基于NDVI时间序列数据的江西省水稻种植制度变化研究

利用Savitzky-Golay滤波对覆盖江西省范围的SPOT VGT NDVI时间序列数据进行平滑处理的基础上,结合坡度数据,通过非监督分类的方法提取了江西省2000、2005和2010年水稻种植范围,并根据NDVI的年内动态变化,从水稻种植范围、水稻生长季起始时间、水稻复种指数和NDVI最大振幅等分析了江西省水稻种植和生长情况,探讨2000~2010年江西省水稻生产的变化。     

L1范数与IQR统计量组合的GNSS坐标序列粗差探测算法

GNSS坐标时间序列中不可避免地含有粗差,未剔除的粗差将会导致参数估计有偏。因此,粗差探测与剔除是GNSS坐标序列分析中一项重要的数据预处理工作。针对GNSS坐标时间序列特点,提出了一种将L1范数(L1-norm)估计与四分位距统计量IQR(interquartile range)组合的移动开窗粗差探测算法,称之为L1_Mod IQR。该方法的主要思想是,首先利用L1范数估计得到较"真实"的残差,然后再对残差采用IQR统计量进行粗差探测。将L1_Mod IQR法与"3σ"法、基于最小二乘的τ检验法等粗差探测算法进行了模拟计算与对比,验证了该算法的有效性。进一步采用L1_Mod IQR算法对中国区域10个IGS站的高程时间序列进行了分析,结果表明中国区域IGS站高程序列的粗差剔除率最小为0.1%,最大为2.6%。并且以WUHN站为例与SOPAC提供的结果进行了对比,结果表明SOPAC提供的"Clean"数据仍含有大量的粗差,而L1_Mod IQR算法能够有效地剔除粗差。     

重要性权值的驾车导航POI表达规则

在导航电子地图中,针对驾车任务的POI自适应表达是提高导航电子地图信息传输效率的关键。针对这一问题,提出了基于重要性权值的驾车导航POI表达规则。首先,分析了POI重要性权值的影响因素;其次,从影响因素出发,研究了基于权值的POI规则表达的各规则项;最后,设计了POI自适应表达规则库,并在嵌入了数据处理规则库的绘图软件上进行了技术实现。试验结果表明,利用基于权值的POI表达规则进行地图表达,可以提高地图内容的层次性与清晰性,优化驾车导航服务。     

基于实时SMRP模型的行业专题地图设计与实现

基于一村一镇专题地图的编制出发,分析了常规制图方法的局限性,提出一种基于ArcGIS符号库设计、智能标注引擎、制图表达规则及数据页面驱动等高级制图技术进行行业专题地图、地图集编制的SMRP地图制图模型,研究基于SMRP模型进行行业专题地图设计的方法,实现了图数一体、减少人工介入工作量及实时、自动、批量化的地图编制.     

基于聚类分区的中国夏季降水预测模型

文章基于近邻传播客观聚类方法对中国夏季降水进行了气候分区,以中国不同分区的夏季降水为预测对象,使用前期的海温和海平面气压场为预测因子,利用图像标签算法提取高相关封闭区域的预测因子信息。结合最小二乘回归法建立预测模型。采用Ps评分、距平符号一致率和距平相关系数三种评分方法检验了该预测模型,比较了四种不同的因子配置方案的预测能力。研究结果表明,利用冬春季海温的演变特征结合海平面气压的年际变化为预测因子的分区预测模型效果较好,在1982—2009年期间的平均交叉检验平均Ps得分为81.4,距平符号一致率为63%,距平相关系数为0.35,2010—2014期间的独立样本预测检验的平均评分分别为77.1,58%和0.19,且逐年回报效果较为稳定,表明该方法对中国夏季降水有较好的预测效果。研究结果显示,该预测模型能较好地预测出2014年中国夏季降水南多北少的分布特征。     

探讨1886-2012年期间全球二氧化碳浓度及城市化效应对于香港温度趋势变化的格兰杰因果关系

因果关系在许多科学领域中是一个重要课题。在气候变化研究中,一个关键的问题是天气和极端事件的变化是否或在何种程度上可以归因于全球变暖的人为因素。归因分析主要依赖于气候模型,但其在描述非线性系统中存在一定的局限性。本文应用长期观测数据并使用统计方法来探讨此问题。更具体地,本文应用格兰杰因果关系检验方法分析全球二氧化碳浓度与城市化效应对香港气温演变的影响。基于香港1886年至2012年的温度数据,我们发现其夏季平均、最高和最低气温以及酷热天气、热夜日数皆增加趋势。同时可以发现日温度的统计分布变化。格兰杰因果关系分析的结果表明,全球二氧化碳浓度的变化和城市化效应皆对香港气温的演变有所贡献,对于不同的时间滞后性这种效应同样存在。通过与非城市地区的比较,我们发现城市化效应对于夏季气温的升高大概贡献40％。根据初步的结果,文本所引入的方法可以作为一种新的角度来评估局部地区温度升高的原因。本文的分析方法可以扩展至研究其他温室气体对极端天气事件的影响,以及气候变化和社会影响之间的联系。     

慢特征分析法在气象上的应用进展

气候系统具有非平稳特征,根本原因在于其外强迫随时间发生改变,因此外部驱动力的分析对于理解气候系统的动力学特征至关重要,而如何有效提取系统外部驱动信息是一个亟待解决的前沿科学问题。最近几年,在生物神经学领域中应用的一种提取非平稳信号中外强迫信息的方法——慢特征分析法(Slow Feature Analysis,SFA),在气象领域中也得到了初步成功的尝试,结果显示出此方法对气候系统的外强迫信息分析及有关动力学机制的探究有较好的应用前景。本文主要介绍SFA方法的理论思想及实施步骤,并通过一个理想的非平稳时间序列检验其提取外强迫信息的能力,结果证明在衰减的Logistic模型中,可利用SFA算法提取出模型中的外强迫,且与真实外强迫的相关系数可达0.99;此外,还介绍将该方法应用于Arosa臭氧时间序列,分析其提取的外强迫信息的动力学特征;并介绍了在气候时间序列建模中引入外强迫因子的预测效果。     

基于 DTW 距离的时序 NDVI 数据植被信息提取--以秦巴山区为例

秦巴山区是我国重要的生态屏障,对该区的植被信息提取开展研究,可为区内生态服务功能及自然资源开发利用提供基础数据。通过加窗处理改进DTW距离相似性算法,结合临近度模糊分类方法对2005—2014年的MODIS NDVI时序数据进行植被信息提取。首先利用S-G滤波对MODIS NDVI时序数据进行重建;再利用2013年的采样数据构建各类植被的标准NDVI时序曲线,逐像元计算与标准NDVI时序曲线的加窗DTW距离,利用临近度模糊分类实现植被信息提取;最后验证提取精度。结果表明,算法具有较高的运行效率,可避免错误匹配,以较高的精度(总体精度83.8%,kappa系数0.77)实现长时间序列的植被信息提取。     

全景图增强地理现实的空间认知问题

基于全景图的增强地理现实平台是一种新的空间认知工具,研究其空间认知问题是进行技术研究的基础。文中介绍全景图增强地理现实的主要技术流程和优势;阐述基于全景图增强地理现实进行空间认知的基础模型;分析全景图和地理信息数据的信息匹配问题,包括比例尺和位置匹配两个方面;介绍地理信息在全景图像上的表达方式,重点解决增强目标和属性信息的选择问题;最后通过与街景地图、虚拟现实平台进行空间认知比较,得出全景图增强地理现实平台的有效性和主要适用范围,表明该平台具有独特的空间认知优势。     

西沙海域新生代生物礁序列的沉积构成:以西科1井为例

生物礁是由原地的固着生物所建造的块状碳酸盐岩沉积。西沙海域自中新世以来发育了厚层生物礁地层。通过对最新全取心钻井西科1井岩心的宏观观察和微观分析,结合古生物及岩心测试成果,发现西科1井中新世和第四纪为主要造礁期,形成了两套分别以珊瑚藻和珊瑚为主要造礁生物的生物礁序列,底栖有孔虫为主要的附礁生物,而上新统为一套滩相沉积。生物礁序列发育骨架岩、粘结岩和障积岩三种礁相岩石,以骨架岩含量最高,非礁相岩石包括泥灰岩、颗粒灰岩和生物碎屑灰岩三种。白云岩地层以晚中新世到上新世早期最为发育,多为准同生白云石化作用所致,并受热液活动的影响。对生物礁序列的沉积分析,可为后期南海油气勘探以及生物礁储层分布研究提供一些基础材料。