多种特征因子结合GBDT的降水数据降尺度方法研究

结合增强型植被指数(EVI)、大气可降水量(PWV)、地表温度(LST)、坡度(Slope)、坡向(Aspect)、海拔(Altitude)及经纬度(LON,LAT)提出了一种基于机器学习算法结合站点数据校正的降尺度框架.分析了前馈神经网络(FNN)、随机森林(RF)、梯度提升决策树(GBDT)在长江流域GPM IMERG数据空间降尺度过程中的鲁棒性差异;考虑了2001—2019年不同季节植被对降水降尺度结果的时滞效应;探究了降尺度数据对GPM的校正效果与降水量的关系.通过站点实测数据对模拟结果进行精度分析,结果表明:3种降尺度结果在得到1km空间分辨率降水数据的同时,也不同程度提高了数据的精度.其中,GBDT模拟结果对降水细节特征表达更明显,可以很好地反应降水的空间异质性.并且它在年、季时间尺度上模拟的结果在各研究区内的精度均为最优(年R^(2)=0.748~0.958,季R^(2)=0.518~0.909),有更好的降水捕获能力和更强的模型鲁棒性;春冬季植被的滞后性对GPM降尺度结果的响应最为敏感,最佳滞后期分别为1个月和2个月,夏秋季时滞效应不明显,基本无滞后期;降尺度数据相比原始数据提高的R^(2)与降水量呈正相关,相关系数达到0.630~0.844.

基于GWR模型的长江流域TRMM数据降尺度

遥感降水数据应用广泛,但其空间分辨率未能满足区域空间精度要求。以2001—2019年热带降雨测量卫星降水产品TRMM 3B43为数据源,通过构建地理加权回归模型(GWR),结合数字高程模型(DEM)、增强型植被指数(EVI)、归一化植被指数(NDVI)、坡向,分别以目前主流的植被指数(NDVI,EVI)为解释变量对长江流域TRMM数据进行降尺度研究,并用研究区内147个气象站点观测值对降尺度前后的TRMM数据进行精度验证。研究结果表明:(1) TRMM数据与气象站点实测数据在空间和时间上表现出较好的一致性和适用性,各站点相关系数为0.46~0.97。(2)降尺度数据在保证数据精度的前提下,空间分辨率有较大提升(由0.25°提升至1 km),且NDVI降尺度TRMM数据优于EVI降尺度TRMM数据,能更真实反映研究区域内的降水特征。(3)相比原始TRMM数据,降尺度数据降水区间范围扩大,且湿润年份降尺度结果优于干旱年份。通过对TRMM数据进行降尺度有助于推进中小尺度区域降水的时空变异特征研究,具有一定研究意义。

遥感降水数据空间降尺度及干旱时空监测

在全球气候变暖的背景下,干旱灾害日趋频发。为全面精细研究华中地区降水的时空变化,结合水汽(PWV)、增强型植被指数(EVI)等数据,基于地理加权回归模型,结合克里金插值分别对2010—2019年的GPM IMERG和TRMM 3B43数据进行空间降尺度,并利用区域内53个气象站数据进行精度评价。对优选的降尺度数据采用变异系数法、Theil-Sen Median趋势分析耦合Mann-Kendall显著性检验方法及Hurst指数法,分析了华中地区的降水时空变化特征及其可持续性特征,并对未来降水趋势进行预测,最后构建归一化降水距平百分率(NPA)、标准化降水蒸散指数(SPEI_(12))来实现研究区的干旱时空监测。结果表明:降尺度处理后降水细节增强,能有效改善原始数据的高估现象,GPM数据降尺度数据比TRMM降尺度数据更接近实测数据;近10年华中地区降水时空分布差异较大,降水较高波动变化和高波动变化共占全区69.21%;10年间降水变化以非显著变化为主,其中,轻微增加地区占全区54.88%,轻微减小地区占全区40.41%;10年间降水变化趋势以弱(27.33%)、中(34.93%)持续性为主;华中地区降水未来趋势以持续增加为主,主要分布在区域北部,未来趋势无法确定的地区占全区21.63%,主要集中在湖南;华中地区NPA空间分布有很大差异性,整体上处于无旱、轻旱灾害状态,NPA与SPEI_(12)有较好的相关性,且所有年份均通过了0.05显著性检验,在一定程度上能反映华中地区的干旱情况。

基于不同植被指数的TRMM数据降尺度及误差校正研究

[目的]对不同时间尺度的热带测雨卫星(TRMM)数据进行空间降尺度及误差校正研究,为华中地区洪涝灾害监测等提供科学参考。[方法]主要借助增强型植被指数(EVI)和归一化植被指数(NDVI)分别运用地理加权回归(GWR)模型实现2001-2019年华中地区TRMM数据的空间降尺度,并结合地理差异分析(GDA)和地理比率分析(GRA)对年、季和月的降尺度结果进行误差校正,通过气象站数据对校正前后的数据进行对比分析。[结果]①TRMM数据和气象站数据的决定系数(R 2)在年(0.630)、季(0.710~0.865)和月(0.637~0.875)尺度都表明了TRMM数据在华中地区具有较好的适用性;②通过GWR模型实现了TRMM数据空间分辨率由0.25°到1 km的降尺度转换,且TRMM EVI数据精度优于TRMM NDVI数据,说明华中地区TRMM数据与EVI的关系比NDVI更为密切;③对优选的TRMM EVI数据分别进行GDA,GRA校正,结果表明GDA校正结果优于GRA校正,且在降雨量越多的月份校正效果越好。[结论]在华中地区,EVI比NDVI更加适合TRMM数据降尺度研究。降尺度数据采用GDA校正比GRA校正效果更为显著。

TRMM降水数据在长江流域的降尺度分析与校正

在充分考虑2001−2019年TRMM 3B43降水量数据在长江流域适用性的基础上,基于地理加权回归模型(GWR),结合归一化植被指数(NDVI)、增强型植被指数(EVI)、高程、坡度、坡向数据,选取不同组合对19a内TRMM降水量数据进行降尺度,并对优选的降尺度数据分别进行GDA、GRA校正,最后在年、季、月尺度下进行精度评价与结果分析。结果表明:(1)降尺度数据与站点实测数据的R²、BIAS、RMSE满足精度要求的同时,空间分辨率由0.25°提高至1km,且TRMMNDVI数据精度优于TRMMEVI数据。(2)GDA校正结果优于GRA校正结果,且数据稳定性更好,更适于长江流域TRMM数据校正。(3)TRMM_(NDVI)^(GDA)数据与站点实测数据R²在年(0.91~0.986)、季(0.704~0.88)、月(0.625~0.89)尺度上均有较高精度,细节特征较TRMM数据表现更好。(4)降水量越大的月份降尺度及校正效果越好。降尺度及校正后的TRMM数据能更好地反映长江流域真实降水信息,为农业生产、水资源优化配置、防洪减灾等提供可靠的数据支持。

基于Cesium的地下三维管网3D Tiles模型构建与可视化

Cesium作为目前日益流行的开源三维地图引擎,在各领域都有着广泛的应用前景。但目前原生Cesium不具备渲染地下管网模型可视化的条件。基于Cesium提出了一种利用shapefile二维地下管网数据自动构建三维地下管网3D Tiles模型的建模方法并完成了模型的可视化展示。具体步骤是首先将二维shapefile数据分级处理构建四叉树结构关系,通过迭代遍历各级的单块二维数据,将点、线要素分别进行逐瓦片的模型变换矩阵计算和模型构建,将点要素封装为i3dm模型,线要素封装为b3dm模型,得到3D Tiles地下管网模型;然后基于Cesium二次开发实现数据模型对接、地表透明化、裙摆关闭、摄像机地下视角等功能,完成模型的可视化展示。本方法使用辽宁省盖州市北海新区管网shapefile实例数据进行测试。结果表明,二维地下管网shapefile数据能够快速生成3D Tiles模型,实现良好的地下三维模型可视化展示,为后续Cesium地下空间相关研究工作提供技术支持和方法参考,有助于完善B/S架构的地下空间三维可视化管理系统,支持数字孪生城市建设。

近14年广西生态系统健康时空变化特征

基于活力-组织力-恢复力(VOR)模型构建广西生态系统健康评价体系,对2006—2019年间的生态系统健康进行评价与分析。结果表明:近14年间研究区生态系统健康状况总体呈先下降后上升趋势,生态状况为健康的区域消失殆尽,但生态系统健康状况良好的地区环境有明显向好趋势,所占面积比年均上升0.7%,而生态系统健康状况一般的区域面积占比呈轻微下降趋势,年均下降0.39%。空间分布上表现为研究区生态系统健康状况总体呈现北部生态系统健康状况要优于南部地区。研究区生态系统健康状况由最开始较大程度下降后小幅度上升,生态系统健康状况向良好趋势发展,但环境问题仍应引起足够重视。

基于耦合模型的广东省生态系统健康时空动态变化

探究广东省2009—2019年的生态系统健康时空动态变化特征,可为广东省社会经济与生态系统健康可持续发展提供数据支持与理论参考。基于活力-组织力-恢复力(vigour-organization-resilience,VOR)模型耦合生态服务系统价值并采用最小二乘法优化组合赋权方法构建新的多指标评价体系,对广东省2009—2019年的生态系统健康状况进行评价与分析。结果表明:①广东省近11年来生态系统健康状况整体处于二级亚健康及以下水平,呈现北部内陆地区优于南部沿海地区的空间分布特征。②广东省近11年来生态系统健康等级变化主要在二级和三级之间相互转化,生态系统健康等级为二级的区域面积占比呈现起伏状态。处于二级亚健康水平的区域面积占比在2015年、2016年和2018年高达50%以上,生态系统健康状况最好;而2009—2011年以及2019年处于二级亚健康水平的区域面积占比不到30%,生态系统健康状况有变差的趋势。③广东省在2009—2019年间生态系统健康状况处于改善的区域面积比退化的区域高4.79%,但2014—2019年间相较于2009—2014年间生态系统健康等级退化的区域面积占比上升23.05%,生态系统健康状况在2014—2019年间出现明显恶化,呈现由二级亚健康水平向三级一般健康水平转化趋势。研究结果从时间和空间上定量分析了2009—2019年广东省生态系统健康状况,根据南北地区生态系统健康状况差异提出相应政策建议,对推动广东省生态文明建设协调发展具有实际意义。

华中地区不同植被指数反演TRMM降尺度数据分析

采用增强型植被指数(EVI)数据、归一化植被指数(NDVI)数据、数字高程模型(DEM)数据、坡向数据和热带降雨测量任务(TRMM)3B43(V7)数据,基于地理加权回归(GWR)模型,实现根据不同植被指数对华中地区2010—2019年间TRMM数据的降尺度,并对降尺度结果进行精度检验和对比分析。结果显示:(1)TRMM数据在华中地区具有良好的适用性,TRMM数据和站点数据的R 2在0.8以上;(2)在保证与原数据同等精度下将地面分辨率由0.25°×0.25°(约27.5 km×27.5 km)提升至1 km×1 km;(3)总体来看,在华中地区,EVI降尺度降水数据比NDVI降尺度降水数据精度更好。

无人机遥感和GWR结合的水华短时预测方法

目前水华已成为国内外一个重要的环境问题,单一的光学遥感方法难以实现精细化的水华预测。针对上述问题,本文以无人机多光谱影像、水质、水温及气象数据为数据源,首先通过像素匹配法(Matching Pixel-by-Pixel,MPP)反演水质参数及归一化植被指数(Normalized Difference Vegetation Index,NDVI)阈值法提取水华信息,然后基于地理加权回归(Geographically Weighted Regression,GWR)建立涵盖面积信息和位置信息的水华短时预测模型,并探讨了预测窗口尺寸对预测结果的影响。结果表明:①本文方法可以实现精细化的水华短时预测,在应用中对水华面积预测精度达到96.19%,在水华空间分布的预测上对水华和非水华的总体分类精度均大于0.97,生产者精度、Kappa系数均大于0.5;②MPP反演的总氮、总磷和溶解氧浓度与实测数据都有着较高的相关性,其决定系数R2分别达到0.89、0.85、0.89;③不同尺寸的预测窗口直接影响预测结果精度,相比8×8、12×12、14×14,选用10×10预测窗口得到的总体分类精度、生产者精度、Kappa系数最高,分别为0.98、0.77、0.77。该模型可为短时水华预测提供借鉴,有利于水华监测、预测工作的进一步深入与完善。