Coding and Paper Letter（三十五）

該調查記錄了測量積分（HI）的靈敏度及其與新構造和巖性的關係。咱們使用穿梭雷達地形任務（SRTM）和先進的星載熱輻射和反射輻射計（ASTER）的30和90米空間分辨率的數字高程模型（DEM）來計算興都庫什及其附近（巴基斯坦西北部）的HI值。和東北阿富汗）。咱們使用不一樣大小的正方形分析網格來計算最大，最小和平均高程。 HI的空間分佈沒有顯示清晰的空間模式以及與平均高度或浮雕幅度的相關性。咱們使用局部空間自相關指數（LISA）應用空間模式分析來測量咱們的HI分佈被聚類，分散或隨機化的程度。 LISA分析代表，因爲高正z分數，數據是自相關的。熱點（具備高HI值的聚類）與構造隆升一致，而且與該區域中的不一樣結構域顯示出強烈的相關性。冷點表明最近的斷層附近的沉積，並與該地區的淺層地震羣相吻合。 HI值與相對地形位置或巖性沒有任何關聯。 HI分佈的分析代表它們是穩健的而且獨立於數字高程模型（DEM）分辨率，可是具備強烈的尺度依賴性。 LISA技術容許提取HI的簇，揭示最近的構造過程;不然很難解釋HI值的高變異性。 HI的尺度依賴性能夠反映排水網絡和坡面過程的不一樣重要性。這篇文章利用空間自相關分析來分析地質方面的研究，尤爲是冷熱點分析，能夠說迴應了最先熱點的定義。

2.Additional Sampling Layout Optimization Method for Environmental Quality Grade Classifications of Farmland Soil/農田土壤環境質量等級劃分的附加抽樣佈局優化方法

農田土壤環境質量對農田管理具備重要意義。爲了對農田土壤的環境質量等級進行精確分類，可能須要額外的樣本進行多階段抽樣或補充調查。與用於映射或估計全局均值的抽樣優化方法相比，環境質量等級分類主要集中在估計非抽樣位置的值與對環境質量等級進行分類的閾值之間的關係。此類分類必須使用抽樣佈局優化方法將其餘抽樣單位分配到具備高錯誤分類風險的區域。爲了解決這些問題，本文提供了一種額外的採樣佈局優化方法，該方法經過構建具備非採樣位置的預測值和偏差方差的多高斯模型，而後計算閾值出現的機率，從而最初創建分類偏差指數。標準化高斯分佈。而後將研究區域中全部位置的平均偏差指數設置爲附加採樣佈局優化的客觀性函數，並採用空間模擬退火經過最小化客觀性函數來得到優化的採樣佈局。在使用中國湖南省鉻濃度數據的案例研究中，證實了偏差指數採樣佈局優化方法的性能。結果代表，與最小距離和空間隨機樣本方法的最小化相比，經過所提出的方法生成的附加樣本產生更低且更穩定的分類錯誤率。該方法可用於提升農田土壤環境質量等級分類的附加取樣效率。基於模擬退火算法優化空間抽樣。事實上空間抽樣分析一直是空間分析逃不開的話題。從數據質量和相關研究來看，會影響到最後的結果，王勁峯老師在這一方面作了不少工做。

3.Joint Sparse Sub-Pixel Mapping Model with Endmember Variability for Remotely Sensed Imagery/具備端元變異性的聯合稀疏子像素映射模型用於遙感圖像

已經使用光譜解混和子像素映射來估計子像素尺度下混合像素中的不一樣地面覆蓋類別的比例和空間分佈。在過去的幾十年中，兩個類別都提出了幾種算法;然而，這兩種技術一般被認爲是獨立的程序，大多數子像素映射方法使用由光譜分離技術產生的丰度圖。應注意，所使用的丰度圖對後續子像素映射過程的性能具備強烈影響。最近，咱們結合線性光譜混合模型創建了一種新穎的亞像素映射模型。所以，創建了聯合子像素映射模型，其將原始（較粗糙分辨率）遙感圖像與最終子像素結果直接鏈接。然而，該方法着重於結合原始圖像中包含的光譜信息，而不解決由可見光和環境條件引發的光譜端元可變性。爲了解決這個重要問題，在本文中，咱們設計了一種新的聯合稀疏子像素映射方法，假設每一個端元的各類表明性光譜是先驗已知的而且在庫中可用。此外，還採用了總變差（TV）正則化來開發空間信息。所提出的方法是使用合成和真實高光譜圖像進行實驗評估，而且得到的結果代表，與其餘子像素映射方法相比，經過考慮端元變異性的影響，該方法能夠得到更好的結果。混合像元分解的一個新進展，耦合兩種經常使用的混合像元分解方式，從而爲新的分解提供了新的思路。

4.Wetlands with greater degree of urbanization improve PM2.5 removal efficiency/城市化程度較高的溼地可提升PM2.5的去除效率

近幾十年來，中國經歷了快速的城市化和重度空氣污染，將來十年，城市化的快速發展趨勢將持續下去。已經代表溼地在去除顆粒方面是有效的，主要經過幹沉積和葉子積累。所以，在城市化進程中更全面地瞭解溼地去除PM2.5能夠爲城市規劃提供信息。在目前的研究中，根據建築物的比例，分別選擇了三個溼地，翠湖公園（CL），頤和園（SP）和奧林匹克公園（OP）做爲低，中，高度的城市化地點。交通區域比較去除效率。結果代表，OP的平均幹沉降速度顯着高於CL和SP。幹沉降主要受氣象條件的影響。建築物和其餘基礎設施使得氣象條件有利於沉積，從而致使更高的風速，更高的溫度以及建築物之間更強烈的湍流。葉片積累的變化在三個地塊之間沒有統計學意義，而且植物物種是影響積累量的主要因素。幹沉降對顆粒去除的貢獻隨着城市化程度的增長而增長。低，中，高三級平均幹沉降分別佔39.74％，52.55％和62.75％。所以，城市化程度較高的溼地主要經過加速幹沉降過程來提升PM2.5的去除效率。結果強調溼地在高度城市化地區去除顆粒的重要性，所以在城市擴張期間應保留和/或創造更多的溼地。溼地對於消納PM2.5的研究，城市化程度較高的溼地卻可以更好地消納PM2.5，很是有意思的結論。

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。