基于贝叶斯分类器的多普勒天气雷达海浪回波识别和效果检验

为了提升雷达数据质量，减少海浪回波对临近预报和数值天气预报模式的雷达数据同化的不利影响，因此需要对海浪回波进行识别和去除。识别算法主要为统计获得先验概率，分析海浪和降水回波特征分布得到似然函数，再经过贝叶斯分类器来达到识别的目的。在本次算法识别过程中65个样本数据试验的临界成功指数I_CS达到了0.692，结果表明利用贝叶斯分类器对海浪回波的识别，具有较好的识别效果，能一定程度降低海浪回波误判为降水回波的错误，提高雷达数据质量。     

Remote sensing expert system of South China Sea coral reefs

Ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｅｘｐｅｒｔ　ｓｙｓｔｅｍ　ｏｆ　Ｓｏｕｔｈ　Ｃｈｉｎａ　Ｓｅａ　ｃｏｒａｌ　ｒｅｅｆｓＷａｎｇＹａｎｆｅｎｇａｎｄＬｉｕＢａｏｙｉｎＡｂｓｔｒａｃｔ：Ｂａｓｅｄｏｎｔｈｅｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｆｏｒｍａｔｉｏｎ...     

Do climate engineering experts display moral-hazard behaviour?

Discourse analyses and expert interviews about climate engineering (CE) report high levels of reflectivity about the technologies’ risks and challenges, implying that CE experts are unlikely to display moral hazard behaviour, i.e. a reduced focus on mitigation. This has, however, not been empirically tested. Within CE experts we distinguish between experts for radiation management (RM) and for carbon dioxide removal (CDR) and analyse whether RM and CDR experts display moral hazard behaviour. For RM experts, we furthermore look at whether they agree to laboratory and field research, and how they perceive the risks and benefits of one specific RM method, Stratospheric Aerosol Injection (SAI). Analyzing experts’ preferences for climate-policy options, we do not find a reduction of the mitigation budget, i.e. moral hazard, for RM or CDR experts compared to climate-change experts who are neither experts for RM nor for CDR. In particular, the budget shares earmarked for RM are low. The perceptions of risks and benefits of SAI are similar for RM and climate-change experts. Despite the difference in knowledge and expertise, experts and laypersons share an understanding of the benefits, while their perceptions of the risks differ: experts perceive the risks to be larger.

Key policy insights

• Experts surveyed all prioritize mitigation over carbon dioxide removal and in particular radiation management.

• In the views of the experts, SAI is not a viable climate policy option within the next 25 years, and potentially beyond, as global field-testing (which would be a precondition for long-term deployment) is widely rejected.

• In the case of SAI, greater knowledge leads to increased awareness of the uncertainty and complexity involved. Policy-makers need to be aware of this relationship and the potential misconceptions among laypersons with limited knowledge, and should follow the guidelines about communicating risks and uncertainties of CE that experts have been advised to follow.

     

基于ERDAS的遥感影像分类方法研究

为了提高遥感影像分类精度,对传统的非监督分类、监督分类和专家分类进行机理分析,提出将影像中的纹理信息作为专家知识改进分类精度的技术方案。以胶州市QuickBird遥感影像作为试验数据,基于ERDAS IMAG-INE 8.6软件平台,对非监督分类、监督分类和专家分类进行实验数据比较分析,实验数据表明改进的专家分类方法分类精度最高,由于纹理信息参与专家分类,可较好地解决“同谱异物”和“同物异谱”对分类的干扰,优化分类后的影像,提高信息提取的准确度。     

智能化土地定级估价信息系统设计与实现

总结分析了当前系统中存在的主要问题,提出将GIS、SDM、ES和可视化等多种信息技术进行有机结合,共同构建具有智能特性和辅助决策功能的土地定级估价信息系统。给出了GIS、SDM、ES和可视化等技术集成的基本框架,设计了基于多种信息技术集成的土地定级估价信息系统的基本结构。采用VC++6.0和MO2.0结合开发了基于多种技术集成的土地定级估价信息系统。研究表明,系统定级估价工作流程简单,结果可靠,且具有良好的移植性、复用性、扩展性和广泛适应性,能较好地解决土地定级估价中土地信息缺失、定性因子量化困难等半结构和非结构化问题。     

基于GIS和专家知识的滇西南地区滑坡敏感性模糊逻辑推理方法

为了充分识别和有效减轻滑坡灾害风险,对滇西南南涧(约470 km²)和凤庆—昌宁(约2300 km²)两个研究区开展了基于GIS和专家知识的滑坡敏感性模糊逻辑评价研究。通过检查模型计算得到的历史滑坡点敏感性值与整个研究区域的滑坡敏感性平均值是否不同来评价本方法的性能,用Z值检查来测试差异的统计显著性。计算结果显示,南涧地区的Z值为4.1,相应的P值小于0.001,表明通过模型计算得到的滑坡敏感性值是该区域滑坡事件发生的良好指标;凤庆—昌宁地区的Z值为8.93,相应的P值小于0.001。在此基础上,采用自然断点法对滑坡敏感性值进行分类,根据分类结果将滑坡敏感性水平划分成5个等级:极低(0.0~0.001)、较低(0.001~0.051)、中等(0.051~0.394)、较高(0.394~0.557)和极高(0.557~1.0)。敏感性极低和较低的地区没有发现历史滑坡记录;敏感性极高地区的历史滑坡密度约是敏感性较高地区的4倍,约为敏感性中等地区的10倍。凤庆—昌宁地区的研究结果表明,从区域专家群中提取的滑坡敏感性与环境因子关系的知识可以外延到滇西南其它地区。     

丝绸之路经济带的地理空间认知框架研究

针对现有的丝绸之路经济带研究主要集中在人文角度的描述、统计和分析,缺少形象的空间思维手段和对经济带战略全局的整体把控的现状,该文在分析丝绸之路经济带地理特点的基础上,提出了丝绸之路经济带地理空间认知框架,认为丝绸之路经济带的地理空间认知是从概念空间、数据空间到信息空间、知识空间,最后形成智慧空间的认知深化过程,并重点研究了专家认知和用户认知两个关键环节。在此框架下,该文结合丝绸之路经济带的地理特点和测绘地理信息行业的技术现状从地理概念、地理数据、专家认知和用户认知四个方面分析了丝绸之路经济带的主要认知内容。研究表明,用户地理空间认知的深化程度依赖于前期的专家认知成果,专家在认知过程中必须时刻围绕用户的地理空间认知需求,专家认知和用户认知是地理空间认知有机统一的两个核心环节,不可割裂或偏废;直观的地理概念、准确的地理数据、丰富的专家经验和便捷的分析工具是科学认知丝绸之路经济带的技术保障,可以为区域经济合作战略的实施提供更多的地理智慧。     

光谱特征扩展的时间序列Landsat数据地表覆盖分类

时间序列遥感影像常用于地表覆盖监测及其变化监测。然而,利用时序遥感数据—尤其是中分辨率遥感数据监测地表覆盖变化,其方法基本是先对多期影像分别进行监督分类然后对比分类结果。由于这种方法需要对每期遥感影像单独选择分类训练样本,而对于历史影像,常常难以获得可靠的样本数据。本文基于遥感数据定量化处理,尝试利用光谱特征扩展方法对时间序列Landsat数据进行分类:首先,结合一种新的大气校正方法和相对辐射归一化方法,对时间序列Landsat数据进行定量化处理,以消除各期影像之间的辐射差异,获得地表反射率数据。然后,论文选择一期易于获得分类训练样本的反射率数据作为"参考影像",并结合样本数据提取不同地表覆盖类型的光谱特征。最后,将"参考影像"中提取的地物光谱特征,扩展到所有时间序列反射率数据进行分类。论文利用青藏高原玛多地区的5景Landsat数据对本文的方法进行了验证,结果显示:基于光谱特征扩展的分类方法,可有效对定量化处理后的Landsat数据进行分类,分类总体精度为88.35%—94.25%,分类结果和传统的单景监督分类结果具有较好的一致性。此外,研究也发现,"参考影像"和待分类图像获取时间的季相差异会影响其分类的精度。