同化叶面积指数和蒸散发双变量的冬小麦产量估测方法

同化遥感信息到作物生长过程模拟模型,是估测区域作物产量的重要方法之一。同化变量的选取对同化结果精度至关重要。本文在标定WOFOST作物模型参数的基础上,优化了WOFOST模型的默认灌溉参数。利用ET和LAI作为同化变量,分别构建了时间序列趋势信息的代价函数和四维变分代价函数;采用SCE-UA算法最小化代价函数, 重新初始化WOFOST模型初始参数——作物初始干物质重、作物35 ℃生命期和灌溉量。最后利用MODIS LAI产品（MCD15A3）、MODIS ET产品（MOD16A2）,同化到作物模型估测产量,并对比分析了水分胁迫模式下同化单变量（ET或LAI）和同化双变量（ET和LAI）的估产精度。结果表明：同化双变量ET和LAI的策略,优于同化单变量LAI或ET,双变量策略的冬小麦产量估测精度为R²=0.432,RMSE=721 kg/hm²;单独同化高精度LAI对提高估产精度具有重要作用,其冬小麦产量估测精度为R²=0.408,RMSE=925 kg/hm²;单独同化ET的趋势信息改善了WOFOST模型模拟水分平衡的参数,但是,产量估测精度（R²=0.013,RMSE=1134 kg/hm²）与模型模拟估测产量精度（R²=0.006,RMSE=1210 kg/hm²）相比改善效果有限。本研究为其他区域的遥感数据与作物模型的双变量数据同化的作物产量估测研究提供了参考价值。     

基于LSTM神经网络的青藏高原月降水量预测

青藏高原的降水量预测不仅为该地区水资源合理规划利用提供依据,同时对中国及周边国家气候变化研究有着重要的意义。论文利用1990—2016年青藏高原降水量数据,采用长短期记忆神经网络（LSTM）对青藏高原月降水量进行预测,主要包括：① 使用青藏高原86个测站1990—2013年的月降水资料,预测各个测站2014—2016年的月降水量,并与传统的RNN、NAR、SSA和ARIMA预测模型相比,平均决定系数R²分别提高了0.07、0.15、0.13和0.36,均方根误差（RMSE）和平均绝对误差（MAE）表现更低;② 分析了降水量预测精度的空间分布特征,将各模型的R²在青藏高原地区内插值,分析R²的空间分布特征,发现所有模型降雨稀少的干旱地区和降雨多的湿润地区R²较低,在气候稳定、降水规律性明显的地区R²较高,且LSTM模型R²≥0.6的空间范围远大于传统模型;③ 分析了不同预测长度对各模型预测精度的影响,发现所有模型会随着预测长度增加而预测精度降低,但在不同的预测长度下LSTM预测的RMSE值都低于其他模型。     

基于机器学习的高精度高分辨率气象因子时空估计

气象变量常作为重要的影响因子出现在环境污染、疾病健康和农业等领域,而高分辨率的气象资料可作为众多研究的基础数据,对推进相关研究的发展意义重大。本文以中国大陆为研究区域,利用2015年824个气象站点的气温、相对湿度和风速3套数据,结合不同的解释变量组合,分别构建了各自的GAM和残差自编码器神经网络（简称残差网络）模型,以10倍交叉验证判断模型是否过拟合。研究结果表明：① GAM和残差网络方法都不存在过拟合问题,同GAM相比,残差网络显著提高了模型预测的精度（3个气象因素的交叉验证CV R²平均提高了0.21,CV RMSE平均降低了37%）,其中相对湿度模型的提升幅度最大（CV R²:0.85 vs. 0.52,CV RMSE:7.53% vs. 13.59%）;② 残差模型的结果较普通克里格插值结果和再分析资料更接近站点观测数据,表明残差网络可作为高分辨率气象数据研制的可靠方法。此外,研究还发现在相对湿度模型中加入臭氧浓度和气温、在风速模型中加入GLDAS风速再分析资料,可提升模型的性能。     

基于神经网络模型的干旱区绿洲土壤盐渍化评价分析

土壤盐渍化严重制约了农业可持续发展和生态安全,土壤盐渍化的精确评价分析,对土壤盐渍化的改善和治理具有重要的意义。本文以新疆焉耆盆地为研究对象,Landsat8 OLI遥感影像和实测采样数据相结合,提取地下水埋深（GD）、盐分指数（SI）、地表蒸散量（SET）和改进型温度植被干旱指数（MTVDI）建立了土壤盐渍化评价模型。结果表明：①结合野外实测土壤盐分数据,对BP神经网络模型进行训练。最终以最优的4-4-1结构的3层BP神经网模型对研究区土壤盐渍化进行了预测（R²=0.864,RMSE=0.569）。相比传统多元线性回归模型（R²=0.741,RMSE=0.767）,神经网络模型对土壤盐渍化的预测精度更高;②土壤盐渍化分布与GD、SI、SET和MTVDI等存在较强的关联性,不同等级的土壤盐渍化是不同影响因素不同程度上组合而引起的结果,盐渍化土地主要分布在地下水位较低以及土地开垦之后没有利用的荒地区域;③整个研究区大部分区域受到不同程度的盐渍化影响,耕地退化为盐渍地导致该区域土壤盐渍化以及土壤次生盐渍化进一步加剧。     

基于Sentinel-1/2动态耦合移栽期特征的水稻种植模式识别

及时准确地获取水稻种植模式变化对于有效防控“非粮化”和完成“双碳”目标具有重要意义。现有研究多基于固定时间窗口挖掘水稻生长期特征,且多使用的是单一卫星影像数据,难以应用于大范围水稻制图。本文通过Sentinel-1/2数据构建动态窗口提取移栽期光学/雷达特征,利用其耦合关系实现水稻种植模式制图。将该算法应用于湖南和江西两省水稻制图。基于1402个地面参考点位对水稻提取结果进行验证,总体精度达92.80%;在县域尺度上,湖南和江西两省水稻制图面积与农业统计数据也具有高度一致性,R²达0.85以上。相比于用固定窗口进行水稻特征提取,该方法具有较强的鲁棒性和迁移能力,为实现更大范围作物制图提取提供新的思路和参考依据。2018—2021年江西省水稻制图结果表明,水稻总种植面积减少9.47%,约3460 km²,水稻种植强度从1.62下降至1.49;在种植模式上,“双改中”趋势明显,双季稻种植面积锐减21.61%,其中约84%改种中稻。     

ESTARFM算法在长江中下游平原地区的适用性研究

时空融合技术是目前解决单一遥感数据源难以同步获取高时空分辨率数据的有效途径。然而,如何设置参数使模型融合效果最佳,如何设置在植被监测中广泛应用的植被指数的融合步骤,进而获得最佳的植被指数时序数据,目前仍不明晰。本文以长江中下游平原地区的典型县域—南昌县为例,基于Landsat和MODIS多时相数据对当前主流时空融合模型—ESTARFM （Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）进行参数敏感性分析,并系统地对比分析了2组融合实验RI（先融合波段反射率后计算植被指数）和IR（先计算植被指数后直接融合）的融合效果。结果表明： ① ESTARFM算法中参数的敏感性在波段反射率、植被指数融合中表现出相似的特征,随着滑动窗口与相似像元数量的增大,融合误差整体呈现出先减小后趋于稳定或增大的趋势;在ESTARFM算法应用中,存在着最佳参数设置范围;② 相较于RI组,IR组模拟结果精度更高（R²_RI-NDVI=0.866,R²_IR-NDVI=0.953,R²_RI-EVI =0.814,R²_IR-EVI =0.930）,且能够较好地削弱“斑块”现象,更好地表征出细小地物和纹理特征。研究结果为遥感数据时空融合模型在地块破碎、种植制度多变的复杂环境中的应用提供借鉴和参考。     

基于TAVI的山区毛竹林LAI反演分析

本文采用地形调节植被指数（TAVI）,以RapidEye高分辨率多光谱遥感影像为数据源,对福建省永安市毛竹林山区进行了叶面积指数（LAI）地面实测、遥感建模及反演分析。通过TAVI与归一化植被指数（NDVI）、比值植被指数（RVI）的对比研究,结果表明：（1）毛竹林实测LAI与TAVI、NDVI和RVI线性回归的决定系数（R²）分别为0.6085、0.3156和0.4092,最佳非线性回归的R²分别提高到0.6624、0.5280和0.6497。LAI与NDVI或RVI非线性（U曲线）模型可以很好地解释LAI-VI的散点分布规律,但难以解决LAI-VI间因地形影响导致的“同物异谱”和“异物同谱”问题,因此,在山区大面积推广应用需慎重。（2）通过实测LAI的验证表明,LAI-TAVI回归模型可有效避免因地形影响导致的“同物异谱”和“异物同谱”问题。TAVI具有良好的削减地形影响作用,可用于山区植被LAI的遥感反演。     

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。     

基于复合指数模型的DMSP/OLS夜间灯光影像饱和校正方法

由于OLS传感器航行过程中增益记录和交叉定标的缺失,使得DMSP夜光影像在城市中心出现过度饱和等问题,因此探讨灯光数据去饱和方法在人类活动强度评估和城市时空演化分析等方面具有重要意义。为了解决这一难题,有学者提出使用NDVI修正饱和灯光数据的VANUI指数,为研究灯光数据去饱和提供了简单便捷的思路,然而该指数在部分城市中较难有明显的校正效果。本文在VANUI指数思想的基础上,顾及到人口密度随着郊区到城市中心距离的增加呈现指数型增长,提出了基于复合指数模型校正夜间灯光指数CEANI,为人类活动强度评价等研究提供更准确的结果。研究表明:① 与VANUI相比,CEANI在刻画城市内部饱和区域特征时具有更好的细节,较好地凸显城市内部空间异质性;② 在25组随机样本的相关对比中,CEANI（R²mean=0.79）与辐射定标产品比VANUI（R²mean=0.68）具有更高的相关性;③ 三大城市群中CEANI与常住人口的R²分别为0.767、0.676和0.841,比VANUI（R²分别为0.640、0.553和0.775）分别提高了0.127、0.123、0.066,相较于VANUI,CEANI与常住人口具有更强的相关性,对于人口指标的估算能力更强。     

河南省冬小麦快速遥感制图

在省域尺度上,冬小麦遥感识别中存在冬小麦物候不一致、地表环境复杂、数据处理复杂、遥感数据冗余、选择适当的分类样本困难、分类精度低等问题,而遥感数据云平台为解决这些问题提供了良好的数据基础和数据处理能力。以河南省为研究区,以谷歌地球引擎(Google Earth Engine)云平台为支撑,基于2015年和2002年前后年份河南省冬小麦识别关键期内的2296景Landsat遥感影像,采用NDVI重构增幅算法建立冬小麦大区域遥感快速制图模型,实现了2015年和2002年的河南省冬小麦分布制图。结果表明：2015年和2002年冬小麦种植面积分别为56 055.79 km²和47 296.11 km²,与统计数据比,精度达到97%;2002-2015年,河南省冬小麦种植分布存在明显变化,总体播种面积呈增加趋势,2015年比2002年增加8759.69 km²,增幅为18.52%。与传统计算机冬小麦制图方法相比,基于Google Earth Engine云平台的数据处理和制图效率均获得千倍以上的提升。     

珠江三角洲地区登革热流行风险空间模拟与预测

近年来日益严重的登革热疫情已在中国南部地区形成疫情高发区,并对中国的公共卫生安全形成了一定的威胁。登革热主要受到区域内复杂的自然环境条件以及社会经济因素的影响,而利用地理空间分析方法和模型探究登革热疫情的影响因素,并对其未来流行风险的空间分布进行模拟,是有效开展登革热预防控制工作的重要基础。本文收集了珠江三角洲地区2010-2014年的登革热病例资料和土地利用、人口密度两种社会经济要素数据,构建土地利用回归（LUR）模型以分析登革热疫情与不同空间范围内的土地利用和人口密度之间的关系,并结合SLEUTH模型获取的2030年土地利用数据以及基于人口密度预测模型获取的2030年人口密度数据,预测珠江三角洲地区2030年登革热疫情风险的空间分布。结果表明,社会经济要素对登革热疫情空间分布的影响在不同范围内存在差异,半径分别为10、7、10、2和1 km的缓冲区内的人口密度、草地、城镇用地、林地和耕地进入LUR模型并对疫情有显著的影响（相关系数分别为0.779、-0.473、0.818、-0.642和-0.403）,所构建的LUR模型效果较好（调整R²为0.796,F=390.409,P<0.01）,留一交叉检验结果显示模型的相对均方根误差为0.7046,预测值与实测值的拟合精度达到0.7101。2030年城市空间扩展的区域主要分布在深圳、东莞以及广佛的交界地区,而登革热风险预测模型表明2030年登革热疫情风险较大的区域与珠江三角洲城镇用地占比、人口分布较高的地区有高度的一致性,尤其是广佛地区。因此,LUR模型可以较好地预测登革热疫情的空间分布,从而为当地卫生部门防控登革热提供方法支持。     

集成多源遥感数据的PM2.5浓度空间分布制图

针对传统地面稀疏站点监测PM_2.5浓度以点带面的缺陷,本研究拟借助多源遥感数据开展了地面大气细颗粒物PM_2.5浓度空间分布模拟研究。以京津冀地区2013年的年均、季均PM_2.5浓度模拟图为例,用简化的气溶胶反演算法（SARA）反演了 1 km高分辨率AOD,并结合高分辨率遥感提取污染相关地理要素,对研究区PM_2.5浓度空间分布进行地理统计模拟及优选。结果表明：① SARA算法反演的AOD与地基AERONET相关性达0.99,能准确地反映研究区AOD的时空分布特征;② 集成多源遥感数据的地理加权回归模型拟合度高（平均R²-0.66）,其空间模拟显示研究区平均PM_2.5污染南部城镇最重,中东部城区次之,西北山区较轻;③ 研究区PM_2.5污染程度高,全年平均模拟浓度高达75 μg/m³,在气候环境及主要污染源季节性差异驱动下,浓度分布季节性特征显著,冬季污染最严重,而夏、秋季相对较轻。该成果对于精细把握PM_2.5污染特征,指导污染防控具有重要意义。     

基于移动监测数据的不同城市场景下PM2.5浓度精细模拟与时空特征解析

城市内部PM_2.5浓度分布具有明显的空间异质性,而传统方法基于遥感数据或监测站点数据进行分析,难以揭示高时空分辨率下城市内部的PM_2.5浓度分布特征,缺少不同时刻城市场景（如：道路、工业区、住宅区等）对PM_2.5浓度复杂非线性影响的解析。本研究将移动监测传感器安装于快递车上,采集福州市主城区南部不同类型场景的PM_2.5浓度,然后融合地理加权回归（Geographical Weighted Regression, GWR）和梯度提升决策树（Gradient Boosting Decision Tree, GBDT）方法,提出一种基于GWR-GBDT的PM_2.5模拟与场景解析模型,能够较好地拟合气象、场景因素与PM_2.5浓度的非线性关系,提升了城市PM_2.5污染精细监测能力;并结合部分依赖图解析不同时段不同场景因素对PM_2.5浓度的非线性作用影响。结果表明：① 基于移动PM_2.5浓度监测数据,利用GWR-GBDT模型能够较好地模拟城市场景、气象和PM_2.5浓度之间的非线性关系,能够有效精细模拟PM_2.5浓度的空间分布,十折验证R²结果为0.52~0.94;② 通过部分依赖图分析同一场景在不同时段对PM_2.5浓度响应的异质性,发现各类场景对PM_2.5浓度提升或抑制作用并不稳定;③ 解析不同时段人类活动与城市场景对PM_2.5浓度的交互作用发现,教育医疗单位和住宅区两类场景对PM_2.5浓度的提升作用都与人类通勤有密切关系,高污染场景中的建筑工地在采取的洒水降尘措施后能在数小时内有效缓解PM_2.5污染,公园文体服务区在多数时段对PM_2.5浓度具有抑制作用,工业区和道路多数时段会致使对PM_2.5浓度提升;④ 从PM_2.5浓度的空间分布来看,福州市主城区南部PM_2.5浓度总体呈现东南高-西北低的分布趋势,建筑工地、道路和工业区场景轻度以上污染面积占比明显高于其他场景,公园场景总体PM_2.5浓度较低,山体公园傍晚会受到周边工业区的影响而导致PM_2.5浓度升高,而城市陆地外围水域对沿岸PM_2.5浓度具有抑制作用;⑤ 研究结果可为不同场景下PM_2.5污染精细化治理、城市规划以及老人、儿童等高危人群的PM_2.5污染暴露风险防范提供支持。     

疟疾预测的遗传规划方法与应用——以安徽省县（市）疟疾发病率为例

疟疾是世界上最严重的一种寄生虫疾病,安徽省是典型的中纬度疟疾高发区域之一。本文以安徽省县级行政单元统计的疟疾发病率为例,从遥感监测数据中获取疟疾潜在驱动因素的数据,使用遗传规划方法建立遥感监测的环境因素与疟疾发病率之间的关系,从而预测疟疾发病率的空间分布,并分析预测结果、评价模型精度。结果表明,遗传规划方法预测的疟疾发病的精度（训练数据的预测R² = 0.558,检验数据R² = 0.429）较线性逐步回归方法的预测精度（训练数据的预测R² = 0.470,检验数据R² = 0.408）有所提高。遗传规划方法有利于提高预测疟疾发病率空间分布的精度。其为使用遥感监测数据预测疟疾的空间分布和变化的科学研究提供依据。     

Impact of Accessibility on Housing Prices in Dalian City of China Based on a Geographically Weighted Regression Model

This paper studies the relationship between accessibility and housing prices in Dalian by using an improved geographically weighted regression model and house prices, traffic, remote sensing images, etc. Multi-source data improves the accuracy of the spatial differentiation that reflects the impact of traffic accessibility on house prices. The results are as follows: first, the average house price is 12 436 yuan (RMB)/m², and reveals a declining trend from coastal areas to inland areas. The exception was Guilin Street, which demonstrates a local peak of house prices that decreases from the center of the street to its periphery. Second, the accessibility value is 33 minutes on average, excluding northern and eastern fringe areas, which was over 50 minutes. Third, the significant spatial correlation coefficient between accessibility and house prices is 0.423, and the coefficient increases in the southeastern direction. The strongest impact of accessibility on house prices is in the southeastern coast, and can be seen in the Lehua, Yingke, and Hushan communities, while the weakest impact is in the northwestern fringe, and can be seen in the Yingchengzi, Xixiaomo, and Daheishi community areas.     

北京市二手房价格时空演变特征

城市住宅价格时空格局及演变特征是衡量城市房地产市场发展均衡性的重要指标。针对海量的互联网实时房产数据,本文构建了一种长时序时空大数据挖掘方法。首先,利用挂牌数据和成交数据,进行了泛在网络地产数据的可用性验证;其次,提出了“混合像元”的多尺度栅格模型,以构建基于栅格系统的房产统计特征描述,形成了多源网络房产数据融合方法;然后分别采用莫兰指数和地理探测器分析房价的空间自相关性和分异性,并基于P-Bshade和邻近栅格时空插值算法解决了稀疏房产数据的融合与插值问题,构建了长时序房地产时空栅格数据库;最后,以北京六环范围内为研究区域,通过栅格区划算法进行了二手房价格时空演变格局的挖掘分析。