数据,通过搭建的大气污染物浓度预报智能化在线信息原型系统可实时发布预报结果并可进行空间化展示。研究实现了全国连续空间覆盖的PM_2.5浓度高时空精度的实时预测,以支持大气污染联防联控和公众环境空间质量信息服务。     

Online monitoring of local taxi travel momentum and congestion effects using projections of taxi GPS-based vector fields

Ubiquitous taxi trajectory data has made it possible to apply it to different types of travel analysis. Of interest is the need to allow someone to monitor travel momentum and associated congestion in any location in space in real time. However, despite an abundant literature in taxi data visualization and its applicability to travel analysis, no easy method exists. To measure taxi travel momentum at a location, current methods require filtering taxi trajectories that stop at a location at a particular time range, which is computationally expensive. We propose an alternative, computationally cheaper way based on preprocessing vector fields from the trajectories. Algorithms are formalized for generating vector kernel density to estimate a travel-model-free vector field-based representation of travel momentum in an urban space. The algorithms are shared online as an open source GIS 3D extension called VectorKD. Using 17 million daily taxi GPS points within Beijing over a 4-day period, we demonstrate how to generate in real time a series of projections from a continuously updated vector field of taxi travel momentum to query a point of interest anywhere in a city, such as the CBD or the airport. This method allows a policy-maker to automatically identify temporal net influxes of travel demand to a location. The proposed methodology is shown to be over twenty times faster than a conventional selection query of trajectories. We also demonstrate, using taxi data entering the Beijing Capital International Airport and the CBD, how we can quantify in nearly real time the occurrence and magnitude of inbound or outbound queueing and congestion periods due to taxis cruising or waiting for passengers, all without having to fit any mathematical queueing model to the data.