基于MAGA-PPC模型的胡家河矿区生态环境质量评价

矿山开采不仅破坏和占用大量土地资源,而且会对生态环境造成持久的负面影响。结合胡家河矿区2013—2020年8期逐年Landsat-8影像数据,通过计算植被覆盖度和景观格局指数,建立了矿区生态环境质量指标评价体系,并基于多智能体遗传算法的投影寻踪聚类(MAGA-PPC)模型对该矿区的生态环境质量进行了评价,分析了矿区地下开采对生态环境的影响。研究表明:2013—2020年,该矿区植被覆盖逐年下降,植被覆盖度均值总体减少,农用地减少,建设用地增加,矿区开采初期景观格局破碎化程度最高;随着矿区地下开采不断推进,矿区所有斑块在景观尺度水平上越来越聚集,整体景观水平破碎度明显减少,不同斑块类型交替出现的规律减弱,受矿区开采和土地复垦工作的共同影响,区内景观丰富度减少,各景观类型趋于均匀;MAGA-PPC模型评价结果反映出2013—2020年矿区生态环境质量整体呈下降趋势。

基于SBAS-InSAR技术与LSTM模型的徐州市地铁3号线地表沉降分析

针对城市地铁修建过程中产生的地表沉降,基于Sentinel-1A影像数据,利用SBAS-InSAR技术反演徐州市地铁3号线从施工到运营期间沿线的地表沉降信息,并与水准观测数据进行对比.同时,将SBAS-InSAR反演得到的时序累计沉降量作为训练样本,通过长短时记忆(LSTM)神经网络对地面沉降作出预测.结果显示:SBAS-InSAR反演地表沉降量与水准观测值平均绝对误差为2.9 mm,整体误差在1 cm之内;LSTM模型对地表沉降预测的平均绝对误差大多在1.0 mm左右,表明LSTM神经网络模型可以辅助SBAS-InSAR数据预测城市地下工程建设过程中的地表沉降.