使用Python函数式编程进行空间回归分析

针对使用传统的编程方式进行空间回归分析过于繁杂的问题,本文提出将Python函数式编程引入空间回归分析方法,分析和探讨脚本语言＋函数式编程方式在GIS数据分析中的推广应用前景。编程实践证明,采用Python函数式编程,结合既有的开源软件包,可以有效提高编程效率,减少代码量,将实践人员的注意力集中在问题本身。     

声音

水利部确定今年水日水周宣传主题;中国人民银行采取四项措施加大金融支持环境保护力度;卫生部饮用OMP牛奶是安全的;中石油调整汽、柴油出厂价     

找错有奖

<正>本刊于2009年第四期开始实行找错有奖措施,希望能得到广大读者热心关注和支持。1.作者发现错误后请直接与编辑部联系,联系方式:027-87305035hgsi2003@188.com,请在来信     

台风对海洋叶绿素a浓度影响的定量遥感初探

研究台风对海洋水色环境的影响,是目前海洋遥感技术又一应用领域。由于台风期间天气恶劣,遥感资料较少,国际上主要针对个别典型台风,研究其对海表温度、海洋叶绿素a浓度及初级生产力的影响,很少通过遥感资料系统地对这一影响进行定量分析和建模。自2000到2007年,过境中国近海以及西北太平洋海域台风近百次,作者通过系统地分析这期间MODIS,SeaWiFS的3A级叶绿素a浓度数据,结果发现:(1)台风促进了相应海域叶绿素a浓度的大幅增长,总体上平均增长约1.426倍,个别区域在5倍以上,同时,该增长一般延后3~6d,在7~10d后恢复到原来的水平;(2)进一步对这些数据进行一元统计线性回归,发现叶绿素a浓度增长比(R_chl-a)与台风影响因子(Tsub>w)满足如下关系:R_chl-a=0.0012Tsub>w+1.017,其相关系数达0.8;(3)台风期间叶绿素a浓度与无台风时叶绿素a浓度之间有很强的线性关系,其关系满足:C_chl-a=1.2367C_0chl-a+0.0636,且相关系数高达0.98。这一初步研究结果对进一步通过遥感手段深入研究台风对海洋水色环境的影响有借鉴意义。     

Extending self-organizing maps for supervised classification of remotely sensed data

An extended self-organizing map for supervised classification is proposed in this paper. Unlike other traditional SOMs, the model has an input layer, a Kohonen layer, and an output layer. The number of neurons in the input layer depends on the dimensionality of input patterns. The number of neurons in the output layer equals the number of the desired classes. The number of neurons in the Kohonen layer may be a few to several thousands, which depends on the complexity of classification problems and the classification precision. Each training sample is expressed by a pair of vectors ： an input vector and a class codebook vector. When a training sample is input into the model, Kohonen＇s competitive learning rule is applied to selecting the winning neuron from the Kohouen layer and the weight coefficients connecting all the neurons in the input layer with both the winning neuron and its neighbors in the Kohonen layer are modified to be closer to the input vector, and those connecting all the neurons around the winning neuron within a certain diameter in the Kohonen layer with all the neurons in the output layer are adjusted to be closer to the class codebook vector. If the number of training sam- ples is sufficiently large and the learning epochs iterate enough times, the model will be able to serve as a supervised classifier. The model has been tentatively applied to the supervised classification of multispectral remotely sensed data. The author compared the performances of the extended SOM and BPN in remotely sensed data classification. The investigation manifests that the extended SOM is feasible for supervised classification.     

防范海洋灾害风险提高渔民收入促进农民增收

青岛市渔民收入与农民收入间关系的回归模型显示,前者对后者有着很大的促进作用,渔民收入提高可以从总体上增加农民的收入水平.而采取有效措施切实规避制约养殖渔业发展的海洋灾害、养殖病害、市场风险和引苗育种瓶颈四大问题,是促进渔民收入提高的关键所在.在用数据统计分析方法探寻渔民收入与农民收入相关关系的基础上,提出了解决海洋灾害问题的政策措施,以求有效阻止青岛市渔民收入连年递减的趋势,进而切实保障青岛市农民收入的持续增加.     

基于集合预报极端天气预测指数的浙江分类强对流预报模型

利用2016—2021年ECWMF集合预报资料、浙江自动站实况资料等,计算浙江短时强降水、雷暴大风和冰雹等强对流天气相关物理量的极端天气预报指数（EFI：Extreme Forecast Index）,分析EFI分布特征,并构建了分类强对流预报模型。结果表明：强对流天气与物理量的EFI有密切联系,发生短时强降水时,对流有效位能、整层可降水量、850 hPa与500 hPa温差和位温差的EFI较大,而垂直风切变的EFI为负值,因而较小的垂直风切变更有利于出现极端降水;发生雷暴大风和冰雹时,对流有效位能、850 hPa与500 hPa温差和位温差以及850 hPa温度露点差的EFI较大,700 hPa露点温度的EFI为负值,与上层干冷下层暖湿的有利层结条件有关。利用支持向量机多分类方法,将强对流天气相关物理量的EFI作为特征值开展训练,构建的预报模型对于非局地强对流天气有较好的预报效果,其中短时强降水的误判率明显低于雷暴大风。     

渔港经济区的金融支持、基础设施建设与产业升级研究

渔港经济区是渔业经济发展的重要载体和依托。由于历史“欠账”较多且金融支持渠道较单一,当前渔港基础设施建设仍很薄弱,难以满足渔港经济区综合发展的需求。为此,文章以“金融支持-基础设施建设-产业升级”的逻辑构想,采用体现投入与产出关系的拓展C-D生产函数,构建反映渔港经济区产业升级进程的六部门模型,实证分析影响渔港经济区产业升级的关键因素之间的效应。研究结果表明：经营性基础设施建设和公益性基础设施建设对产业升级的影响存在差异;金融支持对产业升级的回归结果不显著,金融支持力度薄弱且亟须加强;人力资本效应不显著,无法为区域产业升级提供多元化的劳动力支撑。     

基于致密气储层水动力特征的渗透率相控模拟

随着产能建设及储层精细表征任务难度的加大,一些常规的分析手段已不能完全满足开发阶段的需要．大牛地气田小壕兔 大16井区H3段致密储层孔、渗相关性差,传统方法针对该类储层的渗透率预测效果不甚理想．为此,结合地学数据挖掘算法和建模技术从一个全新的角度对靶区储层渗透率进行预测表征．表征过程依托测井及岩心分析资料,首先进行取心样点的水力单元识别,通过支持向量机确定未取心段的水力单元参数集,结合渗透率理论公式输出单井尺度上的高分辨率渗透率信息,并在相控环境的约束下构建靶区渗透率空间模型．结果表明,基于致密气储层水动力特征的渗透率相控模拟体系能有效提高储层预测精度,为气藏描述及表征提供更为准确的地质信息．     

粒子群优化广义回归神经网络与HHT样本熵结合的地震辨识研究

天然地震与人工爆破信号具有许多相似的特性,为实现地震类型的准确辨识,提出一种基于粒子群优化广义回归神经网络和HHT样本熵的地震类型辨识新方法．该方法先通过经验模态分解（EMD）将初始信号分解成6个本征模态函数（IMF）及1个残余向量,对前三个IMF进行Hilbert变换得到瞬时频率和瞬时能量,进而提取出样本熵并构造神经网络训练集与测试集;利用粒子群算法和训练集优化广义回归神经网络的光滑因子参数值,建立PSO-GRNN分类模型．将该模型结果与BPNN模型、GRNN模型、PNN模型及RBFNN模型等神经网络模型进行性能对照,得到该模型单次识别的准确率、MAE、MAPE、RMSE R2及MSE分别为95%、0.1604、0.1204、0.2381、0.7123、0.0567,绝大多数性能评价指标优于其他4种神经网络模型．该研究建立的PSO-GRNN模型性能较稳健,在100次循环随机试验中辨识效果仍然较突出,计算得到的上述评价指标均值为97.42、0.04、0.04、0.12、0.89、0.02,其对应的标准差为3.53、0.05、0.04、0.08、0.11、0.02,将PSO-GRNN模型...