A systematic sensitivity analysis of constrained cellular automata model for urban growth simulation based on different transition rules

Cellular automata (CA) have emerged as a primary tool for urban growth modeling due to its simplicity, transparency, and ease of implementation. Sensitivity analysis is an important component in CA modeling for a better understanding of errors or uncertainties and their propagation. Most studies on sensitivity analyses in urban CA modeling focus on specific component such as neighborhood configuration or stochastic perturbation. However, sensitivity analysis of transition rules, which is one of the core components in CA models, has not been systematically done. This article proposes a systematic sensitivity analysis of major operational components in urban CA modeling using a stepwise comparison approach. After obtaining transition rules, three stages (i.e. static calibration of transition rules, dynamic evolution with varied time steps, and incorporation with stochastic perturbation) are designed to facilitate a comprehensive analysis. This scheme implemented with a case study in Guangzhou City (China) reveals that gaps in performance from static calibration with different transition rules can be reduced when dynamic evolution is considered. Moreover, the degree of stochastic perturbation is closely related to obtain urban morphology. However, a more realistic (i.e. fragmented) urban landscape is achieved at the cost of decreasing pixel-based accuracy in this study. Thus, a trade-off between pixel-based and pattern-based comparisons should be balanced in practical urban modeling. Finally, experimental results illustrate that models for transition rules extraction with good quality can do an assistance for urban modeling through reducing errors and uncertainty range. Additionally, ensemble methods can feasibly improve the performance of CA models when coupled with nonparametric models (i.e. classification and regression tree).     

区域气候模式在中国西北地区气温和降水长时间序列模拟的误差分析

气温和降水微小的变化都可能引起中国西北地区脆弱生态环境空间格局剧烈变化.由于西北地区气象站点分布稀疏,站点观测结果难于完全代表西北地区复杂地貌的气象要素空间分布格局.区域气候模式模拟可以弥补现有观测资料的不足,但模式模拟存在的误差,往往制约着西北区域气候变化评估工作.本文在CN05格点数据和站点数据基础上,从空间格局、极值模拟等方面对高分辨率WRF模式数据气温和降水模拟精度进行评估,假定偏差恒定基础上,使用分类回归树模型建立偏差预测模型.结果表明:CN05数据和WRF模式多年年平均气温和多年平均年降水数据空间格局基本一致,但WRF模式结果空间格局更加细致.WRF模式结果在山区和湖泊地区降水偏高估,气温和降水距平在新疆地区相对于其他地区变化较为一致;95%分位数的降水在甘肃和新疆地区模拟结果好于宁夏、青海和陕西;5%和95%分位数气温,WRF模式大部分站点表现为暖偏差,而CN05数据表现为冷偏差;不同的地貌单元区域气温和降水的偏差时间序列存在一定的相关性.在西北五省区气温和降水的分类树模型中,由于高程和地形复杂度对偏差预测模型影响较大,无法在整个西北地区建立统一的误差预测模型.     

基于CART决策树的河北省低能见度分类研究

基于2016—2019年河北省142个国家气象站逐小时观测数据,通过EOF时空正交分解和CART决策树分类回归等方法,针对低能见度高发区域构建能见度预报模型,并进行拟合检验。结果表明：河北省雾日时空分布特征显示除张家口、承德及秦皇岛三市外,40°N以南地区为雾日高发区域,多年平均雾日数最高值可达50 d。相对湿度、地表温度、风速等气象要素与能见度显著相关,将显著相关因子作为输入变量建立能见度预报模型并调参,经检验该模型对于冬季的预报效果较好,有较高的准确率;夏季误报率较低;日夜差别在夏季并不明显,三个指数差别不大,冬季夜晚的准确率与误报率明显优于白天,漏报率略高。石家庄站2019年12月7—10日的三次大雾过程拟合结果较好,有雾时次无漏报。     

基于高分六号红边特征的面向对象桉树人工林信息提取

有效监测桉树林空间分布对区域生态环境保护及有关部门的统筹决策具有重要指导意义.本文在现有研究的基础上,以国内首个提供红边波段的多光谱高分六号(GF-6)卫星影像为数据源,选取广西鹿寨县为典型研究区域,结合光谱特征、植被指数特征和红边特征,设计不同特征组合分类方案,采用面向对象多尺度分割方法,对不同尺度层分别构建隶属度函...     

西藏尼洋河水生生物群落时空动态及与环境因子关系:3.大型底栖动物

于2008-2009年按照季节调查了西藏地区尼洋河大型底栖动物群落的组成和丰度,并运用多元统计方法定量分析了大型底栖动物的空间和季节变化特征及其与主要环境因子之间的关系.结果显示,石蚕幼虫、萝卜螺以及摇蚊幼虫是尼洋河主要的大型底栖动物,另外,随着海拔的升高,尼洋河大型底栖动物总丰度呈现降低趋势;Duncan检验法显示,物种总丰度在各采样点之间均不存在显著性差异;PCA方法显示,对于采样点,大型底栖动物总丰度最大值和最小值分别出现在采样点Ⅳ和采样点Ⅱ,对于季节,大型底栖动物总丰度最大值和最小值分别出现在秋季和冬季;CCA方法显示,可分别从尼洋河中上游和中下游两个河段来概括尼洋河大型底栖动物与环境因子之间的关系;CART模型显示,从11项环境因子筛选了4项环境因子用以解释它们与大型底栖动物总丰度之间的相互关系,这4项环境因子包括矿化度、总磷、海拔和季节,建议加强对大型底栖动物及这些环境因子的关注,保障尼洋河水域生态环境的可持续发展.     

基于遗传算法的特征选择方法在短时强降水预报中的应用北大核心

利用江苏省13个气象观测站历史上短时强降水观测资料,用遗传算法进行特征选择,选定影响短时强降水的950 hPa假相当位温、700 hPa比湿、500 hPa比湿、对流有效势能(Convective Available Potential Energy,CAPE)等14个特征为主要因素,将是否为短时强降水抽象成二元分类问题。借助机器学习中CART决策树算法进行分类分析,构建便于使用的短时强降水预报规则集。实验部分,随机选择5816条样本进行训练模型,得到适合江苏地区的短时强降水规则集,利用剩余的1454条数据进行实际检验,模型的短时强降水预报准确率为91.35%,非强降水预报准确率为97.11%,较特征选择之前分别提升了8.66%和1.05%。