渤海湾多源重力数据的自适应融合处理

在最小二乘逐步配置基础上,提出了以调整观测信号自协方差及互协方差函数为主要形式的多源重力数据自适应融合处理方法,构建了基于配置结果的自适应融合以及基于观测信号的自适应融合两种融合模式。分别利用两种融合模式对渤海湾陆海交界区域的航空重力数据、卫星测高反演重力数据以及陆地重力数据进行了融合处理,其中基于观测信号的自适应融合模式取得了较优的融合效果,通过船测重力数据的外部检核表明,融合数据的总体精度优于3.7毫伽 。     

A self‐organization algorithm for real‐time flood forecast

The group method of data handling (GMDH) algorithm presented by A. C. Ivakhnenko and colleagues is an heuristic self‐organization method. It establishes the input–output relationship of a complex system using a multilayered perception‐type structure that is similar to a feed‐forward multilayer neural network. This study provides a step towards understanding and evaluating a role for GMDH in the investigation of the complex rainfall–runoff processes in a heterogeneous watershed in Taiwan. Two versions of the revised GMDH model are implemented: a stepwise regression procedure and a recursive formula. Eleven typhoon events in the Shen‐cei Creek watershed, Taiwan, are used to build the model and verify its usefulness. The prediction results of the revised GMDH models and the instantaneous unit hydrograph (IUH) model are compared. Based on the criteria of forecasting precision and the rate and time of peak error, a much better performance is obtained with the revised GMDH models. Copyright © 1999 John Wiley & Sons, Ltd.     

基于高光谱的土壤养分含量反演模型研究

为实现土壤养分（有机质SOM、全氮TN、全磷TP、全硫TS）含量的快速测定,以建三江创业农场为例,对土壤原始反射率进行了一阶微分（FD）、倒数对数（RL）、倒数一阶微分（FDR）、多元散射校正（MSC）和连续统去除（CR）变换,分析6种光谱变量与土壤养分的相关性,将在α=0.01水平上显著相关的波段作为特征波段,运用多元逐步回归（SMLR）、偏最小二乘回归（PLSR）和BP神经网络（BPNN）三种分析方法分别建立有机质、全氮、全磷和全硫的高光谱预测模型,并利用决定系数（R²）、均方根误差（RMSE）和相对分析误差（RPD）对预测模型进行评价.结果显示,PLSR和BPNN建立的土壤养分含量预测模型均优于SMLR,能极好地预测有机质和全氮含量,同时具有粗略估算全硫含量的能力.三种方法中仅有CR-BPNN能对全磷含量进行粗略估算.对有机质、全氮、全磷和全硫预测效果最佳的模型及其验证集决定系数分别为：MSC-PLSR （0.86）、MSC-PLSR （0.75）、CR-BPNN （0.56）、FDR-BPNN （0.67）.     

南京市住宅价格影响因素分析

住宅价格影响因素的研究对于购房者购买住房及政府制定相关政策具有重要影响。然而,目前对于住宅价格问题的研究大多从宏观角度进行,而从微观角度入手的相对较少。此外,对住宅价格的研究通常需要建立多元回归方程,但这样会造成多重共线性问题,导致伪回归,不能准确地分析各因素对住宅价格的影响。针对该问题,本文从微观角度出发,运用定量与定性相结合的方法,建立特征价格模型,并且选择逐步回归法对其进行修正,将其中显著性不强、经济意义不明显的变量逐步剔除,从而更准确地探究影响住宅价格的主要因素。本文以南京市住宅价格为实验数据,并初步选择12个影响因素对该方法进行验证。结果表明,该方法能够有效地剔除二级商业中心、建筑类型、生活配套设施3个显著性不强的影响因素,保留重点学校等9个影响较大的因素。本文方法更为精准地分析了住宅价格的影响因素,为购房者购买住房及政府制定相关政策提供了一定的理论基础。     

基于夜间灯光与LUC数据的川渝地区人口空间化研究

高精度的人口空间分布数据是开展小尺度人口活动变化规律研究的关键数据。夜间遥感影像对于反映人类社会活动具有独特的能力,因而被广泛的应用于社会经济领域的空间数据挖掘。本研究以DMSP/OLS夜间灯光数据、NPP/VIIRS夜间灯光数据、常住人口统计数据、土地利用数据为数据源,在县级尺度上建立逐步回归模型,构建川渝地区人口空间分布数据;并随机抽取研究区内500个乡镇,以常住人口统计数据为真实数据,对人口空间化结果进行精度检验。结果表明：① 2种夜间灯光数据与人口均有较高的相关性,相关系数均在0.76以上,NPP/VIIRS夜间灯光数据与人口的相关性要高于DMSP/OLS,且受拟合模型的影响不大。② 与人口相关性较高的土地利用类型有多种,耕地、林地对人口空间分布也有影响,在建模时不应只考虑建成区。③ 在2种夜间灯光数据分别与土地利用与土地覆被数据（Land Use/ Land Cover, LUC）结合时,使用DMSP/OLS夜间灯光数据和NPP/VIIRS夜间灯光数据得到的逐步回归模型的复相关系数R²分别为0.796、0.817,模型拟合率较高,而基于NPP/VIIRS夜间灯光数据得到的人口空间化结果分辨率（500 m）相比DMSP/OLS提高了一倍（1 km）,中心城区与周边城区人口密度变化更加自然,更符合实际人口分布情况。④ 与LUC数据结合时,使用NPP/VIIRS夜间灯光数据得到的人口空间化结果精度要高于DMSP/OLS夜间灯光数据,表明NPP/VIIRS夜间灯光数据相比DMSP/OLS更适用于人口数据空间化研究。     

徐州地区层状云火箭人工增雨潜势区判别

为了提高人工增雨作业的作业水平和增雨效率,利用2010—2012年徐州市人工增雨作业中的多种观测资料,在分析徐州地区地形特征、增雨作业习惯的基础上,研究出适合本地区使用的人工增雨效果检验方法,建立人工增雨潜势分析模型,对未来12h的人工增雨潜势和临近增雨潜势进行逐步分级判断,将增雨潜势区分为两级:级别Ⅰ增雨潜势较小和级别Ⅱ增雨潜势较大,并指导人工增雨作业。2013年徐州人工增雨作业实践表明,人工增雨12h潜势预报模型和临近预报模型具有较高的准确率。以增雨潜势预报模型为基础,修改徐州地区人工增雨作业流程,提高指挥人员的工作效率,并提高人工增雨作业的效率。     

长期预报基本观测资料自动化处理

将微型气象无人驾驶飞机与无线数字影像采集、传输设备相结合,构成了一套微型无人机空中火情监测系统,并开发了相应的地面监测软件.经过地面测试和空中飞行试验证实,该系统运行良好,对于地面火点有较好的探测能力.目前试验系统已具备单架次完成半径30 km以内,面积80～100 km2林区巡护任务的能力,而且这一系统成本低、使用灵活方便,具有良好的应用前景.同时就系统开发中遇到的相关问题和今后的改进方向进行了讨论.     

天津大神堂海洋牧场影响新生牡蛎因素初探

海洋牧场是维持海洋生态平衡、促进海洋可持续发展,以及满足人类对海洋资源需求的一种新兴技术和产业,海域中投放的人工鱼礁可以为牡蛎生物提供理想的繁殖和栖息生境。天津大神堂海洋牧场中已发现大量新生的牡蛎生物体,然而牡蛎的空间分布并不均衡,存在异质性,其影响因素尚未明确,需进一步探索和研究。本文立足于天津大神堂海域国家级海洋牧场示范区,基于线性相关和逐步多元回归分析,量化了礁体与牡蛎分布之间的相关性,明确了牡蛎分布的影响因素并识别了主次关系。结果表明：区域水深、坐底时长、礁体密度、牡蛎礁距离均对牡蛎生物量有重要影响,其中,坐底时长、礁体密度与牡蛎生物量为正相关,区域水深、牡蛎礁距离与牡蛎生物量为负相关,坐底时长、礁体密度及牡蛎礁距离等3 个环境变量对牡蛎生物量影响更为显著。本文研究成果可以为海洋牧场的建设和牡蛎礁的修复提供重要的技术支持。     

Rural Poverty Patterns and Influencing Factors in Yunnan Province,China: Based on County Level Dataset

The identification of poverty at the county level is the precondition for poverty alleviation by formulating accurate strategies that are targeted for a certain area. Yunnan Province has the largest number of poverty counties in China. The vast number of people living under the poverty-line, and the deep degree of poverty across a wide distribution range, pose major challenges. Based on the rural poverty incidence data, this paper describes the rural poverty patterns in Yunnan Province in 2010 and 2015, and then it explores the main factors which influence the incidence and changes in rural poverty at the county level in Yunnan Province using a stepwise regression analysis method. This study found that the rural poverty in counties of Yunnan Province was deeply affected by natural conditions and the geographical environment. In 2010 and 2015, the rural poverty situation in the middle region of Yunnan Province was relatively light, while it was more serious in the northwest, northeast and south regions. The pattern of county poverty is in good agreement with the topography and landforms of Yunnan Province and the poverty-stricken areas. There are strong correlations between the incidence of rural poverty in Yunnan Province with both the annual per capita net income of rural residents and the degree of agricultural mechanization. These factors are related to the living standards and agricultural production necessary for the peasantry to sustain their livelihood. The change in the incidence of rural poverty at the county level in Yunnan Province from 2010 to 2015 is significantly correlated with changes in the value-added of the primary industries and the degree of agricultural mechanization. These correlations indicate that the development of primary industry plays a key role in the process of lifting rural residents in Yunnan Province out of poverty so they can achieve prosperity. Therefore, improving the annual per capita net income of rural residents and the degree of agricultural mechanization for rural areas in Yunnan Province are still the main points for focused efforts. In the current phase of poverty alleviation, Yunnan Province should emphasize increasing rural residents' income and agricultural production and management in order to formulate effective policies and measures for poverty alleviation.     

内蒙古典型草原与荒漠草原NDVI对气象因子的响应

分析了内蒙古典型草原与荒漠草原NDVI的变化,探讨了干旱对NDVI的影响,建立了NDVI与气象因子的回归模型。结果表明:2000-2016年内蒙古典型草原与荒漠草原NDVI呈现波动变化,变异较小。干旱对典型草原区的羊草(Leymus chinensis)群落与大针茅(Stipa grandis)群落NDVI影响显著(P<0.05);与正常年份相比,干旱导致羊草群落与大针茅群落NDVI降低约23%。5-8月降水量和干燥度指数影响内蒙古典型草原羊草群落与大针茅群落NDVI;荒漠草原区羊草+短花针茅(Stipa breviflora)群落与沙生针茅(Stipa plareosa)群落NDVI的主要影响因子分别为年均气温与5-8月平均气温;5-8月降水量和年均气温是影响典型草原和荒漠草原NDVI的重要因子。基于气象因子的NDVI回归模型能够较好地对区域NDVI进行估测。生长季降水是影响典型草原NDVI的关键因素,而气温显著影响荒漠草原NDVI。在未来气候变化的背景下,内蒙古典型草原NDVI对干旱的响应会更加敏感。