基于数据驱动的降雨型浅层滑坡易发性时空建模方法

传统滑坡易发性方法在计算空间概率时,通常忽视了影响因子的动态变化特征及地形单元之间的空间依赖关系。为了解决该难题,提出一种联合时空关系的广义加性模型,在江西省南部区域开展降雨型浅层滑坡易发性时空建模,预测给定时间范围内特定地形单元发生滑坡灾害的概率。首先,利用皮尔逊相关系数和基于赤池信息准则的序列前向特征选择方法对滑坡易发性影响因子进行评价与筛选;随后,联合时空关系构建伯努利广义加性时空模型开展易发性动态预测;最后,通过时空交叉验证方法评估模型的时空预测性能。结果表明,该模型具备优异的拟合性能和预测能力,在不同训练数据百分比下的预测性能非常稳定,其平均预测精度能够达到0.881。

基于Kriging空间插补海表叶绿素遥感缺失数据的研究

完整的长时间序列遥感数据是大尺度环境监测工作顺利完成的重要保证。本文选取2007年1月至2010年12月南海北部MODIS海表叶绿素a浓度月平均遥感影像为基础数据,利用地统计的Kriging空间插值方法对月平均影像中的缺失数据进行插补,并从多个角度对插补结果进行分析和评价。结果表明:Kriging方法的插值结果能突出研究海域海表叶绿素a浓度一定时期的特殊变化,在一定程度上也能体现研究海域海表叶绿素a浓度的时空变化规律;但是Kriging方法空间插值操作复杂,精度较低,可变性估计不足,均方根误差平均值为0.459 8,标准化均方根误差的平均值为2.608 2。