滇池流域不透水表面扩张监测与时空过程分析

人类活动是影响和改变自然和人文环境最主要的因素,而不透水表面是反映人类活动频度与强度重要指标。近30年来,随着城镇化的不断推进,不透水表面快速扩张,同时伴随着一系列流域水环境问题产生。掌握不透水表面变化的时空过程是改善流域水环境、控制水污染的基础。为此,以滇池流域近25年来的TM影像与OLI影像为数据基础,将改进的NDBI算法及线性光谱混合分析法相结合,得到了滇池流域近25年来不透水表面的空间范围、空间分布、不透水表面指数、不透水表面覆盖度等指标。实验结果表明,本文采用的算法效果较好,0.2 m空间分辨率的航拍影像精度检验结果表明,提取精度达到85.27%;滇池流域不透水表面覆盖率达19.44%,部分子流域不透水表面覆盖率超过40%,其对流域生态系统功能和结构有直接的影响。

湖泊表面水温预测与可视化方法研究

湖泊表面水温是水生态环境的重要因子,直接影响流域生态系统及生物多样性。准确获取湖泊表面水温、预测表面水温时空变化过程是控制和改善流域水生态环境的基础,同时也是预防和治理蓝藻水华爆发的关键。为此,以滇池为研究区,以2005~2016年10个水质监测站点的54个水质数据(水温、叶绿素a、pH、高锰酸盐指数、溶解氧等)为基础数据集,将支持向量回归(SVR)、主成分分析法(PCA)及反向传播人工神经网络(BPANN)3种算法相结合,组成混合预测模型,并将克里金插值法与地理信息系统相结合,实现滇池水温12年来历史变化过程的情景再现及未来5年变化趋势的情景模拟。研究结果表明,模型的平均相对误差为0.5%,均方根误差为1.452 3,R^2=0.904 9,具有误差低、泛化高的综合预测性能;空间可视化分析结果表明,2005~2020年水温高于20℃的区域呈现北向南扩散趋势,蓝藻水华爆发可能性由局部性变为全面性,这与昆明市快速城镇化发展及全球气候变暖密切相关。

基于深度神经网络算法的水体透明度反演方法

水体透明度能够直观反映湖泊水质状态,掌握长时间大尺度湖泊水体透明度是控制和改善湖泊水生态环境的关键。由于滇池的水质原位监测工作起步较晚,导致长时间序列的历史湖泊水体透明度数据的缺失。为此,以滇池为研究区,以深度神经网络算法为理论基础,以原位监测和MODIS遥感影像为数据,对2001年1月1日—2018年12月31日滇池水体透明度进行反演,并利用地理空间分析方法探讨了滇池湖泊水体透明度时空变化特征。研究结果表明:(1)提出的反演模型具有较好的性能(RMSE=0.1359,MAE=0.1134),能够客观反映湖泊水体透明度状况;(2)时间变化特征分析结果表明,滇池水体透明度总体呈现下降趋势,综合变化率为-0.08 m/10 a;(3)空间变化特征分析结果表明,水体透明度较高的区域下降率较大,水体透明度较低的区域变化趋势相对稳定,距离城区及居民区较近的水体透明度相对较低;人类活动将成为影响滇池水体透明度变化的重要因素,同时也是造成滇池水体污染的主要因素。

基于物联网与Android平台的考勤系统设计与实现

射频识别技术是基于物联网的无线射频通信的非接触式自动识别技术,已广泛应用于公共交通、医疗、教育等领域。学生考勤是日常教学管理工作的重要环节,但传统考勤方式耗费大量上课时间,且已有的考勤系统大多基于Web端的研究,已难以满足当前需求。随着物联网技术的发展,使用Web Service与射频识别技术设计并实现了基于Android平台的考勤系统。测试表明,该系统运行流畅,实用性强,更加贴近生活,为教师教学与学生学习带来了极大便利。

基于3ds Max与Unity 3D的三维虚拟校园系统的设计与实现

虚拟校园是虚拟现实技术的一个具体应用。三维虚拟校园漫游系统可给予体验者身临其境的真实感,从而模拟现实环境,为使用者提供便利,也为学校展示自身风采提供了有效途径。本设计基于虚拟现实技术,使用3ds Max建模,依靠Unity 3D搭建场景,最终实现云南师范大学主校区的三维虚拟校园系统,对本校的宣传有一定作用。

滇池草海水质等级预测模型研究

综合考虑影响水质的不同类别因子之间的关系,为水质等级预测提供平均预测精度更高的模型。选取的p H、DO、CODMn、NH3-N、历史水质等级5个水质因子数据来源于中国环境保护部官方发布的水质数据,降雨量、光照时间2个气象因子数据来源于云南省气象局官方发布的气象数据。首先利用改进的灰色模型（Adaptive Grey Model,AGM）进行单因子预测,从而获取BP人工神经网络（BP Artificial Neural Network,BPANN）训练集和水质等级残差序列;然后使用经过训练集训练后的BPANN进行水质等级残差纠正;最后利用AGM模型得到未来水质等级,以滇池草海2006-2013年水质周报资料和气象资料为数据基础进行了仿真分析和验证实验。结果表明：（1）AGM模型对水体因子和气象因子的单项指标预测理想,保证了作用于BP人工神经网络数据的可靠性,同时降低了预测误差的传输;（2）来源于中国环境保护部与云南省气象局的数据保证了水质等级预测中数据的权威性,采用AGM-BPANN组合模型预测滇池草海水质等级精度达到90.2%,说明模型适用于同一地区短时间内的水质变化研究;（3）AGM-BPANN组合模型借助BP网络的高维非线性克服了数据突变对预测的影响,在AGM预测基础上,通过纠正预测残差获得最终的水质等级值,实现了对滇池草海短时间内水质的预测。

1998~2016中国八大经济区植被覆盖对PM_(2.5)浓度时空分布的影响

目前很少有PM_(2.5)污染与植被覆盖的相关性深入研究,尝试对此进行补充.基于1998~2016年的PM_(2.5)和归一化植被指数(NDVI)的栅格数据,以中国内地八大经济区为研究对象,对NDVI值进行3个等级划分(低植被覆盖区、中植被覆盖区和高植被覆盖区),并计算相应等级的PM_(2.5)污染浓度.在此基础上,从NDVI的景观尺度和类型尺度分析PM_(2.5)污染的时空特征,然后利用面板数据模型定量化NDVI景观格局指数对PM_(2.5)的影响.结果表明:①北部沿海、东部沿海、南部沿海、长江中游和东北经济区在植被覆盖相对较低的区域,PM_(2.5)污染较严重;而黄河中游、西南地区及大西北经济区则在植被覆盖相对较低的区域表现出较轻的PM_(2.5)污染;②大部分区域的PM_(2.5)随时间变化呈显著上升趋势;③PM_(2.5)与NDVI景观格局指数相关性显著(P<0.05)的区域相对较少;④景观形状指数(LSI)、斑块面积比(PLAND)、斑块数量(NP)、最大斑块占景观面积比(LPI)和聚集度指标(AI)指数对PM_(2.5)的影响都表现出明显的空间异质性.

近20年来中国典型区域PM_(2.5)时空演变过程

近20年来PM_(2.5)污染严重制约了中国可持续发展.长时间序列历史监测数据的缺失阻碍了相关研究.为此,本文以四大典型区域2013~2016年的PM_(2.5)浓度监测值和2000~2016年MODIS AOD数据、边界层高度、温度等气象数据作为基础数据,将反向人工神经网络和支持向量回归机两种算法相结合,构建组合模拟模型,并利用地理空间分析技术实现近20年来PM_(2.5)浓度历史变化过程的情景再现.研究结果表明,组合模型具有较低的误差和更高的泛化能力;时空分析结果表明,2000~2010年京津冀和东三省PM_(2.5)浓度持续增长,珠三角PM_(2.5)浓度缓慢下降,3个研究区PM_(2.5)污染范围呈扩大趋势,长三角PM_(2.5)浓度值及污染范围基本保持稳定.2012年4个研究区PM_(2.5)浓度值降低且污染范围缩小,但2013~2016年PM_(2.5)浓度略微上升后又下降,高污染范围缩小,这与国家采取PM_(2.5)区域联防等治理措施有关.