基于模型流的资源环境模型复合语言与应用

资源环境领域的研究对象常被抽象为若干子模型复合而成的复杂模型,如何有效地集成这些子模型成为资源环境模型集成的主要内容。随着各种地学相关问题的日益复杂和多样化,传统的建模语言与友好易用的图形建模等集成建模方式已无法满足大规模高复杂的模型构建需求。本文在已有的相关理论基础上,针对复合模型构建的灵活性和复杂性之间的矛盾,将模型复合模式的本质抽象化,提出资源环境"模型流"的形式化语言描述,实现了模型流建模环境。应用实例表明,基于模型流的模型构建方式采用简洁的符号表示,避免了繁琐的图形构建环节,可快速灵活地构建高复杂度模型。模型流的提出为模型复合的调度性能优化和智能自动化集成等进一步的研究奠定了基础。     

基于HASM-SSOR模型的近60年来中国气温与降水变化趋势模拟

为了改善HASM模型计算速度慢及存储量大等问题,提出了一种快速有效算法(HASM-SSOR),并以高斯合成曲面为例验证了该方法的有效性。利用全国752站1951—2010年的气象观测资料,对近60年的平均气温、降水分别采用多元回归与HASM-SSOR相结合的方法及多项式回归与HASM-SSOR相结合的方法进行模拟与分析;近60年平均气温、降水拟合的复相关系数分别为0.9923、0.9987;并对1951-2010年各年代际的平均气温、降水的变化趋势进行拟合与分析,发现各年代际气温变化并不一致,全国平均气温呈上升趋势,平均上升率为0.35℃/10a,全国降水平均变化率为9.4mm/10a,无明显的变化趋势。     

全球变化下中国南海诸岛珊瑚礁热压力临时避难所研究

选取第五次耦合模式比较计划（CMIP5）模式中较适宜于南海海表面温度（SST）模拟的加拿大地球系统模式(CanESM2),并获取其在IPCC RCP2.6、RCP4.5和RCP8.5温室气体排放情景下模拟的2006-2100年南海SST数据。基于南海诸岛珊瑚礁和线性回归方法分析了RCPs情景下的珊瑚礁区夏季SST上升趋势,并基于热周指数(DHW, Degree Heating Weeks)及年白化时间指数分析了RCPs情景下的南海诸岛珊瑚礁热压力临时避难所,主要得出以下结论：① RCPs情景下,明显变暖的珊瑚礁海域均为南沙群岛;② 年白化时间不晚于全球珊瑚礁平均年白化时间的珊瑚礁像元占南海诸岛总珊瑚礁像元的比例,在RCP2.6、RCP4.5和RCP8.5情景下分别为17%、29%和42%,均分布在南沙群岛;③ RCPs情景下,较高纬度的西沙群岛、中沙群岛和南沙群岛北部为未来南海诸岛珊瑚礁热压力临时避难所。     

1951-2010年中国季平均降水高精度曲面建模分析

利用1951-2010年中国711个气象观测站的月降水资料,对多年季平均降水根据中国农业气候类型进行分区模拟。针对中国降水特点,首先分析了影响各分区降水的地理、地形因素及局部地形因素,利用多项式回归和逐步回归的方法对各分区降水进行了趋势拟合;在此基础上,采用改进的高精度曲面建模(HASM)方法,对各模拟区域去掉趋势后的残差进行迭代修正,并比较验证了模拟效果。同时,为保证HASM在边界附近的模拟精度,根据区域内站点间的距离,对每一分区设置一个缓冲区,将HASM实际插值区域扩展为缓冲区内的部分。模拟结果表明:HASM方法的模拟精度在不同区域不同季节内均比经典的插值方法模拟精度高。利用上述方法分析了同一季节各分区降水的分布特点,并模拟了不同季节内多年平均降水的空间分布状况,模拟结果符合我国降水的实际分布特点。     

人工智能GIS软件技术体系初探

作为人工智能的代表性技术,深度学习已经成为大数据等各个领域中最具有突破性发展的新技术。深度学习的成功主要得益于其新颖的数据驱动的特征表示学习能力,这种能力成功地替代了传统建模中基于领域知识人为设计特征的方式。在这些技术推动下,人工智能技术在新一代GIS基础软件技术的研究与应用中发挥着极为重要的作用,而现有人工智能GIS（AI GIS）技术研究整体仍处于初步探索阶段,距离成熟阶段尚有较大距离。作为新一代GIS基础软件的方法和技术,AI GIS已经广泛应用在遥感数据分析、水资源研究、空间流行病学和环境健康等地学领域,与传统GIS模型相比大大提高了对非结构化的遥感或街景影像和文本的地理信息提取和特征理解能力,显示出巨大的价值和发展潜力,但现有研究对AI GIS软件技术体系的梳理和总结尚不够全面。大部分研究只关注地理空间人工智能算法的研究及其特定场景下的应用研究,而对相关的AI GIS软件技术体系关注较少。本文分析了地理智慧的几个层次,并讨论了其与AI GIS的关系,总体介绍了国内外现有人工智能技术与GIS软件相结合的发展现状,进而提出了AI GIS软件技术体系。根据AI与GIS的结合关系提出了AI GIS由地理空间智能算法、AI赋能GIS和GIS赋能AI三部分组成。此外,为深入介绍AI GIS各部分组成,本文以SuperMap为例,探讨了AI GIS软件的设计与实现。最后,探讨了AI GIS的未来发展中亟需解决的问题。本文基于AI GIS软件技术的初步探索,尝试为地理智能的基础GIS软件技术体系的构建提供理论基础,以促进人工智能技术与GIS技术的进一步融合和发展,为实现地理智能提供一个可行的研究方向。     

中国太阳总辐射的气候学计算法研究(英文)

Angstrom-Prescott公式的气候学计算法是应用较广的太阳辐射模拟方法,其系数一般通过线性回归确定。近年来,许多研究显示该系数存在明显的空间变异性,常见的解决方法是将研究区划分子区域逐个拟合。本研究采用1961-2010时段日照时数与太阳辐射站点资料,以天文辐射为起始值,基于地理加权回归得到全国尺度连续变化的Angstrom-Prescott系数。通过高精度曲面建模方法(HASM)构建的日照时数资料和天文辐射曲面,得到国家尺度太阳辐射曲面。空间非平稳和误差比较检验等结果表明,系数存在显著的空间非平稳性;与已有研究相比,本研究的模拟方法效果较好。     

HASM解算的2维双连续投影方法

基于曲面论原理的高精度曲面建模方法（HASM）解决了长期困扰地理信息系统界的误差问题,但使用该方法需要求解大规模线性方程系统导致其计算效率较低并限制了其广泛应用。为提高HASM线性系统的解算速度和精度,本文基于二维双连续投影提出了一种解算HASM的新方法（HASM-DSPM）。为了提高收敛速度和解算精度,该方法采用选取优化的投影空间和两次校正策略。理论分析表明,使用该方法比使用高斯赛尔方法（Gauss-Seidel, GS）和改进的高斯赛德尔方法(Modified Gauss-Seidel, MGS)效率明显提高。分别用本文引入的方法、高斯赛德尔方法和效率较高的MGS方法分别进行了HASM方程组的解算,并对高斯合成曲面和实际项目区模拟进行了模拟试验。结果表明,和GS、MGS方法相比,本文提出的HASM-DSPM解算方法无论收敛速度和计算时间都有明显改善。     

高精度曲面建模的中国气候降尺度模型

 与站点统计降尺度插值和动力降尺度相比,高精度曲面建模(HASM)降尺度,具有不需大尺度预报因子,直接从GCM结果构建区域上高空间分辨率的未来气候模拟曲面的优势。HASM降尺度将未来气候,分为历史观测拟合的气候基准值和GCM未来气候变化值进行模拟,精度明显高于传统方法,但常系数全局拟合的气候基准值忽略了降水分布的空间非平稳性,导致降水模拟受到较大影响。为增强降水降尺度的气候背景值的描述能力,通过分析全国尺度降水的非线性非平稳性特点,提出耦合空间变系数气候基准值的HASM空间变系数降尺度模型(HASM-SVDM)以改进HASM对非平稳要素的降尺度能力,并以1961-2010年全国气温降水观测数据结合地形特征信息,利用HASM降尺度方法对HadCM3的A1Fi、A2a和B2a 3种情景的1961-1990、2010-2039、2040-2069和2070-2099时段的全国未来气温与降水进行降尺度模拟。分析表明,耦合全局线性模型的HASM常系数降尺度模型适合全国气温的降尺度模拟,而耦合空间变系数拟合的HASM-SVDM增强了空间非平稳背景值的描述能力,模拟的空间分布更能体现降水总体的非均匀分布趋势,适合全国降水的降尺度模拟。