时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。     

福州市地表温度热点及时空变化分析

中国作为世界第一大发展中国家,近年来城镇化发展迅速,大量自然地表转化为人工地表,从而引起了一系列环境问题,其中以城市热岛问题最为显著。因此如何缓解因城市化进程的加快引起的城市热岛效应已成为热门研究方向。为精确分析城市空间格局对热集聚的影响,本研究利用2000年5月4日的Landsat ETM+和2016年7月27日获取的Landsat OLI两期遥感影像,获取福州市的土地覆盖信息并进行精度验证。在地表温度（Land Surface Temperature, LST）反演基础上通过热点分析（Getis-Ord Gi*）,并结合不透水面（Impervious Surface Area, ISA）信息来研究城市化进程中福州市16 年来 LST的变化特性,空间集聚特性及其产生的尺度效应。热点分析结果显示：① 通过分析福州市内各地和热点中心的距离与LST的关系可较好地反映空间热聚集。2000 年在距热点中心0.97、1.03、0.95 km范围内热聚集明显;2016 年则增长到分别在距热点中心半径1.89、2.01、2.10、2.05、2.13 km范围内热集聚显著且热点区数量也从3 个增加至5 个。热集聚区（热点区和较热区）总面积在此期间从15.7%增至47.3%;② 由于热点图中的热点区和冷点区的形成不单取决于LST的高低,因此热点分析与空间自相关分析方法相比,能更直观地分析土地覆盖变化对LST的影响,了解城市内部热强度变化的细节。本研究采用的热点分析方法可用于城市环境保护与规划,将来还可作为城市土地规划与热环境影响的分析依据。同时可利用热点分析图模拟城市微气候,估算城市绿地降温程度等。此外,未来还可基于此进一步探讨更多时相以及不同城市的对比分析,特别是对不同城市类型如带状城市,多中心城市及中心城市等的研究。     

基于位置大数据的国庆假期青藏高原人群分布时空变化模式挖掘

人类活动是引起青藏高原生态环境发生改变的重要因素。很多学者对青藏高原史前人类活动和近几十年的人口分布格局与人口流动开展了大量研究,但有关人群时空分布的精细尺度研究相对缺乏。海量的位置大数据为认识高原人群短期的动态变化提供了新途径。本文利用手机定位数据、人口迁徙数据等高时空分辨率的位置大数据,通过时间序列分解方法和基于统计检验的异常判别方法,分析了2017年国庆期间青海与西藏的人群分布时空变化特征,并探讨了假期旅游行为及人口迁徙与变化特征之间的关系。研究结果显示：① 在省级和城市整体尺度上,定位请求量的假期变化在时间上呈现先降后升的“潮汐”变化模式;② 在精细网格尺度上,西宁和拉萨城市及周边地区的人群分布变化在空间上呈现中心跌、周边涨的“离心化”变化模式。国庆假期人们向城市周边热门景点移动聚集的旅游行为和城市之间的人口迁徙都是导致西宁和拉萨周边地区定位请求量上涨的重要潜在原因,而两座高原城市中心定位请求的下跌不仅与人口迁徙有关,还与假期人类日常行为及定位请求频次的变化等因素有关。通过位置大数据挖掘节庆假期人群分布的时空变化,不仅加深了对高原人口分布格局与流动变化的认识,也为高原城镇化与生态保护的精细化管理与决策提供支撑。     

基于EEMD和ARIMA的海温预测模型研究

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。     

星载激光测高全波形数据处理技术研究进展

针对星载激光测高系统在地形测绘、环境监测等方面具有独特的优势,该文首先介绍了主要的对地观测星载激光测高系统;然后以第一颗对地观测系统ICESat/GLAS为例,介绍该系统波形质量控制、波形滤波方法,初始距离计算方法及影响因素;波形分解是星载激光测高系统获取准确的星地距离的关键步骤;接着梳理了国内外全波形分解方法研究现状的主要进展,并对全波形分解算法及其优缺点进行了较全面的对比;最后结合即将发射的GF-7测高仪载荷特点,分析了未来要国产星载激光测高体系的波形数据处理还面临的挑战。     

重力固体潮信号的独立成分分析与谱相关解调

针对提取重力固体潮潮汐谐波分量,分析各谐波分量间调制关系的问题,该文结合重力固体潮的产生机制建立了一种重力固体潮信号正交分解模型。利用独立分量分析算法和谱相关方法,分离出与模型相对应的独立分量信号,并从独立成分中解调出载波分量和被调制分量。从而完整地描述了地球自转产生的潮汐谐波与月球、太阳相对于地球轨道变化产生的潮汐谐波的正交分解关系。实验表明,此方法能有效地提取出重力固体潮信号中所包含的潮汐谐波信息,并揭示出该重力固体潮信号中存在3个线性叠加的独立分量,在月波分量和年波分量都以乘性调制的方式调制到半日波分量和日波分量上。     

视觉显著性特征的矢量对象多尺度表达

针对矢量数据在网络上渐进传输中的多尺度组织问题,该文提出一种基于视觉显著性特征的多尺度增量组织和表达方法。根据人类视觉机制和矢量地图的多尺度表达特征,提出了基于视觉显著性的多尺度矢量模型,实现矢量空间要素的多尺度表达和线性序列组织。以线要素为例,讨论多尺度空间下矢量空间要素的视觉显著性和视觉信息增量变化。实验表明,本文提出的方法可以较好地改进渐进传输时矢量数据的可视化效果。     

等式约束病态模型的截断奇异值解及其统计性质

利用平差模型间合理的先验信息能够显著提高解的稳定性和精度。本文基于病态模型引入等式约束条件,并采用截断奇异值法重构了系数阵以削弱其病态性;建立了修正等式约束模型,导出了病态模型的约束截断奇异值解及其偏差、方差以及均方误差公式;分析了截掉奇异值所引起解的偏差引入量与方差下降量的关系,得到了确定截断参数的条件。数值算例和病态测边网算例分析结果表明,最小二乘解严重偏离真值,500次模拟实验的平均RMSE为6.693 5,正则化解和截断奇异值解精度较最小二乘解有所提高,平均RMSE分别为0.365 8和0.365 2;本文提出的约束截断奇异值解的精度最高,与约束正则化解精度相当,其平均RMSE仅为0.057 3。     

空间分辨率对中国夏季降水时空演变特征的影响

本文使用1979—2021年国家气候中心160站(R₁₆₀)和国家级地面气象观测站2 314站(R₂₃₁₄)逐月降水观测资料,利用EOF (Empirical Orthogonal Function)分解和相关分析等方法,研究两类资料夏季降水时空变化特征及其与海气因素之间物理联系的表征水平差异,并分析了差异的可能原因。结果表明,R₁₆₀在我国西北、青藏高原等地区站点极为稀疏,导致其各EOF模态对上述地区降水的时空变化特征描述失真,中东部地区偏低的空间分辨率会使局地强降水的变化特征信号损失,造成降水的年际变率降低。而R₂₃₁₄主模态能够更为真实地反映我国降水的时空演变特征,特别是在极端降水频发的江淮地区以及降水受局地地形影响较大的山区,其EOF主模态的空间分布和时间系数演变与ENSO (El Niño-Southern Oscillation)、西太平洋副热带高压、青藏高原雪盖等气候强迫信号之间的相关性更为显著。     

Impacts of soil fauna on litter decomposition at different succession stages of wetland in Sanjiang Plain, China

Litter decomposition is the key process in nutrient recycling and energy flow. The present study examined the impacts of soil fauna on decomposition rates and nutrient fluxes at three succession stages of wetland in the Sanjiang Plain, China using different mesh litterbags. The results show that in each succession stage of wetland, soil fauna can obviously increase litter decomposition rates. The average contribution of whole soil fauna to litter mass loss was 35.35%. The more complex the soil fauna group, the more significant the role of soil fauna. The average loss of three types of litter in the 4mm mesh litterbags was 0.3–4.1 times that in 0.058mm ones. The decomposition function of soil fauna to litter mass changed with the wetland succession. The average contribution of soil fauna to litter loss firstly decreased from 34.96% (Carex lasiocapa) to 32.94% (Carex meyeriana), then increased to 38.16% (Calamagrostics angustifolia). The contributions of soil fauna to litter decomposition rates vary according to the litter substrata, soil fauna communities and seasons. Significant effects were respectively found in August and July on C. angustifolia and C. lasiocapa, while in June and August on C. meyeriana. Total carbon (TC), total nitrogen (TN) and total phosphorus (TP) contents and the C/N and C/P ratios of decaying litter can be influenced by soil fauna. At different wetland succession stages, the effects of soil fauna on nutrient elements also differ greatly, which shows the significant difference of influencing element types and degrees. Soil fauna communities strongly influenced the TC and TP concentrations of C. meyeriana litter, and TP content of C. lasiocapa. Our results indicate that soil fauna have important effects on litter decomposition and this influence will vary with the wetland succession and seasonal variation. Foundation item: Under the auspices of State Key Development Program for Basic Research of China (No. 2009CB421103), Key Program of National Natural Science Foundation of China (No. 40830535/D0101), Knowledge Innovation Programs of Chinese Academy of Sciences (No. KZCX2-YW-BR-16, KSCX2-YW-N-46-06)