五大危机事件对美国出入境旅游的影响——基于本底线模型的高分辨率分析

在重新阐述旅游本底趋势线理论及危机评估方法的基础上,依据1996年1月—2009年11月客流量统计值,采用月指数分解模型与本底线距平方法,分析了五大危机事件对美国出入境旅游的影响。结果显示:①1998年亚洲金融危机,使来自日韩及港台的入境游客显著减少,对美国入境旅游影响期16个月,累计损失游客221.7万人次,旅游收入累计损失76.45亿美元;②2001年9.11恐怖袭击事件对美国入境旅游影响持续26个月,累计损失游客1178.2万人次,出境旅游影响持续15个月,累计损失游客526.8万人次;旅游收入和旅游花费累计损失218.41亿美元和134.20亿美元;③2003年SARS危机与9.11事件相连,对入境旅游影响期12个月,损失游客773.6万人次,出境旅游影响期10个月,损失游客214.8万人次;旅游收入和旅游花费累计减少146.34亿美元和80.31亿美元;④2004-2006年间受到6次飓风灾害的影响,每次飓风对入境旅游影响期2～3个月,累计损失游客234万人次;出境旅游影响期2～3个月,累计损失游客106.8万人次。⑤2008年金融海啸对出境旅游的影响大于入境旅游,截至2009年11月,累计损失入境游客721.6万人次,出境游客463.9万人次;旅游收入损失168.66亿美元,旅游花费减少165.47亿美元。最后,本文还从事件性质、发生源地、影响机制和波形特征等方面,对五大危机事件的影响进行了横向比较,为清晰认识旅游危机提供了科学依据。

塞罕坝地区高空间分辨率叶面积指数时序估算与变化检测

叶面积指数LAI(Leaf Area Index)是调节植被冠层生理过程的最重要的生物物理变量之一,高空间分辨率时间序列LAI对于植被生长检测、地表过程模拟与区域和全球变化研究至关重要,但是由于数据缺失和反演方法限制,目前还没有时空连续的高分辨率LAI数据产品。本研究提出了一种生成时间连续的高空间分辨率LAI数据的算法,首先对MODIS LAI产品滤波平滑,生成时间序列LAI的上包络曲线,根据上包络曲线提供的变化信息构建LAI动态模型。然后利用地面实测的LAI数据与Landsat反射率数据构建LAI反演的BP(Back Propagation)神经网络模型。将反演得到的高分辨率LAI数据作为LAI观测数据,利用集合卡尔曼滤波EnKF(Ensemble Kalman Filter)方法实时更新动态模型,生成时间连续的30 m空间分辨率LAI数据集。基于该算法生成了塞罕坝地区2000年-2018年长时间序列LAI数据集,利用Prophet深度学习模型进行模拟和预测,根据预测和原始LAI差异,利用支持向量机SVM(Support Vector Machine)方法检测植被干扰状况。结果表明:EnKF算法能够生成时空连续的高空间分辨率LAI数据,估算结果与地面测量值一致性较高,R2为0.9498,RMSE为0.1577,在区域尺度上与Landsat LAI参考值较为吻合,R2高于0.87,RMSE低于0.61。Prophet与SVM模型检测到研究区2009年,2010年,2013年,2014年,2015年植被受干扰较为严重,主要由于年降水量偏少和林区作业砍伐造成,检测结果与当地降水量与砍伐数据吻合。本文提出的算法可用于大范围高时空LAI数据反演和植被变化检测,对塞罕坝乃至全国林区规划管理具有重要的参考价值。