共查询到15条相似文献，搜索用时 198 毫秒
1.
同化叶面积指数和蒸散发双变量的冬小麦产量估测方法 总被引：1，自引：0，他引：1
同化遥感信息到作物生长过程模拟模型,是估测区域作物产量的重要方法之一。同化变量的选取对同化结果精度至关重要。本文在标定WOFOST作物模型参数的基础上,优化了WOFOST模型的默认灌溉参数。利用ET和LAI作为同化变量,分别构建了时间序列趋势信息的代价函数和四维变分代价函数;采用SCE-UA算法最小化代价函数, 重新初始化WOFOST模型初始参数——作物初始干物质重、作物35 ℃生命期和灌溉量。最后利用MODIS LAI产品（MCD15A3）、MODIS ET产品（MOD16A2）,同化到作物模型估测产量,并对比分析了水分胁迫模式下同化单变量（ET或LAI）和同化双变量（ET和LAI）的估产精度。结果表明：同化双变量ET和LAI的策略,优于同化单变量LAI或ET,双变量策略的冬小麦产量估测精度为R2=0.432,RMSE=721 kg/hm2;单独同化高精度LAI对提高估产精度具有重要作用,其冬小麦产量估测精度为R2=0.408,RMSE=925 kg/hm2;单独同化ET的趋势信息改善了WOFOST模型模拟水分平衡的参数,但是,产量估测精度（R2=0.013,RMSE=1134 kg/hm2）与模型模拟估测产量精度（R2=0.006,RMSE=1210 kg/hm2）相比改善效果有限。本研究为其他区域的遥感数据与作物模型的双变量数据同化的作物产量估测研究提供了参考价值。 相似文献
2.
植物生长季的变化反映了全球气候变化对生态环境的影响。本研究以2000-2006年间MODIS-NDVI影像数据集,使用TIMESAT软件从归一化植被指数（NDVI）时间序列中,分别提取福建省不同森林植被的生长季开始日期（Start of Season,SOS）、生长季结束日期（End of Season,EOS）和生长季长度（Length of season,LOS）等物候参数,并与全省尺度的气温与降水量进行相关分析。结果表明：不同森林类型NDVI与当月月均气温之间具有较显著的相关性（R2为0.72-0.79,p<0.01）,同期温度变化对植被生长的影响相对于降水量更重要;而植被生长对降水量的响应存在大约2个月的时滞效应（R2为0.54-0.75,p<0.01）,说明前期的降水累积对于后续植被生长有较显著影响。福建省森林植被生长季持续时间约213~223 d,开始于每年4月初到4月中旬（第98~103 d）,结束于11月中旬前后（第316~321 d）。其中,南亚热带森林生长季长于中亚热带森林,相同气候条件下的阔叶林生长季时间略长于针叶林。另外,春季（2-4月）气温变化是导致福建省内2个气候带森林生长季开始时间、生长季结束时间及生长季长度变化的关键因素,而伴随春季温度升高,植被生长季开始时间提前（R2为0.83,p<0.01）,同时生长季长度延长（R2为0.80,p<0.01）。7 a间,生长季持续时间呈现微弱延长趋势,总体延长幅度为2.4~3.1 d。 相似文献
3.
为提高PM2.5浓度预测的时效和精度,本文综合大气污染物、GNSS水汽和风速等观测要素,利用FFT与LSTM神经网络方法构建PM2.5浓度预测模型,开展未来24 h的PM2.5浓度预测研究。首先对大气污染物、GNSS水汽和风速等观测要素进行快速傅里叶变换,提取各类要素的公共变化周期,获得最佳公共周期为216 h;然后选取最佳公共周期长度的各类要素作为模型输入,24 h序列的PM2.5浓度作为模型输出,分别以PM2.5单要素的RBF神经网络和融合大气污染物、风速、GNSS水汽的LSTM神经网络构建PM2.5浓度预测模型;最后利用实测PM2.5浓度序列分别对2种模型开展外部可靠性检验,将RMSE和IA作为评价指标进行模型精度评价。研究结果表明,基于FFT-LSTM的PM2.5浓度预测模型的RMSE和IA分别为16.22 μg/m3和84.36%,模型预测精度较好,可有效预测未来24 h的PM2.5浓度,该模型可为大气污染防治部门空气质量预测提供参考。 相似文献
4.
合理构建PM2.5浓度预测模型是科学、准确地预测PM2.5浓度变化的关键。传统PM2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM2.5浓度时间序列数据,分析PM2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM2.5对PM10、NO2、O3、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM2.5浓度预测精度,MAE、MAPE、RMSE和R2分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM2.5浓度大于100 μg/m3）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。 相似文献
5.
气象因素影响下中国手足口病时空演化特征研究 总被引：1，自引：0，他引：1
近年来,手足口病在我国感染者的数量仍然呈现逐渐增加的趋势,对公共健康造成很大的威胁,也对疾病防控提出严峻的挑战。为探讨气象因素（气温、降水）对我国手足口病（Hand Foot and Mouth Disease, HFMD）发病的时空影响特征及规律,本文以我国手足口病疫情平发年2017年为例,利用分地区、分月份疫情数据,采用地理探测器、空间自相关等分析方法分析各地气象（气温、降水）因素对手足口病发病影响及其时空分异。结果表明：① 在时间上,2017年我国各地中心城市手足口病发病有明显的季节差异,年内有单峰发病模式和双峰（高低峰、双高峰）发病模式,且2017年2、4、12月各地中心城市手足口病发病率有显著的空间相关;② 在空间上,2017年我国各省、市手足口病发病在空间上表现为东南各省市发病率高,西北各省市发病率低的特点,并随降水量由东南向西北呈现递减趋势;③ 2017年省、自治区、直辖市和地级市手足口病爆发热点时段（4—8月）时空演化分析,先由东南各省向西北各省蔓延,后又表现为由西向东退缩;④ 2017年我国各地中心城市手足口病月发病率分别与年均降水量、年均温,呈二次函数关系（R2=0.6623）和指数函数关系（R2=0.6469）;⑤ 气温和降水对手足口病交互作用结果表现为双因子非线性增强,气温和降水的交互作用对手足口病传播的影响更为显著。气象因素对我国手足口病发病存在影响,我国手足口病发病在时间和空间上均存在显著差异,分析结果在宏观尺度上可为我国手足口病防控提供参考。 相似文献
6.
时空融合技术是目前解决单一遥感数据源难以同步获取高时空分辨率数据的有效途径。然而,如何设置参数使模型融合效果最佳,如何设置在植被监测中广泛应用的植被指数的融合步骤,进而获得最佳的植被指数时序数据,目前仍不明晰。本文以长江中下游平原地区的典型县域—南昌县为例,基于Landsat和MODIS多时相数据对当前主流时空融合模型—ESTARFM （Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）进行参数敏感性分析,并系统地对比分析了2组融合实验RI（先融合波段反射率后计算植被指数）和IR（先计算植被指数后直接融合）的融合效果。结果表明： ① ESTARFM算法中参数的敏感性在波段反射率、植被指数融合中表现出相似的特征,随着滑动窗口与相似像元数量的增大,融合误差整体呈现出先减小后趋于稳定或增大的趋势;在ESTARFM算法应用中,存在着最佳参数设置范围;② 相较于RI组,IR组模拟结果精度更高（R2RI-NDVI=0.866,R2IR-NDVI=0.953,R2RI-EVI =0.814,R2IR-EVI =0.930）,且能够较好地削弱“斑块”现象,更好地表征出细小地物和纹理特征。研究结果为遥感数据时空融合模型在地块破碎、种植制度多变的复杂环境中的应用提供借鉴和参考。 相似文献
7.
气候舒适度对人类活动和地区适宜性评价等研究具有重要意义,而温湿指数是气候舒适度评价的一项重要指标。传统的温湿指数计算都是基于站点数据,无法获取大尺度区域舒适度的时空变化特征。本文利用2005—2018年MODIS地表温度、大气可降水量数据,结合地理加权回归方法对经典温湿指数模型进行改进,计算并分析中国年均和月均气候舒适度时空演变特征。结果如下：① 采用GWR方法进行地表温度和气温的拟合,拟合精度（Adjusted R2=0.9~0.98,RMSE=0.14~1.89 ℃）较为理想,说明采用LST、NDVI、DEM作为自变量的地理加权回归分析,能够较精确地拟合地面气温;② 2005—2018年年均温湿指数统计结果表示,云南省累计舒适月数最多,高达167个月,中部省份相对于东南沿海省市舒适时期较多,最高舒适月数差值可达到41个月。中国年均舒适度空间分布规律基本保持一致,除新疆、西藏和东北的部分区域以外,舒适度空间呈现从南到北,舒适度等级由舒适变寒冷。从舒适度等级面积变化情况看,2005—2018年全国舒适度等级呈现由寒冷变舒适的趋势;③ 2018年全年舒适面积最大的月份为5月,其次为10月,不舒适月份集中在1月和7月,全国呈现极冷或极热。春季和秋季空间分布特征较为相似,呈现由东南到西北逐渐递减的趋势;除青藏高原地区外,夏季和冬季呈现由南到北递减趋势。舒适区域主要集中在低纬、中海拔地区。 相似文献
8.
蓝绿空间是城市生态安全的重要保障。本文通过谷歌地球引擎（GEE）提取2005、2010、2015与2020年的植被与水体指数数据，构建了包含272个地级城市建成区的蓝绿空间数据库。运用蓝绿空间覆盖率、300 m服务半径覆盖率、分维数与分离度4个指标分析其时空格局与演化模式，并进一步探讨其气候影响因素。结果表明：① 地级城市建成区蓝绿空间整体呈现为“南高北低”的格局，且南方“西高东低”、北方“东高西低”，但环渤海地区为蓝绿空间覆盖率“洼地”；时间格局为“总体增长、局部降低”，华中地区呈下降趋势的城市最多；② 就分区而言，西南地区城市建成区蓝绿空间覆盖率最高（平均高于65%）、分离度最低（平均低于0.60），西北地区覆盖率分异较大，华北地区覆盖率最低（平均10%~30%）且分离度最高（平均约0.98）；③ 采用多尺度地理加权回归模型所得R2为0.85（校正R2为0.83），其中，降水量对城市建成区蓝绿空间的影响最显著，降水量变化成正相关，气温则成负相关；整体上气候影响与比人为影响相当，但在某些时段间更大。 相似文献
9.
基于神经网络模型的干旱区绿洲土壤盐渍化评价分析 总被引：1，自引：0，他引：1
土壤盐渍化严重制约了农业可持续发展和生态安全,土壤盐渍化的精确评价分析,对土壤盐渍化的改善和治理具有重要的意义。本文以新疆焉耆盆地为研究对象,Landsat8 OLI遥感影像和实测采样数据相结合,提取地下水埋深（GD）、盐分指数（SI）、地表蒸散量（SET）和改进型温度植被干旱指数（MTVDI）建立了土壤盐渍化评价模型。结果表明：①结合野外实测土壤盐分数据,对BP神经网络模型进行训练。最终以最优的4-4-1结构的3层BP神经网模型对研究区土壤盐渍化进行了预测（R2=0.864,RMSE=0.569）。相比传统多元线性回归模型（R2=0.741,RMSE=0.767）,神经网络模型对土壤盐渍化的预测精度更高;②土壤盐渍化分布与GD、SI、SET和MTVDI等存在较强的关联性,不同等级的土壤盐渍化是不同影响因素不同程度上组合而引起的结果,盐渍化土地主要分布在地下水位较低以及土地开垦之后没有利用的荒地区域;③整个研究区大部分区域受到不同程度的盐渍化影响,耕地退化为盐渍地导致该区域土壤盐渍化以及土壤次生盐渍化进一步加剧。 相似文献
10.
气象变量常作为重要的影响因子出现在环境污染、疾病健康和农业等领域,而高分辨率的气象资料可作为众多研究的基础数据,对推进相关研究的发展意义重大。本文以中国大陆为研究区域,利用2015年824个气象站点的气温、相对湿度和风速3套数据,结合不同的解释变量组合,分别构建了各自的GAM和残差自编码器神经网络（简称残差网络）模型,以10倍交叉验证判断模型是否过拟合。研究结果表明：① GAM和残差网络方法都不存在过拟合问题,同GAM相比,残差网络显著提高了模型预测的精度（3个气象因素的交叉验证CV R2平均提高了0.21,CV RMSE平均降低了37%）,其中相对湿度模型的提升幅度最大（CV R2:0.85 vs. 0.52,CV RMSE:7.53% vs. 13.59%）;② 残差模型的结果较普通克里格插值结果和再分析资料更接近站点观测数据,表明残差网络可作为高分辨率气象数据研制的可靠方法。此外,研究还发现在相对湿度模型中加入臭氧浓度和气温、在风速模型中加入GLDAS风速再分析资料,可提升模型的性能。 相似文献
11.
2000-2013年青藏高原湖泊面积MODIS遥感监测分析 总被引：2，自引：0，他引：2
青藏高原上分布着大量的高原内陆湖泊群,该区域湖泊面积与区域及全球气候变化之间存在较强的耦合关系,遥感监测湖泊的分布和面积变化趋势,对分析区域自然生态环境具有重要意义。本研究将MOD09A1（地表反射率8天合成数据）进行逐月合成,提出了一种综合多种水体指数的青藏高原地区湖泊提取方法,并通过活动窗口、DEM和时间序列去噪等方法,消除山体阴影、冰雪等因素的干扰。最后,提取和合成了2000-2013年青藏高原逐年和逐月的湖泊范围,并选取色林错和卓乃湖2个典型湖泊与人工解译Landsat系列影像进行验证分析,其线性拟合度分别为0.99和0.97,从时空变化趋势上分析了青藏高原湖泊面积动态变化。结果表明：（1）2000-2013年,青藏高原地区湖泊范围整体上呈较显著的扩张趋势,湖泊总面积增加速率约为490.98 km2 a-1（R2约为0.96）;（2）1-12月份湖泊面积逐月变化率均大于0,表明青藏高原湖泊面积呈整体扩张,而非季节性扩张。除2-4月份外,其他月份增加速率均在400 km2 a-1以上（R2>0.79）,表现为稳定且持续扩张趋势。 相似文献
12.
随着中国城市化进程的加快,城市人口的大规模集聚带来了住房紧张的问题,房价政策制定的时效性与正确性也时刻吸引着社会的关注,因此在微观尺度下对房价进行精细化制图变得愈发重要。由于数据可获取性和现有模型精度的限制,目前已有研究均较少涉及微观尺度。本研究通过将房价数据和遥感影像相融合,构建了一种基于卷积神经网络（CNN）和随机森林（RF）的遥感影像挖掘模型,以实现在不考虑其他数据的情况下,精确、合理地进行房价的微观尺度制图。本文以武汉市作为研究区,在仅有房价数据和遥感影像的情况下,利用本文所构建的模型成功得到武汉市中心城区5 m精度的精细房价图。此外,还利用其他数据源以及挖掘技术与本文所构模型进行了对比分析。结果显示,本文所构建的模型获得了最高的房价模拟拟合优度（R2=0.805）,相比传统方法中的最高拟合优度（R2=0.653）其精度提升了23.28%,其制图结果可为政府部门规划决策及武汉市经济分布研究提供基础支撑。 相似文献
13.
近年来日益严重的登革热疫情已在中国南部地区形成疫情高发区,并对中国的公共卫生安全形成了一定的威胁。登革热主要受到区域内复杂的自然环境条件以及社会经济因素的影响,而利用地理空间分析方法和模型探究登革热疫情的影响因素,并对其未来流行风险的空间分布进行模拟,是有效开展登革热预防控制工作的重要基础。本文收集了珠江三角洲地区2010-2014年的登革热病例资料和土地利用、人口密度两种社会经济要素数据,构建土地利用回归（LUR）模型以分析登革热疫情与不同空间范围内的土地利用和人口密度之间的关系,并结合SLEUTH模型获取的2030年土地利用数据以及基于人口密度预测模型获取的2030年人口密度数据,预测珠江三角洲地区2030年登革热疫情风险的空间分布。结果表明,社会经济要素对登革热疫情空间分布的影响在不同范围内存在差异,半径分别为10、7、10、2和1 km的缓冲区内的人口密度、草地、城镇用地、林地和耕地进入LUR模型并对疫情有显著的影响（相关系数分别为0.779、-0.473、0.818、-0.642和-0.403）,所构建的LUR模型效果较好（调整R2为0.796,F=390.409,P<0.01）,留一交叉检验结果显示模型的相对均方根误差为0.7046,预测值与实测值的拟合精度达到0.7101。2030年城市空间扩展的区域主要分布在深圳、东莞以及广佛的交界地区,而登革热风险预测模型表明2030年登革热疫情风险较大的区域与珠江三角洲城镇用地占比、人口分布较高的地区有高度的一致性,尤其是广佛地区。因此,LUR模型可以较好地预测登革热疫情的空间分布,从而为当地卫生部门防控登革热提供方法支持。 相似文献
14.
精确、细粒度空气质量分指数（Individual Air Quality Index, IAQI）预测是空气质量指数（Air Quality Index, AQI）的基础，对于空气质量防治和保护人类身心健康均具有重要意义。目前传统时序建模、循环神经网络（Recurrent Neural Network, RNN）、图卷积网络（Graph Convolutional Network, GCN）等方法难以有效融合时空因素和气象因素，稳定提取监测站点间动态边缘关系。本文提出了基于时空因果卷积网络（Spatial-Temporal Causal Convolution Networks, ST-CCN）的空气质量分指数预测模型ST-CCN-IAQI。首先采用空间注意力机制分析多源空气污染物和气象因素的空间效应；其次利用堆叠膨胀卷积和时间注意力机制提取特征矩阵的时间依赖性特征；最后采用贝叶斯调优方法对膨胀卷积的多种参数进行了调优。本文采用上海市空气监测站空气质量分指数（IAQI-PM2.5）数据展开实验，并采用一系列基线模型（AR、MA、ARMA、ANN、SVR、GRU、LSTM和ST-GCN）与ST-CCN-IAQI效果进行对比。实验结果显示：① 在单测站测试中，ST-CCN-IAQI的RMSE和MAE值分别为9.873、7.469，相比基线模型平均下降了24.95%和16.87%；R2值为0.917，相比基线平均提升了5.69%；② 对全部站点的IAQI-PM2.5、IAQI-PM10和IAQI-NO2的预测，证明了ST-CCN-IAQI具有较强的泛化能力和稳定性。③ 采用Shapley分析方法论证了IAQI-PM10、湿度、IAQI-NO2对IAQI-PM2.5的预测具有较大程度的影响；通过不同数据抽样条件下的Friedman检验，证明了ST-CCN-IAQI对比基线模型有显著的性能提升。ST-CCN-IAQI方法为细粒度IAQI精准预测提供了一种鲁棒可行的解决方案。 相似文献
15.
机载LiDAR在提取地形坡度较大区域的冠层高度模型（CHM）时易产生畸变,降低单木树高的提取精度,为此提出一种CHM与数字表面模型（DSM）相结合的树高估算方法。首先基于预处理后的点云生成的CHM,利用局部最大值算法和标记控制分水岭分割算法进行分割,得到单木树冠轮廓多边形;然后结合DSM,采用固定窗口的局部最大值算法探测树顶点并提取其高程,继而与使用狄洛尼三角网和高程内插得到的地面点相减获取树高;最后,以广西兴安县富江村附近地形起伏较大的针叶林为试验区,测试3种不同坡度下,在CHM、CHM结合DSM获得的树高与实测树高分别进行精度分析。结果表明,当树木分别位于平均坡度为32°、27°和15°的试验区时,CHM中提取的树高与实测数据拟合的R2分别为0.84、0.85和0.87,RMSE为1.48、1.41和1.58 m,结合DSM后R2为0.92、0.91和0.93,RMSE为0.93、1.02和1.16 m;在地形坡度较大的区域,本文方法可以有效提高单木树高的估算精度。 相似文献