中国西南山地城市生态环境质量长时序变化及其评价——以重庆市为例

为研究中国西南地区山地城市的生态环境质量,选择以重庆市为例,利用遥感技术和Google Earth Engine(GEE)平台,构建遥感生态指数(RSEI,remote sensing ecological index),评价重庆市2000年~2021年的生态环境质量及其长时序变化。为探讨山地城市生态环境质量的主要影响因素,选取海拔、坡度、气温和降水四个影响因子,得到RSEI的海拔依赖性与坡度依赖性以及RSEI与气候因子的响应关系。结果表明:①遥感生态指数RSEI总体呈上升趋势,生态质量为“优”的面积增加了130.27%,生态质量为“差”的面积减少了65.68%,生态环境有明显的改善;②从RSEI随海拔、坡度变化曲线可以看出,0 m~1800 m范围内RSEI缓慢增加,1800 m~2800 m范围内开始减小,RSEI随坡度增加而增长,坡度>40°之后RSEI趋于平稳;③从RSEI与气候因子的响应曲线可以看出,温度和RSEI呈负相关,温度越高,RSEI越低;随着降水的增加,RSEI指数逐渐上升。研究表明,使用GEE平台可以对多云雾、植被覆盖度高的西南山地城市的生态环境质量进行长时序的监测和评价。研究结果可为中国西南地区山地城市的生态环境保护提供精细化管理,从而根据区域特色进行环境治理,实现生态环境与经济的协调发展。

基于遗传算法优化机器学习模型的地下水潜在性预测

传统机器学习模型在地下水潜在性预测中,未考虑最优因子组合,会对地下水潜在性制图产生不利影响。为此,提出了遗传算法优化支持向量机的地下水潜在性预测方法。以云南省彝良县为研究区,从地形、水文、土壤、地质等方面选取了共15个影响因子;考虑模型性能和影响因子的作用,利用遗传优化算法筛选了包含11个影响因子的最优因子组合;然后使用支持向量机方法构建了地下水潜在性预测模型;最后计算了因子优化前后的模型准确度和受试者工作特性曲线下面积(area under curve,AUC),并绘制了模型的受试者工作特性(receiver operating characteristic,ROC)曲线和地下水潜在性预测图。结果表明:因子优化前模型的准确度为0.774,验证集AUC为0.789,因子优化后模型的准确度为0.777,验证集AUC为0.806,分别提高了0.003和0.017。可见,所提方法的准确性、可靠性优于传统的支持向量机法,其结果可以为区域水文地质调查和地下水资源管理与规划提供科学参考。

基于地理信息系统与斜坡单元的峨边县地质灾害易发性评价

斜坡单元依据山脊线和山谷线划分的单元,能够体现研究区的真实地质环境条件,作为评价单元在地质灾害易发性评价中具有重要意义。采用地理信息系统(geographic information system,GIS),运用水文分析工具提取峨边县斜坡单元,选取归一化植被指数、坡度、高程、地形起伏度、地层岩性、距水系的距离、距断层距离、距道路的距离8个因子,使用逻辑回归模型(logistic regression,LR),制得地质灾害易发性概率图,将其划分为非易发区、低易发区、中易发区、高易发区和极高易发区。结果表明:ROC(receiver operating characteristic curve)曲线的线下面积(area under curve,AUC)精度检验值为0.917,极高易发区和高易发区内地质灾害点数占总灾害点数的81.3%,说明对峨边县进行基于斜坡单元使用逻辑回归进行地质灾害的易发性评价具有可行性和较高精度。

华东地区多年平均TRMM月降水数据空间降尺度研究

TRMM降水数据有效性已在多个地区得到验证,但其空间分辨率不能满足小尺度区域研究对降水数据的精度需求。该文融合气象站点常规资料、遥感卫星数据、DEM等数据,获取降尺度模型所需的地形因子和气象因子(MODIS05水汽指数),基于地形降水机理构建特色降尺度因子与局地降水关系模型,得到基于水汽指数的降尺度模型(TRMM_(MOD05)),将中国华东地区2005-2015年空间分辨率为0.25°×0.25°的平均TRMM月降水数据降尺度为1 km×1 km分辨率,并利用站点实测降水数据对降尺度结果进行精度评价。研究表明:TRMM_(MOD05)模型显著提升了TRMM降水数据的空间分辨率,改善了原始数据精度,模型的估算精度总体略高于基于滞后性归一化植被指数的降尺度模型(TRMM_(LNDVI)),能较好地刻画复杂地形对区域降水的空间异质性影响,可为气象站点稀疏或地形复杂地区获取可靠的降水数据提供技术支持。

成渝双城经济圈高温热浪时空分析及风险评估

高温热浪与人群健康风险密切相关,近年来,高温热浪灾害频发,在世界各地范围内引起广泛关注,尤其是在城市聚集程度较高的地区。这里基于IPCC自然灾害评估框架构建了高温热浪危险性-暴露-脆弱性评估框架,并基于遥感大数据平台GEE,计算了更能反映人体对环境温度感知的体感温度,得到成渝双城经济圈近32年高温热浪危险性分布,较单一遥感影像更好地反映了高温热浪危险性时间趋势,弥补了基于气象站点分析空间异质性较低的问题。结合人居指数、社会经济数据,对成渝双城经济圈进行高温热浪风险区划并提出合理应对建议。同时,引入CRITIC法计算指标体系中各指标的权重。结果表明:①宜宾市、自贡市热浪期间的高温最极端,成都、重庆等中心城市热浪频率呈增长趋势,对人体舒适度和居民健康造成巨大威胁;②综合风险区划表明,高风险区主要位于人口高暴露的成都市、高温危险性高值区重庆市主城区,以及正在大力发展的副中心城市绵阳市、宜宾市、乐山市等。盆地边缘的雅安市等区域人口压力小、高温热浪风险较低,但由于社会经济脆弱性较高,这些区域的高温热浪风险仍不容忽视。研究结果可为双城经济圈快速发展背景下的高温灾害防灾减灾措施、人群健康风险规避方案提供借鉴和启示。