Coding and Paper Letter（六十八）

咱們提出了一種分析來自「低成本空氣質量監測儀」（LCAQM）網絡的細顆粒物（PM2.5）數據的方法，以得到精細分辨的濃度圖。在該方法中，基於擴散模型，咱們首先識別源的可能位置，而後經過將濃度的模型估計擬合到相應的測量來估計來自這些源的排放的大小。而後使用排放來估計覆蓋感興趣區域的網格上的濃度。而後使用克里金法將監測器位置處的模型估計值與測量濃度之間的殘差內插到網格點。咱們經過將其應用於位於南加州帝王谷的20個LCAQM網絡來講明這種方法。使用擴散模型估算潛在的平均濃度場，能夠比直接克里金觀測值更準確地估算PM2.5濃度的空間分佈。這篇文章實現空氣質量時空製圖的思路與迴歸克里格的思路比較相似，可是又有所不一樣，迴歸克里格是利用迴歸模型預測濃度接着插值觀測樣本上的殘差。而這篇文章利用了一個擴散模型先預測觀測樣本上的預測濃度，後面那步一樣是插值。這是個蠻有意思的思路。事實上擴散模型能夠做爲一個重要的輔助模型。

2.Measuring Bandwidth Uncertainty in Multiscale Geographically Weighted Regression Using Akaike Weights/使用Akaike權重測量多尺度地理加權迴歸中的帶寬不肯定性

帶寬是地理加權迴歸模型中的關鍵參數，與正在檢查的基礎空間異構過程發生的空間尺度密切相關。一般，基於某些標準（例如Akaike信息準則（AIC））選擇單個最佳帶寬（地理加權迴歸）或一組協變量特定的最佳帶寬（多尺度地理加權迴歸），而後參數估計和推斷是條件的。這個帶寬的選擇。在本文中，咱們發現帶寬選擇在單尺度和多尺度地理加權迴歸模型中都存在不肯定性，並證實能夠測量和計算這種不肯定性。基於模擬研究和鳳凰城肥胖率的經驗實例，咱們代表能夠經過Akaike權重定量測量帶寬不肯定性，而且能夠得到帶寬的置信區間。瞭解帶寬不肯定性可提供有關不一樣過程運行的規模的重要看法，尤爲是在比較協變量特定帶寬時。另外，能夠基於Akaike權重來計算帶寬選擇不肯定性的無條件參數估計。來自ASU的Li Ziqi博士的文章，關於分析GWR的帶寬及其不肯定性文章。帶寬是GWR很是重要的參數，也是地理學尺度效應的一種定量化體現。

3.Spatiotemporal Changes in PM 2.5 and Their Relationships with Land-Use and People in Hangzhou/杭州市PM 2.5的時空變化及其與土地利用和人口的關係

中國城市空氣污染程度和程度的增長已經成爲公衆關注的主要問題和政府的負擔。雖然有大量文獻關注空氣污染的現狀，變化和緣由（特別是PM 2.5和PM 10），但人們對它們的影響卻知之甚少。在這項研究中，咱們使用中國杭州做爲咱們的測試平臺來評估PM 2.5對更容易受到污染的年輕人羣的直接影響。咱們使用中等分辨率成像光譜儀（MODIS）的氣溶膠光學厚度（AOT）產品和空氣質量的地面監測數據，對2015年PM 2.5的時空變化進行了研究。咱們進一步探討了這些分佈的土地覆蓋，人口密度和學校（幼兒園，小學和中學）探索尋求潛在緩解方案的潛在影響。咱們發現PM 2.5濃度的季節變化是冬季>春季>秋季>夏季。在杭州，暴露於PM 2.5>50μgm-3的土地面積佔冬季的59.86％，春季的56.62％，秋季的40.44％和夏季的0％，而PM 2.5的土地面積<35μg夏季，冬季，秋季和春季的m -3分別爲70.01％，5.28％，5.17％，4.16％。至於土地覆蓋，森林的PM 2.5爲35-50μgm-3（即低於其餘覆蓋類型），多是因爲森林的潛在過濾和吸取功能。更重要的是，基於人口加權暴露水平（pwel）的定量指數代表，只有9.06％的人口生活在符合國家空氣質量標準的地區。只有1.66％（14,055）的嬰兒和青少年生活在PM 2.5 <35μgm-3的區域。考慮到PM 2.5長期的遺留影響，咱們強烈建議改善空氣質量和人員（即健康情況）的監測系統，特別注意嬰兒和青少年。基於MODIS的AOD數據和地面監測站點分析，分析了不一樣土地利用以及人口暴露狀況。能夠做爲後續分析的先驗知識。

4.Spatio-temporal patterns of traffic-related air pollutant emissions in different urban functional zones estimated by real-time video and deep learning technique/經過實時視頻和深度學習技術估算不一樣城市功能區交通相關空氣污染物排放的時空格局

本文的目的是經過交通監控視頻和圖像識別中收集的實時交通數據，探討不一樣城市功能區內車輛類型和數量的時空格局與交通相關的大氣污染物排放之間的關係。使用基於視頻的檢測技術分析數據，同時經過污染物排放係數量化空氣污染。結果代表：（1）交通污染物排放順序爲高速公路>商業區>工業區>居住區>港口; （2）每一個污染物的日最大排放量發生在工做日和週末的不一樣功能區。除高速公路外，商業區平日排放的CO，HC和VOC排放量最高，而全部污染物（CO，HC，NOx，PM2.5，PM1.0和VOC）排放量最高的是週末。工業區平日排放的NOx，PM2.5和PM1.0排放量最高; （3）除港口地點外，全部功能區的污染物排放（CO，HC，NOx，PM2.5，PM1.0和VOC）在遲早峯值達到峯值; （4）汽車和摩托車是與交通有關的污染物排放的主要來源。經過基於視頻的車輛檢測以更精細的時空分辨率收集數據，是一種經濟有效的方法，能夠映射與交通相關的空氣污染的時空模式，從而有助於城市規劃和睦候變化研究。在當前深度學習大熱背景下的一篇文章，利用視頻識別技術來分析交通數據從而推斷出PM2.5等大氣污染物，獲得區域大氣污染物排放的時空格局。

5.Impact of China’s Air Pollution Prevention and Control Action Plan on PM2.5 chemical composition over eastern China/中國大氣污染防治行動計劃對中國東部地區PM2.5化學成分的影響

中國於2013年頒佈了「大氣污染防治行動計劃」（行動計劃），並制定了嚴格的控制措施，以減輕細顆粒物（PM2.5）的污染。在這裏，咱們使用基於衛星的PM2.5化學成分數據，使用CMAQ模擬和衛星輸入，研究了2013-2017期間與中國東部相關的PM2.5化學成分變化。因爲PM2.5中全部化學物質的減小，PM2.5濃度在此期間顯着降低。中國東部的人口加權平均濃度從SO42-的11.1降至6.7μgm-3，NO3-爲13.8-13.1μgm-3，NH4 +爲7.4-5.8μgm-3,9.9-8.4μgm-3對於OM，對於BC爲4.6-3.8μgm-3，對於PM2.5中的其餘物種爲12.9-9.6μgm-3。 SO42-的降幅最大，爲40％，而NO3-的下降幅度最小，爲5％，致使PM3.5中NO3-的比例較大，SO42-的比例較小。在三個主要地區中，京津冀的PM2.5及其化學成分減小幅度最大。 SO4 2濃度的降低與二氧化硫排放量的減小一致，二氧化硫減排的主要驅動因素是工業部門。 NO3-濃度的下降是有限的，由於SO2排放的減小和穩定的NH3排放促進了HNO3造成NO3-，這部分地抵消了電力部門驅動的NOx排放的減小。爲了更有效地減輕PM2.5污染，將來須要努力減小NH3排放。分析大氣行動政策政策對PM2.5化學成分的影響。結合了CMAQ模擬和衛星數據。式中來講工業部門仍舊是排放的主要源頭。可是從評估結果而言，政策執行後，PM2.5濃度總體是降低的。固然這篇文章利用的化學傳輸模式與衛星結合的方法是值得咱們關注的。

6.AMSR2 snow depth downscaling algorithm based on a multifactor approach over the Tibetan Plateau, China/基於多因素方法的青藏高原AMSR2積雪深度降尺度算法

準確動態測量青藏高原（TP）的積雪深度（SD）對於瞭解當地氣候系統和地表水文循環具備重要意義。目前，被動微波遙感是用於監測SD中時空變化的最有效方法。然而，現有SD產品的大的不肯定性和低空間分辨率致使在具備複雜地形條件，強季節轉換和大的時空異質性的區域（例如TP）中不太使人滿意的被動微波遙感。在這項研究中，評估了地理位置，地形，積雪天數和亮度溫度。而後，關鍵因素被用於開發先進的微波掃描輻射計2（AMSR2）SD降尺度模型。結果代表：（1）SD受地理位置，積雪天數，地形參數和亮度溫差的影響很大。表面粗糙度與地面觀測結果具備最佳相關性，反映了SD的變化的44％; （2）結合AMSR2亮溫數據和其餘輔助數據的新型多因素功率SD降尺度模型，具備更高的精度和穩定性，與SD地面觀測密切相關，反映了80％的SD變化; （3）與日本宇宙航空研究開發機構（JAXA）發佈的AMSR2上升和降低軌道SD產品以及中國西部環境與生態科學數據中心（WESTDC）的SD數據集相比，提出的縮減SD數據集爲TP大大提升，均方根偏差（RMSE）和平均絕對偏差（MAE）大大下降（分別爲2.00 cm和0.25 cm）; （4）TP的縮小SD數據集在SD 小於3cm的區域顯示出良好的準確度（RMSE = 0.58 cm）; （5）縮小的SD產品的最差監測精度是草原，RMSE爲2.07釐米。降尺度SD產品的最佳精度是在裸地覆蓋條件下發現的，RMSE僅爲0.41cm。青藏高原的積雪深度產品的降尺度算法研究，發表於RSE上，分析了多個不一樣因子對於積雪深度的影響，而後利用這些因子構建降尺度模型，從結果而言仍是很不錯的。

7.基於衆源數據挖掘的中國飲食口味與慢性病的空間關聯

慢性病是全球最主要的死亡緣由,在全部慢性病風險因素中,不健康飲食因素居於首位,也是影響最普遍的風險因素。儘管已有許多關於飲食行爲的研究,但在飲食口味與慢性病關聯方面尚缺少定量研究。鑑於此,利用衆源網絡菜譜數據,提取菜系中多維口味信息,結合不一樣地區分類的餐飲類興趣地點（POI）數據,定量分析不一樣地區人羣口味偏好;使用地理探測器方法,從空間分異性角度創建7種口味與出血性卒中、胰腺癌、上呼吸道感染3種慢性病的關聯,獲得飲食口味對慢性病空間分佈的解釋能力度量值。結果代表：在7種口味中,過鹹是出血性卒中的首要口味風險因子;必定程度的甜是胰腺癌的首要口味風險因子,且甜的程度與胰腺癌風險並不是呈簡單線性關係;過辛是上呼吸道感染的首要口味風險因子,三者在統計上均表現顯著。本文首次提出了基於衆源數據挖掘的潛在健康風險因素定量研究方法,能夠應用於病因的探索性分析,並有助於公共衛生部門制定相應的干預措施。來自於團隊的成果，分析當前新興的POI大數據與慢性病的空間關聯，使用了地理探測器進行分析，發表於地理學報。

8.Volatile organic compounds at a rural site in Beijing: Influence of temporary emission control and wintertime heating/北京農村地區揮發性有機化合物：臨時排放控制和冬季取暖的影響

雖然住宅煤/生物質燃燒多是PM2.5的一個主要且未被充分認識的排放源，特別是在冬季，但燃燒的固體燃料是否對環境揮發性有機化合物（VOCs）有很大影響，後者是二次有機氣溶膠的前體。（冬季霧霾事件中一般對顆粒物質有較高貢獻的（SOA）。在本研究中，環境空氣樣本於2014年10月25日至12月31日在北京東北部中國科學院（UCAS）校園的農村地點進行收集，用於VOCs分析。因爲11月3日至12日實施了臨時干預措施，以改善11月5日至11日在北京舉行的亞太經濟合做組織（APEC）峯會的空氣質量，11月15日亞太經合組織峯會後，北京集中供暖於11月15日開始實施。這個樣品採集期提供了一個很好的機會來研究臨時控制措施和冬季加熱對環境VOCs的影響。因爲11月3日至12日（第二階段）實施的臨時干預措施，非甲烷碳氫化合物的總混合比平均爲11.25ppb，比第一期（10月25日）的23.41ppb低約50％。 11月）和第三期（11月13日至12月31日）的21.71ppb。在相對於時期I的時段II期間，臭氧和SOA造成電位分別下降~50％和~70％，SOA造成電位的較大下降歸因於主要來自溶劑使用的對芳烴的更有效控制。後向軌跡分析代表，在I，II和III期，南風氣團中VOCs的平均混合比分別是北方氣團的2.3,2.3和2.9倍;全部的VOC事件都是在南風的影響下發生的，這代表南部城市化地區的排放強於北部農村地區。基於正矩陣分解（PMF）受體模型，交通排放和溶劑使用的改變貢獻可分別解釋週期II中相對於時期I的環境VOC減小的47.9％和37.6％，代表臨時控制車輛排放和溶劑使用的措施可有效下降VOC的環境水平。煤炭/生物質燃燒，汽油廢氣和工業排放是主要來源之一，它們在第一，第二和第三期分別貢獻了60.3％，78.6％和78.7％的揮發性有機化合物。煤炭/生物質燃燒，主要是住宅燃煤，成爲主要來源，佔冬季採暖期間揮發性有機化合物的45.1％，南風氣候的平均貢獻百分比（38.2％）明顯低於北方氣團（48.8）。％）。結果代表，工業和交通部門的排放控制在下降非採暖季節的環境活性VOC方面更爲有效;然而，在冬季採暖季節，減小固體燃料的住宅燃燒產生的排放將更加劇要，而且能夠經過下降室內和室外空氣污染來得到健康的共同利益。分析了北京農村地區VOCs受臨時排放控制（如APEC之類的大型活動）以及冬季取暖的影響。本研究採用的是當前大氣污染溯源比較主流的幾個關鍵方法，後向軌跡分析，正交矩陣分解（PMF）。結果上代表住宅燃煤是主要來源，尤爲在冬季供暖期間。工業和交通部門排放則是非供暖季節的重要控制源頭。

9.Impacts of climate change on future air quality and human health in China/氣候變化對中國將來空氣質量和人類健康的影響

近年來，空氣污染每一年在中國形成100多萬人死亡，成爲公共衛生工做的重點。然而，將來的氣候變化可能會經過增長增長空氣污染暴露的天氣條件的頻率和持續時間來加重這種對人類健康的影響。在此，咱們結合氣候，空氣質量和流行病學模型，在表明性濃度路徑4.5（RCP4.5）下評估氣候變化中的將來空氣污染死亡。咱們發現，假設污染排放和人口保持在當前水平不變，到本世紀中葉，氣候變化將對中國85％以上的人口（約佔土地面積的55％）的將來空氣質量產生不利影響，而且會增長細顆粒物（PM 2.5）和臭氧的人口加權平均濃度分別爲3％和4％。所以，咱們估計每一年將增長12,100和8,900中國人（95％置信區間：分別爲10,300至13,800和2,300至14,700），分別來自PM 2.5和臭氧暴露。重要的潛在氣候機制是極端條件的變化，如大氣停滯和熱浪（分別對死亡率的增長貢獻了39％和6％）。此外，中國人口老齡化的脆弱性將進一步增長2050年PM2.5和臭氧的死亡人數，分別爲1和3倍。咱們的研究結果代表，氣候變化和更加重烈的極端事件可能會增長中國嚴重污染事件的風險。所以，在氣候變化中管理中國的空氣質量將變得更具挑戰性。發表於PNAS的一篇論文，分析氣候變化對空氣質量以及人類健康的影響。結合了氣候、空氣質量和流行病學模型的集成研究，很是不錯的一篇文章。

10.Space-for-time substitution in geomorphology: A critical review and conceptual framework/地貌中的時空替代：一個重要的綜述和概念框架

在某些天然環境條件下，地貌演化一般呈現「年輕到老」分佈的空間格局，從而對空間序列中的地貌類型和特徵進行採樣能夠爲個體地貌的演變和變化提供證據。這種所謂的時空替代一直是地貌研究的一種方法論。本文首先介紹了時空替代的基本概念和背景，而後對基於時空替代的地貌演化的近期研究進展進行了全面回顧，如河流地貌，結構地貌，河口地貌和沿海地貌。最後，開發了地貌中時空替代的基本原理。本綜述旨在介紹使用時空替代方法進行地貌演化研究的成果，並指出關鍵的研究需求，以便更好地理解和預測將來的地貌演化。湯國安老師團隊的成果，分析地貌演化的綜述和概念框架。

11.Using matrix models to estimate aboveground forest biomass dynamics in the Eastern USA through various combinations of LiDAR, Landsat, and Forest Inventory Data/利用矩陣模型經過LiDAR，Landsat和森林資源清查數據的各類組合估算美國東部地上森林生物量動態

經過不一樣的時間，空間和生態系統測量（例如，森林結構與土壤有機碳）協調數據來源以建立陸地碳基線的能力對於改進陸地碳儲量和庫變化的監測相當重要。在這項研究中，咱們開發並研究了矩陣模型的短時間（5年）和長期（30年）性能，用於結合光探測和測距（LiDAR）條帶樣品和時間序列Landsat表面反射高級數據產品經過現場清查測量來預測美國東部 - 明尼蘇達州（MN），緬因州（ME），賓夕法尼亞州 - 新澤西州（PANJ）和南卡羅來納州（SC）的研究地點的地上生物量（AGB）動態。矩陣的行和列是根據庫存圖和物種組和直徑等級分類的林分密度（即每單位面積的樹木數量）。經過短時間模型比較，咱們發現三個矩陣模型預測的平均林分基面積（B）均落在觀測值的95％置信區間內。三個矩陣模型基於（i）僅實地清查變量（清單），（ii）LiDAR和Landsat衍生的指標與現場庫存變量（LiDAR + Landsat +清查）相結合，以及（iii）僅Landsat衍生的指標相結合實地清查變量（Landsat +清查）分別爲。從長期來看，使用LiDAR + Landsat +庫存和Landsat +庫存變量的預測AGB具備與2015年至2045年僅清查變量的矩陣模型預測的AGB模式（7.2 Mg ha-1之間的差別）類似。從模糊集中，到2045年，全部三個矩陣模型都具備類似的AGB（在7.6 Mg ha-1之間的差別）。所以，矩陣模型的使用使得LiDAR，Landsat和現場數據的各類組合，特別是Landsat數據，可以估算大-scale AGB動態（即碳儲量監測的核心組成部分），僅使用森林清單中的變量而不會下降準確性。這些研究結果代表單獨使用Landsat數據包括海拔（E），地塊坡度（S）和方位（A）以及場地生產力（C）能夠產生適當的AGB動態估計（範圍從67.1到105.5 Mg ha-1）在2045年）使用矩陣模型實際的AGB動態。這樣的框架能夠提供對陸地碳儲量和清單變化的精確監測和估計，從空間明確到空間顯性和空間連續估計，並提供時間靈活性和Landsat時間序列的連續性。構建了一個矩陣模型結合LiDAR，清查數據以及Landasta數據來實現森林AGB的估計。從結果證實，效果最好的仍是三種數據的組合，事實上這也是當前的一個重點，結合LiDAR，衛星遙感和地面調查的AGB估計。

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。