中国重点区域PM2.5时空变化分析与预测

在我国工业化和城市化迅速发展的背景下,细小颗粒物PM_2.5污染已经成为当前主要空气污染物。本文使用基于Python编程语言的网络爬虫技术获取了中国京津冀、长三角、珠三角3个重点区域的PM_2.5日均值数据,分别基于Excel软件和ArcGIS软件进行PM_2.5时空变化特征分析。最后,通过建立分数阶累加灰色预测模型对北京市2018年PM_2.5月均值浓度进行预测。结果显示:1)时间上,我国PM_2.5浓度表现为“冬高夏低”的“U”形变化趋势;2)空间上,我国PM_2.5浓度整体表现为由南北地区向中部地区PM_2.5浓度逐渐增加;3)分数阶GM(1,1)模型对PM_2.5月均值浓度数据的预测精确度较高,结合预测结果可从长期或短期提出PM_2.5污染治理的措施建议。     

基于地理实体轮廓的点状地名融合和拓展研究

鉴于当前点状地名数据仅以点坐标形式记录其空间位置,缺乏空间范围的具体描述,造成多源地名匹配后,位置信息包含不确定性,不利于后期地名认证.本文在地名融合的基础上引入地理实体概念,使用含有地理实体轮廓的Wikimapia项目数据,作为地名数据的空间描述,拓展地名数据的位置信息.并以俄罗斯局部区域的村庄数据为例进行了实验,实验结果表明,融合后的地名数据具有较高的准确性、有效性,扩展了属性数据,有效解决了点状地名数据缺乏空间具体描述、位置信息不确定的问题,提高了数据的可用性,为后期地名认证打下基础.