基于GPU加速的遥感影像金字塔创建算法及其在土地遥感影像管理中的应用

为提高单个计算节点创建影像金字塔的速度,本研究首先将GPU并行技术用于加速影像重采样算法.影像重采样算法是影像金字塔创建算法的核心步骤,由于金字塔创建过程中数据量会不断发生变化,而数据量的大小直接影响GPU重采样算法效率.提出了一种基于阈值的金字塔遥感影像创建算法,算法将GPU并行与CPU串行遥感影像重采样算法结合,在创建影像金字塔时,依据阈值动态选择不同的重采样算法,并将本算法应用到土地遥感影像金字塔管理中.实验采用大小为10371×7945的24位遥感影像进行测试,结果表明:①基于GPU的并行重采样算法的速度最快,是基于CPU串行重采样算法的10倍;②采用本文算法创建金字塔速度是ArcGIS9.3创建金字塔速度的3倍以上.

多机器学习模型下逐小时PM2.5预测及对比分析

为了能及时、准确的估算出PM2.5浓度及污染等级,分别构建了K最邻近模型(KNN)、BP神经网络模型(BPNN)、支持向量机回归模型(SVR)、高斯过程回归模型(GPR)、XGBoost模型和随机森林模型(RF)6个PM2.5浓度预测模型,选取江西省赣州市为实验区域,采用2017~2018年逐小时气象站数据、PM2.5浓度数据和Merra-2再分析数据开展PM2.5预测实验.结果表明,缺少污染物观测数据时,利用能见度和气象因子等数据也能较好的预测PM2.5浓度.在PM2.5浓度预测精度方面,XGBoost模型最高,随机森林模型次之,高斯过程回归模型最差.6个模型的预测精度总体呈现冬季最高,秋季和春季次之,夏季最低.XGBoost模型的PM2.5污染等级预测准确率高于其他模型,综合准确率达87.6%,并且XGBoost模型具有训练时间短,占用内存小等优点.XGBoost模型的变量重要性结果表明,能见度变量的重要性最高,相对湿度和时间变量次之.本研究可为环境部门准确预测、预报PM2.5浓度提供参考.

基于最小二乘法赋权的ARIMA-LSTM模型预测入境旅游人数——以上海市为例

为降低新冠病毒感染疫情大流行对旅游业的二次冲击,对疫情防控期间入境旅游市场的需求进行准确预测可为后期旅游业复苏提供科学依据。以上海市为研究区域,选取入境旅游人数、主要客源国、谷歌搜索指数、新增确诊病例数等数据,定量分析疫情前后入境旅游人数的空间变化特征及时间变化趋势,并用基于最小二乘法赋权的ARIMA-LSTM模型预测疫情后的入境旅游人数。结果表明:(1)疫情发生前后,亚洲客源市场一直占据入境旅游市场的核心地位,且传统入境游客与非传统入境游客的比例约为9∶1;(2)入境旅游人数与谷歌搜索指数存在长期正相关及格兰杰因果关系,与确诊病例数无明显相关性;(3)通过对比模型评价指标发现,当ARIMA-LSTM模型的R2大于0.8时,拟合较好,预测误差较单一模型小,预测精度较单一模型高,适用于疫情前、中、后期的旅游人数恢复预测;(4)对2021—2024年入境旅游人数进行恢复预测,发现该期间入境旅游人数呈明显的U形曲线。自2022年12月疫情全面放开后,旅游业逐步恢复,预计入境旅游人数在2024年12月恢复至疫情前水平,即需1.5 a的恢复期。

城市河道水质模糊综合评价——以杭州市为例

针对当下工农业及生活等废水、污水处理不达标即大量排放,而导致的城市河道水质污染日益加剧问题,提出一种基于模糊综合评价的水质评价方法,构建了水质污染模糊综合评价模型.选取氨氮、总磷、溶解氧以及高锰酸钾盐指数为监测指标,以杭州市城区主要河道为研究区域,合理布控监测站点实时获取并分析水质信息,得到各监测指标浓度数据,利用模糊综合评价方法,实现对杭州市城市河道各监测点水质等级的综合评定.研究结果表明:工业废水以及生活污水中氨氮、总磷等物质的大量排放是造成城市河道水质污染的主要因素,为日后城市河道的整治以及污水的排放指标提供了技术支持.

基于天地图的自发式城市管理系统

近年来,城市管理问题日益突出,如信息传递不及时、政府管理落后等,为解决当前城市管理滞后问题及频发的城市管理公众事件.采用WebGIS和移动GIS技术实现了基于自发式地理信息的城市管理信息系统,将传统的政府主导的城市管理模式更改成公众可参与的开放式数字化城市管理新模式.并基于天地图空间数据共享平台的开放接口,设计了一套新的自发式城市管理流程及监督评价模型,实现了对参与城市管理的社会公众和政府部门的双向监督与评价,并以赣州市城市管理工作为例进行了应用研究.

基于百度指数时空分布的旅游趋势预测研究——以上海市为例

科学、准确、便捷、低成本地预测旅游趋势对提高景区的科学管理能力及避免因旅游人数过多导致的公共安全问题具有重要意义.研究选取2011-2018年中国各省级行政区(港澳台除外)与上海市旅游相关的百度指数数据和上海市国内游客数据构建旅游趋势预测模型.通过Granger因果检验、 ARIMA模型挖掘公众网络搜索行为与现实旅游行为的映射关系;依据百度指数数据的时空分布规律,采用支持向量机方法对百度指数数据进行聚类,解决不同省份百度指数因变化趋势近似而造成的多重共线问题,优化后的预测模型平均预测精度提升23.36%.研究发现:(1)昨天的搜索者就是今天的旅游者;(2)基于地理位置的旅游空间距离与旅游出游率呈反比、百度指数的地理位置属性有助于提升预测精度.

江西赣南地区城镇体系规模分布和结构研究

为科学认识江西赣南地区城镇体系规模分布和结构特征,文中运用城市首位律、位序规模法则和分形理论对其城市首位度、位序-规模及分形结构等进行研究.结果显示,赣南地区城镇体系为首位分布,其结构规模分形特征不能完全表征赣南地区区域发展现状;首位城市(赣州市)具有一定的核心作用,但首位性不强,低级别中心地城镇较多;赣南地区城镇体系处于低水平发展状态,应进一步强化赣州都市区的核心作用,通过区域统筹发展带动其他县市的发展,以促进整个区域的均衡发展.

基于DPSIR模型的长三角城市群生态安全评价研究

长三角城市群作为中国经济发展最具活力的区域之一,城镇化水平高,同时面临巨大的环境压力。以长三角城市群41个城市为研究对象建立DPSIR生态安全指标评价模型,利用熵权法与均方差决策法确定DPSIR权重,采用主成分分析法和综合指数法得到长三角城市群生态安全综合指数YDESI与生态安全等级。结果表明,长三角城市群41个城市依据生态安全水平可划分为4类。总体水平属于临界安全偏较不安全水平,上海市与江苏省生态安全情况较好,浙江省生态安全水平一般,安徽省生态安全情况稍差。DPSIR模型显示,驱动力与响应指标对长三角城市群生态安全建设有很大贡献。长三角城市群生态安全主要影响因素为农业发展、环境空气质量、环保投资、城市绿化建设。最终提出相应的策略:即提高区域人口素质、强调新型城镇化、加强城市群基础设施建建设,为长三角城市群生态安全建设提供思路与依据。

一种基于百度指数的城市日游客规模预测方法

百度指数数据为预测游客规模提供了新思路。以杭州市为例,首先研究新浪微博签到数据与统计年鉴中实际游客量的关系,用新浪微博签到人数模拟实际旅游人数,建立杭州市日游客规模自回归移动平均(auto regressive moving average,ARMA)模型,并进行预测;然后结合计量经济学中的协整检验和格兰杰因果关系检验,分析百度指数与微博签到人数之间的关系,利用百度指数空间分布特征及主成分分析后提取的3个解释变量构建向量自回归(vector auto regression,VAR)模型;最后比较了2个模型的预测精度。结果显示,百度指数存在地理空间属性,且与新浪微博签到人数互为格兰杰因果关系,存在1~23 d的滞后期。此外,相比ARMA模型,考虑了百度指数地理属性的VAR模型在样本期内的预测精度提高了13.1%,在样本期外的预测精度提高了27.9%。研究表明,百度指数的时间和空间属性对游客规模预测有重要意义和价值。

一种附带缓和曲线的多边形构建方法

针对主流CAD、GIS软件无法构建与处理缓和曲线多边形的问题,文中从缓和曲线算法设计、多边形模型构建、多边形处理算法设计等方面进行研究,提出了一种基于附带缓和曲线的多边形构建算法.该算法采用层状模型构建附带缓和曲线多边形模型,能实现多边形的布尔运算,周长计算和面积计算.同时,采用C#语言进行AutoCAD二次开发完成处理附带缓和曲线多边形插件的开发.通过大量附带缓和曲线多边形数据处理实验,结果表明该算法能完成附带缓和曲线多边形布尔运算、面积计算和周长计算.

模拟酸雨对稀土矿区土壤酸化及稀土金属的影响

通过模拟酸雨淋溶实验研究了酸雨对江西赣南稀土矿区土壤酸化、稀土金属含量和形态的影响。结果显示,酸雨淋溶使稀土矿区土壤发生酸化,酸雨酸性越强,土壤酸化越严重。经淋溶后稀土尾矿和菜园土表层(耕作层)土壤中稀土金属以迁移损失为主,而菜园土深层土壤则以累积增加为主,且迁移或累积量与酸雨酸性和作用时间有关;供试土壤中稀土金属有效性较高,稀土金属在酸雨作用下均发生不同程度迁移、累积和形态转化。

基于布谷鸟搜索算法优化LSTM的大坝变形预测

对大坝变形进行合理分析和准确预测是确保大坝安全运行的重要手段.大坝变形监测数据具有趋势性、周期性、随机性和非线性等特性,现有的机器学习模型大都基于大坝变形监测数据的非线性特点进行构建,而忽略了监测数据还具有趋势性和周期性的线性特征.提出了一种大坝变形预测模型,通过采用布谷鸟搜索算法(CS)对长短期记忆人工神经网络(LSTM)进行优化,再基于物联网传感器的实时监测数据,使用局部加权回归的周期趋势分解方法(STL)将数据分解成趋势分量、周期分量和余项分量,采用优化后的LSTM模型对趋势分量和余项分量分别进行预测,并通过简单周期估计方法进行计算,将3个分量的预测结果求和后得到最终变形预测结果.试验选取浙江利山水库开展变形预测研究,结果表明:STL-CS-LSTM模型的水平和沉降变形预测精度都高于其他模型,水平位移预测精度由高到低依次为LSTM模型、支持向量回归模型SVR和人工神经网络模型ANN,沉降预测精度由高到低依次为ANN模型、LSTM模型、SVR模型.

XGBoost-LSTM变权组合模型支持下短期PM_(2.5)浓度预测——以上海为例

为进一步提高PM_(2.5)浓度预测的精度,基于XGBoost和LSTM进行改进得到变权组合模型XGBoost-LSTM(Variable).过对预测因子进行相关性分析,得到其它大气污染物和气象因素对PM_(2.5)浓度的影响,确定最优PM_(2.5)浓度预测因子,再将预处理后数据集输入LSTM模型和XGBoost模型分别进行预测,采用基于残差改进的自适应变权组合方法得到最终预测结果.结果表明,污染物变量的相对重要性高于气象因子变量,其中当前PM_(2.5)和CO浓度的相对重要性较高,而平均风速和相对湿度重要性较低.XGBoost-LSTM(Variable)模型的RMSE、MAE和MAPE值为1.75、1.12和6.06,优于LSTM、XGBoost、SVR、XGBoost-LSTM(Equal)和XGBoost-LSTM(Residual)模型.分季节预测结果表明,XGBoost-LSTM(Variable)模型在春季预测精度最好,而夏季预测精度较差.模型预测精度高的原因在于其不仅考虑了数据的时间序列特征,又兼顾了数据的非线性特征.

基于机器学习的非线性局部Lyapunov向量集合预报订正

基于Lorenz96模型初步探讨了机器学习算法提高非线性局部Lyapunov向量(NLLV)集合预报效果的可行性和有效性.结果表明:基于岭回归算法和NLLV集合预报结果建立的机器学习模型(Ens-ML)能够有效提高整体预报技巧,而且优于集合平均预报(Ens Ave)、控制预报(Ctrl)以及基于Ctrl结果建立的机器学习模型(Ctrl-ML).同时,还发现Ens-ML的预报技巧改进程度依赖于集合成员的数量,即增加集合成员数有助于提高Ens-ML模型的整体预报准确率.通过对比个例预报表现得到,随着预报时间延长,Ens-ML,Ctrl-ML和Ens Ave的个例预报误差逐渐小于Ctrl.进一步分析Ens-ML,Ctrl-ML和Ens Ave预报的吸引子,发现它们的概率分布的值域收缩、峰度增大并向平均值靠拢,尤其Ens-ML的表现更为明显.

分析石油储运中的安全隐患及预防措施

随着我国石油储运中石油管道发生腐蚀现象的日益增多,人为因素造成石油外泄的严重经济损失等现象,以及石油储运中极大的隐患,现阶段石油储运工作效率以难以满足国家所提出的高要求。因此,本文就石油储运中的诸多隐患,提出有效预防措施,解决石油储运作业人员专业素质不强、石油管道出现腐蚀、石油的大规模外漏以及严重性经济损失等问题,旨在为增强我国经济安全性以及避免石油外泄所引发的一系列危害提高理论性参考。

土壤污染物源解析技术研究进展

简述了土壤污染物源解析技术的发展历程及土壤污染物的主要类型与来源。指出,定性源识别技术主要包括特征比值法、多元统计法、空间分析法等;定量源解析技术主要包括源清单法、扩散模型法、化学质量平衡模型法、正定矩阵因子分解法、UNMIX模型法、同位素法等。重点总结了这些技术方法的原理及其在应用上的优势与局限。从解析对象、解析方法和软件开发角度,提出了土壤污染物源解析技术的未来发展方向。

基于WASP的稀土矿区氮污染模拟——以龙南市为例

利用输出系数法核算赣江流域上游龙南市稀土矿区氮的非点源污染负荷,并建立水质分析模型(WASP),对流域内的水体进行水质氮污染模拟。结果显示:(1)模型平均相对误差低于30%,符合《水文情报预报规范》(GB/T 22482—2008)要求。(2)对不确定性较大的非点源污染负荷进行不确定性分析,耕地污染程度提高10%对氨氮和总氮的变化率影响程度最大。(3)氨氮浓度达到Ⅲ类及以上(参考《地表水环境质量标准》(GB 3838—2002),下同)的水域长度占比为53%,总氮浓度达到Ⅲ类及以上的水域长度占比达到75%。总体而言,渥江和濂江的氮污染比较严重,桃江和太平江的氮污染程度相对较轻。建议加强对农民的科学施肥指导,完善稀土开采的监管政策,提高人们的环保意识。

云环境下基于CA-Markov的土地利用变化预测方法

传统土地利用变化预测方法通常效率低,无法满足土地利用变化大数据分析和处理的需求。采用MapReduce编程模型对元胞自动机-马尔可夫模型进行并行化扩展,设计了基于Hadoop的土地利用变化预测方法(land-use change prediction method based on cloud computing,Cloud-CMLP),并选取杭州市进行实验,包括:①不同数据量下Cloud-CMLP核心算法的运行效率实验;②利用Cloud-CMLP方法模拟杭州2013年土地利用变化,并将模拟结果与2013年遥感影像解译结果进行对比分析,验证了预测方法的正确性;③杭州2020年的土地利用变化模拟预测分析,研究区中心地带受发达交通系统影响,建设用地面积整体呈快速上升趋势,且主要来源于农业用地的转换。

基于区域合并多尺度分割的稀土矿区典型地物识别方法

随着稀土产业价值的不断飙升,稀土产业的开采和加工带来了一系列的生态问题,实现稀土矿区地物的准确、高效和快速地识别,已经成为矿区开采监测的热点。研究针对稀土矿区典型地物识别问题,提出了一种基于直方图特征知识库的地物识别方法,采用直方图比较的方式来得到典型地物最佳分割尺度,实现了基于高分辨率影像的矿区典型地物识别与分类。将该方法应用于高分一号影像和资源三号影像,得出高分一号影像和资源三号影像分别在分割尺度50和80左右时效果最佳。

设施农业典型地物改进Faster R-CNN识别方法

深度学习方法可有效提高传统基于遥感影像的设施农业典型地物识别与提取方法的结果精度,对传统农业的转型和发展意义重大。本文针对遥感影像大背景小目标的特点,以及设施农业典型地物的图像特征,结合深度残差思想和Faster RCNN提出DRTOMA算法:首先,使用深度残差网络作为其基础特征提取网络,以此获得更深层次的图像特征,并抑制网络退化和衰退问题;然后在残差单元和全连接层之间加入改进的空间金字塔池化层,从而去除输入图像固定大小的限制,增加网络对图像尺度的敏感度;最后,在全连接层间添加dropout层,减少网络计算的复杂度,提升抗过拟合效果。仿真结果表明:同部分已有的检测算法相比,DRTOMA算法的平均识别准确率和召回率均取为最优,分别为91.87%和90.63%;在最优识别精度近似的情况下,DRTOMA算法比Faster R-CNN算法的召回率高约2%,网络更易收敛,训练难度较低。综上所述,DRTOMA算法是一种有效可行的设施农业典型地物检测方法。