Swelter in the city: Urban greenery and its effects on temperature in Guwahati,India

Changing urban landscape with multistoried high rises, roads and pavements is continuously reducing urban green space. These structures result in high surface temperature variation within cities. To explore the relationship between surface temperature and normalized difference vegetation index (NDVI), this study estimates two models—geographically weighted regression (GWR) and a fixed effect panel data model in relation to the Guwahati Metropolitan Area (GMA), a secondary city in north east India. The results indicate the superiority of GWR regression in presence of spatial dependence. Panel data analysis shows that the densely populated urban areas in the GMA with less than 10 per cent greenery are 1°C warmer than the sub-urban areas with 50 per cent greenery.     

基于地理探测器和GWR模型的中国重点镇布局定量归因

重点镇是小城镇发展的龙头,形成科学合理的重点镇布局对优化中国城市化战略格局有重要意义。论文以2004年和2014年分别公布的1887个和3675个全国重点镇为样本,对其分布及效应的变动特征进行探究,进而在地级尺度对重点镇布局的影响因子及其作用进行地理探测和局部空间回归。结果表明：① 经增补调整,中国重点镇布局及建设效应的均衡性增强,主要集聚区西移北扩,冷热点的分布突破“胡焕庸线”,经济辐射效应的分化程度减弱,体现出政策因素的有力影响。除县际均衡和区域倾斜政策外,重点镇的分布还受到海拔高度、公路网密度、常住人口城镇化率等因子的显著作用。② 因子探测器、GWR模型和交互作用探测器的结合能更精准地刻画影响因子的作用方式、方向、路径和强度。中国重点镇的布局不是5个显著性因子均匀、独立、直接作用的结果,而是影响均具空间异质性的各因子两两交互作用后增效的产物。③ 县际均衡政策与其他因子的协同作用是形成现有重点镇分布格局的主导力量;区域倾斜政策的效果总体较好,但目标区域还需更准确。     

利用水准数据的天津市地面沉降时空特征分析

地面不均匀沉降可能对城市的发展与人民的安全造成危害,天津市的地面沉降情况尤为严重。针对该问题,本文收集天津市2005—2012年、2016—2017年水准观测数据,以固定水准点位的沉降量、沉降速率、沉降加速率为状态向量,构建卡尔曼滤波模型,对天津市历年的水准观测数据进行滤波;根据滤波后的结果,本文利用多项式加权内插的方法,以距离、沉降速率、沉降加速率信息确定权值大小,对地面沉降情况进行内插;并以中误差作为精度评定参数,比较多种内插方法的精度。通过对内插结果的试验分析发现,2005—2017年天津市地面累计平均沉降量为394.477 5 mm,最大沉降量为1 143.5 mm;主要沉降区域为北辰、大港、塘沽等地区,且随着时间的增长,这些区域呈现漏斗式下沉。试验证明本文结合卡尔曼滤波与多项式加权内插的方式能够较好地反映地面沉降的时空特征分布情况并对未来一段时间的沉降情况进行预测,对天津市的城市发展及建设有一定的参考意义。     

加权总体最小二乘的效率优化算法

加权总体最小二乘法是理论上估计EIV模型参数相对严密的方法,其迭代过程中涉及的矩阵运算较为耗时,在处理大量级数据时尤其明显。PEIV模型有助于提高加权总体最小二乘法的计算效率。本文基于PEIV模型和经典最小二乘准则给出了一种加权总体最小二乘法算法,算法的推导过程简洁,易于理解,迭代过程中无需重构矩阵,减少了矩阵运算量。最后通过仿真试验验证了算法的可靠性。试验结果表明,本文算法可以取得与现有算法相同的参数估计精度且计算效率更高。     

加权混合估计中权值的确定方法

综合了大地测量中各种异方差多源观测模型和联合平差方法,说明了混合估计方法可以用于测量数据融合,平衡附加信息和样本信息对参数估计的影响。通过求取权值使参数估计的协方差阵的迹最小的方法,给出了一个权的最优选择方法。本文扩展了已有的加权混合估计方法,使得新方法中的权不受验前单位权方差的限制,能有效应用于大地测量数据处理。     

城镇黑臭河道治理:多水塘活水链人工湿地的应用

随着现代工业的发展,城市黑臭河道问题日趋严重,严重影响了城市形象、生态环境和居民身心健康。利用多水塘活水链人工湿地技术净化江苏常州永胜河河水水质。监测结果显示:该技术使水体总氮浓度削减了92.0%、总磷浓度削减了82.9%,处理后的水体总氮、总磷含量达到地表IV类水标准。项目年处理水量约30万t,每年以较低的成本(平均水处理费用约为0.03元/t),削减总氮、总磷和氨氮量分别为1496.6 kg、176.0 kg和1408.6 kg。通过引植多种浮叶植物、挺水植物、沉水植物,该湿地修复工程为当地营造了优美的湿地景观。多水塘活水链人工湿地是集经济效益、生态效益、环境效益于一体的新型水体生态治理技术,为我国城镇黑臭河道治理提供了一条新的途径。     

传统村落景观基因信息链与自动识别模型构建——以陕西省为例

传统村落作为活的文化遗产,承载了大量历史记忆,是地域文化景观基因识别与模型构建研究的重要切入点。以陕西省71个国家级传统村落为例,基于景观基因理论建立陕西省传统村落景观基因识别体系,识别出陕西省传统村落景观基因特征;运用类型学原理和N级编码理论对景观基因进行编码,构建陕西省传统村落景观基因信息链并生成基因谱系;借鉴生物学中“胞-链-形”DNA碱基序列模型,提取出环境基因、建筑基因、农耕文化基因和宗族文化基因四个公共基因作为景观基因元（胞）,以村内道路系统作为基因链,构建传统村落景观基因DNA模型与自动识别模型,以此对传统村落的区位、类型、特征和文化基因进行自动识别。为传统村落景观基因信息有效传承与存储,以及乡村建设动态发展提供理论借鉴。     

顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法

稀疏多项式逻辑回归在分类中仅利用图像光谱信息,导致分类效果不太理想.本文提出了一种顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法.首先利用加权均值滤波与拓展形态学多属性剖面对原始高光谱图像进行局部与结构特征提取;然后对二者进行加权平均特征级融合以获取更具唯一性的像元特征;最后由稀疏多项式逻辑回归分类器对融合结果进行分类.结果表明,本文方法能有效地提高分类精度,而且具有较强的稳健性.     

一种局部稀疏地面点云与已有DEM的融合方法

机载LiDAR采集的点云数据中会存在一些局部区域地面点稀疏的情况,利用这些稀疏地面点构建DEM时会出现“三角面片化”的问题,严重影响DEM的质量。为此,本文提出了一种局部稀疏地面点云与已有DEM的融合方法：将稀疏点云作为高精度控制点,在尽量保持原始DEM的地形形态特征的前提下,通过高斯核函数加权迭代插值算法对DEM进行高程局部改正,实现稀疏点云与DEM的一致性融合。试验分析表明,融合后的点云数据得到了较好的补充,由此构建的DEM地形形态自然,在精度上相对于融合前的稀疏地面点云有一定改善,在弱精度区域的可靠性有显著提升。     

一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型

提出一种基于马尔科夫链修正的遗传BP神经网络预测模型（GA-BP-MC）,利用遗传算法的全局寻优能力初始化BP神经网络权值和阈值,初步建立GA-BP神经网络预测模型,结合马尔科夫链的无后效性修正模型预测值,形成高精度GA-BP-MC神经网络变形预测模型。结合高铁桥墩沉降数据,分别与BP神经网络、GA-BP神经网络预测模型进行对比,结果表明,该预测模型精度最高。