期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GDP/TND建模的贵州省县级GDP估算及时空格局分析
1
作者
敖逍
杜宁
+2 位作者
王莉
张春亢
吴磊
《国土与自然资源研究》
2021年第1期55-59,共5页
夜间灯光强度是区域经济发展程度的直接反征,为社会经济参数的估算提供了新的思路和方法。本文将贵州省88个县级行政区作为研究区域,以GDP为其重要的社会经济参数,通过三种建模方法研究NPP-VIIRS灯光影像数据与GDP数据之间的空间关系,...
夜间灯光强度是区域经济发展程度的直接反征,为社会经济参数的估算提供了新的思路和方法。本文将贵州省88个县级行政区作为研究区域,以GDP为其重要的社会经济参数,通过三种建模方法研究NPP-VIIRS灯光影像数据与GDP数据之间的空间关系,利用最优模型对2017年的GDP数据进行估算分析,并在此基础上,探究了贵州省2012~2017年经济发展的时空特征,分析了造成贵州省极核式空间发展格局的原因。研究结果表明:(1)GDP与灯光指标TND的pearson相关系数最高,相关性较好,优于MND和SND两项灯光指标;(2)按GDP/TND大小分级建模的GDP估算精度最高,按GDP大小分级建模的估算精度次之,未分级建模的估算精度最弱;(3)采用GDP/TND分级建模时,统计GDP与灯光指标TND的R~2均高于0.9,平均相对误差为8.29%;(4)贵州省2012~2017年经济发展速度整体呈现西高东低的趋势,花溪区GDP增长最快,与统计年鉴分析结果吻合度高。
展开更多
关键词
NPP-VIIRS
GDP/TND
分级建模
GDP估算分析
极核式空间格局
下载PDF
职称材料
利用遥感数据估算四川省PM
2.5
的4种模型对比
2
作者
吴磊
杜宁
+2 位作者
王莉
张春亢
敖逍
《应用数学进展》
2020年第11期2063-2074,共12页
基于2015年四川省PM2.5地面监测数据、MODIS 3 km气溶胶光学厚度(AOD)数据和地面气象站点数据,采用简单线性回归模型、多元线性回归模型、BP神经网络模型、线性混合模型预测近地面PM2.5浓度,并利用地面监测站点数据评估模型的拟合结果...
基于2015年四川省PM2.5地面监测数据、MODIS 3 km气溶胶光学厚度(AOD)数据和地面气象站点数据,采用简单线性回归模型、多元线性回归模型、BP神经网络模型、线性混合模型预测近地面PM2.5浓度,并利用地面监测站点数据评估模型的拟合结果。同时利用GIS分析技术,得到四川省2015年空间连续的PM2.5年均、季均浓度分布。结果表明:(1) 利用线性混合模型反演的PM2.5浓度精度最高、效果最好,其可以解释四川省PM2.5浓度75.77%的变异。(2) 线性混合模型预测的PM2.5浓度与地面实测PM2.5浓度在时空变化趋势上基本一致,即东高西低,其中成都平原经济区、川南经济区的PM2.5浓度最大,其次为川东北经济区,最低的为攀西经济区和川西北经济区。PM2.5浓度大小关系为:冬季 】春季 】秋季 】夏季。
展开更多
关键词
MODIS
3
km
AOD
浓度估算
BP神经网络
线性混合模型
时空变化
下载PDF
职称材料
基于iLME+Geoi-RF模型的四川省PM_(2.5)浓度估算
被引量:
5
3
作者
吴宇宏
杜宁
+4 位作者
王莉
蔡宏
周彬
吴磊
敖逍
《环境科学》
EI
CAS
CSCD
北大核心
2021年第12期5602-5615,共14页
高分辨率PM_(2.5)空间分布数据对动态监测和控制PM_(2.5)污染具有重要意义.选取Himawari-8气溶胶光学厚度(AOD)、ERA5气象再分析资料、DEM、土地利用数据、夜光遥感数据、增强型植被指数和人口数据等作为估算变量,使用改进的重采样法进...
高分辨率PM_(2.5)空间分布数据对动态监测和控制PM_(2.5)污染具有重要意义.选取Himawari-8气溶胶光学厚度(AOD)、ERA5气象再分析资料、DEM、土地利用数据、夜光遥感数据、增强型植被指数和人口数据等作为估算变量,使用改进的重采样法进行数据匹配,并提出改进的线性混合模型(iLME)结合地理智能随机森林(Geoi-RF)构建组合模型估算PM_(2.5)浓度.结果表明:①在选取的估算变量中,气溶胶光学厚度、气压、温度、相对湿度和边界层高度是影响2016年四川省PM_(2.5)浓度的重要因素,其相关系数分别为0.65、0.58、0.55、0.54和0.35.②iLME+Geoi-RF模型精度相较其他模型有较大提升,模型拟合R2、RMSR和MAE分别为0.98、3.25μg·m^(-3)和1.98μg·m^(-3),交叉验证R2、RMSR和MAE分别为0.89、7.95μg·m^(-3)和4.81μg·m^(-3).该模型可获取更高精度的四川省PM_(2.5)时空分布特征,为区域空气质量评估、人体暴露风险评价和环境污染治理提供更加合理地科学参考.③2016年四川省PM_(2.5)浓度存在显著的季节性差异,各季节PM_(2.5)浓度大小关系为:冬季>秋季>春季>夏季.2016年四川省月均PM_(2.5)浓度总体上呈先降后升的"Ⅴ"型趋势,最小值在6月,最大值在12月,8月和11月有微小起伏.在空间分布上四川省PM_(2.5)浓度总体上呈东高西低和局部污染程度较高的特点,高值区主要分布在城市快速发展和人口密集的东部地区,低值区主要分布在经济发展落后和人口稀疏的西部地区.④虽然不同模型估算出的PM_(2.5)浓度整体分布基本一致,但iLME+Geoi-RF模型能更准确有效地估算本研究区污染的空间分布.
展开更多
关键词
PM_(2.5)
Himawari-8
AOD
重采样
共线性诊断
iLME+Geoi-RF模型
时空变化
原文传递
题名
基于GDP/TND建模的贵州省县级GDP估算及时空格局分析
1
作者
敖逍
杜宁
王莉
张春亢
吴磊
机构
贵州大学矿业学院
出处
《国土与自然资源研究》
2021年第1期55-59,共5页
基金
国家自然科学基金资助项目(41701464)
贵州省科技计划项目(黔科合基础[2017]1026)。
文摘
夜间灯光强度是区域经济发展程度的直接反征,为社会经济参数的估算提供了新的思路和方法。本文将贵州省88个县级行政区作为研究区域,以GDP为其重要的社会经济参数,通过三种建模方法研究NPP-VIIRS灯光影像数据与GDP数据之间的空间关系,利用最优模型对2017年的GDP数据进行估算分析,并在此基础上,探究了贵州省2012~2017年经济发展的时空特征,分析了造成贵州省极核式空间发展格局的原因。研究结果表明:(1)GDP与灯光指标TND的pearson相关系数最高,相关性较好,优于MND和SND两项灯光指标;(2)按GDP/TND大小分级建模的GDP估算精度最高,按GDP大小分级建模的估算精度次之,未分级建模的估算精度最弱;(3)采用GDP/TND分级建模时,统计GDP与灯光指标TND的R~2均高于0.9,平均相对误差为8.29%;(4)贵州省2012~2017年经济发展速度整体呈现西高东低的趋势,花溪区GDP增长最快,与统计年鉴分析结果吻合度高。
关键词
NPP-VIIRS
GDP/TND
分级建模
GDP估算分析
极核式空间格局
Keywords
NPP-VIIRS
GDP/TND
Hierarchical modeling
GDP prediction analysis
Polar core spatial pattern
分类号
P237 [天文地球—摄影测量与遥感]
下载PDF
职称材料
题名
利用遥感数据估算四川省PM
2.5
的4种模型对比
2
作者
吴磊
杜宁
王莉
张春亢
敖逍
机构
贵州大学矿业学院
出处
《应用数学进展》
2020年第11期2063-2074,共12页
文摘
基于2015年四川省PM2.5地面监测数据、MODIS 3 km气溶胶光学厚度(AOD)数据和地面气象站点数据,采用简单线性回归模型、多元线性回归模型、BP神经网络模型、线性混合模型预测近地面PM2.5浓度,并利用地面监测站点数据评估模型的拟合结果。同时利用GIS分析技术,得到四川省2015年空间连续的PM2.5年均、季均浓度分布。结果表明:(1) 利用线性混合模型反演的PM2.5浓度精度最高、效果最好,其可以解释四川省PM2.5浓度75.77%的变异。(2) 线性混合模型预测的PM2.5浓度与地面实测PM2.5浓度在时空变化趋势上基本一致,即东高西低,其中成都平原经济区、川南经济区的PM2.5浓度最大,其次为川东北经济区,最低的为攀西经济区和川西北经济区。PM2.5浓度大小关系为:冬季 】春季 】秋季 】夏季。
关键词
MODIS
3
km
AOD
浓度估算
BP神经网络
线性混合模型
时空变化
Keywords
MODIS 3 km AOD
Concentration Estimation
BP Neural Network
Linear Mixed Model
Temporal and Spatial Change
分类号
X51 [环境科学与工程—环境工程]
下载PDF
职称材料
题名
基于iLME+Geoi-RF模型的四川省PM_(2.5)浓度估算
被引量:
5
3
作者
吴宇宏
杜宁
王莉
蔡宏
周彬
吴磊
敖逍
机构
贵州大学矿业学院
出处
《环境科学》
EI
CAS
CSCD
北大核心
2021年第12期5602-5615,共14页
基金
国家自然科学基金项目(41901225)。
文摘
高分辨率PM_(2.5)空间分布数据对动态监测和控制PM_(2.5)污染具有重要意义.选取Himawari-8气溶胶光学厚度(AOD)、ERA5气象再分析资料、DEM、土地利用数据、夜光遥感数据、增强型植被指数和人口数据等作为估算变量,使用改进的重采样法进行数据匹配,并提出改进的线性混合模型(iLME)结合地理智能随机森林(Geoi-RF)构建组合模型估算PM_(2.5)浓度.结果表明:①在选取的估算变量中,气溶胶光学厚度、气压、温度、相对湿度和边界层高度是影响2016年四川省PM_(2.5)浓度的重要因素,其相关系数分别为0.65、0.58、0.55、0.54和0.35.②iLME+Geoi-RF模型精度相较其他模型有较大提升,模型拟合R2、RMSR和MAE分别为0.98、3.25μg·m^(-3)和1.98μg·m^(-3),交叉验证R2、RMSR和MAE分别为0.89、7.95μg·m^(-3)和4.81μg·m^(-3).该模型可获取更高精度的四川省PM_(2.5)时空分布特征,为区域空气质量评估、人体暴露风险评价和环境污染治理提供更加合理地科学参考.③2016年四川省PM_(2.5)浓度存在显著的季节性差异,各季节PM_(2.5)浓度大小关系为:冬季>秋季>春季>夏季.2016年四川省月均PM_(2.5)浓度总体上呈先降后升的"Ⅴ"型趋势,最小值在6月,最大值在12月,8月和11月有微小起伏.在空间分布上四川省PM_(2.5)浓度总体上呈东高西低和局部污染程度较高的特点,高值区主要分布在城市快速发展和人口密集的东部地区,低值区主要分布在经济发展落后和人口稀疏的西部地区.④虽然不同模型估算出的PM_(2.5)浓度整体分布基本一致,但iLME+Geoi-RF模型能更准确有效地估算本研究区污染的空间分布.
关键词
PM_(2.5)
Himawari-8
AOD
重采样
共线性诊断
iLME+Geoi-RF模型
时空变化
Keywords
PM_(2.5)
Himawari-8 AOD
resampling
collinearity diagnosis
iLME+Geoi-RF model
temporal and spatial changes
分类号
X513 [环境科学与工程—环境工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于GDP/TND建模的贵州省县级GDP估算及时空格局分析
敖逍
杜宁
王莉
张春亢
吴磊
《国土与自然资源研究》
2021
0
下载PDF
职称材料
2
利用遥感数据估算四川省PM
2.5
的4种模型对比
吴磊
杜宁
王莉
张春亢
敖逍
《应用数学进展》
2020
0
下载PDF
职称材料
3
基于iLME+Geoi-RF模型的四川省PM_(2.5)浓度估算
吴宇宏
杜宁
王莉
蔡宏
周彬
吴磊
敖逍
《环境科学》
EI
CAS
CSCD
北大核心
2021
5
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部