叶尔羌流域极端气候变化特征及其对径流的影响研究

基于1954—2015年叶尔羌流域的气温、降水和径流数据,采用M-K突变检验、距平、趋势分析、Hill估计方法揭示了影响流域水文过程的气候指标,采用主成分回归分析方法探讨了极端气候与极端水文事件之间的关系。结果表明：（1）叶尔羌河流域年平均气温、降水均呈显著上升趋势;年平均气温突变时间为1998年,年平均降水不存在突变。（2）流域径流量、极端径流量呈上升趋势,其中径流量变化显著,极端径流的阈值为148.3 mm,64年间共计发生18次极端径流事件。（3）流域极端降水对径流以及极端径流的变化影响较大,极端气温影响次之。     

校园人群应急疏散行为及其影响因素研究

校园作为城市高密度地区的典型区域,建筑密度高、道路错综曲折、灾后疏散难度大。以南京中心城区某高校为实证研究案例,展开问卷调查;采用皮尔逊卡方检验法,对校园人群安全意识及疏散行为和性别、年龄、受教育程度及参加疏散演练次数等人员特性信息进行交叉分析,得到存在相关性的变量组;基于Logistic回归模型,建立了人群特征、安全意识评价指标对校园人群疏散行为及心理影响的评价模型,识别疏散行为影响因素,以及各因素的影响程度大小。结果表明:年龄、性别以及参加过疏散演练的次数是影响人群安全意识及疏散行为的显著相关因素,学历是相关因素;地震灾害下受访人群对避难场所的选择偏好为:场地型避难场所>建筑型避难场所>地下空间;参加疏散演练的次数,安全意识、风险认知对灾害发生时的人群疏散行为有显著影响。     

基于机器学习模型的淮河流域中长期径流预报研究

准确可靠的中长期径流预报是支撑水资源科学调配、提高水资源利用效率的关键。本研究采用AdaBoost模型(AdB)、随机森林模型(RF)和支持向量机模型(SVM)进行淮河流域王家坝和蚌埠站当年11月至次年10月共12个月的中长期径流预报研究。采用置换准确度重要性度量法从130项气象-气候因子及前期降雨/流量构建的1 562个因子变量中筛选出影响各月径流的关键因子,构建了基于AdB、RF和SVM模型的各月径流预报模型,模型参数采用随机搜索技术并结合交叉验证方式确定。采用变幅误差合格率和等级(五级)预报合格率指标对模型的预报精度进行了评估。变幅误差合格率指标表明,王家坝12个月的平均合格率分别为99.8%(AdB)、96.6%(RF)和95.9%(SVM),蚌埠站分别为100%(AdB)、94.8%(RF)和93.8%(SVM);等级预报合格率指标表明,王家坝12个月的平均合格率分别为79.0%(AdB)、76.4%(RF)和79.9%(SVM),蚌埠站分别为81.0%(AdB)、75.6%(RF)和76.6%(SVM)。模型均具有较好的预报效果,但RF和SVM模型对于高流量值的预报存在偏低现象,AdB模型整体上优于RF和SVM模型。     

国道213汶川—松潘段滑坡隐患遥感识别与易发性评价

国道213汶川—松潘段位于强震山区,滑坡灾害频发,每年都会因滑坡灾害导致交通中断,迫切需要查明沿线滑坡隐患的空间分布,并对其易发性进行评价。利用光学遥感和InSAR综合遥感技术对沿线滑坡隐患进行识别,共识别滑坡隐患288处,其中InSAR探测出有形变的滑坡隐患点27处。以识别出的滑坡隐患为评价样本,选取高程、坡度、坡向、地表曲率、工程地质岩组、归一化植被指数(normalizied difference vegetation index,NDVI)、距道路距离、距河流距离、距断层距离等9个影响因素作为评价因子,采用Logistic回归模型评价该沿线滑坡隐患易发性,评价结果可为国道213汶川—松潘段滑坡灾害防治提供参考。     

基于粒子群-变分模态分解、非线性自回归神经网络与门控循环单元的滑坡位移动态预测模型研究

以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法（PSO）对变分模态分解（VMD）进行参数寻优,并将位移时间序列分解为趋势项、周期项和随机项。趋势项主要受滑坡内部因素影响,采用傅里叶曲线进行拟合预测;周期项由外部因素导致,基于格兰杰因果检验进行成因分析,并引入一种对时间序列历史状态具有较高敏感性的非线性自回归神经网络（NARX）进行预测;随机项频率较高且影响因素无法判定,采用一维门控循环单元（GRU）进行预测。最后将各分量预测位移进行叠加重构,实现滑坡累计位移的预测。结果表明,提出的（PSO-VMD）-NARX-GRU滑坡位移动态预测模型精度较高,且各位移分量预测精度明显高于静态模型中BP神经网络、支持向量机（SVM）和传统自回归模型ARIMA,可为阶跃型滑坡位移预测提供参考。     

基于模式识别理论的卡钻类型判别分析

将模式识别理论中的支持向量机、Bayes判别分析以及多元回归分析应用于卡钻类型判别分析,建立了基于模式识别理论的卡钻判别模型。以近几年川东北卡钻数据为例进行了算例分析,结果表明：采用支持向量机、Bayes判别法及多元回归法对卡钻类型判别的结果与实际结果的误判率分别为1.92%,11.52%,61.54%。支持向量机（SVM）判别结果精度最高,但其判别方程式较为复杂,不能直观看出各分量对结果的影响程度;多元回归分析判别方程形式简单,可以直观表达各参量与卡钻之间的密切程度,但其判别精度较低;Bayes判别法计算精度介于二者之间,但其判别精度与判别式的个数密切相关。     

金属的理化性质和地壳丰度的相互关系初步研究

本文旨在探讨金属元素的理化性质和其地壳丰度(CA)的分布规律。利用相关性分析和集对分析研究了金属的理化性质和其地壳丰度的关系。结果表明,金属元素21种理化参数与地壳丰度之间均有不同程度的相关性。其中10种理化参数和地壳丰度显著相关(P≤0.05),包括共价指数(X2mr)、原子密度(ρ)、原子序数(AN)、原子量(AW)、有效核电荷(Z*)、电负性(Xm)、软指数(σp)、电子亲和能(EA)、极化力(Z*2/r)和电化学势(ΔE0)。集对分析进一步表明:X2mr,ρ,Z*和Xm与log(CA)之间趋同性较好,支持了相关分析的结论。研究结果暗示金属的理化性质与地壳丰度之间存在密切的内在关系,这为地球演化成因、元素丰度演变规律提供了新证据,对岩石、矿产资源开发和利用等有重要意义。     

云南镇雄县滑坡主要致灾因子筛选及其回归模型的建立

助地理信息系统空间分析技术和CF法,对该县滑坡各致灾因子进行敏感性分析,获得各因子的敏感性区段。分析表明,岩性、坡度、坡向、起伏度、与河流距离和与主要道路距离是影响该县滑坡发育的主要因子。根据各致灾因子的CF值建立的回归模型进行研究,结果表明所建模型可解释百分之八十的已发滑坡。     

地理模型的服务化封装方法研究

<正>经过半个世纪的发展,GIS已经形成了包括GIS技术、地理信息科学与地理信息服务的综合体系。同时,随着应用领域的扩大,GIS在时空分析、过程模拟、预测预报和决策支持等方面正面临着严峻的挑战。通过地理模型的共享与集成来拓展GIS的地理分析能力是GIS发展的增长点。国内外地理学家面向不同的研究目标已经建立了大量的地理模型。由于模型设计和实现上的差异,造成了     

高光谱影像光谱-空间多特征加权概率融合分类

提出了一种基于光谱-空间多特征加权概率融合的高光谱影像分类方法。首先,利用最小噪声分离(minimum noise fraction,MNF)方法对高光谱影像进行降维和特征提取,并以得到的MNF特征影像作为光谱特征,联合灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取的纹理特征、基于OFC算子建立的多尺度形态学特征以及采用连续最大角凸锥(sequential maximum angle convex cone,SMACC)提取的端元组分特征,组成3组光谱-空间特征;然后利用支持向量机(support vector machine,SVM)对每一组光谱-空间特征进行分类,得到每组特征的概率输出结果;最后,建立多特征加权概率融合模型,应用该模型将不同特征的概率输出结果进行加权融合,得到最终分类结果。为了验证该方法的有效性,利用ROSIS和 AVIRIS影像进行试验,总体分类精度分别达到97.65%和96.62%。结果表明本文的方法不但较好地克服了传统基于单一特征高光谱影像分类的局限性,而且其分类效果也优于常规矢量叠加(vector stacking,VS)和概率融合的多特征分类方法,有效地改善了高光谱影像的分类结果。