改进的MVC-NMF算法在高光谱图像解混中的应用

高光谱图像中混合像元的存在不仅影响了基于遥感影像的地物识别和分类精度,而且已经成为遥感科学向定量化发展的主要障碍。MVC-NMF混合像元解混算法不需要假定纯像元的存在,并且在自动提取端元的同时,能够获取每种端元所对应的丰度图,然而该方法收敛速度较慢、效率较低,文中提出利用BBA(Barzilai-Borwein Algorithm)算法来实现MVC-NMF算法的迭代更新,从而提高了算法的效率。实验结果表明:该方法在相同迭代次数条件下比MVC-NMF算法解混的结果好、效率高。     

黄渤海大气气溶胶卫星观测与长期变化趋势分析

收集了中国黄渤海区域(112°~125°E,35°~45°N)2000—2009年10 a内MODIS气溶胶光学厚度AOD月均标准数据,按陆地和海洋(陆海)像元及海洋像元两类分别进行经验模态分解(EMD),结合南方涛动指数(SOI)和我国年度化石燃料消耗总量讨论黄渤海海区气溶胶时间变化特征及成因。研究表明该陆海区域大气气溶胶光学厚度6月份多为全年最高,海洋区域最高值出现在4—7月之间;秋冬季(10—次年2月)气溶胶光学厚度达到最低;EMD分解获得气溶胶具有4 a变化周期特性,与南方涛动指数的相关性均达到0.7,说明大气气溶胶同样受到全球气候变化的影响;与我国煤炭化石年消耗量相关系数达到0.98,该研究区气溶胶受陆源影响明显,人类活动对海洋环境的作用不容忽视。     

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。     

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%。     

赤道潜流变化及其与ENSO的关系

应用TOGA/TAO实测海流和SODA全球海洋再分析资料,分析研究了热带太平洋赤道潜流的变化特征及其与ENSO循环的关系,初步探讨了赤道潜流变化对两种不同类型(中部型和东部型)ENSO事件的影响。对赤道潜流距平场的EOF分解表明,第一模态为"东太平洋潜流模态",特征向量主要反映东太平洋赤道潜流的变化情况;第二模态为"中太平洋潜流模态",特征向量主要反映中太平洋赤道潜流的变化情况;这两个主要模态基本可以反映赤道潜流距平场的主要信息。这两个模态对应的时间系数有明显的年际变化特征,并且与NINO指数都有较好的负相关,最大相关均通过99.9%的信度检验。相关分析表明潜流第一模态的变化滞后于NINO指数变化,而第二模态的变化则提前于NINO指数变化,即ENSO事件对东太平洋赤道潜流的变化有一定影响,而中太平洋的潜流变化又会对ENSO事件产生影响。通过个例分析表明,中太平洋赤道潜流的变化对两种不同类型ENSO事件的发生有重要影响。在东部型ENSO事件发生前,中太平洋赤道潜流增强,这样西太平洋暖池的异常海温在潜流的引导下快速向东传播,直接到达东太平洋形成东部型ENSO事件;中部型ENSO事件发生前,中太平洋赤道潜流明显减弱,西太平洋的异常海温不能迅速东传速,在中太平洋堆积上升到达海面,使得中部型ENSO事件爆发。     

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)     

参数带椭球约束平差算法的应用

针对实际工程应用中遇到的参数带有范围约束的情形,提出带椭球约束的平差算法,并给出其具体模型和解算步骤。数值模拟实验和病态测边网数据计算表明,在处理病态问题时,最小二乘平差（least-squares,LS）已不适用,而与岭估计、奇异值分解法（singular value decomposition,SVD）以及不等式约束相比,本文算法精度更高。     

基于自适应峰值分解的广义局部频率时频分析方法

往复压缩机振动信号具有复杂的多源冲击特性,表现较强的非平稳性,传统的时频分析方法难以提取有效的故障特征.以傅氏变换为基础的传统频率概念和以希尔伯特变换为基础的瞬时频率概念存在固有缺陷,提出一种广义局部频率的概念,并结合自适应峰值分解方法,实现信号时频分布的构造途径;与HHT时频分析方法进行仿真对比,并应用到往复压缩机振动信号故障特征提取.结果表明,基于自适应峰值分解的广义局部频率方法有效揭示往复压缩机不同故障的多源冲击振动信号时频特征,为往复压缩机故障诊断提供一种新的手段.     

Alternative Fuzzy Cluster segmentation of remote sensing images based on Adaptive Genetic Algorithm

Remote sensing image segmentation is the basis of image understanding and analysis. However, the precision and the speed of segmentation can not meet the need of image analysis, due to strong uncertainty and rich texture details of remote sensing images. We proposed a new segmentation method based on Adaptive Genetic Algorithm (AGA) and Alternative Fuzzy C-Means (AFCM). Segmentation thresholds were identified by AGA. Then the image was segmented by AFCM. The results indicate that the precision and the speed of segmentation have been greatly increased, and the accuracy of threshold selection is much higher compared with traditional Otsu and Fuzzy C-Means (FCM) segmentation methods. The segmentation results also show that multi-thresholds segmentation has been achieved by combining AGA with AFCM.