2000年以来天目湖流域茶园分布变化及趋势模拟

土地利用/土地覆被变化(LUCC)与区域的可持续发展密切相关,分析土地利用变化及其空间变量的关系,建立模拟模型来认识和揭示土地利用变化的特征和时空分布规律,为未来规划和政策的制定提供支持是LUCC研究的重点问题之一.本研究以太湖流域上游典型丘陵山区茶园开发作为重点研究对象,结合中高分辨率遥感影像信息、1:50000国家标准地形图数据和野外土壤采集分析数据获取2000年以来茶园及其它土地利用信息、研究区地形地貌数据和土壤数据,通过对2000年以来茶园及其新开茶园的区位分布分析,发现茶园的变化呈现快速增长的趋势,11年研究区茶园面积扩大了5倍,其中一半以上的面积是最后3年增长的;茶园在流域上不同分区的分布差异比较大,这些差异与分区自然条件、区位条件和开发条件有一定关系.根据Cramer V卡方检验结果值,比较不同的茶园区位影响因子对茶园分布的影响力,确定高程、坡度、水库、河流、村落、主干道路和茶园规模对茶园区位影响比较显著.用茶园区位影响显著性的7个因子通过迭代优化建立MLP神经网络模型,对研究区的未来茶园的分布区位进行模拟,并且用已开发茶园对模型进行验证,达到84%的区位预测精度.基于模型用现有茶园开发模式、2000年左右茶园开发模式和折中模式3种情景模拟未来茶园的分布,发现按现有的茶园开发速度,2020年茶园总面积将达到流域总面积的1/4,任何一种情景都改变不了茶园在重要功能区的增长趋势,因此迫切需要政府采取相应的措施对茶园面积的增长和区位的分布进行控制.     

双极值模糊集研究综述

大数据时代背景下,不但数据的不确定性愈发明显,数据的冲突性(不相容)现象亦越来越突出.两极性和模糊性一样是事物的本质属性,模糊集虽然是处理不确定信息的有力工具,却一直忽略了不相容两极性问题.双极值模糊集首次将不相容两极性引入到模糊集理论中,为分析和解决带有不相容特性的大数据问题提供了新的思路和方法,其研究渐渐成为热点.综述首先阐述了两极性的种类与特点,以及双极值模糊集的相关概念、理论,特别是和其他已有模糊集的区别;接着分析了双极值模糊集国内外发展现状;最后分析了双极值模糊集未来的发展方向.通过综述,将对双极值模糊集有一个全面的认识,为下一步研究打下基础.     

基于LSTM-BLS的突发气象灾害事件中公众情感倾向分析

近年来长短期记忆网络（LSTM）在文本情感倾向分析方面显示出一定优势,但LSTM提取特征时存在语义不完整、精度不高等问题.研究者往往通过引入卷积神经网络（CNN）来弥补这一缺陷,但仍然未考虑到单词之间的句法依存问题.本文将以增量学习算法为核心的宽度学习（BLS）与LSTM相融合,提出了LSTM-BLS文本情感分析模型,并以2020断崖式降温事件为例,对突发气象灾害发生时公众情感倾向进行分析.结果表明：与基线模型K-means和支持向量机（SVM）相比,LSTM-BLS模型精度分别提高17.23和13.46个百分点;与已有深度模型LSTM、CNN-LSTM相比,本文模型精度分别提高7.13和4.17个百分点.     

太湖上游低山丘陵地区不同用地类型氮、磷收支平衡特征

不同用地类型的土壤氮、磷收支平衡决定了氮、磷在土壤的富集,进一步影响氮、磷的流失强度,分析该过程有助于揭示不同用地类型对区域的环境效应.以位于太湖上游低山丘陵地区的天目湖流域为研究区,采用农户调查问卷、土壤和植被生物量实验分析、文献调研和氮、磷表观平衡模型的方法,选择研究区的茶园、水田、马尾松林和竹林四种典型用地类型,系统分析了氮、磷的输入要素,包括肥料输入、大气沉降、秸秆返田/枯枝落叶、生物固氮、人畜排泄物返田,以及输出要素,包括植物生长吸收、氨挥发、反硝化,并比较不同用地类型氮、磷收支特征.在此基础上进一步与土壤表层氮、磷含量比较,揭示太湖流域上游丘陵山区主要用地类型的水环境效应.研究结果显示:土壤氮、磷盈余量大小顺序为茶园 > 水田 > 马尾松林 > 竹林,分别是648.6、248.9、115.5、53.6 kgN/(hm²·a)和319.9、29.7、1.2和-3.4 kgP/(hm²·a);氮、磷利用效率以竹林最高,茶园的氮、磷利用效率均最低,仅为15.0%和3.1%;土壤氮盈余量与表层氮含量未能呈现出一致的关系,土壤磷盈余量与表层磷含量比较类似,并由此得出竹林比马尾松林更有利于水环境保护,而茶园对水环境的不利影响超过水田.