利用深度神经网络和先兆信号的江苏夏季降水客观预测方法

利用1961—2019年江苏省67个站降水量和气候指数数据集等资料,选取大气环流、海温和积雪等先兆信号的不同组合作为预测因子方案,通过对比不同机器学习方法对江苏省夏季降水开展预测试验。结果表明,深度神经网络（Deep Neural Network,DNN）较传统统计方法和其他机器学习方法有一定优势,深度神经网络结合动态权重集合因子方案对江苏省夏季降水的预测技巧最高,其独立样本检验结果稳定,2015—2019年的平均PS评分为76.0,距平符号一致率为0.62,距平相关系数达0.35,尤其对江苏省中南部的预测技巧更高,具有业务应用价值。不同预测因子方案对比分析表明,大气环流因子在江苏省夏季降水预测中做主要贡献,而海温因子和积雪等其他因子也有正贡献,说明使用综合性预测因子以及集合方案有助于提升季节预测准确率。      

新冠疫情防控措施对入室盗窃犯罪热点的影响——基于北京市主城区的案例研究北大核心CSCD

为了分析新冠疫情防控措施对入室盗窃犯罪热点带来的影响,论文收集了北京市2020年重大突发公共卫生事件一级响应期间和2019年同一时期的入室盗窃案件数据,利用核密度分析、PAI(predictive accuracy index)指数等方法比较了疫情防控前后犯罪热点的变化,从路网密度、POI多样性等环境特征以及发案地点、重复作案等角度对发生明显变化的犯罪热点的环境特征和案件特征进行了分析,讨论了疫情防控措施对犯罪热点带来的影响。结果表明:(1)疫情发生后,北京市主城区内的入室盗窃类案件数量大幅下降,2020年一级响应期间的日均发案量较2019年同一时期降幅达66.8%;(2)2019年出现的8个主要犯罪热点在2020年疫情防控期间呈现出明显衰减现象,其中5个热点基本消失,3个热点有所减弱;(3)出现衰减的热点普遍具有交通便利性好、要素多样性高、发案地点集中、犯罪人重复作案明显等特点;(4)疫情防控期间实施的居家隔离和社交限制等措施对犯罪人的作案机会形成压缩、公共场所的实名查验对犯罪人的匿名性形成削弱是疫情期间犯罪数量下降和热点效应衰减的主要原因。研究结果对疫情防控期间的犯罪预防和警力资源优化具有一定的意义。     

基于生态网络功能辨识的海坛岛生态保护和修复策略

优化国土空间开发格局和生态保护修复成为推进生态文明建设的重要举措,构建区域生态网络并识别其关键生态功能区域,是开展国土空间格局优化和生态修复工作的重要切入点.选择海坛岛为研究案例,利用遥感信息源和GIS空间分析等技术方法,辨识出区域潜在的生态网络功能结构.通过景观连接度的重要值评价,揭示海坛岛生态源地和生态节点的重要性...