基于Sentinel-2和Landsat卫星时序数据的耕地撂荒识别

充足的粮食供应是当下经济发展和社会稳定的重要保障之一，撂荒作为耕地边际化的极端表现，对其开展监测对保障耕地数量和质量至关重要。本文以四川省南充市营山县为研究区域，通过GEE平台，使用Sentinel-2和Landsat 7、8数据构建时序数据集，计算NDVI、EVI、NDWI、BSI、MSI等指数，分别利用支持向量机和随机森林法提取耕地撂荒，总分类精度为73.76%,Kappa系数为0.68,针对耕地撂荒最佳提取效果，F₁得分为0.691 1。本文方法对山地丘陵地区耕地撂荒监测有较大的借鉴意义。     

气候变化对中国古代财政平衡的影响北大核心CSCD

以当代历史和经济史著作为资料,建立与历朝财政盈亏状态相关词汇的语义分级标准,重建了中国自秦朝至清末(220 BC^1910 AD)10 a分辨率的财政等级序列,并分析其与气候变化的关系。结果表明,秦朝至清末的财政平衡大体经历了4个相对充裕阶段(220 BC^31 BC,441~760 AD,961~1210 AD,1381~1910 AD)和3个相对匮乏阶段(30 BC^440 AD,761~960 AD,1211~1380 AD)。财政危机在寒冷-干旱的气候背景下爆发的可能性最大。财政平衡与温度和降水变化均成正相关,财政平衡的趋势性变化受长期的温度和降水变化影响较为明显。但受多因素的复杂反馈环节影响,两者在某些时段呈现反相位关系。     

GPS时间序列分析软件CATS的安装与使用

介绍了GPS时间序列分析方法与理论,并对时间序列分析软件CATS的安装、使用及其基本原理进行了详细阐述。CATS主要使用的两种计算方法:频谱分析法和最大似然估计法;不同的噪声模型(主要是白噪声加有色噪声)来分析时间序列中的噪声以及它们对速度误差的影响。利用CATS可以方便的为研究者获得参数,进行上层研究。     

基于决策树分类的大屯矿区地物信息提取及矿区污染分析

本文在对国内外遥感图像分类方法充分研究分析的基础上,选择决策树分类法对大屯矿区的Landsat 8遥感图像进行分类研究。选取样本提取并分析研究区典型地类光谱特征曲线,依据光谱曲线特征和归一化植被指数建立了土地利用分类决策树模型,通过反复试验和修正,筛选出适宜大屯矿区地物分类的决策树最优阈值,对研究区进行分类和精度评价,最后通过分类结果对研究区的水体污染状况进行简要分析。     

基于NDVI时间序列数据的江西省水稻种植制度变化研究

利用Savitzky-Golay滤波对覆盖江西省范围的SPOT VGT NDVI时间序列数据进行平滑处理的基础上,结合坡度数据,通过非监督分类的方法提取了江西省2000、2005和2010年水稻种植范围,并根据NDVI的年内动态变化,从水稻种植范围、水稻生长季起始时间、水稻复种指数和NDVI最大振幅等分析了江西省水稻种植和生长情况,探讨2000~2010年江西省水稻生产的变化。     

基于时序NDVI的昭觉植被覆盖度变化研究

归一化植被指数(NDVI)能精确地反映植被绿度、光合作用强度,在一定程度上反映着植被的演化信息,是评价生态环境状况的重要指标之一。本文利用Landsat TM数据分别对昭觉地区2009年和2014年的NDVI进行计算,并分别利用均值法、像元二分模型及NDVI差值植被指数对研究区域植被覆盖变化进行定量分析,结果表明:昭觉县NDVI均值上升了11.6%,植被覆盖度中极度改善的面积比例约占38%,昭觉县整体NDVI植被覆盖度显著提高,并对其变化原因进行简要分析,为生态环境建设提供决策依据。     

L1范数与IQR统计量组合的GNSS坐标序列粗差探测算法

GNSS坐标时间序列中不可避免地含有粗差,未剔除的粗差将会导致参数估计有偏。因此,粗差探测与剔除是GNSS坐标序列分析中一项重要的数据预处理工作。针对GNSS坐标时间序列特点,提出了一种将L1范数(L1-norm)估计与四分位距统计量IQR(interquartile range)组合的移动开窗粗差探测算法,称之为L1_Mod IQR。该方法的主要思想是,首先利用L1范数估计得到较"真实"的残差,然后再对残差采用IQR统计量进行粗差探测。将L1_Mod IQR法与"3σ"法、基于最小二乘的τ检验法等粗差探测算法进行了模拟计算与对比,验证了该算法的有效性。进一步采用L1_Mod IQR算法对中国区域10个IGS站的高程时间序列进行了分析,结果表明中国区域IGS站高程序列的粗差剔除率最小为0.1%,最大为2.6%。并且以WUHN站为例与SOPAC提供的结果进行了对比,结果表明SOPAC提供的"Clean"数据仍含有大量的粗差,而L1_Mod IQR算法能够有效地剔除粗差。     

探讨1886-2012年期间全球二氧化碳浓度及城市化效应对于香港温度趋势变化的格兰杰因果关系

因果关系在许多科学领域中是一个重要课题。在气候变化研究中,一个关键的问题是天气和极端事件的变化是否或在何种程度上可以归因于全球变暖的人为因素。归因分析主要依赖于气候模型,但其在描述非线性系统中存在一定的局限性。本文应用长期观测数据并使用统计方法来探讨此问题。更具体地,本文应用格兰杰因果关系检验方法分析全球二氧化碳浓度与城市化效应对香港气温演变的影响。基于香港1886年至2012年的温度数据,我们发现其夏季平均、最高和最低气温以及酷热天气、热夜日数皆增加趋势。同时可以发现日温度的统计分布变化。格兰杰因果关系分析的结果表明,全球二氧化碳浓度的变化和城市化效应皆对香港气温的演变有所贡献,对于不同的时间滞后性这种效应同样存在。通过与非城市地区的比较,我们发现城市化效应对于夏季气温的升高大概贡献40％。根据初步的结果,文本所引入的方法可以作为一种新的角度来评估局部地区温度升高的原因。本文的分析方法可以扩展至研究其他温室气体对极端天气事件的影响,以及气候变化和社会影响之间的联系。     

慢特征分析法在气象上的应用进展

气候系统具有非平稳特征,根本原因在于其外强迫随时间发生改变,因此外部驱动力的分析对于理解气候系统的动力学特征至关重要,而如何有效提取系统外部驱动信息是一个亟待解决的前沿科学问题。最近几年,在生物神经学领域中应用的一种提取非平稳信号中外强迫信息的方法——慢特征分析法(Slow Feature Analysis,SFA),在气象领域中也得到了初步成功的尝试,结果显示出此方法对气候系统的外强迫信息分析及有关动力学机制的探究有较好的应用前景。本文主要介绍SFA方法的理论思想及实施步骤,并通过一个理想的非平稳时间序列检验其提取外强迫信息的能力,结果证明在衰减的Logistic模型中,可利用SFA算法提取出模型中的外强迫,且与真实外强迫的相关系数可达0.99;此外,还介绍将该方法应用于Arosa臭氧时间序列,分析其提取的外强迫信息的动力学特征;并介绍了在气候时间序列建模中引入外强迫因子的预测效果。     

基于 DTW 距离的时序 NDVI 数据植被信息提取--以秦巴山区为例

秦巴山区是我国重要的生态屏障,对该区的植被信息提取开展研究,可为区内生态服务功能及自然资源开发利用提供基础数据。通过加窗处理改进DTW距离相似性算法,结合临近度模糊分类方法对2005—2014年的MODIS NDVI时序数据进行植被信息提取。首先利用S-G滤波对MODIS NDVI时序数据进行重建;再利用2013年的采样数据构建各类植被的标准NDVI时序曲线,逐像元计算与标准NDVI时序曲线的加窗DTW距离,利用临近度模糊分类实现植被信息提取;最后验证提取精度。结果表明,算法具有较高的运行效率,可避免错误匹配,以较高的精度(总体精度83.8%,kappa系数0.77)实现长时间序列的植被信息提取。