地理信息系统原理与应用实验教学体系改革探索

地理信息系统原理与应用课程是地理信息系统、测绘工程、资源环境与城乡规划管理和地理科学等专业的重要基础课,其实验教学在整个教学过程中占有重要的地位。针对目前课程实验教学存在的主要问题,从实验教学综合体系构建、实验教程与教学多媒体课件编制以及创新性开放实验构建等3个方面进行教学体系改革与实践研究,为培养学生实践能力和创新能力提供相应保障。     

重庆市巫山县公路自然灾害易损性评价

为应对自然灾害对交通运输系统造成的巨大经济损失与环境破坏,本研究以山地面积占比96%的重庆巫山县为例,基于高分遥感应用技术,首先研究了公路自身损坏难易程度和区域抗灾能力,建立了路网密度、区域公路抗灾能力指数、公路耗能指数、土地利用抗灾指数等指标体系,并对区域抗灾能力进行综合分析。再者建立研究区自然灾害易损性模型,评价了研究自然灾害易损情况。最后从镇域尺度建立研究区公路易损模型,综合探讨了自然灾害对公路易损情况。结果表明：(1)区域公路抗灾力指数位于中层次及以下,巫山县内大多数的公路抗灾能力整体偏低。县内多数公路抗灾能力整体偏低,位于中层次及以下公路抗灾力能力区域约占70%。县内东部和南部土地利用抗灾能力指数较高,约有60%的镇级行政区土地利用抗灾能力处于低度以下。(2)山区公路自然灾害易损性模型结果显示,巫山县各乡镇主要为中度易损,多数公路处于中度易损区及极高损状态,整体上呈现出南高北低、东高西低易损状况。县内共计9个乡镇呈高度易损状态,约占64%公路处于高度及以上易损状态。研究结果可为山区公路自然灾害防治、区域防灾减灾提供科学决策依据。     

基于RS和GIS的河南省商丘市土地利用变化及其对粮食安全的影响分析

基于1990年和2004年的TM遥感影像数据,借助遥感图像处理软件ERDAS、ENVI和地理信息系统软件ArcGIS进行分析,得到商丘市两个时相的土地利用转移矩阵。采用了土地利用动态度、土地利用开发度、土地利用耗减度、土地利用程度综合指数等模型对土地利用状况进行定量分析评价,并通过Markov链对商丘市2018年、2032年的土地利用结构进行了预测。研究结果表明,14年间商丘市主城区土地利用格局发生了巨大变化,尤以耕地和建设用地变化显著,期间耕地面积减少了208.38km2,而建设用地增加了141.89km2。最后,基于耕地压力指数分析了耕地数量的变化对于该农业大市的粮食安全的影响,商丘市的粮食安全问题日益严重,迫切需要保护耕地的数量和质量。
     

重庆植被覆盖度时空演变及驱动力地理学探究

为了分析2000年以来重庆市植被时空变化情况及其驱动力作用性质,基于MODIS-NDVI数据,采用像元二分模型、差值法、均值法、一元线性回归模型研究重庆市2000—2015年遥感影像的植被覆盖度年、季时空演变特征,并利用地理探测器分析气温、降水量、人口密度、国内生产总值(gross domestic product, GDP)等因子对植被覆盖度的交互影响作用,及重庆市植被适宜性生长区域。结果表明:2000—2015年重庆市植被覆盖度季节均值呈春季到夏季增加,夏季到冬季减少的趋势;低覆盖度、中低覆盖度和中等覆盖度呈春季到夏季减少,夏季到冬季增加的趋势。2000—2015年重庆市植被覆盖度总体趋于改善,植被覆盖度提升面积远远大于退化面积,植被覆盖度在空间分布上东部地区高于西部地区。影响因子对植被覆盖度(fractional vegetation cover, FVC)影响的强度依次为:气温降水量人口密度GDP。人为因子和气候因子共同作用时,增强了对植被覆盖度的影响力。重庆市植被生长适宜性区域是年均降水量等级为1 383.3～1 567.6 mm、气温分区为5～10.2℃、人口分区为22.7～211.5人/km~2及年均GDP为17万～2 947.7万元/km~2的地区。研究结果可为重庆市生态环境治理和保护提供科学依据,丰富地理探测器模型研究成果。     

组合预测方法在重庆市GDP预测中的应用

GDP是国民经济发展的一个重要衡量标准,对其进行准确地预测非常重要;以重庆市为研究对象,基于统计数据,应用时间序列分析中的指数平滑法和ARIMA模型以及组合预测模型分别对2015—2020年重庆市的GDP进行了预测,并进行对比分析;研究结果表明:3种方法的误差均较小,但组合模型预测精度更高,重庆市未来几年的GDP年增长率将维持在10%左右。     

商丘市土地利用变化及其对粮食安全的影响分析

基于1990年和2004年的TM遥感影像数据,借助遥感图像处理软件ERDAS、ENVI和地理信息系统软件ArcGIS进行分析,得到商丘市两个时相间的土地利用转移矩阵;采用了土地利用动态度、土地利用开发度、土地利用耗减度、土地利用程度综合指数等模型对土地利用状况进行定量分析评价,并通过Markov链对商丘市2018年、2032年的土地利用结构进行了预测;研究结果表明,14年间商丘市主城区土地利用格局发生了巨大变化,尤以耕地和建设用地变化显著,期间耕地面积减少了208.38 km2,而建设用地增加了141.89 km2,最后,基于耕地压力指数分析了耕地数量的变化对于该农业大市的粮食安全的影响,商丘市的粮食安全问题日益严重,迫切需要保护耕地的数量和质量.     

重庆主城区土地利用景观格局变化分析

基于1993年、2006年重庆市主城区土地利用现状图,结合Fragstats 3．3软件,从研究区域内景观总体情况、景观格局变化、景观异质性描述等3个方面研究1993-2006年间重庆市主城区土地利用景观变化;通过1993-2006年间的土地利用转移矩阵,分析了各景观之间的转换状况。发现重庆市景观基质发生了改变,景观异质化程度增高、破碎度增加,各类用地景观的转入转出频繁。     

基于多机器学习模型的逐小时PM2.5浓度预测对比

【目的】比较分析XGBoost模型、LightGBM模型、随机森林模型(RF)、K最近邻模型(KNN)、长短期记忆神经网络(LSTM)、决策树模型(DT)共6个PM_2.5浓度预测模型,以准确、及时预测环境PM_2.5浓度。【方法】基于重庆市合川区2020年全年空气质量监测数据和气象数据,通过最大相关最小冗余算法(MRMR)进行数据降维选择最优特征子集,作为模型的输入,逐一进行PM_2.5浓度预测;考虑到不同季节PM_2.5浓度差异较大,故分季节预测了PM_2.5浓度;为了探究各模型预测性能,计算了各模型运行时间和内存占用,并基于PM_2.5与特征变量的相关性和特征变量的重要性探讨了模型预测性能季节性差异原因。【结果】模型总体预测精度从高到低排序为 XGBoost、RF、LightGBM、LSTM、KNN、DT模型;预测性能方面,6个模型均表现为秋冬季节预测精度高于春夏季节;LightGBM模型可在保证模型精度的情况下,大幅减少模型训练时间和内存占用;特征重要性显示PM₁₀浓度、气温和气压的重要性高,O₃浓度、风向和NO₂浓度重要性相对较弱。【结论】采取MRMR方法进行数据降维选取的最优特征子集能较好地预测PM_2.5浓度;相比较而言,XGBoost、RF、LightGBM、LSTM模型在PM_2.5浓度预测上具有较优性能,其中综合性能较好的为LightGBM模型。