An Automatic Method for Detecting Transients and Variable Sources in AST3 Survey Based on Image Subtraction and Random Forest

AST3-2 (the second Antarctic Survey Telescope) is located in Antarctic Dome A, the loftiest ice dome on the Antarctic Plateau. It produces a huge amount of observational data which require a more efficient data reduction program to be developed. Also the data transmission in Antarctica is much difficult, thus it is necessary to perform data reduction and detect variable and transient sources remotely and automatically in Antarctica, but this attempt is restricted by the unsatisfactory performance of the low power consumption computer in Antarctica. For realizing this purpose, to develop a new method based on the existing image subtraction method and random forest algorithm, taking the AST3-2 2016 dataset as the test sample, becomes an alternative choice. This method performs image subtraction on the dataset, then applies the principle component analysis to extract the features of residual images. Random forest is used as a machine learning classifier, and in the test a recall rate of 97% is resulted for the positive sample. Our work has verified the feasibility and accuracy of this method, and finally found out a batch of candidates for variable stars in the AST3-2 2016 dataset.     

Formation of Carbon-Enhanced Metal-Poor RR Lyrae Stars

Carbon-enhanced metal-poor (CEMP) stars are considered to be related to the first generation of stars, and responsible for the chemical evolution of the early Galaxy. More than half of them are in binaries, and could be explained by the binary evolution, but the formation channel of them is still not fully understood. Among the hundreds of CEMP stars, there are nine CEMP RR Lyrae stars identified, and at least seven of which are very likely not binaries. The usual binary star evolution channel is difficult to produce such a single star, particularly that of carbon enrichment. One way in which such a single star might be produced is the merger of a helium white dwarf with a Hertzsprung gap (HG) star. We use a stellar evolution program to calculate the models of the merger remnants, and find that the models can reproduce the observed distribution of these CEMP single RR Lyrae stars in terms of surface temperature, gravity, and carbon abundance. Hence, it is extremely possible that the helium white dwarf and HG star merger model is one of the formation channels of the metal-poor carbon-rich RR Lyrae stars.     

伏牛山地区森林生态系统服务权衡/协同效应多尺度分析

森林生态系统服务权衡与协同研究已成为当前相关学科的研究热点和前沿,对服务权衡与协同关系的多尺度分析有助于更加有效地实施森林资源管理。综合森林类型图、NDVI、气象和土壤等多源数据,借助CASA模型、InVEST 3.2模型和ArcGIS 10.2软件,开展伏牛山地区森林生态系统服务评估,运用空间叠置方法从多个空间尺度（区域、南北坡、垂直带）探讨服务权衡与协同效应。结果表明：① 研究区森林生态系统平均蓄积量为49.26 m ³/hm ²,碳密度为156.94 t/hm ²,供水深度为494.46 mm,土壤保持量为955.4 t/hm ²,生境质量指数为0.79。② 区域尺度上,28.79%的森林服务之间存在高协同效应,10.15%的森林存在低协同效应,61.06%的森林存在强权衡和弱权衡效应。③ 南北坡尺度上,南坡服务之间的协同关系优于北坡。垂直带尺度上,南坡中山落叶阔叶林带（SIII）服务之间协同关系最好,北坡低山落叶阔叶林带（NI）协同关系最差。     

中国农村深度贫困的空间扫描与贫困分异机制的地理探测

从自然和社会经济因素中选取贫困的影响因子,建立评价指标体系,通过Pearson相关分析确定了贫困的主要影响因素,利用GIS空间分析和BP人工神经网络,分别模拟了省域、市域和县域3个尺度下的自然致贫指数与社会经济消贫指数,进一步计算获得了3个尺度下的贫困压力指数,对其空间分布格局进行分析;借助Flexible空间扫描探测识别出深度贫困县,在此基础上运用地理探测器揭示其主导致贫因素,并提出差别化的减贫对策建议。结果表明：① 省域、市域、县域3个尺度的自然致贫指数和贫困压力指数在空间分布上具有较高的一致性,呈现出明显的“东低西高”的空间分布格局;社会经济消贫指数的空间分布一致性不高,县域尺度更为破碎。以黑河—百色线为界,县域贫困压力指数在空间上表现出“大分散、小聚集”的分布状态。识别出的全国贫困县共计655个,主要分布在重点生态功能区和农产品主产区。② 3个尺度下,空间扫描识别出的贫困高风险区主要分布在西北、西南少数民族和边疆地区。县域尺度下识别出208个深度贫困县,多位于省际边缘区。③ 地理探测器识别出深度贫困县的7个致贫主导因素,按照主导因素将深度贫困县划分为地形要素制约型、区位交通制约型、经济收入制约型和生态环境制约型4类。     

基于大数据的极端暴雨事件下城市道路交通及人群活动时空响应

随着全球气候变化加剧,极端降雨增多,暴雨内涝灾害频发,严重威胁城市的可持续发展。快速掌握暴雨给城市交通及人群的影响,有助于提高灾害应急管理水平和事件响应能力。利用实时动态的交通路况信息和手机定位请求数据,通过一种融合STL时序分解技术与极端学生化偏差统计检验的时间序列异常探测方法,监测和分析暴雨内涝灾害事件中,城市道路交通和人群活动的时空响应特征,并以2018年7月16日发生在北京的极端暴雨事件为例开展实证研究。研究结果显示,在降雨集中的早、晚高峰两个时段（8—9时、18—19时）,市区的拥堵道路数量超出往常水平最高可达150%,异常检测分析显示拥堵道路数量和交通拥堵指数均达到异常甚至极端水平。人群活动的异常响应分析结果显示,暴雨事件引起定位请求量异常升高、异常点增多,且异常点的空间分布与1 h前的降雨量分布存在较高相关性。以上结果不仅证明了大数据及异常检测方法对于快速洞察暴雨事件对城市交通及人群影响的有效性,也为城市暴雨内涝灾害的应急响应与管理提供了新的技术手段。     

中国城市流动人口居留意愿影响因素的空间分异特征

流动人口居留意愿的影响因素往往存在显著的空间分异特征,然而既有研究对此关注较少。基于2015年中国流动人口动态监测数据,运用半参数地理加权回归（SGWR）模型,结合k均值聚类法,对中国城市流动人口居留意愿影响因素的空间分异特征展开研究。结论如下：① 流动人口居留意愿主要受流动人口群体自身特征的影响,受流入地的影响相对较弱;② 社会经济因素与流动人口居留意愿的关系紧密,人口、家庭及流动特征因素同样产生影响,收入、婚姻、跨省流动等因素对流动人口居留意愿产生抑制作用,而住房支出、参保率、子女个数等因素则产生促进作用;③ 各影响因素总体上呈现带状的空间分异模式,可概括为“E-W”“N-S”“NE-SW”“SE-NW”4种。民族、家庭等因素的正向影响自北向南递减,参保率、未婚率、二产就业等因素的影响自西北向东南递减,子女个数及人均GDP的影响自东北向西南递减。东部经济较发达地区高收入流动人口的居留意愿相对更弱,华南地区住房支出较高的流动人口居留意愿相对更强。④ 全国可划分为四大影响区,其中,华北地区、华中地区、华东地区受多因素共同影响;西北地区及部分西南地区主要受人口及社会因素的影响;东北三省及内蒙古东部地区主要受经济及家庭因素的影响;华南地区及部分中、东、西南部地区,除住房支出外,受大部分因素的影响相对最小。最后,本文对中国流动人口的服务与管理提出相应建议。     

中国土地利用空间格局刻画方法研究

土地利用空间格局研究是土地利用/覆盖变化（LUCC）理论和实践的基础,对土地利用空间格局进行有效刻画有利于国土资源空间优化,提升土地利用规划和管理水平。由于土地利用空间格局的研究范畴尚不明晰,目前土地利用空间格局的研究对形状、斑块分布和结构等方面关注较少,缺乏对不同土地利用类型间相互关系的研究;同时,格局指标繁多且存在较大的相关性,如何建立指标与土地利用空间格局的对应关系值得进一步研究。本文在深刻理解土地利用空间格局内涵的基础上,将面积、形状和斑块分布总结为土地利用几何特征,将结构和多样性总结为土地利用类型特征,建立了土地利用空间格局刻画指标体系,利用模糊C均值聚类分析,明确了指标与空间格局间的对应关系。结果表明,中国土地利用几何特征可以划分为简单大斑块型、复杂大斑块型、复杂小斑块型、简单小斑块型和散布型五种,不同的几何特征反映了不同土地利用类型的面积、形状和斑块分布的特点,体现了区域土地利用类型的组合关系。2010年中国土地利用共存在61种不同的结构,但主要的结构类型仅有14种,结构特征具有明显的空间聚集性,体现了不同土地利用类型的空间分异性。中国土地利用多样性以3~5类为主,占比达66.69%,其特征总体上呈现“东北、东南高,西北低”的态势。该研究丰富了土地利用空间格局研究的理论体系,填补了中国土地利用整体空间格局刻画的空白。     

Swelter in the city: Urban greenery and its effects on temperature in Guwahati,India

Changing urban landscape with multistoried high rises, roads and pavements is continuously reducing urban green space. These structures result in high surface temperature variation within cities. To explore the relationship between surface temperature and normalized difference vegetation index (NDVI), this study estimates two models—geographically weighted regression (GWR) and a fixed effect panel data model in relation to the Guwahati Metropolitan Area (GMA), a secondary city in north east India. The results indicate the superiority of GWR regression in presence of spatial dependence. Panel data analysis shows that the densely populated urban areas in the GMA with less than 10 per cent greenery are 1°C warmer than the sub-urban areas with 50 per cent greenery.     

Decumbent development: Urban sprawl in the Guwahati Metropolitan Area,India

Urban sprawl has become a global phenomenon as an outcome of growing population and rapid urbanization. Previous studies have addressed the rising incidence of uncontrollable urban development, particularly in peri-urban areas of cities, leading to chronic urban sprawl. The city of Guwahati, a million city in north east India, has expanded significantly in recent years. In this article, the links between population and growth of built-up areas were examined using geo-spatial techniques and remotely sensed datasets. The results indicate that the sprawl has accentuated in recent years. The intensity of land use remained uneven due to marked variations in the distribution of built-up areas, plausibly an outcome of unplanned urban growth. If current trends are anything to go by, future urban sprawl could pose serious threats to the vulnerable eco-sensitive and peri-urban areas of Guwahati. Secondary cities have unfortunately received scant attention in urban policy research, and Guwahati, epitomizes urban woes in a developing country.     

野外科学观测研究台站（网络）和科学数据中心建设发展

中国科学院地理科学与资源研究所成立80年来,十分重视野外台站（网络）和科学数据中心的建设,取得了辉煌成就。研究所建立了4个野外观测研究网络,引领了中国生态系统研究网络的建设与发展;成立了2个国家级科学数据中心,1个中国科学院数据中心,1个数据出版系统并于2016年加入了世界数据系统;拥有2个国家级野外观测研究站,1个中国科学院野外研究站,形成了独具特色的野外观测研究平台和数据共享服务平台。本文回顾了中国生态系统研究网络、国家生态系统观测研究网络、中国通量观测研究网络、中国物候观测网和禹城站、拉萨站、千烟洲站以及地球系统科学数据中心、生态科学数据中心、资源环境科学数据中心和全球变化科学研究数据出版系统的发展历程。地理资源所台站（网络）从无到有,不断发展壮大,引领了中国野外观测研究事业的发展,支撑了地理学、生态学等重要科学成果产出,科技支撑能力和示范能力大幅提升,有力支撑了华北平原、青藏高原以及南方山地丘陵区的生态文明建设;成为中国地球系统科学、野外台站、资源环境等学科和领域最大的科学数据汇聚中心,数据共享服务成效显著,在国内外具有广泛影响力。在未来发展中,地理资源所将充分发挥野外台站（网络）综合中心作用,强化生态系统、碳水通量、物候等观测研究网络的能力建设,稳步提升野外观测研究站条件保障能力和科学数据中心的数据汇聚能力、分析挖掘能力以及共享服务能力,持续推动和引领中国科学数据的共享,在科学研究和支撑国家需求等方面做出更大贡献。