武汉市夏季城市热岛与不透水面增温强度时空分布

城市化的不断发展使自然地表不断被不透水面所取代,城市地表温度高于乡村,形成了显著的热岛效应。城市热岛给城市生态发展与人类健康带来了严重的负面影响,对其空间模式与背后形成机制的研究意义重大。本文以武汉市为例,基于2001、2007和2016年夏季Landsat系列影像使用辐射传导方程法反演了城市地表温度,并采用MOD11A1数据进行了验证;同时,计算了不同时期的城市温度等级和热岛比例指数,分析了城市热岛的时空变化。此外,为了探究热岛效应形成的主要原因,即不透水面与热环境的关系,全局角度使用多元线性回归分析对比了其增温效果与植被水体降温效果的强弱,空间局部角度采用地理加权回归结合地形数据得到了其增温强度的时空变化。结果表明：① 辐射传导方程法适用于实验中研究区的反演;武汉市城市热岛比例指数先增后减,但温度等级高的地区仍在不断扩张;② 多元线性回归可以准确地反映不同地表覆盖对地表温度的影响,R^2值为0.910,总体上武汉市不透水面的增温效果强于植被的降温效果,并弱于水体的降温效果; ③ 2001-2016年不透水面增温强度较高区域的分布呈现“单中心”到“多中心”的变化趋势,由单一集中于中心城区变为了分散集中于三环线附近的汉阳沌口工业区、青山工业区、阳逻开发区和东西湖区等地区。综上所述,武汉市夏季热环境问题仍然较为严重,城市外部地区的不透水面增温强度正在逐渐增大,规划治理应当给予这些地区更多的关注。     

Fast Geographically Weighted Regression (FastGWR): a scalable algorithm to investigate spatial process heterogeneity in millions of observations

Geographically Weighted Regression (GWR) is a widely used tool for exploring spatial heterogeneity of processes over geographic space. GWR computes location-specific parameter estimates, which makes its calibration process computationally intensive. The maximum number of data points that can be handled by current open-source GWR software is approximately 15,000 observations on a standard desktop. In the era of big data, this places a severe limitation on the use of GWR. To overcome this limitation, we propose a highly scalable, open-source FastGWR implementation based on Python and the Message Passing Interface (MPI) that scales to the order of millions of observations. FastGWR optimizes memory usage along with parallelization to boost performance significantly. To illustrate the performance of FastGWR, a hedonic house price model is calibrated on approximately 1.3 million single-family residential properties from a Zillow dataset for the city of Los Angeles, which is the first effort to apply GWR to a dataset of this size. The results show that FastGWR scales linearly as the number of cores within the High-Performance Computing (HPC) environment increases. It also outperforms currently available open-sourced GWR software packages with drastic speed reductions – up to thousands of times faster – on a standard desktop.     

SEDIMENT YIELD IN TURKISH RIVERS

1INTRODUCTIONThegrowingsignificanceofhydraulicpotentialuseinTurkeyhastheattentionstoreliablelong-termhydrologicaldatacollectionfordesigningthehydroprojectseffectively.Sedimentloadtransportedbytileriveristhemostimportantoneamongthesehydrologicaldata.Earlydatacollectionbyin-situmeasurementswasinitiatedaround1958bytheGeneralDirectorateofStateHydraulicWorks(DSI)andcontinuedonlyfortheprojectsunderdesignperiod.However,earlystudiesofsystematicdatacollectionhavebeenstartedbytheGeneralDirector…     

应用非线性动态门限反馈(MF)模型剖析鞍山地应力异常

为论证鞍山地应力异常的可靠性,应用ＭＦ模型对其干扰和异常作了计算,发现１９９３年以来的长趋势及部分短期变化主要是干扰引起的,悬空元件和同期的室温、水位测值可作为其它受力元件的主要干扰因子．但在某些时段鞍山地应力仍有一定的趋势异常显示．     

多元线性回归方法在地下水水位预测中的应用

在对已有长期开采资料的水源地进行资源评价时,充分利用长系列观测资料,可采用多元线性回归方法对地下水水位的变化规律进行研究对其变化趋势进行预测,本文重点对相关因素的确定和多元线性回归方法的应用进行了研究。     

黑云母—斜方辉石温度计的重新标度及其应用

黑云母斜方辉石是较为常见的共生矿物对, 它们之间 Ｆｅ Ｍｇ 交换模式反应的标准熵变与标准体积变化量之比很大, 具备了构成温度计的必要条件。根据 Ｆｏｎａｒｅｖ ａｎｄ Ｋｏｎｉｌｏｖ 的平衡实验数据, 考虑了黑云母、斜方辉石中 Ｆｅ Ｍｇ 的非理想混合效应, 得出了合理的黑云母、斜方辉石中 Ｆｅ Ｍｇ 的交换能数据。此外还采纳了 Ｄａｓｇｕｐｔａ 等关于黑云母活度的数据、ｖｏｎ Ｓｅｃｋｅｎｄｏｒｆｆ ａｎｄ Ｏ＇ Ｎｅｉｌｌ关于斜方辉石活度的数据和 Ｐａｔｔｉｎｏ Ｄｏｕｃｅ 等关于黑云母中 ＡｌⅥ、 Ｔｉ对黑云母活度效应的数据, 重新标度了黑云母斜方辉石温度计。该温度计重现实验温度的误差为±６０℃, 应用于天然岩石的温度计算误差一般小于±７０℃, 适用于绿帘角闪岩相至麻粒岩相的变质岩变质温度的估算。     

我国淮河流域夏季降水长期预报的回归模型的初步研究

本文用１９５１－１９９６年资料,研究了我国淮河流域夏季降水的前期大气环流及北半球海平面气压场的异常特征．结果表明,秋季中国南海地区、冬季１月份白令海地区的海平面气压中有预报我国淮河流域夏季雨型的强信号。前者有很长的预时效,并且与ＥＬ Ｎｉｏｎ事件有关。用１９５１－１９９５年４５年资料建立的二因子回归预报模型的复相关系数可达到０．６６。     

自动散点控制回归技术在遥感数据辐射归一化中的应用

以厦门幅TM遥感影像为例, 在分析各种遥感数据相对辐射归一化方法存在的不足基础上, 介绍自动散点控制回归 (ASCR)新技术的具体算法。对运算结果做了分析比较, 并对其提出改进意见.     

基于优化随机森林回归模型的土壤盐渍化反演

当前应用于土壤盐分含量（Soil Salinity Content, SSC）反演的随机森林回归（Random Forests Regression, RFR）较少关注对模型精度影响较大的反演参数子集和模型参数的同步优化。本研究选择渭-库绿洲和奇台绿洲为实验区,基于Landsat-5 TM、SRTM、MOD11A2.006遥感数据构建反演参数。首先,利用弹性网络（Elastic Net, EN）筛选出反演参数子集,然后利用遗传算法（Genetic Algorithm, GA）和贝叶斯优化算法（Bayesian Optimization Algorithm, BOA）分别优化随机森林回归（Random Forests Regression, RFR）参数,建立反演参数子集和模型参数分步优化的RFR模型（EN-GA-RFR、EN-BOA-RFR）。建立利用GA和BOA分别同步优化反演参数子集和模型参数的RFR模型（GA-RFR、BOA-RFR）。在每个实验区,对比EN-GA-RFR、EN-BOA-RFR、GA-RFR、BOA-RFR的预测精度。最后分析每个实验区各类盐渍土的空间分布,并对2个实验区的反演参数进行对比分析。结果表明：每个实验区模型预测精度由高到低的排序均为BOA-RFR>GA-RFR>EN-BOA-RFR=EN-GA-RFR,整体上BOA的优化性能均好于GA;渭-库绿洲和奇台绿洲面积占比最大的盐渍土类型分别为盐渍土和中度盐渍土;反演参数对SSC的表征能力存在空间分异性。     

两种样本输入方式下基于GRNN的日长变化预报结果的比较

针对广义回归神经网络用于日长变化预报过程中,样本的输入方式对预报结果的影响进行了研究。采用2种输入方式:即样本按不同跨度输入以及按连续输入,对日长变化进行预报。最终证明不同的样本输入方式对日长变化预报精度的影响较大,样本按跨度输入在超短期预报中预报精度较高,样本采用连续输入的方式在短期和中期预报中预报精度较高。