逐次最小二乘在高精度曲面建模方法（HASM）中的应用

从高精度曲面建模方法（HASM）曲面方程出发,结合数据平差理论,建立了基于独立单元的计算模型,并且采用逐次最小二乘法对计算方程进行分组求解。对HASM-AD和几种经典方法的精度进行了交叉验证,结果表明,该算法模拟误差的均方根差远小于其他空间插值方法。     

基于OCO-2卫星观测模拟高精度XCO2的空间分布

本文首次基于OCO-2卫星观测数据,采用高精度曲面建模（High Accuracy Surface Modeling, HASM）的方法来模拟大范围高精度的二氧化碳柱浓度（XCO₂）的空间分布。首先,探讨分析HASM方法应用于模拟OCO-2卫星观测XCO₂的空间分布的可行性。从2014年9月至2015年8月OCO-2观测的12个月的XCO₂数据中,分别随机选取其各个月90%的XCO₂数据用于空间插值,剩余10%作为精度验证点。自验证结果表明,12个月的平均绝对值误差为0.34 ppm。由此可见,HASM适用于模拟OCO-2卫星观测XCO₂的空间分布。然后,采用HASM对OCO-2在2014年9月至2015年8月的各个月观测数据进行空间插值,获取空间分辨率为0.5°×0.5°的各个月均值XCO₂的空间分布,同时基于地基观测TCCON( Total Carbon Column Observing Network)站的XCO₂数据对HASM模拟结果进行交叉验证。验证结果表明,HASM模拟的XCO₂与TCCON站对应观测数据相比,其平均绝对值误差为0.81 ppm,相关系数为0.88。因此,HASM在模拟OCO-2卫星观测的XCO₂空间分布上具有很大的优势。     

基于GPU的HASM动态模拟与实时渲染方法

 基于微分几何曲面论的高精度曲面模拟(high accuracy surface modeling, HASM)需要大量的复杂密集计算,在CPU上模拟极为耗时,使得在现有的硬件条件下,实时动态模拟曲面并实时可视化极具挑战性。论文提出了GPU加速的HASM方法,充分利用现代显示适配器(graphic processor unit, GPU)技术,运用GPU最新发展起来的并行计算能力,使用并行化的预处理共轭梯度方法解算曲面,完成曲面模拟,并同时利用GPU的高速缓存架构,对渲染操作进行充分优化,以实现高效实时可视化。HASM需要的有限差分离散和高速解算操作,均充分利用现代GPU架构,所具有的多处理器和众多的流处理器所产生的强大并行计算能力,可视化也用GPU高速缓存技术和三角条带方法进行充分优化。数值实验和实际项目区高程模拟实验均表明, 在GPU为NVIDIA quadro 2000和CPU为DualCore Intel Core 2 Duo E8400的硬件配置下,GPU并行化的曲面模拟方法比普通方法速度提高了约10倍,使得动态模拟与可视化算法可以达到交互式的帧速及实时可视化的要求。     

基于HASM的中国森林植被碳储量空间分布模拟

当前区域尺度上森林碳储量估算主要依据森林资源清查数据,整个过程不仅消耗大量人力、物力,而且十分耗时,严重影响了森林碳储量估算的时效性。针对这一问题,本文提出了基于HASM的森林植被碳储量模拟方法,该方法以全球植被动态模型LPJ-Guess 输出的植被碳储量为驱动场,以森林清查样地数据为精度控制点,模拟生成中国陆地森林碳储量分布情况。研究以第7 次中国森林资源清查数据作为精度控制点数据源,同时作为本文模拟方法的精度验证。结果表明,中国森林碳储量为9.2405 Pg,考虑到森林资源清查是基于一定的郁闭度进行的,因此HASM模拟的结果与根据森林资源清查结果计算得出的7.8115 Pg 相比更符合实际情况,西南山区和东北林区是中国森林最主要的碳库,其碳储量分别占中国森林植被碳储量的39.82%和20.46%。同时与之前(1975-1995 年) 相比具有较大幅度的增长,表明近几十年来中国坚持大规模植树造林的碳汇效果显著。同时也表明基于HASM的森林植被碳储量空间分布模拟方法是有效的,模拟结果合理且精度较高,表明该方法在全球尺度上森林植被碳储量模拟及其它生态系统中碳储量模拟中具有应用潜力。     

机载LIDAR数据的树高识别算法与应用分析

利用机载激光雷达数据提取天然次生林的树高,旨在探索影响树高提取精度的主要因素。首先,采用高精度曲面建模平差算法(Adjustment Computation of High-accuracy Surface Modeling,HASM-AD)生成研究区不同空间分辨率的数字高程模型(Digital Elevation Model,DEM)、数字地表模型(Digital Surface Model,DSM)和冠层高度模型(Canopy Height Model,CHM);其次,用树顶点识别算法提取林木树高,设置不同树高识别范围,对比分析不同CHM分辨率和不同树高识别范围对树高提取精度的影响;最后,以天涝池流域30个实测样地数据为样本,对提取精度进行检验。结果显示：提取的样地平均树高与实测值具有明显线性相关关系,线性回归系数为0.694;树高识别范围是影响树高提取精度的重要因素,CHM分辨率对其影响较小。研究表明,采用高采样密度的雷达点云数据、正确选择CHM生成方法和改进树顶点识别算法是提高天然次生林树高提取精度的有效途径。     

基于定性和定量辅助变量的土壤有机质空间分布预测——以四川三台县为例

准确获取土壤性质的空间分布信息,是区域土壤资源优化利用和土壤环境保护的需要。以川中丘陵区三台县为案例区,运用人工神经网络模型,构建融合区域定性及定量辅助变量的空间预测方法,模拟三台县土壤有机质的空间分布格局。结果表明,研究区土壤有机质在4.20~47.60 g kg^-1之间,平均为17.97 g kg^-1;变异系数为36.89%,属中等程度变异。土壤有机质的块金值与基台值之比为0.742,变程为7.0 km,即空间自相关性较弱。不同土壤类型间有机质含量差异显著;土属的空间分布较土类能更好地揭示研究区土壤有机质含量空间分布格局的差异。除土壤类型因素的影响外,坡度、地形湿度及植被盖度是研究区土壤有机质空间变异的主要因子。融合土壤类型因素和地形植被因子的神经网络模型预测结果,比普通克里格法、回归克里格法以及神经网络结合普通克里格的方法,更符合研究区地学规律和实际情况;其预测结果的平均绝对误差、平均相对误差和均方根误差较其他3种方法均降低幅度显著。同时,该方法对极值有较好的预测能力。研究为复杂环境条件下准确获取区域土壤性质的空间分布信息提供了较可行的方法。     

省尺度森林植被碳储量空间分布模拟不确定性分析——以江西省为例（英文）

Forest vegetation carbon patterns are significant for evaluating carbon emission and accumulation. Many methods were used to simulate patterns of forest vegetation carbon stock in previous studies, however, uncertainty apparently existed between results of different methods, even estimates of same method in different studies. Three previous methods, including Atmosphere-vegetation interaction model 2(AVIM2), Kriging, Satellite-data Based Approach(SBA), and a new method, High Accuracy Surface Modeling(HASM), were used to simulate forest vegetation carbon stock patterns in Jiangxi Province in China. Cross-validation was used to evaluate methods. The uncertainty and applicability of the four methods on provincial scale were analyzed and discussed. The results showed that HASM had the highest accuracy, which improved by 50.66%, 33.37% and 28.58%, compared with AVIM2, Kriging and SBA, respectively. Uncertainty of simulation of forest biomass carbon stock was mainly derived from modeling error, sampling error and statistical error of forest area. Total forest carbon stock, carbon density and forest area of Jiangxi were 288.62 Tg, 3.06 kg/m~2 and 94.32×109 m~2 simulated by HASM, respectively.     

一种由等高线构建DEM的新方法

基于HASM,提出了一种由等高线建立DEM的新方法HASM-OC。HASM—OC方法保证地形曲面的整体光滑性,保证DEM最大程度上忠实于原始等高线数据。实际等高线案例结果表明,HASM—OC方法与基于薄板样条原理的Hutchinson方法的DEM模拟结果及其回放的等高线差相比,前者比后者保留更多的地形特征信息,前者的回放等高线比后者回放等高线更忠实于原始数据。     

黑河流域植被类型分布模拟分析

针对黑河流域植被类型空间分布的垂直地带性特征,本文基于支持向量机算法构建黑河流域植被类型空间分布的模拟分析模型,并运用Kappa系数和混淆矩阵检验方法对模拟精度进行检验。验证结果显示,模型总体精度（OA）值为75.54%,Kappa系数值为0.66,表明了该方法在植被分布模拟上具有较好的结果,适用于区域尺度下植被类型分布的空间模拟。模拟结果表明,该方法对半灌木-矮半灌木荒漠和温带禾草-杂类草草甸草原类型的模拟精度最高,分别为（90.20%和90.02%）;分布面积最大的植被类型（如半灌木-矮半灌木荒漠,灌木荒漠、嵩草-杂类草高寒草甸等）相比于其他面积较小的植被类型具有显著优异的模拟结果;人工经济作物、荒漠植被类型以及草原草甸等植被类型对于所选环境因子的敏感性更强,而灌丛类型和乔木类型的模拟结果在不同类型间的波动较大;空间分布上,环境要素差异性明显、植被类型丰富的上游地区具有更好的模拟结果,优于地势平坦、气候差异性小的黑河中下游地段,但模拟结果在景观形态上具有更高的破碎度。