A novel index to evaluate discretization methods:A case study of flood susceptibility assessment based on random forest

The selection of a suitable discretization method(DM)to discretize spatially continuous variables(SCVs)is critical in ML-based natural hazard susceptibility assessment.However,few studies start to consider the influence due to the selected DMs and how to efficiently select a suitable DM for each SCV.These issues were well addressed in this study.The information loss rate(ILR),an index based on the informa-tion entropy,seems can be used to select optimal DM for each SCV.However,the ILR fails to show the actual influence of discretization because such index only considers the total amount of information of the discretized variables departing from the original SCV.Facing this issue,we propose an index,infor-mation change rate(ICR),that focuses on the changed amount of information due to the discretization based on each cell,enabling the identification of the optimal DM.We develop a case study with Random Forest(training/testing ratio of 7:3)to assess flood susceptibility in Wanan County,China.The area under the curve-based and susceptibility maps-based approaches were presented to compare the ILR and ICR.The results show the ICR-based optimal DMs are more rational than the ILR-based ones in both cases.Moreover,we observed the ILR values are unnaturally small(＜1％),whereas the ICR values are obviously more in line with general recognition(usually 10％-30％).The above results all demonstrate the superiority of the ICR.We consider this study fills up the existing research gaps,improving the ML-based natural hazard susceptibility assessments.     

面向自然资源信息提取的多源异构数据融合技术——以汉江流域NDVI数据为例

高时空分辨率的自然资源指标数据对大尺度自然资源动态观测与趋势评估至关重要。大数据时代下的海量多源数据为数据高效融合利用提供了可能。以重构汉江流域归一化植被指数(Normalized Difference Vegetation Index,NDVI)数据为例,搭建了PostgreSQL自然资源时空大数据处理底层架构,集成了数据级融合法、特征级融合法和决策级融合法,基于机器学习算法构建了一套面向自然资源信息提取的多源异构数据智能融合技术,实现了多源数据的高效利用与特征空间优选。同时,重构了2000—2019年汉江流域NDVI 1 km逐年数据集,全面反映了汉江流域植被动态变化。研究结果可为地球科学时空大数据的高效提取与模拟分析提供科学参考,为定量核算林草资源禀赋规模、探究生态系统时空演变规律提供一种更精准、更便捷的技术手段。     

人工智能在冰雹识别及临近预报中的初步应用

基于广东10部S波段多普勒天气雷达的三维拼图资料,利用机器学习技术开发了一种冰雹识别和临近预报的人工智能算法。算法设计时以雷达回波反射率的垂直和水平扫描数据为基础训练集,将冰雹云的雷达反射率扫描数据作为正样本,将其他雷达反射率扫描数据作为负样本,通过贝叶斯分类法对正、负样本数据集进行机器学习,训练人工智能识别冰雹云内在规律的能力。训练时以广东省2008-2013和2015-2016年的数据作为训练集,使用了2014年广东省12次冰雹过程的数据做检验。对比检验的结果表明,人工智能法比传统的概念模型法击中率高9个百分点。研究结果表明了人工智能对冰雹这类非线性强天气过程具有较强的识别能力。      

Integrating farmers’ adaptive knowledge into flood management and adaptation policies in the Vietnamese Mekong Delta: A social learning perspective

Flood management and adaptation are important elements in sustaining farming production in the Vietnamese Mekong Delta (VMD). While over the past decades hydraulic development introduced by the central government has substantially benefited the rural economy, it has simultaneously caused multiple barriers to rural adaptation. We investigate the relational practices (i.e., learning interactions) taking place within and across the flood management and adaptation boundaries from the perspective of social learning. We explore whether and how adaptive knowledge (i.e., experimental and experiential knowledge) derived from farmers’ everyday adaptation practices contributes to local flood management and adaptation policies in the selected areas. We collected data through nine focus groups with farmers and thirty-three interviews with government officials, environmental scientists, and farmers. Qualitative analysis suggests that such processes are largely shaped by the institutional context where the boundary is embedded. This study found that while the highly bureaucratic operation of flood management creates constraints for feedback, the more informal arrangements set in place at the local level provide flexible platforms conducive to open communication, collaborative learning, and exchange of knowledge among the different actors. This study highlights the pivotal role of shadow systems that provide space for establishing and maintaining informal interactions and relationships between social actors (e.g., interactions between farmers and extension officials) in stimulating and influencing, from the bottom-up, the emergence of adaptive knowledge about flood management and adaptation in a local context.     

基于机器学习的重庆长江航道雾图像特征识别研究

基于重庆市境内长江航道雷达站拍摄的雾天气过程影像资料,利用K最近邻、支持向量机、BP神经网络、随机森林等机器学习算法,对无雾和5类有雾天气个例进行图像识别训练,构建雾图像识别模型,并检验了识别准确率。结果表明：机器学习能够有效识别雾图像,随机森林算法的识别效果优于其余3种算法。对于能见度超过1500 m的无雾天气,模型的识别准确率为100%,对于能见度在1000—1500 m范围内的轻雾、能见度低于50 m的强浓雾,模型的识别准确率在90%以上,对于能见度在50—1000 m范围内的雾、大雾和浓雾,识别准确率超过70%。     

基于ARMA模型的广元市中区经济增长预测分析

利用广元市市中区1978年到2004年GDP数据,构建了广元市市中区时间序列趋势的ARMA模型.在此基础上,对广元市市中区2006年到2010年未来5年内的GDP进行了预测,并针对该区"十一五"规划的各项目标任务提出了一些对策建议,为广元市市中区未来的发展提供参考依据.     

福建省域工业空间结构研究——以福建省销售额前300家工业企业为例

依据地域经济系统理论,一个地域经济单元状态,可以从时序特征和空间结构特征进行表达,其存在状态受制于时空关联性。一定地域在特定时序发展阶段,必有与之相对应的空间结构特征;反之,一定的空间结构特征必然反映其特定的时序阶段。据此,诊断了福建省域工业系统的时空关联性特征,并提出了该省工业阶段性跃迁的对策与建议。     

全球化与新经济背景下的广州市空间结构

全球化与新经济对城市空间结构的形成和演变产生了深刻的影响。基于统计资料及实际调查,分析了广州城市空间结构的演化过程及格局。结果显示,广州城市演化表现出明显的阶段性,包括单中心增长模式、飞地发展模式、“二元”空间结构模式及融合多核心网络模式。现阶段处于二元空间结构模式的发展阶段,新城市区域与老城市区域在产业结构、人口结构、景观特征等方面存在明显的差异。这种城市空间形态结构的演变及格局,是全球化及新经济因素、体制因素、政策及城市规划因素等多种因素综合作用的结果。近年来,全球化与新经济对城市空间形态发展起着日益重要的作用。广州城市空间结构的分析对我国大都市空间结构研究具有重要的启示意义。     

全球-地方联结与产业集群的技术学习--以河南许昌发制品产业为例

以产业区理论、管制理论和全球生产网络理论为基础,以学习创新为核心,构建了一个融生产体系与社会生产体制、制度与协调机制、地方生产网络、全球生产网络“四位一体”的学习型产业区分析框架;运用该框架,以河南许昌发制品产业集群为案例,研究了全球-地方网络联结的方式、动态及其对技术学习的影响。研究发现,通过全球与地方生产网络的建构和有机联结,传统产业集群的技术学习是可以从“低端道路”迈向“高端道路”的,发展学习型产业区应作为我国经济发展与技术创新的一项重大战略和政策。     

流动人口分布与区域经济发展关系若干解释(1990、2000)

本文对我国1990、2000年间流动人口在东、中、西部和东部地区中环渤海、长江三角洲、珠江三角洲及福建三个亚区的分布变化以及这一分布变化与上述各地区各相关经济与非经济因素变化的关系进行了研究。研究发现,10年中流动人口东、中、西部分布变化与东、中、西部经济发展的变化高度一致;而10年中流动人口在东部地区环渤海、长江三角洲、珠江三角洲及福建这三个亚区层面的分布变化则与经济发展要素变化有一致的方面,也有不一致的方面。珠江三角洲及福建的经济增长带来了流动人口的大幅增长,除珠江三角洲劳动密集型企业众多外,这可能与该区域地方社会人文等文化本底所决定的经济发展制度及习俗有一定的相关性。