地基干涉雷达IBIS-S桥跨结构振动变形测量与模态分析

地基雷达干涉测量技术能够以较高的时空采样频率获取线性结构目标整体瞬时变形状态。本文将该技术引入大型桥梁桥跨结构的振动变形测量与模态分析中。对动静载试验过程中的武汉二七长江大桥东岸桥跨结构开展连续变形监测,利用频域分解法计算桥跨结构的自振频率、阻尼比和模态振型。计算结果表明,地基干涉雷达干涉测量技术能够快速探测桥跨结构竖弯模态,特别适用于灾后大型线形结构健康状态的应急检测。     

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。     

基于多频率极化SAR影像的洪河国家级自然保护区植被信息提取北大核心CSCD

植被是湿地生态系统健康状况的"晴雨表",明晰湿地中植被的时空分布,是湿地修复与重建、保护与合理利用的前提和基础。以洪河国家级保护区为研究区,利用全极化C-band Radarsat-2和L-band PALSAR数据,根据极化合成孔径雷达(synthetic aperture radar,SAR)目标分解理论,提取了该保护区不同波长的极化分解参数和特征参量,整合为多源极化SAR数据集,利用多尺度迭代分割算法和Random Forest机器学习算法,构建了研究区中植被的遥感识别模型,实现了对研究区中植被的高精度分类,并对比分析了不同频率SAR数据集在植被识别精度上的差异。研究结果表明,利用整合PALSAR和Radarsat-2极化数据集,获取的植被遥感分类结果的总体分类精度为86.77%,比利用PALSAR极化数据集的分类结果精度提高了15%,但是其与利用Radarsat-2极化数据集的分类结果精度差异不显著;浅水草本沼泽的生产精度达到了90.91%,深水草本沼泽的用户精度为90.63%;C-band PALSAR数据比L-band PALSAR数据更适用于高精度识别洪河国家级自然保护区中的植被。     

基于分解袋法的闽江河口芦苇和短叶茳芏枯落物的残留率和分解速率北大核心CSCD

以闽江河口鳝鱼滩的芦苇(Phragmites australis)群落、短叶茳芏(Cyperus malaccensis)群落和芦苇+短叶茳芏群落植物枯落物为研究对象,采用分解袋法,2016年2月19日～2017年2月28日期间,研究了不同群落中两种植物枯落物的残留率和分解速率。结果表明,芦苇群落和芦苇+短叶茳芏群落中的芦苇枯落物的残留率分别为35.87%和28.67%,短叶茳芏群落和芦苇+短叶茳芏群落中的短叶茳芏枯落物的残留率分别为7.00%和9.57%;短叶茳芏群落和芦苇+短叶茳芏群落中的短叶茳芏枯落物的分解速率分别为0.007 292 g/d和0.006 150g/d;芦苇+短叶茳芏群落和芦苇群落中的芦苇枯落物的分解速率分别为0.003 243 g/d和0.002 607 g/d。芦苇+短叶茳芏群落中的芦苇枯落物分解的更快;芦苇+短叶茳芏群落中的短叶茳芏枯落物分解的较慢。     

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。     

福州市地表温度热点及时空变化分析

中国作为世界第一大发展中国家,近年来城镇化发展迅速,大量自然地表转化为人工地表,从而引起了一系列环境问题,其中以城市热岛问题最为显著。因此如何缓解因城市化进程的加快引起的城市热岛效应已成为热门研究方向。为精确分析城市空间格局对热集聚的影响,本研究利用2000年5月4日的Landsat ETM+和2016年7月27日获取的Landsat OLI两期遥感影像,获取福州市的土地覆盖信息并进行精度验证。在地表温度（Land Surface Temperature, LST）反演基础上通过热点分析（Getis-Ord Gi*）,并结合不透水面（Impervious Surface Area, ISA）信息来研究城市化进程中福州市16 年来 LST的变化特性,空间集聚特性及其产生的尺度效应。热点分析结果显示：① 通过分析福州市内各地和热点中心的距离与LST的关系可较好地反映空间热聚集。2000 年在距热点中心0.97、1.03、0.95 km范围内热聚集明显;2016 年则增长到分别在距热点中心半径1.89、2.01、2.10、2.05、2.13 km范围内热集聚显著且热点区数量也从3 个增加至5 个。热集聚区（热点区和较热区）总面积在此期间从15.7%增至47.3%;② 由于热点图中的热点区和冷点区的形成不单取决于LST的高低,因此热点分析与空间自相关分析方法相比,能更直观地分析土地覆盖变化对LST的影响,了解城市内部热强度变化的细节。本研究采用的热点分析方法可用于城市环境保护与规划,将来还可作为城市土地规划与热环境影响的分析依据。同时可利用热点分析图模拟城市微气候,估算城市绿地降温程度等。此外,未来还可基于此进一步探讨更多时相以及不同城市的对比分析,特别是对不同城市类型如带状城市,多中心城市及中心城市等的研究。     

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EEMD和ARIMA的海温预测模型研究

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。     

星载激光测高全波形数据处理技术研究进展

针对星载激光测高系统在地形测绘、环境监测等方面具有独特的优势,该文首先介绍了主要的对地观测星载激光测高系统;然后以第一颗对地观测系统ICESat/GLAS为例,介绍该系统波形质量控制、波形滤波方法,初始距离计算方法及影响因素;波形分解是星载激光测高系统获取准确的星地距离的关键步骤;接着梳理了国内外全波形分解方法研究现状的主要进展,并对全波形分解算法及其优缺点进行了较全面的对比;最后结合即将发射的GF-7测高仪载荷特点,分析了未来要国产星载激光测高体系的波形数据处理还面临的挑战。