Coding and Paper Letter（五十五）

資源整理。接上篇，第二篇Paper。

Paper:

1.Ground-Level PM2.5 Concentration Estimation from Satellite Data in the Beijing Area Using a Specific Particle Swarm Extinction Mass Conversion Algorithm/基於特定粒子羣消光質量轉換算法的北京地區衛星數據地面PM2.5濃度估算

顆粒物（PM）對環境，氣候變化和公共健康具備重大影響。因爲地面PM2.5監測系統的空間覆蓋範圍有限，在許多狀況下，基於地面的PM2.5濃度測量不足。本文介紹了一種利用遙感數據的特定粒子羣消光質量轉換算法（SPSEMCA）。地面觀測到的PM2.5，行星邊界層高度（PBLH）和相對溼度（RH）由歐洲中期天氣預報中心（ECMWF）和睦溶膠光學深度（AOD），精細模式分數（FMF）從新分析來自2015年北京地區AERONET（氣溶膠監測網絡）的粒度分佈和折射率用於創建該算法，2016年的相同數據集用於測試SPSEMCA的性能。 SPSEMCA涉及從AOD數據集中獲取PM2.5值的四個步驟，而且每一個步驟都具備必定的優點：（I）在粒子校訂中，咱們使用η2.5（由直徑小於2.5μm的粒子引發的消光分數）準確地同化AOD2.5，這是由特定的粒子羣PM2.5所促成的。 （II）在垂直校訂中，咱們比較了衛星激光雷達CALIPSO數據反演的PBLHc和ECMWF的PBLHe再分析的性能。而後，PBLHc用於對PBLHe進行系統校訂。 （III）對於消光體積轉換，相對溼度和FMF一塊兒用於同化AVEC（平均體積消光係數）。 （IV）在計算溼度校訂中的AMV（平均質量體積）時，使用由地面空氣質量站測量的PM2.5做爲幹質量濃度，這將避免因估算顆粒而產生的不肯定性物質密度ρ。 （V）大氣校訂（MAIAC）的多角度實現1千米×1千米AOD用於反演高分辨率PM2.5，而且使用基於查找表的光譜反捲積算法（LUT-SDA）FMF以便避免大的MODIS FMF產品引發的不肯定性。 PM2.5的從SPSEMCA算法到AERONET觀測數據，取得使人滿意的結果MODIS監測數據。此外，還揭示了北京時空分佈的趨勢。一種偏向於機理的衛星數據反演PM2.5濃度，考慮了PM2.5的特定粒子消光特性，利用垂直激光雷達的監測做爲輔助。

2.A Simple and Universal Aerosol Retrieval Algorithm for Landsat Series Images Over Complex Surfaces/複雜地表上Landsat系列影像的簡單通用氣溶膠反演算法

可操做的氣溶膠光學厚度（AOD）產品能夠從幾個到幾十千米的粗糙空間分辨率得到。這些決議限制了這些產品在城市一級監測大氣污染物的應用。所以，開發了一種簡單，通用且高分辨率（30米）的Landsat（SUHL）氣溶膠反演算法，該算法適用於複雜的城市表面。表面反射率是根據短波紅外（SWIR，2.22μm）的大氣頂反射率（TOA）和密集植被區域和明亮區域的Landsat 4-7表面反射氣候數據記錄的組合估算的。使用來自當地城市氣溶膠監測網絡（AERONET）站點（北京）的歷史氣溶膠光學特性肯定氣溶膠類型。得到來自城市和農村地區的五個站點的AERONET地面太陽光度計AOD測量以驗證AOD反演。 Terra MODIS Collection（C）6 AOD產品（MOD04）包括暗目標（DT），深藍（DB）以及10 km空間分辨率的組合DT和DB（DT＆DB）反演用於比較目的。驗證結果代表，在30米分辨率下Landsat AOD反演與ARONET AOD測量（R2 = 0.932）很好地相關，而且大約77.46％的反演落在預期偏差（EE）內，具備低平均絕對偏差（ MAE）爲0.090，均方根偏差（RMSE）爲0.126。比較結果代表，Landsat AOD反演整體上比MOD04 AOD產品更好，誤差更小，代表新算法具備魯棒性，在複雜地表上的AOD反演中表現良好。新算法能夠在低氣溶膠負荷和高氣溶膠負荷期間提供連續且詳細的AOD空間分佈。發表於JGR大氣的一篇文章，Landsat系列影像的通用氣溶膠反演算法，適用於複雜城市地表。結果精度也較好，方法也具備魯棒性。

3.Gaussian Markov Random Fields versus Linear Mixed Models for satellite-based PM2.5 assessment: Evidence from the Northeastern USA/基於衛星的PM2.5評估的高斯馬爾可夫隨機場與線性混合模型：來自美國東北部的證據

研究空氣污染對健康的影響是環境流行病學的一個關鍵領域。準確估算空氣污染效應須要時空分辨的空氣污染數據集，尤爲是精細顆粒物（PM）。基於衛星的技術極大地提升了在沒法直接測量的地方提供PM評估的能力。間接PM測量是統計預測問題。時空統計文獻提供各類預測模型：特別是高斯隨機場（GRF）和線性混合模型（LMM）。 GRF強調數據中的時空結構，但計算要求合適。 LMM在計算上更容易擬合，但須要一些篡改來處理空間和時間。時空統計文獻的最新進展提出經過用高斯馬爾可夫隨機場（GMRF）近似來減輕GRF的計算負擔。因爲LMM和GMRF在計算上都是可行的，所以出現了問題：哪一個在統計上更好？咱們代表，儘管LMM在環境監測和污染評估中很是受歡迎，但LMM在統計上不如GMRF用於測量美國東北部的PM。比較了兩種流行的模型在PM2.5時空估計上的精度。結果代表了GMRF的優越性。

4.Impact of Land-Use and Land-Cover Change on urban air quality in representative cities of China/中國表明性城市土地利用/土地覆蓋變化對城市空氣質量的影響

中國大氣顆粒物污染日益嚴重。土地利用和土地覆蓋變化（LUCC）是影響大氣顆粒物污染的關鍵因素。瞭解顆粒污染對LUCC的響應對於環境保護是必要的。選擇中國八個表明性城市，青島，濟南，鄭州，西安，蘭州，張掖，酒泉，烏魯木齊，分析顆粒污染與土地利用變化的關係。 MODIS（MODerate-resolution成像光譜儀）氣溶膠產品（MOD04）用於估算從2001年到2010年近10年的大氣顆粒物污染。六種土地利用類型，水，林地，草地，耕地，城市和未使用土地，從MODIS土地覆蓋產品（MOD12）得到，其中估算了每一個類別的LUCC。從上述兩種類型的數據分析了顆粒污染對LUCC的響應。此外，還考慮了時滯和城市類型變化對顆粒物污染的影響。分析結果代表，因爲天然因素，或城市蔓延或森林砍伐等人類活動，顆粒污染對LUCC的響應在不一樣地區表現出明顯差別。沿海地區顆粒污染與LUCC之間的相關性較低，而內陸地區較高。影響LUCC城市空氣質量的主要因素是從海洋到林地，再到城市土地，最終從海岸到中國內陸時進入草原或未利用的土地。空氣污染與土地利用變化的關係，不一樣區域存在差別性，內陸LUCC與顆粒物污染相關性較高。

5.Learning about urban climate solutions from case studies/經過案例研究瞭解城市氣候解決方案

氣候減緩研究愈來愈重視城市，但從城市案例研究中能夠學到更多。案件的整體規模，地理範圍和主題內容仍然未知，所以幾乎沒有嘗試綜合自下而上的證據。在這裏，咱們使用文獻計量學和機器學習方法來生成綜合的文獻圖。咱們的大約4,000個案例研究數據庫提供了大量的搜索，比較和綜述證據。咱們發現，將來最須要減緩氣候變化的世界區域的城市系統性表明性不足。證據地圖容許案例研究與新的和更雄心勃勃的綜合形式的城市類型相匹配，將傳統上獨立的定性和定量城市研究結合在一塊兒。世界各地的城市都處於制定氣候減緩政策的最前沿，但有效的行動須要更好地瞭解潛在的解決方案。本評論對城市案例研究文獻進行了系統的探索，並討論瞭如何最好地利用不斷增加的案例。Nature Climate Change上的一篇文章，基於文獻計量和機器學習方法來對當前城市氣候解決方案作一個文獻綜述。這是一個很是有意思的研究，相似於系統綜述，可是又會更智能。而對於當前城市氣候解決方案的制定有不少的參考意義，儘管結果代表最迫切須要制定政策城市研究表明性不足。

6.A multi-scale urban integrated assessment framework for climate change studies: A flooding application/用於氣候變化研究的多尺度城市綜合評估框架：洪水應用

爲了評估氣候變化對城市地區將來可能產生的影響，須要有助於決策者瞭解將來風險模式的工具。 本文提出了一個建模框架，容許將國家和地區尺度的人口和就業預測降尺度到局域尺度的土地利用變化，提供將來社會經濟變化的情景。耦合空間相互做用種羣模型和元胞自動機土地開發模型基於規劃策略方案產生將來城市化地圖。 該框架在英國大倫敦展現，其中一組將來的人口和土地使用情景正在針對氣候變化下的洪水風險進行測試。 該框架使用開源數據庫在Python中開發，旨在轉移到全球其餘城市。UCL高及空間分析的成果，基於耦合兩個模型提出的一個預測將來城市的框架，對於應對氣候變化的城市規劃有較好的實用性，同時基於Python開發的框架，具有了可移植性。

7.Activity Modelling Using Journey Pairing of Taxi Trajectory Data/基於出租車軌跡數據旅程配對的活動建模

出租車GPS數據提供了發現城市人口行爲模式的機會。 然而，原始出租車行程數據不提供我的旅行者的出境和返回旅程之間的連接。 沒有這些信息，就沒法跟蹤我的行爲。 在這項研究中，咱們提出了一種配對出租車旅程的新方法，並將其應用於中國深圳市的出租車軌跡數據。 與三項活動相關的旅程被認爲是：購物，醫療和工做。 結果，使用在深圳收集的問卷數據進行驗證，定量揭示行爲模式，並提出在城市設計中應用的可能性。深圳大學團隊的成果，出租車軌跡數據挖掘用於人羣行爲分析。結合問卷調查驗證，該方法在深圳的案例中有較高的可行性。

8.Target Dictionary Construction-Based Sparse Representation Hyperspectral Target Detection Methods/基於目標字典構造的稀疏表示高光譜目標檢測方法

具備高光譜分辨率的高光譜圖像（HSI）包含數百甚至數千個光譜帶，並傳遞豐富的光譜信息，這爲目標檢測提供了獨特的優點。基於線性混合模型（LMM）和基於稀疏性的模型，已經提出了許多經典目標檢測器。與LMM相比，基於稀疏度的探測器在處理光譜可變性方面表現出更好的性能。儘管近年來基於稀疏性模型取得了巨大成功，但仍然存在全部最早進的稀疏模型的一個問題：目標字典是經過從全局圖像場景中選擇的目標訓練樣本造成的。這是構建用於高光譜目標檢測的目標字典的不正確方式，由於先驗信息一般是從光譜庫得到的給定目標光譜。此外，從全局圖像場景中選擇的目標訓練樣本一般不足，這致使目標訓練樣本和背景訓練樣本在數據量上不平衡的問題，致使檢測模型惡化。針對這些問題，本文構建了一種基於目標字典構建的方法，提出了基於目標字典的基於稀疏性的目標檢測模型和構建的基於目標字典的稀疏表示二元假設模型，稱爲TDC- STD和TDC-SRBBH。兩種提出的算法僅須要給定的目標頻譜做爲輸入先驗信息。經過使用給定的目標光譜經過約束能量最小化進行預檢測，咱們選擇具備大輸出值的像素做爲目標訓練樣原本構造目標字典。所提出的算法在三個基準HSI數據集上進行了測試，實驗結果代表，與其餘最早進的檢測器相比，所提出的算法具備出色的檢測性能。高光譜遙感的相關內容，這方面不是特別瞭解，可是字典自己也是用在時空影像融合和檢測裏的，經過大量訓練數據構建字典而後應用。這個文章就是構建了不一樣的算法，獲得一種比較有優點的算法。

9.Automatic mapping of planting year for tree crops with Landsat satellite time series stacks/使用Landsat衛星時間序列自動繪製樹木種植年份

加利福尼亞州的中央山谷面臨嚴重的水資源短缺挑戰，以及氮浸出致使的地下水質量降低。果園年齡是水果和堅果生產的關鍵決定因素之一，直接影響消耗性水的使用和肥料需求。然而，儘管在其餘地區使用多時相衛星圖像進行了一些嘗試來估計樹齡，但仍然缺少加利福尼亞州關於果園種植年的區域和全州空間信息。在這裏，咱們開發了一種強大的檢測方法來跟蹤做物覆蓋動態，並經過Google Earth Engine（GEE）平臺內Landsat圖像的時間序列肯定種植年份。咱們使用了1984年至2017年Landsat數據（Landsat-5 TM，Landsat-7 ETM +和Landsat-8 OLI）的完整存檔做爲輸入，並自動化了映射的GEE工做流程。最初使用JavaScript執行預處理，以得到每一個Landsat像素的高質量反射率和歸一化差值植被指數（NDVI）時間序列。而後根據田地邊界將年度最大NDVI彙總到果園水平。咱們的變化檢測算法包含一組決策規則，包括具備強大Z分數閾值的潛在年份的自適應識別，基於種植後生長曲線消除錯誤檢測，以及使用最近的最小策略估計種植年份。與杏仁種植者提供的142個記錄相比，咱們的方法顯示出很是高的估計樹木年齡的準確度，平均絕對偏差小於半年。咱們進一步評估了加利福尼亞州全部水果和堅果樹種植年份全州繪圖的準確性，發現整體一致性爲89.2％。這種基於雲計算的自動化應用預計將極大地加強咱們在單個油田，縣和全州範圍內預測產量動態，估算用水量和肥料投入的能力。基於Google Earth Engine估算樹齡的研究，從性能上看得出很是強大，基於雲計算的自動化應用具備很是高的使用價值，同時以筆者的瞭解，樹齡對於一些森林生態、碳循環模型研究是個很是重要的變量，所以這個研究值得關注。固然這篇雄文也發表在了遙感頂刊ISPRS Journal of Photogrammetry and Remote Sensing上。

10.Hydraulic diversity of forests regulates ecosystem resilience during drought/森林的水力多樣性調節了乾旱期間的生態系統恢復力

植物經過碳，水和能量的通量影響大氣，並可經過陸地 - 大氣反饋效應加重乾旱。森林中植物功能性狀的多樣性，特別是與水（水力）運輸相關的生理特性，可能在陸地 - 大氣反饋中起關鍵做用，特別是在乾旱期間。在這裏，咱們結合了來自40個森林站點的352個地點年的渦動協方差測量，植物水含量的遙感觀測和植物功能 - 性狀數據，以測試植物性狀的多樣性是否影響生態系統對乾旱的響應。咱們發現有證據代表，較高的水力多樣性可緩衝溫帶和北方森林乾旱期間生態系統通量的變化。水力特徵是乾旱響應中跨站點模式的主要顯着預測因子。相比之下，標準葉片和木材特性，如特定葉面積和木材密度，幾乎沒有解釋力。咱們的研究結果代表，樹木水力特性的多樣性能夠調節生態系統對乾旱的抵禦能力，並可能在氣候變化的將來生態系統 - 大氣反饋效應中發揮重要做用。樹木的水力特徵對於生態系統很是重要，事實上碳水的耦合是很是關鍵的，森林儘管具備固碳功能，可是同時也會消耗水，如何對兩者進行平衡和取捨是一個很關鍵的問題。固然本文更關鍵的是指出了森林水力特性的多樣性能夠調節生態系統對乾旱的抵禦能力，這個研究也是基於通量塔渦度協方差與遙感的大數據研究。