基于改进型PSO的模糊神经网络PM2.5浓度预测

为科学合理地预测大气污染物PM2.5颗粒物浓度变化规律,分析PM2.5颗粒物浓度变化历史数据,综合判断外部条件(温度、风速、天气状况)和内部条件(其它污染物的浓度)对PM2.5颗粒物浓度变化的影响.采用一种改进型PSO优化的模糊神经网络,将粒子群算法与模糊神经网络进行融合,发挥PSO算法全局寻优的特点,预测PM2.5颗粒物浓度的变化规律.对某市2013年PM2.5颗粒物浓度进行预测和验证,验证结果表明,该算法具备良好的预测精度.     

基于BP模型的北京PM＿(2.5)年均值预测研究

PM2.5也称作可入颗粒物。是指大气中直径小于等于2.5微米的颗粒物。虽然PM2.5在地球大气成分中含量很少,但它对空气质量和能见度等有重要的影响,且对人体健康影响很大。该研究以北京市机动车保有量、煤炭消耗量和年扬尘天数2000-2013年的统计数据为基础,建立BP神经网络模型进行预测研究,结果表明:2014年PM2.5年均值为90.83μg/m3,三因素与PM2.5年均值的相关度顺序为:煤炭消耗量年扬尘天数机动车保有量。     

巴音布鲁克草原主要植被NDVI变化与气候因子的关系

利用GIS和遥感技术建立巴音布鲁克草原高寒沼泽、高寒草原和高寒草甸三种典型植被1982～2000年月合成NOAA-AVHRR归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列.利用月合成NDVI的多年均值分析了三种典型植被NDVI年内季节性变化规律.同时,收集同期巴音布鲁克气象台降水量、气温、0～20cm浅层地温及日照时间,在区域尺度上分析巴音布鲁克草原典型植被覆盖变化与这些气候因子的关系,揭示气候变化对该区域植被覆盖变化的影响.     

基于BP模型的北京PM2.5年均值预测研究

PM2.5也称作可入颗粒物。是指大气中直径小于等于2.5微米的颗粒物。虽然PM2.5在地球大气成分中含量很少,但它对空气质量和能见度等有重要的影响,且对人体健康影响很大。该研究以北京市机动车保有量、煤炭消耗量和年扬尘天数2000-2013年的统计数据为基础,建立BP神经网络模型进行预测研究,结果表明：2014年PM2.5年均值为90.83μg/m3,三因素与PM2.5年均值的相关度顺序为：煤炭消耗量〉年扬尘天数〉机动车保有量。     

非平稳NDVI时序数据人工神经网络建模方法

为表征植被覆盖变化过程中的非平稳征,利用人工神经网络模型研究了NDVI数据非平稳时间序列建模方法,并基于1982—2015年的GIMMS NDVI3g数据建立了青海省植被覆盖变化ANN非线性模型和ANNARMA组合模型。结果表明,组合模型较为光滑,能够凸显植被的总体变化趋势,且具有更高的模型精度;非线性ANN模型与观测值更为吻合,适宜于描述植被覆盖的细节变化。2016—2025年青海省3 000m以上地区植被覆盖有上升趋势,3 000m以下地区有下降趋势,且整体植被覆盖呈现上升趋势。     

不同等级石漠化区MODIS-NDVI与MODIS-EVI对比分析

利用2001～2010年10 a的MODIS资料,比较分析广西喀斯特不同等级石漠化区MODIS\|NDVI和MODIS\|EVI的时间变化特征差异,利用全时间序列及16 d10 a均值序列分析NDVI和EVI之间的相关关系,比较线性及对数相关模型对两种植被指数相关关系的拟合效果,结果表明:石漠化等级由重度到潜在,两者之间的差值也随着植被覆盖度的增加而增大,植被覆盖度越低,NDVI和EVI所表征的植被变化特征越相似。NDVI的峰值出现时间多晚于EVI且其反映的植被变化趋势与实况更吻合,但其NDVI偏高;各等级石漠化的两种时间序列NDVI与EVI的对数相关关系优于线性相关,两种植被指数的相关性随着植被覆盖度的降低而增大,但全时间序列中轻度、中度石漠化相关性变化规律与16 d 10 a均值序列相反。     

基于LSTM的PM2.5浓度预测模型

随着近年雾霾天气的频繁出现,空气质量开始越来越受到公众关注。PM2.5浓度指数是判断空气质量的重要指标,如何根据历史数据有效地预测空气中PM2.5浓度,具有很高的应用价值。分析以往空气质量数据表明,PM2.5浓度有明显的非线性和不确定性波动,很难用传统机器学习算法有效地预测。本文基于LSTM循环神经网络,依据过去20小时采集的空气数据,预测未来5小时的PM2.5浓度指数。实验结果表明,LSTM可以有效地捕获空气质量的时序特征,较准确预测出未来时刻的PM2.5浓度指数。     

1982～2000年黄淮海地区植被覆盖变化特征分析

利用1982～2000年8km NOAA-AVHRR数据,采用均值法、差值法和一元线性回归模拟法,分析了中国黄淮海地区植被的动态变化及其空间分布特征,模拟了年NDVI均值的变化趋势,并对不同植被类型的NDVI年内和年际变化规律进行了分析。结果表明:黄淮海地区植被覆盖总体上呈增加趋势,20世纪90年代末相对80年代初平均NDVI值增加了近0.03。从空间分布上看,大部分地区NDVI都呈增加的趋势,其中NDVI极显著增加的区域主要分布在山东的西北部和西部、河南的东部、河北的北部及江苏的北部地区,F检验的显著性水平达到了99%。NDVI呈减少趋势的地区很少,主要分布在北京、天津、山西中部。各植被类型的NDVI在年内的变化呈很强的季节性,年际变化规律大致相同,呈波动上升的趋势。     

高时空分辨率PM_(2.5)浓度土地利用回归模拟与制图

针对传统地面监测手段稀疏获取PM2.5浓度的缺陷,该研究在利用中分辨率成像光谱仪(MODIS)遥感影像反演500m空间分辨率气溶胶光学厚度(AOD)的基础上,辅以人口密度、植被叶面积指数等地理特征要素,构建了研究区时均尺度PM2.5浓度土地利用回归(LUR)模型,并与经典克里格插值方法(OK)对比进行精度评价。结果表明:(1)研究区内部AOD存在明显空间分异,中心城区AOD值高于周边地区;(2)融合AOD要素的最优LUR模型相关系数可达0.51;(3)相比OK方法,LUR模型生成的PM2.5浓度图可客观反映研究区空气污染的空间变化。研究表明,融合遥感气溶胶数据的LUR模型可在短时间尺度准确模拟地面高空间分辨率PM2.5浓度。     

基于遥感和气象数据的蒙古高原1982~2013年植被动态变化分析

蒙古高原生态系统及其变化对中国北方乃至整个东北亚的生态安全有着重要影响,了解蒙古高原干旱半干旱区植被生长的动态如何在不同时间和空间尺度上响应气候变化十分必要。利用NDVI数据构建长时间序列,分析植被生长动态变化的过程和时空特征,并与气象数据进行相关性分析。主要结论如下:①NDVI的分布具有地带性;②大约39.5%的区域NDVI呈显著的增加(P=0.1),7.3%的区域NDVI显著减少(P=0.1),说明植被条件在蒙古高原有所好转;③蒙古高原NDVI的变异系数均值16.99%,这表明过去32年里植被覆盖变化情况有较强的波动性;④蒙古高原植被的生长状况与降水量有极显著的正相关关系,与气温有极显著的负相关关系。     

基于GEE的石羊河流域植被覆盖变化特征及其影响因素分析

植被作为陆地生态系统的重要组成部分，常被用作评估气候变化和生态恢复成效的指标。以石羊河流域为研究对象，基于Google Earth Engine (GEE)平台采用Theil-Sen趋势分析和MannKendall检验（TS-MK）、Hurst指数揭示植被覆盖变化特征；采用偏相关分析、残差分析和地理探测器探究植被覆盖变化的影响因素。结果表明：2001～2020年间石羊河流域植被NDVI呈现波动增长趋势，增长率为0.023/10 a；呈显著增加趋势和显著减少趋势的面积占比分别为72.32%和2.40%。未来植被NDVI变化趋势保持一致（Hurst>0.5）的面积占比为63.84%，其中持续性显著增加的面积占比最大，为47.37%。偏相关分析结果表明降水对植被生长的影响较强，而温度、太阳辐射和饱和水汽压差的影响相对较弱。残差分析结果表明气候要素和人类活动影响下植被NDVI呈显著增加趋势的面积占比分别为21.59%和60.07%，石羊河流域的植被变化主要受人类活动的积极影响。此外，地理探测器的结果表明植被NDVI的空间分布主要受水热条件分布特征的影响。该研究结果有助于深化对植被覆盖变化...     

基于多元回归分析的PM2.5预测研究

PM2.5对人体健康和大气环境质量的影响众所周知,分析、预测PM2.5浓度对污染天气防治与干预有着非常重要的作用。利用灰色关联度、多元回归分析等方法对全国各大城市空气质量进行了研究,分析了影响PM2.5浓度的主要因素并进行了影响程度排序,构建了PM2.5预测模型并进行了预测实践,为我国环境空气质量预报和污染天气防治干预提供了有效的决策信息。     

基于单片机的PM2.5测试仪的设计与实现

PM2.5作为雾霾的重要组成部分,其颗粒物直径小,含有高浓度的有毒、有害物质并且在空气中长时间保留、远距离漂浮等特性,使得对PM2.5的检测和治理成为当务之急。本设计采用MSP430F149单片机为控制中心,由GP2Y1010AU0F光学空气质量传感器测量空气粉尘浓度,通过单片机内置的12位AD转换将模拟的电压信号转换成数字信号,然后由单片机进行数据的处理,最后由LCD1602显示屏显示当前空气粉尘浓度,当浓度超过设定阈值时报警。实践证明,该PM2.5测试仪电路设计简单、稳定性好、测试精度高、体积小、价格低,具有一定实用价值。     

基于机器学习的短期PM2.5预测

由于环境和快速发展之间的不平衡,城市空气质量问题变得越来越突出。PM2.5作为空气污染的主要成分,会对人体造成很大伤害。因此,准确地预测PM2.5浓度对于保护人们健康具有重要意义。首先选取了其他空气质量数据(PM₁₀、NO₂、CO₂、O₃)作为影响因素,构建了基于机器学习(多元线性回归、岭回归、套索回归、决策树、随机森林和人工神经网络)的PM2.5预测模型;其次利用这些模型预测山西省太原市未来1小时PM2.5浓度;最后通过MAE、RMSE、R²来等指标评价各模型的预测性能,实验结果表明,基于随机森林的预测模型具有最高的预测精度。     

分布式空气质量远程集中监测管理系统设计

为了能够远距离实时监测空气中PM2.5和PM10的浓度变化情况,采用C/S架构设计了分布式空气质量远程集中监测管理系统,系统由多个空气质量监测站和监测中心两部分组成;空气质量监测站作为客户端利用嵌入式处理器LPC2129作为控制核心,通过传感器SDS011采集空气中悬浮颗粒物PM2.5和PM10的浓度,并通过GPRS模块SIM900A建立与监测中心服务器的TCP/IP网络连接,进行数据交互;监控中心服务器接收、处理、统计分析和显示来自各监测站的数据,并存在数据库SQL2008中,便于形成时、日、月和年报表;同时,为环保监察部门和手机APP提供了数据接口,实现资源和数据共享;测试结果表明,该系统实现对分布在远程各地空气中颗粒物浓度的集中监测,且工作稳定可靠,能够为排污企业周围环境评估提供数据依据,也能够为引导市民健康出行提供参考。     

基于STM32的PM2.5检测系统设计

设计了一种智能型的细颗粒物(PM2.5)检测仪,其特点是成本低、具备测量基本环境参数(PM2.5、温湿度、紫外线强度)及报警的功能,非常适合家用。一旦发现颗粒物浓度达到损害身体的指标,系统会自动进行语音光报警,提醒用户该区域PM2.5浓度超标,需要戴上口罩或者尽快离开该区域。     

MODIS NDVI与MODIS EVI的比较分析

MODIS NDVI与MODIS EVI是目前应用比较广泛的植被指数,MODIS EVI是对NDVI的发展和延续,从植被指数计算公式和合成方法两方面做了改进。具体表现在:避免了MODIS NDVI在植被高覆盖区易饱和的问题,考虑了土壤背景对植被指数的影响,对气溶胶等残留做了进一步校正,采用BRDF/CV-MVC合成方法保证了合成采用最佳像元。EVI时间序列相较于NDVI时间序列季节性更明显,能够更好地反映高植被覆盖区的季节性变化特征,并且很少有突降现象,时间序列曲线较平滑。EVI的这些优势为高覆盖植被物候特征的季节性变化监测提供了新的思路。     

利用NDVI与EVI再合成的植被指数算法

针对单独使用NDVI、EVI对植被覆盖变化分析出现的饱和问题,提出了植被指数再合成法。本研究基于EVI与NDVI中国合成产品在时间上通过植被指数归一化再合成、空间上通过植被指数向量分析法对云南省月植被覆盖变化进行趋势分析并进一步利用方差、标准差、变异系数、回归分析等方法对单一植被指数与合成植被指数进行定量评价。结果表明:NDVI与EVI月趋势变化呈显著负相关;基于EVI mean与NDVI max再合成指数VI的方差、标准差均最大,相对其他单一植被指数(NDVI、EVI)而言,其变异系数VC最大为0.551,回归分析结果k值为0.039,对描述植被覆盖在时间维度与空间维度上的变化情况效果最佳。     

贵州乌江流域NDVI降尺度适应性评价

降尺度获取较高的空间分辨率植被遥感数据,能更好地揭示出中小流域植被变化特征及其驱动因素。文章利用IDL实现AVHRR GIMMS NDVI数据空间统计降尺度,将原始1982—2000年8km AVHRR GIMMS NDVI数据降尺度到250m,并对其精度进行评价,再与2000—2016年MODIS NDVI数据相结合,分析1982—2016年贵州乌江流域NDVI时空变化。结果表明:应用空间统计方法得到的降尺度数据误差较小,可良好地反映乌江流域NDVI变化特征,说明该方法具有一定的适用性及科学性;1982—2016年,贵州乌江流域NDVI变化呈明显波动增加趋势,在逐年NDVI空间分布中,呈东高西低的分布格局;35年来,贵州乌江河流域NDVI年际变化呈上升趋势。     

利用随机森林和地理加权回归的黄河源GIMMS3gNDVI降尺度方法

针对现有AVHRR、SPOTVGT、MODIS产品难以构建长时序、高时空分辨率NDVI数据集的问题,提出了利用随机森林和地理加权回归模型对GIMMS_3g NDVI进行降尺度的方法。基于“关系尺度不变”假设,从不同空间分辨率和数据源角度将其空间分辨率从8 km提高至250 m,并利用MODIS数据进行精度评价。结果表明：降尺度数据的空间分辨率有较大提升,能真实反映源区内NDVI空间分布特征;降尺度数据与MODIS数据具有较好的一致性,除500 m分辨率下的RF降尺度外,其他降尺度结果的绝对误差≤0.1的比例达到70%;东南部高植被覆盖区的降尺度效果要优于西北部;RF模型在体现局部细节纹理特征方面更具优势;解释变量的不同组合会影响降尺度的精度;降尺度模型尺度的改变对RF模型降尺度结果影响较大。