浅谈地理国情监测外业调绘与核查的方法

地理国情监测外业调绘与核查是确保地理国情普查成果的真实性、准确性及提高地理国情普查成果质量的重要环节。介绍外业调绘与核查的目的、流程、准备工作及外业调绘与核查的内容,总结外业调绘与核查时应注意的问题,为保证地理国情监测外业任务的顺利开展提供参考。     

中国经济空间格局演化与区域产业变迁——基于1952～2010年省区经济份额变动的实证分析

从区域经济份额变化出发,分析了1952~2010年中国经济空间格局的演化过程。通过有序样本聚类的方法,将省区经济份额变动划分了8个阶段,并采用偏离-份额法分析了不同阶段驱动省区经济份额上升的产业及其变迁,以及与区域产业结构和竞争优势变化的关系。研究发现,1949年以来中国区域经济布局总体上经历了沿海-内地均衡发展、沿海化非均衡发展以及东、中、西部相对均衡发展的过程,且整体上区域经济份额变动趋于减小。1979年以前,不同区域的经济份额在不同阶段变化差异较大,主要由第一和第二产业驱动。1979年以后,区域经济格局呈现明显的沿海化趋势,但驱动产业在不同阶段有所变化。2001年以来,中国区域经济格局经历了重大调整,经济份额上升的省区明显由东部向中、西部地区转移。东部省区在第二产业上仍具有明显的结构优势,但第二产业竞争优势已由东部向中、西部地区转移。东部的北京、上海、广东在第三产业上呈现更加显著的结构优势,显示出结构升级和服务化的发展态势。     

多源数据的土地覆被样本自动提取

随着遥感数据获取能力的不断增强,自动化程度已经成为大尺度遥感土地覆被分类面临的关键问题。然而,现有训练样本的人工选取方法成为制约土地覆被分类自动化的瓶颈。本文以河南、贵州两省为研究区,提出一种基于多源数据的土地覆被样本自动提取方法,以构建适用于大尺度的土地覆被自动分类。首先,以2010年1∶10万土地利用数据CHINALC和30 m分辨率全球土地覆被数据Globle Land30为样本数据源;然后,利用空间一致性分析及异质性分析确定样本初选区域;最后,通过样本提纯去除无效样本。结果表明:(1)应用多源数据的土地覆被样本自动提取方法获得的分类产品总体分类精度高于人工样本提取方法制作的全球土地覆被产品MCD12Q1。(2)与单源样本自动提取方法相比,应用多源数据的土地覆被样本自动提取方法,可获得更好的分类稳定性。综上,多源数据的土地覆被样本自动提取方法可在保证精度的同时,提升土地覆被分类的自动化程度。     

基于机器学习的稀疏样本下的土壤有机质估算方法

采用GRNN（Generalized Regression Neural Network）和RF（Random Forest）2种机器学习方法构建土壤有机质预测模型,以提高稀疏样本情况下的土壤有机质估算精度。依据北京市大兴区农用地2007年的土壤有机质采样数据,按MMSD准则（Minimization of the Mean of the Shortest Distances）抽稀为8种不同采样密度的样本（分别为2703、1352、676、339、169、85、43、22个样本）,分别采用GRNN、RF和Ordinary kriging对各采样密度下的未知采样点进行预测,采用交叉检验的方式验证各采样密度下未知样点的预测精度。随着采样点密度的下降,样点间的空间自相关性逐渐减弱,半变异函数的拟和精度变差,预测点结果误差增大,预测的置信度降低。当抽稀到43个和22个采样点时,样点间的空间自相关性接近歼灭,半变异函数的决定系数较低且残差较大。普通克里格受到采样点数量和采样密度、样点的空间结构的影响比较明显,其预测精度随采样点数量的下降而下降。在85个采样点及以下时,其预测值与观测值之间没有显著的相关性。GRNN和RF的预测精度受采样密度的影响不大,其预测精度在一个较小的范围内波动,其预测值围绕观测值在一定阈值空间内震荡波动,具有较好的相关性,在85个及以下的采样密度时,预测精度相对普通克里格有较大的提升。普通克里格法不适合在稀疏样本条件下空间插值计算,尤其是在空间自相关性比较弱的情况下。机器学习模型能充分学习土壤间环境信息、样点空间邻近效应信息,兼顾属性相似性和空间自相关,具有更好的稳定性和适应性,不容易受到采样点数量、构型和采样密度等因素的影响,即使在采样点空间自相关性很弱的情况下也能做出稳定预测精度。     

采用不同样本集合同化地面观测对一次飑线过程的影响

针对夏季黄淮地区一次飑线过程,利用WRF (Weather Research and Forecasting) 模式及其Hybrid ETKF-3DVAR同化系统,考察不同生成方案的样本对同化地面观测的影响。集合样本创建方式包括3类:扰动初始背景场的方案 (RCV)、使用不同的物理参数化方案 (PPMP) 以及前两者集成方案 (BLE)。基于增量场分析,同化地面观测主要调整850 hPa以下水平风和水汽混合比的空间结构,其中RCV方案侧重于改变水平风的空间分布,PPMP方案侧重于改变水汽混合比的空间结构,BLE方案兼具二者特征。同化地面观测可以间接改善6 h降水预报,其中PPMP试验的降水预报最好,尤其是对降水位置和强度的预报。对比雷达回波观测,RCV试验和BLE试验对弓状回波模拟得较好,BLE试验的模拟较多体现RCV特征。PPMP试验和RCV试验还可改变冷池的位置和强度,同时影响飑线出现和消亡时间,相对而言,PPMP试验影响更大。     

类星体样本光变研究进展

光变是活动星系统的共同特征,光变规律的研究已成为人类探索活动星系核物理的有力手段,综述了类星体样本光变的研究现状,对样本的光变比例,光变类星体的平均光变幅,光变时间尺度,光变幅与类星体物理参量的相关情况,类星体样本光变和其它活动星系核样本的关系进行了详细评述,并评述了样本光变的星暴模型,微透镜模型,吸积盘模型三种理论模型。     

硅藻群落结构的差异:比较样本采集过程与空间梯度

硅藻种群的分布与其所处的生境条件密切相关,但在实际过程中的一些人为因素,例如取样方法、样本的制备以及藻种鉴定都可能会干扰到种群结构的分析结果.因此很有必要探究这些人为因素是否会对真实的硅藻群落生态学研究产生误导性的判断,以免干扰硅藻生物水质评价的客观性.选取采样方法及样本制备为代表的人为因素对硅藻群落生态分析结果引入的误差大小进行评估.结果显示,子样本之间(同一样品重复制作的玻片样本)和样品之间(同一样点重复取样)群落结构差异大小分别是1.26%和1.97%,同一条河流的样点之间则为3.38%,而所选定的跨河流研究区域的样点间群落结构差异最大(42.03%).生态学的排序结果和数理统计分析表明,在硅藻群落结构分析中,现场取样方法和样本制备过程相对于不同生境条件所引起的变化,并不会带来较大的差异.因此在河流附生硅藻的群落生态学研究中,可基本不考虑取样方法等因子的干扰,而是侧重于环境因子对硅藻生态分布的影响.     

遥感自动解译在农作物种植结构调查中的应用

农作物遥感分类识别中应用遥感解译和地理信息等技术手段,为农作物种植结构调查工作奠定了基础。在每年度的高分辨率遥感影像的基础上,按照统一的技术标准,在自动解译分类的基础上辅以人工,快速获得每年度主要的农作物耕地图斑,完成本年度的农作物种植结构调查工作。遥感技术的应用加快了农作物种植结构调查各个环节的数据流动,提高解译准确率,数据的采集精度和时效性都要比以往的效果更好,可为有效落实耕地轮作休耕等政策提供技术和数据支持。本文以逊克县为试验区,针对当前农作物分类工作过程中应当注意的问题进行分析与整理,总结经验和方法,更好地将遥感技术应用到农作物种植结构调查工作中去。     

融合3D DenseNet的零样本视频分类

零样本视频分类（zero-shot video classification,ZSVC）采用的点积分类方式容易使神经元产生较高方差,从而导致模型对输入分布的变化非常敏感。针对该问题,采用三维密集网络（3D DenseNet）与余弦相似性相结合的方法,提出了一种基于3D DenseNet的零样本视频分类（3D DenseNet for zero-shot video classification,DZSVC）算法,通过使用余弦相似性的分类方式替代点积分类方式来控制方差的范围,使模型对不同的输入幅值具有更强的鲁棒性。该算法首先将视频数据输入到3D DenseNet中,利用3D DenseNet的密集特性提取更丰富的时间和空间信息,并将提取出来的特征向量映射到公共空间。采用基于余弦相似性的方法对视频进行分类,在UCF101数据集和HMDB51数据集上的准确率分别为32.9%和20.2%,UCF50数据集和HMDB25数据集上的准确率分别为41.4%和23.7%,实验结果表明所提算法具有良好的分类效果。     

一种评定公开版纸质地图编校质量计算方法

提供一种解决评定公开版纸质地图编校质量中,地图总字数计算方法缺乏适宜性和可操作性的量化指标。探讨在样本测试基础上,借助两种典型性基础地图的样本基数,确定以地图有效面积、要素表达率、城镇化率和质量因子为量化的正相关指标,使地图编校质量评价更加科学、严谨且便于实施。本方法已运用于省内出版相关的图书质量检查的地图编校质量评定,总体评价具有“适用性和便捷性”。近些年的实践,验证了本方法对于福建省域内的评定地图编校质量的差错率计算方法具科学性、实用性。