全球主要河流流域碳酸盐岩风化碳汇评估

碳酸盐岩风化吸收的大气CO₂主要以HCO₃ ^-形式连续地经由河流从大陆输送到海洋,成为陆地生态系统的重要碳汇。目前主要河流流域的碳酸盐岩风化碳汇估算存在不确定性,分布格局尚不清晰。基于GEMS-GLORI全球河流数据库提供的全球10万km ²以上主要河流流域多年平均监测数据,利用水化学径流法估算出全球主要河流流域碳酸盐岩对CO₂的吸收速率为0.43±0.15 Pg CO₂ yr ^-1,平均CO₂吸收通量为7.93±2.8 t km ^-2 yr ^-1。CO₂吸收通量在不同气候带下差异显著,热带和暖温带CO₂年吸收速率占全球主要河流流域年吸收速率的62.95%。冷温带CO₂年吸收速率占全球主要河流流域的33.05%,仅次于热带地区。本文划分出全球CO₂吸收通量的9个关键带,关键带的交汇处CO₂吸收通量较高。喀斯特出露流域碳酸盐岩对CO₂吸收通量的均值为8.50 t km ^-2 yr ^-1,约为非喀斯特流域的3倍。全球喀斯特出露流域碳酸盐岩风化碳汇在全球碳循环、水循环及碳收支平衡估算研究方面占据重要地位。     

基于模糊小波网络的伺服系统参数辨识研究

伺服系统大多是非线性系统,难以对其建立准确的控制模型,其位置、和速度检测信号易受干扰,而小波网络具有多分辨率特性和任意逼近能力。利用其非线性映射能力对系统的输入输出关系进行模拟,将小波网络和模糊规则结合对系统的位置和速度进行辨识,动态调整网络的权值W和模糊规则,将非线性映射的问题转化为求解系统最优解,从而产生一种新的系统辨识方法,并以永磁伺服系统为例,设计了辨识的结构模型和策略,实验表明该算法可以达到较高的系统控制要求。     

Millennial-scale evolution of Hunshandake Desert and climate change during the Holocene in Inner Mongolia,northern China

The Hunshandake Desert is located at the northern edge of the East Asian monsoon region,and its natural environment is sensitive to monsoonal changes.Geologic records suggest that desert evolution corresponding to climate change had experienced several cycles in the Holocene,and the evolutionary process can be distinguished by four dominant stages according to changing trends of the environment and climate.(1) Holocene Ameliorative Period(11.0-8.7 cal ka B.P.),when the desert area gradually shrank following an approaching warm-wet climate and strengthening summer monsoon.(2) Holocene Optimum(8.7-6.0 cal ka B.P.),when the majority of moving sand dunes were stabilized and vegetation coverage quickly expanded in a suitable warm-wet climate and a strong summer monsoon.(3) Holocene Multivariate Period(6.0-3.5 cal ka B.P.),during a low-amplitude desert transformed between moving and stabilized types under alternating functions of cold-dry with warm-wet climate,and winter monsoon with summer monsoon.(4) Holocene Decay Period(since 3.5 cal ka B.P.),when the desert area tended to expand along with a weakened summer monsoon and a dry climate.     

全国基准产业集群识别及在区域经济分析中的应用——以北京市为例

全国基准产业集群反映一国产业技术经济联系的一般特征,可以作为模板应用于区域集群分析。本研究首次识别我国基准产业集群,为我国的区域集群实证研究提供集群模板。以识别的基准产业集群为模板,本研究分析了北京市制造业集群的发展现状,并以北京市电子及通信设备制造业集群为例分析了该集群的组成结构及空间布局。分析发现,北京市目前已形成三个规模较大,并具有区域专业化优势的制造业集群:电子及通信设备制造、汽车及装备制造和电子元器件制造业集群。北京市电子及通信设备制造业集群的优势环节是通信设备制造和其他通信、电子设备制造业,其配套产业环节电子元器件和其他电气机械及器材制造业仍相对较弱。在空间上,北京市电子及通信设备制造业集群主要分布在城市近郊地区,朝阳、海淀、大兴区是集群环节配套较为完善的区域。     

树轮稳定同位素记录:进展、问题及展望

树轮稳定同位素比率(δ13 C、δ18O 和δD)变化与树木生长季的气候和环境条件密切相关。控制实验表明, 树轮稳定同位素比率变化可较好地记录树木叶片气孔活动、水分来源、水分利用效率等相关信息, 已成为古气候和全球变化生态学研究的重要代用指标和手段之一。树轮稳定同位素记录能够较好地保留低频气候环境变化信息, 与年轮宽度相结合, 可有效地进行区域古气候重建和全球变化生态学方面的研究。文章综述了树轮稳定同位素的分馏机理及其发展, 系统阐述和评价了利用树轮稳定同位素指标进行古气候和古环境的相关研究成果, 并指出树轮稳定同位素研究在中国未来亟须着重发展的方向。     

地球空间信息学的机遇

从地球空间信息产业和地球空间信息技术发展的前景两个侧面阐述了美国劳工部把地球空间技术与纳米技术、生物技术一起确定为新出现的和正在飞速发展中的三大最重要的技术的原因,并分别从时空信息获取、加工、管理和服务4个方面对地球空间信息未来的技术发展作了简要的叙述。     

中国湖泊分布与变化：全国尺度遥感监测研究进展与新编目

湖泊提供重要的生产生活用水,在维系生态安全方面发挥显著的价值。中国地理环境复杂多样,湖泊类型各异,不同湖区间的湖泊时空变化特征及驱动机制复杂。两次全国湖泊调查是国家尺度的湖泊变化监测的开创性工作,近年来伴随遥感数据源的海量积累和湖泊遥感提取方法的快速发展,大尺度湖泊水体变化遥感监测研究取得了长足的发展。然而,由于人工判读、湖泊类型判别依据和遥感数据源时相的差异,湖泊水体遥感提取结果及面积估算存在不同程度的出入。首先,本文总结了现有全国尺度湖泊监测研究的遥感数据源、方法和结果,分析了不同研究分析结果差异的可能原因。其次,本文基于1980s—2010s时段Landsat影像制图的湖泊水淹频率数据集的最大水域范围信息,提取并生成了全国湖泊新编目,以其作为该时段内湖泊判定和水体变化监测空间约束的统一参照,避免了因遥感数据时相与年际、年内湖泊水域范围波动对遥感提取结果及湖泊面积计算带来的差异。最后,本文从湖泊水淹范围频度的统计角度,初次提出了可体现湖泊面积年内与年际变化情况的统计指标——概率等效面积,用于监测和指示湖泊水域动态。结果表明,近30年来,中国有3741个最大水域范围大于1 km²的湖泊,总面积约93723 km²,其中青藏高原湖区的湖泊数量约占全国三分之一,总面积超过了全国的一半。全国湖泊总面积呈显著上升趋势,不同湖区的变化趋势差异明显:青藏高原湖区和新疆湖区湖泊面积显著上升,东部平原湖区、内蒙古高原湖区和云贵高原湖区显著下降,东北平原与山地湖区波动式变化、趋势不显著。研究结果总体表明中国湖泊水资源的时空不平衡状况在加剧。     

玉米大豆生长中后期遥感辨识的指示性特征研究

玉米和大豆是两种主要的粮食作物,及时准确地监测两者的种植面积对于产量预测和市场价格的制定具有重要的意义。利用遥感技术探究在生长季中后期能有效区分玉米和大豆的指示性特征集,为在不同实验区进行推广应用和提前玉米和大豆种植面积信息发布的时间提供技术支撑。文章以玉米和大豆为研究对象,以黑龙江和安徽省两个典型种植区为实验区,以高分一号影像为数据源,计算多种植被指数特征和两种纹理特征,同时利用特征优选方法评价特征间的相对重要性,并结合随机森林分类算法分析特征个数对精度的影响,得到不同试验区区分两者的最佳特征子集。随后根据不同实验区最佳特征子集的共同点和差异,遴选出对玉米和大豆中后期区分的遥感指示性识别特征集,并设计实验方案验证其有效性和稳定性。实验表明：在玉米和大豆生长中后期存在具有高效辨识两者的遥感特征集,能有效和稳定地增强两者的遥感识别能力;在不同实验区,基于特征优选方法可以选择出区分玉米和大豆的最佳分类特征子集,得到两者最优的识别效果,比仅仅使用原始波段特征的分类精度提升了近10个百分点,总体分类精度能够平均达到97%,Kappa系数0.96,玉米和大豆的单类分类精度平均超过95%;在不同的种植区,利用玉米和大豆的指示性特征集可以得到几乎与优选出的最佳特征子集同样的分类精度和制图效果,且具有稳定性和有效性,较最佳特征集更具推广使用意义。指示性特征集包含6种：植被指数中的比值植被指数（RVI）,差值植被指数（DVI）,转换型植被指数（TVI）,改进型叶绿素吸收比率指数（MCARI）和灰度共生矩阵（GLCM）纹理特征中的二阶矩（the Second Moment）和熵（Entropy）。     

机场净空区建筑物的识别与监测

目前,在建筑物识别与监测方面,基于单幅高分辨率遥感影像的阴影测高法和基于多视角影像的立体像对法将建筑物轮廓或名称识别与高度监测相独立,因此导致其自动化水平较低、数据冗余度与成本较高。基于数字表面模型(DSM)和兴趣点(POI)数据,本文提出了一种机场净空区建筑物识别与监测集成的方法,并以某国际机场为试验区对该方法的可行性进行了验证。试验结果表明:①该方法在建筑物识别与监测方面的准确率只取决于DSM的精度,而对DSM的数据来源没有限制;②以潜在危险建筑物高程变化速率为依据进行不定期的动态监测,在确保监测间隔期间机场净空区安全的同时可以降低数据成本和重复识别与监测所有建筑物造成的数据冗余度。     

基于卷积神经网络的地铁保护区风险源识别北大核心CSCD

城市轨道交通沿线的风险源识别是防止违规作业导致的安全事故的重要手段。为解决传统识别方法效率低、漏检率高、成本大等问题,本文基于无人机地铁保护区巡检系统,采用卷积神经网络对无人机采集的影像数据进行风险源识别。首先介绍无人机影像获取的流程,并在原始影像数据的基础上,通过数据增强的方式制作多角度、多尺度的风险源数据集;然后使用卷积神经网络建立风险源识别模型,对无人机采集影像中的风险源进行自动识别和定位。试验结果表明,多角度、多尺度风险源数据集的建立进一步提升了模型的识别准确率,且比传统方法具有效率高、成本低等优点。