冬季北大西洋涛动与中国北方极端低温相关性的年代际变化

本文基于中国地面气温日值网格数据集（V2.0）,采用滑动相关和相关分析等方法,揭示了冬季北大西洋涛动（NAO）对中国北方极端低温影响的事实,进一步证实了东北后冬（1、2月）冷日（夜）与同期NAO相关性的年代际变化。研究发现:在20世纪80年代中期前,东北后冬冷日（夜）频发,与NAO的相关性较好,而在80年代中期后东北后冬冷日（夜）少发,与NAO的相关性减弱。其中,1月在1969~1988阶段,东北冷日（夜）与NAO的相关性最好,相关区域显著,相关系数可达-0.68（-0.66）,而在1989~2009阶段二者相关性最弱,相关区域不显著。进一步分析发现,在不同年代际背景下,NAO引起的大气环流异常是导致东北1月冷日（夜）与1月NAO相关性年代际变化的重要原因。相关性较好的年代,NAO引起的环流异常有利于冷涡等天气系统维持在贝加尔湖到东北一带,使东北地区气温偏低,冷日（夜）频发;相关性较弱的年代,不利于冷空气南下,使东北地区气温偏高,冷日（夜）少发。     

全球1.5℃和2.0℃升温对中国小麦产量的影响研究

采用部门间影响模式比较计划（ISI-MIP）的气候模式,确定全球升温1.5℃和2.0℃出现的时间,并结合农业技术转移决策支持系统（DSSAT）模型模拟小麦的产量,最终选取4套数据对比研究中国小麦区温度和降水变化特征以及各区域小麦产量变化趋势,综合评价了不同升温情景对中国小麦产量的影响。结果表明：(1)在全球升温1.5℃和2.0℃背景下,我国小麦生育期内温度相对于工业革命前分别升高1.17℃和1.81℃。两种升温情景下我国春麦区升温幅度大于冬麦区升温幅度。春麦区中新疆春麦区升温幅度最大,西北春麦区升温幅度最小;冬麦区中温度变化最大和最小的麦区分别为西南冬麦区和黄淮冬麦区。(2)在全球升温1.5℃和2.0℃情景下,我国小麦生育期内降水相对于历史时段(1986—2005年)分别增加9.1%和11.3%。从各麦区来看,两种升温情景下春麦区降水增加幅度略大于冬麦区的增加幅度。所有麦区中只有新疆春麦区降水低于历史时段降水。春麦区降水增加幅度最大的麦区为北部春麦区。冬麦区中降水增加较大的麦区为北部冬麦区和黄淮冬麦区,降水增加较小的麦区为华南冬麦区和西南冬麦区。(3)两种升温情景下,我国小麦单产相对于历史时段(1986—2005年)平均减产分别为5.2%和4.6%,两种升温情景对中国小麦产量并没有显著的差异。在全球升温大背景下我国春小麦主要呈现增产趋势,冬小麦主要呈现减产趋势。减产幅度较大的麦区为华南冬麦区和青藏春麦区,增产幅度最大的麦区为西北春麦区。从各麦区产量减产面积比例上看,我国各麦区减产面积所占比例趋势为从北向南由多变少再变多,其中华南冬麦区减产面积所占比例最大,北部冬麦区最小。     

南极长城站和中山站降水形态变化特征的研究

利用南极长城站1985—2015年和中山站1989—2015年的天气现象记录和日平均气温资料,分析两站降水、降雨和降雪日数的长期变化特征及其变化趋势,并讨论了长城站降水形态变化与当地气温和阿蒙森低压变化的联系。结果表明：长城站降水日数较多,年总降水日数为236~343 d,有增加的趋势,变化速率为4.51 d/10a;其中降雨日数为74~185 d,降雪日数为157~282 d,增加的速率分别为2.68 d/10a和1.25 d/10a。而中山站年降水日数较少,年总降水日数为104~173 d,有减小的趋势,变化速率为-1.30 d/10a,中山站全年气温几乎都在0℃以下,降雨稀少,降雪为主要的降水形态。长城站年平均气温和降雨日数与总降水日数的比值（雨日比）显著正相关,在增温速率较大的秋季（3—5月),雨日比也显著增加(4.36%/10a)。降水形态受气温的影响很大,随着气温升高,长城站年降水日数中降雨日数的比重增加。秋季阿蒙森低压经向中心的东移有利于暖湿气流吹向南极半岛,也促进了降雨的发生。     

城镇化对湿地的影响研究进展

湿地是人类生存和发展的主要环境之一,城镇化进程严重影响了湿地生态系统。从城镇化对湿地的景观格局、水文、生物多样性影响方面综述了城镇化对湿地生态系统影响的研究进展。研究发现城镇化改变了湿地的景观格局,使湿地面积不断减少,景观破碎化,湿地异质性增大,连通性降低。城镇化改变了湿地的水文条件,使天然调蓄能力减弱,径流系数增强,洪峰流量增大,水土流失加重,河网和水系结构特征改变,水质受到严重影响。城镇化降低了湿地生物多样性,使物种丰富度和分布降低,珍稀物种因丧失生境而灭绝,生物入侵增强,进而导致种群组成和生态系统的功能发生变化。最后提出了在全球变化背景下城镇化对湿地影响研究的新方向及其保护措施建议。     

中国历史时期土地覆被数据集地理空间重建进展评述

重建长时间序列具有空间属性的土地覆被数据集,对研究历史时期土地利用/土地覆被变化及其气候和生态效应具有重要意义。近年来,国内外学者就定量重建中国区域历史土地覆被数据集进行了积极探索。但由于历史时期土地利用数据来源多元、重建方法多样、验证方式各异等原因,不同学者的重建结果迥异,其中重建方法是导致差异形成的重要原因之一。本文从重建思路、假设和方法、结果验证等方面对覆盖中国区域的主要空间数据集进行了综合评述,结果表明：①基于历史记录的还原法和基于地理空间模型的重建法是历史土地覆被空间重建的主要方法,而根据建模过程,后者又可进一步分为“自上而下”的配置模型和“自下而上”的演化模型法。②基于数量重建进行空间重建是当前历史土地覆被数据集重建的主流,在缺少充分、客观历史数据的条件下,对基础数据、分布控制因素和限制因子进行合理假设是取得合理结果的重要条件。③为提高研究成果的解释力,需要对重建结果进行检验,直接验证法虽较为准确,但受时空尺度限制,具有显著的局限性,间接验证法可作为有效的补充。     

地理本性进化与全球地缘政治经济基础探析

从克鲁格曼的地理本性论出发认识全球地缘政治经济基础。本文通过收集2000-2012年的世界主要21个国家（地区）的金融业和制造业增加值,运用区位商模型分析世界主要国家（地区）的金融业与制造业发展集中度,同时对各国资源输出情况进行对比,最后进行聚类分析。结果发现：全球一体化使世界典型国家（地区）类型趋于明显,呈现新的“三个世界”特征：美国、英国、瑞士、新加坡以及中国香港属金融业主导国家（地区）;泰国、中国大陆、韩国、德国、日本、越南和中国台湾属制造业主导国家（地区）;加拿大、俄罗斯、印度尼西亚、马来西亚、澳大利亚和墨西哥属资源开发业主导国家;印度和法国目前在多领域均得到发展,属过渡型国家。这种地理本性决定的经济分工分类,是各国的地缘政治经济学基础,将影响他们的地缘政治经济学立场。     

基于GIS的土地监察管理信息系统关键技术研究

国土资源管理部门正在逐步建立"天上看、地上查、网上管"立体跟踪监测体系,对土地等资源的利用情况进行动态实时监测。同时,要加大执法监察力度,迫切需要建立快速、高效、直观的土地监察管理信息系统。在分析土地监察管理信息系统的系统功能的基础上,进行系统架构设计,并进行关键技术研究,包括海量空间数据管理、时态数据管理、空间数据库引擎和网络数据发布等。     

一种建立在CPN基础上的分类方法在遥感影像分类中的应用研究

对偶神经网络利用了自组织映射近似函数的一种新的映射神经网络,其结构组合了Kohonen的自组织映射和Grossberg的外星(Outstar)结构,网络结构相对简单。本文以对偶神经网络分类方法原理为基础,研究了一种理想化的分类方法,并以MATLAB平台为基础对遥感影像进行分类处理,实验结果表明,其分类总精度为94.17%,分类精度较传统监督分类结果有所提高。     

一种工业热源提取方法:利用温度特征模板的BP神经网络

针对年尺度热异常数据提取工业热源的方法存在数量和空间精细化程度不足的问题,使用VIIRS Active Fire数据,提出了一种基于温度特征模板的BP神经网络工业热源提取方法。该方法以京津冀及周边地区为试验区,首先,根据工业热源空间聚集性特征,使用OPTICS算法划分热源对象;其次,根据热源的热辐射特征,构建工业热源与非工业热源温度特征模板;最后,以温度特征模板、热源统计特征等作为参数,使用BP神经网络提取工业热源对象。结果表明：① 本文提出的基于温度特征模板的BP神经网络算法的工业热源提取精度达到了96.31%,与时间滤波、逻辑回归方法相比较,工业热源提取精度分别提高了8.45%、7.53%;② 2015—2020年京津冀及周边地区6省市工业热源数量整体减少了27.46%;河北省工业热源对象数量和热异常点数量年均减少了8.06%和7.44%,相对于其他省市减少幅度最大;山东、天津的工业热源集中度分别提高了25.72%、86.64%,说明两地工业转型升级政策取得较显著成效;③ 唐山、邯郸、吕梁和长治4个城市工业热源对象数量占试验区全部的31.37%,为京津冀及周边地区工业热源主要分布城市;临汾、太原等7个城市工业热源聚集程度和能源消耗程度高于其他城市;北京、周口等11个城市工业热源聚集程度和能源消耗程度低于其他城市;④ 2020年1—5月,京津冀及周边地区工业热异常点数量相对于2019、2021年同期保持不变或增加,新冠疫情对试验区工业热源无显著影响;2020年1、2月武汉工业热异常点数量与2019、2021年同期相比数量减少了66.67%以上,2020年3—5月工业热异常点数量低于2019年同期,2020年1—5月新冠疫情对武汉市工业热源影响显著。该研究反映了京津冀及周边地区工业热源发展的现状及趋势,能够为降低能耗和提高第二产业集中度等相关政策的制定与调整提供有价值的参考。     

城市复杂环境下GNSS/INS组合导航算法研究

针对城市环境下GNSS车辆导航存在卫星信号易受影响的问题,利用GNSS/INS组合算法提高复杂环境下城市车辆定位性能。基于城市环境下实测GNSS数据评估分析定位结果,使用GNSS/INS组合的常规卡尔曼滤波算法实现卫星失锁区域导航。同时,提出一种基于新息的自适应卡尔曼滤波算法,可有效增强卫星数较少及信号干扰严重区域的车辆导航定位能力。该方法利用量测与预测的关系构造自适应因子,改善定位精度。结果表明,常规卡尔曼滤波可在20 s卫星信号失锁情况下保证亚m级导航精度,自适应卡尔曼滤波算法在卫星信号受到严重干扰时,其定位精度相比于常规卡尔曼滤波算法提高30%,可满足在城市复杂环境下的高精度、高可靠性车辆导航定位服务需求。