深圳杨梅坑海域造礁石珊瑚共生藻分类和遗传多样性研究

通过核糖体ITS(Internal Transcribed Spacer)的核苷酸序列研究了深圳杨梅坑海域20种47个造礁石珊瑚样本的共生藻。通过ITS序列分析,与GenBank上的4种不同的共生藻构建Neighbor-Joining聚类树,进行石珊瑚共生藻分类和遗传多样性分析。结果表明,该海域的造礁石珊瑚共生藻属于2种不同的种类(亚系群),19个样品属于C1亚系群共生藻,1个样品属于C15亚系群共生藻,C1和C15两个亚系群共生藻之间的遗传距离为0. 01。将深圳杨梅坑海域得到的ITS序列与NCBI数据库上的福建东山海域、广东徐闻地区的C1系共生藻进行比对,只有深圳杨梅坑海域藻类样本平均(A+T)碱基含量为49. 4%,(A+T)含量小于(G+C)含量。构建Neighbor-Joining聚类树表明,深圳杨梅坑海域石珊瑚共生藻与福建东山海域的亲缘关系较近,而与广东徐闻地区的亲缘关系较远,地理隔离是主要的因素。     

基于EMD方法的地心运动时间序列分析

针对时间序列混有的高频信息会影响地心运动规律分析的问题,采用网平移法对IGS提供的GNSS周解进行解算,得到2007-2017年地心运动时间序列,对其进行分解重构,剔除高频项,并利用重构时序对地心运动规律作进一步分析探讨。结果表明：本文解算的地心运动在T_x、T_y和T_z方向的精度均为毫米级。EMD方法重构的时序保留了原序列的基本信息,且抑制了高频项的影响,提高了周期贡献率,3个方向的贡献率分别提高了12.3%、16.7%及6.3%。通过分析重构后的时序发现,周年项振幅为各周期对应振幅的最大值,分别为2.32、1.89和2.07 mm;T_y和T_z方向长期变化趋势较T_x更为明显,分别为0.13和-0.27 mm/a;半年项较小,且在T_x和T_y方向上具有时变性。此外,还发现了一些其他较小的年际变化。     

GPS坐标时间序列分析研究

近20年来,以GPS为代表的空间大地测量技术观测精度不断提高,已累积了丰富的、高精度、全球覆盖的坐标时间序列数据。这些数据为研究不同时空尺度下的各类地球物理现象提供了重要的数据支撑和大地测量几何约束。然而,由于GPS坐标时间序列中同时包含了各类“信号”和“噪声”,而且噪声来源复杂,信号类型多样,水平和高程分量上信号与噪声的表现形式差异较大。如何从原始序列中提取可靠的“信号”、分离出“误差”是目前地学界研究的热点和难点之一。     

青藏高原月NDVI时空动态变化及其对气候变化的 响应

青藏高原脆弱的高寒植被对外界干扰十分敏感,使其成为研究植被对气候变化响应的理想区域之一。青藏高原气候变化剧烈,在较短的合成时间研究气候变化对植被的影响十分必要。因此,本文利用GIMMS NDVI时间序列数据集,研究了1982-2012年青藏高原生长季月尺度植被生长的时空动态变化,探讨了其与气温、降水量和日照时数等气候因子的响应关系。结果表明：在区域尺度上,除8月外,其他各月份植被均呈增加趋势,显著增加多发生在4-7月和9月;大部分月份的NDVI增加速率随着时段的延长显著减小,表明NDVI增加趋势放缓;在像元尺度上,月NDVI显著变化的区域多呈增加趋势,但显著减少范围的扩张多快于显著增加。4月和7月植被生长主要是受气温和日照时数共同作用,6月和9月受气温的控制,而8月则主要受降水量的影响。长时间序列NDVI数据集的出现为采用嵌套时段研究植被生长变化趋势奠定了前提,而植被活动变化趋势的持续性则有助于形象表征植被活动变化过程、深入理解植被对气候变化的响应和预测植被未来生长变化趋势。由此推测,青藏高原月NDVI未来增加趋势总体上趋于缓和,但在像元尺度显著变化的区域趋于增加。     

GNSS变形监测网短基线时间序列噪声特性分析

利用时间跨度为5 a的GNSS短基线时间序列对噪声特性进行分析,发现长周期噪声分量(随机游走噪声)。选取最优噪声模型,评估不同噪声模型对测站周期振幅和线性速度估值的影响。结果表明,短基线时间序列中有色噪声应顾及闪烁噪声和随机游走噪声,对于表现出随机游走噪声的分量,可能与测站的真实运动有关;假设只有白噪声时求得的速度估值与最优噪声模型下求得的速度估值存在0.4～0.6 mm/a的偏差,对周期振幅的影响可以忽略。     

基于位置大数据的国庆假期青藏高原人群分布时空变化模式挖掘

人类活动是引起青藏高原生态环境发生改变的重要因素。很多学者对青藏高原史前人类活动和近几十年的人口分布格局与人口流动开展了大量研究,但有关人群时空分布的精细尺度研究相对缺乏。海量的位置大数据为认识高原人群短期的动态变化提供了新途径。本文利用手机定位数据、人口迁徙数据等高时空分辨率的位置大数据,通过时间序列分解方法和基于统计检验的异常判别方法,分析了2017年国庆期间青海与西藏的人群分布时空变化特征,并探讨了假期旅游行为及人口迁徙与变化特征之间的关系。研究结果显示：① 在省级和城市整体尺度上,定位请求量的假期变化在时间上呈现先降后升的“潮汐”变化模式;② 在精细网格尺度上,西宁和拉萨城市及周边地区的人群分布变化在空间上呈现中心跌、周边涨的“离心化”变化模式。国庆假期人们向城市周边热门景点移动聚集的旅游行为和城市之间的人口迁徙都是导致西宁和拉萨周边地区定位请求量上涨的重要潜在原因,而两座高原城市中心定位请求的下跌不仅与人口迁徙有关,还与假期人类日常行为及定位请求频次的变化等因素有关。通过位置大数据挖掘节庆假期人群分布的时空变化,不仅加深了对高原人口分布格局与流动变化的认识,也为高原城镇化与生态保护的精细化管理与决策提供支撑。     

基于支持向量机的GNSS时间序列预测

在深度学习的理论框架下,针对预测全球卫星导航系统(GNSS)时间序列,传统的经验风险最小化预测模型误差大精度低,泛化性能差且对历史数据的经验依赖大的问题.提出一种采用结构风险最小化原则的基于支持向量机(SVM)的时间序列预测模型.通过和多层的BP神经网络预测模型预测效果比较,结果证明SVM预测模型拥有更好的时间序列预测效果.     

一种改进的GPS区域叠加滤波算法

GPS时间序列的空间滤波可以提高观测数据的信噪比,有利于获取更高精度的地壳形变信息。区域叠加滤波算法的空间滤波结果随着测站数和空间尺度不同而不同,不利于研究GPS时间序列中的形变信息。为了削弱区域叠加滤波受空间尺度的影响,提出一种不以空间尺度作为约束条件,同时引入相关系数和距离因子的区域叠加滤波算法。采用2010—2017年中国区域260个GPS连续观测站的时间序列展开空间滤波方法的研究,计算结果表明,对比相关性区域叠加滤波算法,考虑GPS时间序列之间的相关系数和距离因子更有利于提取GPS时间序列中的共模误差,且受空间尺度的影响较小。对比3种不同距离因子的区域叠加滤波算法,可知引入距离反比的空间滤波算法可实现更优的空间滤波。采用该方法空间滤波后可使GPS时间序列残差降低30%~40%,GPS速度场精度提高30%~40%。此算法实现了更优的GPS形变场估计,为研究中国区域的地壳运动和其动力学机制提供了可靠的数据基础。     

城市地铁网络拓扑时空演变特征模型研究

以广州地铁网络为例,基于复杂网络理论,结合GIS技术对城市地铁网络的发展趋势、拓扑特征和统计特性进行了量化评估;重点通过时空序列数据分析了1997-2016年广州市地铁网络拓扑形成的过程以及统计特性的时空演变特征,以期为城市地铁网络发展和规划布局提供科学参考,促进城市发展质量的提升。