利用S-G滤波进行MODIS-EVI时间序列数据重构

采用S-G滤波方法对MOD13A2-EVI自2001~2007年间数据进行时间序列重构,以达到去云、消除离异值的目的,从而提高数据质量及可信度。对比重构前后数据发现,重构后的EVI数据在空间上更加一致,在时间维度上时序数据年间变化更加稳定。     

基于长时序遥感监测的阿克苏河流域平原水库变化研究

通过水库调配、统筹兼顾生产用水和生态用水,对干旱区社会经济发展、区域环境改善及生态系统稳定意义重大。阿克苏河作为塔里木河中下游生态输水的最大补给源,其流域内的水库在维护塔里木河下游农业和生态安全稳定方面发挥着重要作用。基于EOS/MODIS卫星遥感数据,建立了长时序的水库面积遥感监测数据库,分析了2009—2020 年阿克苏河流域内的三个主要大型平原水库水域面积的动态变化,探究水库面积的年内和年际变化规律,结合人类活动和气象数据进行分析,结果表明:阿克苏河流域3 座平原水库年内面积总体呈现“前高-中低-后高”的走势,由减少趋势向增多趋势转变的时间“拐点”出现在8 月,主要与当地农业灌溉用水密切相关;同一水库月内面积变化较大,因用水需求较大,月最小面积在3—7 月变化剧烈;上游水库面积年际间逐年减少,胜利水库面积总体逐年增加;耕地面积的扩充尤其是水浇地的增加,增大了用水需求,生产用水与生态用水的竞争性用水需求加大;蒸发对平原水库有影响作用,使得水库周边局地湿度增加,局地生态改善。     

时间序列回归预测模型在自动化监测中的应用

在边坡自动化监测过程中,由于传输信号中断、设备故障、电源中断及传感器替换等原因,不可避免地出现监测数据缺失的现象.数据的缺失对后续的边坡稳定性分析及预测带来不确定的因素,使分析结果产生偏差.本文针对边坡自动化监测数据缺失这一现象,采用时间序列回归预测模型对不同数据缺失率的边坡监测数据进行填补,通过填补值与真实值之间的绝...     

基于数字化水位的琼东北地区构造应力场时序特征分析

选取琼东北地区2008年以来连续稳定、潮汐形态较明显的海口ZK26井、琼海加积井、向荣村井、火山流体井、文昌潭牛井5口井数字化水位及相应的气压资料.利用气压系数和O1、M2波潮汐因子等滑动拟合,得到不排水状态下,各井含水层的孔隙度、固体骨架的体积压缩系数和水的体积压缩系数.并在水平层状含水层(一维)模式下,利用部分含水...     

时序分析模型在高挡墙沉降预报中应用

结合某高速公路高挡墙段沉降监测数据,研究了趋势拟合和时序分析综合模型预报在高挡墙沉降预报中的适用性,提供了一种简便易行的、可供一般工程人员使用的趋势拟合和时序分析综合模型计算方案。     

面向LBS动态数据管理的Apriori算法研究

LBS(Location Based Services)动态数据管理面临的一个严峻的挑战是需要在一个有限带宽、移动的、不稳定的环境中为用户提供相对稳定的服务.基于关联规则挖掘的思想,试图从业已形成的海量服务数据中发现潜在的规律,以指导服务器有效地完成数据分发工作.但经典的Apriori算法并不适合时序数据的处理,而现有的时序关联规则挖掘算法又对服务的关联时间阈值考虑不够,故对经典的Apriori算法进行改进,使之适应动态数据管理的需要,从而为解决LBS动态数据管理问题提出新的解决思路.     

基于多传感器信息融合的城市边坡监测数据异常事件检测

为预防和管控城市突发地质灾害造成的人民生命和财产损失,国家针对城市地质灾害易发地区部署了大量的各类传感器,用来感知和监测城市边坡等地质体的变化情况,以支持对地质灾害的预警.从边坡监测数据特点和时序数据分析技术出发,针对监测数据噪声混杂、模式分析困难、预警阈值的不确定性等问题,给出了一种基于多传感器信息融合的边坡监测数据...     

利用SBAS-InSAR技术分析西宁市地面沉降监测及驱动因素

地面沉降具有时间持续性与空间扩张性的特点,获取长时间序列、覆盖范围广及精度较高的地面沉降时空演化特征可以预防地面沉降造成的潜在危害。本文采用SBAS-InSAR技术,结合2017年4月—2021年2月的Sentinel-1A影像对西宁市城市地面进行沉降监测。研究结果表明,监测期间西宁市地表形变具有城区形变稳定、局部区域沉降明显及存在缓慢隆升区域的趋势;3处明显快速沉降区域(城西区的沉降区Ⅰ、城东区的沉降区Ⅱ和城北区的沉降区Ⅲ)的沉降速率约为20～35 mm/a;沉降的驱动因素为沉降区域的湿陷性黄土地层,其具有土层结构性脆弱承重特点,在覆盖土层的自重应力及建筑物附加应力的综合作用下,土质受水浸湿后,土壤的结构性能被迅速破坏,土层会发生显著的附加下沉,其强度也迅速降低,从而引起建筑物的不均匀沉降。     

时序变差函数特征驱动下的月平均降水空间分布模拟

高精度降水场是水文、气象以及环境分析的重要数据支撑,直接影响相关服务的准确性。传统降水分布模拟大多依赖站点空间维的驱动因素,而忽略了降水时序变化特征对其空间分布的影响。使用2015—2017年中国湖北省83个国家气象观测站点和28个省级观测站点近3 a月平均累积降水资料,通过相关性分析,引入站点降水时序理论变差函数模型的拱高值(C)和块金值(C₀)作为影响因素,使用地理加权回归(geographically weighted regression, GWR)建立湖北省月平均降水分布模型。结果表明:（1）各站点降水的时序变差函数曲线与降水的季节性基本吻合。站点时序理论变差函数模型中,有25.3%能够在4个月内达到平稳,36.14%在6个月内达到平稳。（2）站点降水时序理论变差函数模型的C和C₀与逐年12月平均累积降水在0.01水平（双侧）上显著相关,平均相关系数分别为0.745和0.526,大于地理位置和高程对降水的影响。（3）引入C和C₀ 有助于提升GWR模型的整体拟合优度和插值精度。对比仅使用经纬度的GWR模型和引入时序理论变差函数特征的GWR模型,3 a平均整体拟合优度从0.852提升至0.912。验证集站点插值精度评价显示,3 a绝对误差、均方根误差和平均绝对百分误差下降幅度均大于60%。因此,引入时序理论变差函数特征的时空GWR模型能够获得较高精度的降水模拟结果,更适合具有丰富历史降水资料地区的降水空间分布估算。