SARS疫情预测预报中的分段非线性回归方法

介绍了几种对累计SARS疫情预测预报中的非线性增长曲线模型，说明了Richards增长曲线在这次SARS疫情预测预报中合理性和可行性，由此建立了累计SARS疫情预测预报中的非线性回归点模型。并具体对北京SARS疫情进行了跟踪预测预报，包括整体和分时间段的预测预报，获得了北京SARS疫情随时间的预测预报结果，说明了北京4月底的一系列控制措施对北京SARS疫情所带来的影响，为进一步的后续研究打下了良好基础。     

SARS疫情预测预报中的分段非线性回归方法

介绍了几种对累计SARS疫情预测预报中的非线性增长曲线模型，说明了Richards增长曲线在这次SARS疫情预测预报中合理性和可行性，由此建立了累计SARS疫情预测预报中的非线性回归点模型。并具体对北京SARS疫情进行了跟踪预测预报，包括整体和分时间段的预测预报，获得了北京SARS疫情随时间的预测预报结果，说明了北京4月底的一系列控制措施对北京SARS疫情所带来的影响，为进一步的后续研究打下了良好基础。     

密郁闭林分针叶林失叶量遥感监测模型初探

森林资源现状的监测和评估,是环境资源遥感的重要内容之一,它不仅关系着林业的发展,而且直接对区域环境及其可持续发展有着深远的影响,因而,这一问题已引起各国的极大关注。本文主要探讨利用TM数据进行定量监测和评估森林落叶量的可行性,总结出森林植被绿色生物量的变化也可用罗辑斯蒂曲线来描述。     

ARIMA和ANN模型的干旱预测适用性研究

开展干旱预测是有效应对干旱风险的前提基础,根据1960-2016年三江平原7个站点逐日降水和气温数据,利用ARIMA和ANN模型对不同时间尺度标准化降水蒸散指数（SPEI）序列进行分析建模预测。借助相关系数R、纳什效率系数NSE、Kendall秩相关系数τ、均方误差MSE和Kolmogorov-Smirnov （K-S）检验对模型的有效性进行了判定,然后分别用ARIMA和ANN模型进行12步预测,并将预测值与实际值进行比较。结果表明：（1） ARIMA模型和ANN模型对SPEI的预测能力都随时间尺度的增加而逐渐提高。（2）两种模型对3、6个月尺度SPEI的预测精度偏低,9、12、24个月的SPEI的预测精度在70%以上;（3）SPEI-9、SPEI-12、SPEI-24三个时间尺度ANN模型的预测精度优于ARIMA模型。     

基于大气降水的华北地区土壤湿度预测模型

基于引入随机变量的机理性模型方法,利用华北地区2000—2008年气象台站观测数据,以大气降水为随机变量,并考虑其延迟效应,利用回归方法建立了预测时效为1旬的土壤相对湿度预测模型。利用预测率和干旱等级预报精度两个评价指标,结合2009年土壤湿度实际观测数据,验证了预测模型预报率均在90%以上,绝大部分站点的干旱等级预报精度均在70%以上,得出该预测模型在华北地区应用的合理性,从而建立了一套客观、动态的土壤湿度预测方法,有利于及时掌握农田旱情程度和分布,主动采取防旱、抗旱应对措施。     

Bootstrap方法在遥感线性BRDF模型反演中的应用

在遥感反演中,通常假设反演参数和模型误差的先验分布服从正态分布,这个假设通常不太符合实际。为此,本文提出由Bootstrap方法估计反演参数和模型误差的先验分布的方案。同时对先验数据按照地物分类,统计假设检验表明将先验知识分类的合理性。最后,以RossThick-LiTransit核组合的线性核驱动BRDF模型为例,用NOAA-AVHRR观测数据对使用Bootstrap方法的反演算法进行试验,并与正态假设下的Tikhonov正则化反演和Bayes反演结果比较,说明对先验知识分类和使用Bootstrap方法的遥感反演方法能明显减小参数反演结果的不确定性,提高其可信度。     

SARS预测的SI模型和分段SI模型

介绍及建立了对SARS(Severe acute respiratory syndrome)临床诊断累计病例预测的非线性增长模型：SI(Susceptible and infective)模型和分段SI模型，并对北京SARS累计病例进行了预测。分段SI模型转变点的95％的置信区间在4月21日、22日和23日内，表明我国政府采取了有力措施后，4月24日以后，SARS病例的增长率发生显著变化。