东北地区大气污染物源排放时空特征：基于国内外清单的对比分析

基于国内外4类常用的污染源排放清单数据（EDGAR：全球大气研究排放数据库;CEDS：社区排放数据系统;MIX：亚洲排放清单;PKU-FUEL：全球燃料排放数据）,对东北区域5类人为排放源（工业源、能源、交通运输源、生活民用源和农业源）的8种污染物（PM_2.5、PM₁₀、SO₂、NO_x、NMVOCs、NH₃、OC和BC）从排放总量、来源贡献和时空分布特征等方面进行对比分析。结果表明：东北污染物排放主要以SO₂、NO_x和NMVOCs为主,工业、能源和交通运输为主要贡献源;PM_2.5和PM₁₀主要来自生活民用源和工业源,贡献率前者大于后者。辽宁省污染物（除NH₃外）排放最大,其次为黑龙江省、吉林省和内蒙古东四盟市,冬季排放强度明显高于其他季节。NH₃主要来自农业源,排放峰值发生在5~7月;各清单间排放总量和来源贡献差异明显,EDGAR和PKU清单对NH₃估算差异度为170.3%;SO₂、NO_x、BC和OC的排放差异度均在30%以上。不同活动水平和排放因子的使用是造成清单差异的主要原因。本研究可以掌握东北污染状况,了解清单差异,为本地化清单工作开展提供研究方向,同时也可为模式模拟合理选择清单数据提供参考。     

2000—2015年中国高学历人才分布格局及其影响机制

基于2000年、2010年中国人口普查分地级及以上行政区数据和2015年中国各省份1%人口抽样调查数据,采用变异系数、泰尔系数、基尼系数测度中国高学历人才比重分布的空间不均衡程度,并采用面板数据Tobit随机效应模型,识别影响高学历人才比重空间分布的主要因素。结果表明：① 中国的人才比重分布表现出极大的不均衡性,人才比重的高低与城市等级密切相关,主要表现在直辖市、省会城市、计划单列市等行政区吸引了大量人才,而普通地级城市人才比重相对较低;② 10 a间人才比重的变异系数、基尼指数和泰尔指数均有所下降,表明人才比重分布的空间不均衡程度有所下降;③ 平均工资水平、生活成本、城市等级、每万人高校在校学生数、每万人医院卫生院床位数、人均科学事业、教育事业经费与人才比重呈正相关,中学生师比、万人互联网用户数与人才比重呈负相关,失业率、单位面积二氧化硫排放量、绿地率对人才比重没有影响。     

“数字海底”--海底数据集成管理与可视化研究

针对目前"数字海底"建设中存在海底调查数据集成管理与三维可视化表达不足等问题,本文采用GIS技术,以黄河水下三角洲埕北海域为研究对象,利用地理空间数据集成理论与三维建模方法,建立了埕北海域三维海底空间数据库,实现了研究区域地形数据、地层数据、钻孔数据、表层沉积物数据的有效组织管理与可视化,并在此基础上,采用ArcGIS Engine 10.0,结合.NET平台,在Visual Studio 2010开发环境下,利用C#语言进行了二次开发,实现了基于C/S (Client/Server)架构的三维海底虚拟仿真系统的开发,设计了一套面向埕北海域的三维海底虚拟仿真原型系统。     

东印度洋海域最优深度基准面模型构建

利用东印度洋海域周边长期验潮站实测数据、TOPEX/Poseidon等系列卫星测高反演结果,评估了DTU10,EOT11a,FES2014,GOT4.8,OSU12和TPXO8六种全球潮汐模型精度,根据卫星测高结果给出了浅水分潮改正量和长周期分潮改正量的经验模型,又在此基础上分析并构建了研究区域精度最优的深度基准面模型。考虑到全球潮汐模型在近岸的影响因素及验潮站位置,将13个验潮站分成开阔海域与近海海域两类,与潮汐模型的对比,结果表明,DTU10和FES2014模型分别在开阔海域和近海海域精度最优。根据潮汐模型在不同分潮处的精度,如EOT11a模型在O1和K1分潮处精度较高,DTU10在N2,M2,S2和K2分潮处精度较高等,分别构建了开阔海域与近海海域的组合深度基准面模型,计算得知误差分别为11.33和20.95 cm,其精度显著提高。     

遗传算法优化的BP神经网络卫星钟差预报

针对BP (Back Propagation)神经网络模型预测卫星钟差中权值和阈值的最优化问题, 提出了基于遗传算法优化的BP神经网络卫星钟差短期预报模型, 给出了遗传算法优化BP神经网络的基本思想、具体方法和实施步骤. 为验证该优化模型的有效性和可行性, 利用北斗卫星导航系统(BeiDou navigation satellite system, BDS)卫星钟差数据进行钟差预报精度分析, 并将其与灰色模型(GM(1,1))和BP神经网络模型预报的结果比较分析. 结果表明: 该模型在短期钟差预报中具有较好的精度, 优于GM(1,1)模型和BP神经网络模型.     

基于斩波轮技术的K波段接收机噪声校准研究

接收机是射电天文中用于探测微弱射电信号的重要接收设备.接收机的强度校准就是将接收机对射电源的响应转换为天文意义上的流量密度.常规方法就是使用经典的冷热负载法,将接收机自身的强度响应转换为一个等效的温度值,之后再据此对射电源做进一步标定.通过搭建基于斩波轮技术的K波段接收机强度校准平台,使用斩波轮法测试K波段常温接收机的噪声温度,并与传统冷热负载法的测试结果进行比对.结果显示,在晴好天气条件下,斩波轮法在30°、90°仰角下噪声温度的最大测试误差为7.5%和8.4%,可以很好地应用于实际噪声温度测试中;但在5°仰角测试中,由于过低仰角引入了地面噪声,使得斩波轮法的测试误差上升至20%–30%之间而无法使用.希望在此基础上进一步开展K波段天空亮温度的理论计算与实测,从而完善斩波轮技术的应用,使之可以满足在不同气象条件下的噪声校准测试需求.     

基于Stacking集成学习的恒星/星系分类研究

机器学习在当今诸多领域已经取得了巨大的成功,但是机器学习的预测效果往往依赖于具体问题.集成学习通过综合多个基分类器来预测结果,因此,其适应各种场景的能力较强,分类准确率较高.基于斯隆数字巡天(Sloan Digital Sky Survey,SDSS)计划恒星/星系中最暗源星等集分类正确率低的问题,提出一种基于Stacking集成学习的恒星/星系分类算法.从SDSS-DR7(SDSS Data Release 7)中获取完整的测光数据集,并根据星等值划分为亮源星等集、暗源星等集和最暗源星等集.仅针对分类较为复杂且困难的最暗源星等集展开分类研究.首先,对最暗源星等集使用10折嵌套交叉验证,然后使用支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、XGBoost(eXtreme Gradient Boosting)等算法建立基分类器模型;使用梯度提升树(Gradient Boosting Decision Tree,GBDT)作为元分类器模型.最后,使用基于星系的分类正确率等指标,与功能树(Function Tree,FT)、SVM、RF、GBDT、XGBoost、堆叠降噪自编码(Stacked Denoising AutoEncoders,SDAE)、深度置信网络(Deep Belief Network,DBN)、深度感知决策树(Deep Perception Decision Tree,DPDT)等模型进行分类结果对比分析.实验结果表明,Stacking集成学习模型在最暗源星等集分类中要比FT算法的星系分类正确率提高了将近10%.同其他传统的机器学习算法、较强的提升算法、深度学习算法相比,Stacking集成学习模型也有较大的提升.     

An Automatic Method for Detecting Transients and Variable Sources in AST3 Survey Based on Image Subtraction and Random Forest

AST3-2 (the second Antarctic Survey Telescope) is located in Antarctic Dome A, the loftiest ice dome on the Antarctic Plateau. It produces a huge amount of observational data which require a more efficient data reduction program to be developed. Also the data transmission in Antarctica is much difficult, thus it is necessary to perform data reduction and detect variable and transient sources remotely and automatically in Antarctica, but this attempt is restricted by the unsatisfactory performance of the low power consumption computer in Antarctica. For realizing this purpose, to develop a new method based on the existing image subtraction method and random forest algorithm, taking the AST3-2 2016 dataset as the test sample, becomes an alternative choice. This method performs image subtraction on the dataset, then applies the principle component analysis to extract the features of residual images. Random forest is used as a machine learning classifier, and in the test a recall rate of 97% is resulted for the positive sample. Our work has verified the feasibility and accuracy of this method, and finally found out a batch of candidates for variable stars in the AST3-2 2016 dataset.     

Formation of Carbon-Enhanced Metal-Poor RR Lyrae Stars

Carbon-enhanced metal-poor (CEMP) stars are considered to be related to the first generation of stars, and responsible for the chemical evolution of the early Galaxy. More than half of them are in binaries, and could be explained by the binary evolution, but the formation channel of them is still not fully understood. Among the hundreds of CEMP stars, there are nine CEMP RR Lyrae stars identified, and at least seven of which are very likely not binaries. The usual binary star evolution channel is difficult to produce such a single star, particularly that of carbon enrichment. One way in which such a single star might be produced is the merger of a helium white dwarf with a Hertzsprung gap (HG) star. We use a stellar evolution program to calculate the models of the merger remnants, and find that the models can reproduce the observed distribution of these CEMP single RR Lyrae stars in terms of surface temperature, gravity, and carbon abundance. Hence, it is extremely possible that the helium white dwarf and HG star merger model is one of the formation channels of the metal-poor carbon-rich RR Lyrae stars.     

发展地理学视角下中国多维贫困测度及时空交互特征

探索贫困监测评估指标体系及区域间贫困时空交互动态特征对当前中国可持续减贫研究具有重要意义。基于发展地理学视角,引入面板向量自回归（PVAR）模型并结合人类发展分析路径与SDGs全球指标框架识别影响中国贫困的致贫和减贫因素,以此测度多维贫困指数,进而采用探索性时空数据分析（ESTDA）方法揭示多维贫困的时空交互特征。结果表明:① 中国当前贫困监测评估的致贫因子包括农作物受灾比和社会总抚养比,减贫因子则涉及人均GDP、人均社会保障支出、人均公共卫生支出、每万人医院数、新型农村合作医疗参合率、植被覆盖率、人均教育支出、高校数量、人均科学研究与试验发展支出、人均文化事业经费。② 2007—2017年中国省域收入贫困、健康贫困、文化贫困及多维贫困状况得到显著改善,全国综合贫困程度年均下降5.67%,部分省域的不同维度贫困内部出现差异化。③ 研究期内省域间多维贫困局域空间格局表现为较强的空间动态性,并呈现由东部向中、西部增大的变化态势;省域间多维贫困指数随时间演变呈现强的空间依赖关系,形成以西北和东北为高值区向四周递减的变化格局。④ 邻接省域多维贫困交互的时空网络以负向关联为主,仅有陕西与河南、陕西与宁夏、青海与甘肃、湖北与安徽、四川与贵州、海南与广东形成空间上较强的减贫协同关系。研究成果对当前中国精准扶贫战略实施尤其是2020年后预防返贫具有重要的参考价值。