Coding and Paper Letter（二十二）

繪製紅樹林的範圍和物種對於瞭解它們對環境變化的反應以及觀察其提供商品和服務的完整性很是重要。然而，準確繪製紅樹林範圍和物種是遙感的持續挑戰。新推出的可自由使用的Sentinel-2（S2）傳感器爲這些挑戰提供了新的機會。本研究首次開展了一項研究，旨在研究中國東寨港第一個國家紅樹林天然保護區紅樹林範圍和物種的原始條帶，光譜指數和紋理信息。爲了繪製紅樹林的範圍和物種，利用和修改了基於紅樹林生態系統的空間結構和基於地理對象的圖像分析的三級層次結構。在實驗過程當中，爲了克服優化高維和相關特徵空間的挑戰，引入了遞歸特徵消除（RFE）算法。最後，基於隨機森林算法，來自RFE的所選特徵被用於紅樹林物種鑑別。將結果與Landsat 8（L8）和Pléiades-1（P1）數據進行了比較，結果代表S2和L8能夠準確地提取紅樹林的範圍，但P1顯然高估了它。關於紅樹林物種羣落水平，S2的整體分類準確度爲70.95％，低於P1圖像（78.57％），略高於L8數據（68.57％）。同時，前者差別具備統計顯着性，後者則否則。優點物種基本上是在S2和P1圖像中提取的，這些特徵對於紅樹林物種鑑別是最重要的。最重要的特徵是紅光波段，其次是短波紅外，近紅外，藍光和其餘可見光波段。這項研究代表S2傳感器能夠準確地繪製紅樹林的範圍，並基本上區分成樹林物種羣落，但對於後者，因爲紅樹林物種的複雜性，應該謹慎。遙感影像在紅樹林提取方面的成果。事實證實哨兵的數據在提取範圍上準確度較高，而提取物種上卻效果不佳。從與Landsat 8和Pléiades-1的比較來看，相信將來紅樹林遙感製圖的關鍵是這幾個多源衛星的信息融合。

2.National scale spatiotemporal land-use regression model for PM2.5, PM10 and NO2 concentration in China/中國PM2.5，PM10和NO2濃度的全國尺度時空土地利用迴歸模型

空氣污染流行病學研究愈來愈依賴於高分辨率暴露預測模型。可是，到目前爲止，不多有這種類型分辨率的數據可供在中國使用。目標：咱們制定了國家土地利用迴歸模型（LUR），以估算中國2014年至2016年的月平均PM2.5，PM10和NO2。方法：咱們使用廣義加性混合模型開發了時空半參數模型。模型中包括各類預測變量：時變氣象數據，Globaland 30的高分辨率土地覆蓋數據，氣溶膠光學深度的衛星測量和地理信息系統（GIS）衍生的預測變量。咱們使用兩種交叉驗證（CV）方法評估模型性能，包括保持CV和10折CV。結果：在1382個監測點進行了超過22,000次月度觀測，以估算空氣污染暴露狀況。時變空間項解釋了87％，71％和69％的變異性，PM2.5，PM10和NO2模型的保持交叉驗證R²分別爲0.85,0.62和0.62。模型顯示，氣象變量，人口密度，海拔，道路距離和土地覆蓋類型是空氣污染暴露的重要預測因子。結論：咱們開發了一種新的全國範圍的模型來估算居住水平的空氣污染暴露，可用於研究空氣污染的慢性不利影響。LUR的全國尺度上的研究，而且涵蓋了三大關鍵大氣污染物，比較紮實的研究。且是比較高時間分辨率（月）的LUR。

3.Spatializing Segregation Measures: An Approach To Better Depict Social Relationships/空間化隔離措施：一種更好地描繪社會關係的方法

隔離涉及一個以上的人口羣體，隔離措施量化了不一樣人口羣體在空間中的分佈方式。隔離研究的關鍵概念和方法論基礎之一是考慮跨地區單位的兩個或更多人口羣之間空間相互做用的潛力。這個基礎意味着須要一種空間方法來描繪鄰居之間的空間（以及社會）互動。一般，簡單的百分比（例如，黑色百分比）不是隔離的量度。因爲地方空間隔離措施直到最近纔出現，本文的目標有三個：（1）解釋用於測量鄰域（或地方）層面隔離水平的空間方法，（2）證實不足之處。使用必定比例的種族/族裔羣體做爲隔離措施，以及（3）澄清兩種經常使用的不一樣和多樣性指數的適當性。來自密蘇里州聖路易斯和伊利諾伊州芝加哥的數據用於討論這三點。一個偏向社會學的GIS應用，彷佛是涉及到種族隔離方面的研究。

4.National PM2.5 and NO2 Exposure Models for China Based on Land Use Regression, Satellite Measurements, and Universal Kriging/基於土地利用迴歸，衛星測量和通用克里格法的中國國家PM2.5和NO2暴露模型

室外空氣污染是全球的主要殺手，也是中國疾病負擔的第四大因素。中國是世界上人口最多的國家，每一年空氣污染死亡人數最多，但中國現有國家空氣污染估算的空間分辨率廣泛較低。咱們經過開發和評估中國的國家經驗模型（包括土地利用迴歸（LUR），衛星測量和廣泛克里金法（UK））來解決這一research gap。咱們用幾種方法測試獲得的模型，包括（1）比較使用前向逐步迴歸與偏最小二乘（PLS）迴歸開發的模型，（2）比較使用和不使用衛星測量開發的模型，使用和不使用UK，以及（ 3）10倍交叉驗證（CV），以省爲單元的留一交叉驗證（LOPOCV）和以城市爲單元的留一交叉驗證（LOCOCV）。衛星數據和克里金法在使預測更準確方面具備互補性：克里金法改進了良好採樣區域的模型;衛星數據大大提升了遠離監視器的位置的性能。逐步前向選擇與10倍CV中的PLS相似地執行，可是優於LOPO-CV中的PLS。咱們的最佳模型採用前向選擇和UK，咱們爲中國的年平均濃度製做了第一個高分辨率國家LUR模型。模型應用於1 km網格以支持將來的研究。 2015年，超過80％的中國人口居住在超過中國國家PM2.5標準的地區，這裏的結果將公開，可能對環境健康研究有用。相似於上面第二篇的土地利用迴歸模型。不過這篇增長了和人口相關的研究，切實地作到了暴露的研究。

5.Thermal evaluation of urbanization using a hybrid approach/使用混合方法對城市化進行熱評估

城市發展增長了建築物和路面的徑流溫度，這可能對水生生物有害。可是，咱們根據土地利用預測徑流溫度的能力有限。本文探討了可用於模擬徑流溫度的工具，這是一種敏感物種溪鱒（Salvelinus sp。）。明尼蘇達城市熱量輸出工具（MINUHET）和暴雨水管理模型（SWMM）被應用於弗吉尼亞州布萊克斯堡附近的Stroubles Creek流域的14.1平方千米的部分，持續兩個夏天。流量，水溫和天氣數據來自Virginia Tech StREAM實驗室（流研究，教育和管理）監測站。 SWMM和MINUHET分別針對流量和流溫度進行校準和驗證。模型對不透水性（SWMM預測的流量）和露點溫度（MINUHET預測的水溫）敏感。雖然模型輸出時間步長爲15分鐘，但使用Nash-Sutcliffe效率（NSE）按小時時間步長評估模擬流量流中的模型性能。 SWMM的NSE值分別爲0.67和0.65，校準和驗證期間的MINUHET分別爲0.62和0.57，代表SWMM在流量模擬中的表現優於MINUHET。在驗證期間使用MINUHET模擬流溫度，NSE值爲0.58，證實了使人滿意的水溫模擬。因爲SWMM不能進行簡單混合之外的溫度模擬。 SWMM和MINUHET的水文和熱輸出以混合方式組合，強調每一個相應模型的強度，即SWMM用於徑流和徑流，MINUHET用於水溫。使用MINUHET和Hybrid模型模擬熱負荷;混合模型（0.56）單獨使用比MINUHET（0.45）更大的NSE。 MINUHET預測代表，在校準和驗證期分別爲39％和38％的狀況下，水溫將超過21°C的鱒魚毒性閾值。因爲觀察到的溫度分別超過了校準和驗證期的59％和53％的毒性閾值，所以MINUHET不是溫度持續時間超過毒性閾值的保守預測因子。小尺度城市化與徑流溫度對物種危害的研究，耦合了兩個模型。

6.An Analytical Framework for Integrating the Spatiotemporal Dynamics of Environmental Context and Individual Mobility in Exposure Assessment: A Study on the Relationship between Food Environment Exposures and Body Weight/在暴露評估中整合環境背景和個體流動的時空動態的分析框架：食物環境暴露與體重之間關係的研究

在過去的研究中，我的環境暴露主要是以靜態方式測量的。在這項研究中，咱們開發並實施一個動態表示環境背景（環境背景立方體）的分析框架，並有效地整合我的平常運動（行爲時空軌跡），以準確地推導出我的環境暴露（環境背景暴露指數）。該框架用於檢查食物環境暴露與46名參與者的超重狀態之間的關係，使用俄亥俄州哥倫布市的全球定位系統（GPS）收集的數據和二元邏輯迴歸模型。結果代表，與其餘普遍使用的方法相比，所提出的框架能夠對個體食物環境暴露產生更可靠的測量。考慮到個體環境暴露的複雜空間和時間動態，擬議的框架也有助於緩解不肯定的地理環境問題（UGCoP）。它可用於其餘環境健康研究，涉及環境影響普遍的健康行爲和結果。關美寶老師團隊的新文章，關注的是個體食物環境暴露與時空軌跡相關的研究。近期連續看到兩篇關美寶老師團隊相關的文章。食物環境暴露是一個比較新的話題，值得關注。屬於環境健康方面的另外一個研究，可是以前見過一些作城市代謝研究的彷佛也略有涉及。

7.Integrating spatial and temporal contexts into a factorization model for POI recommendation/將空間和時間上下文集成到POI推薦的因子分解模型中

矩陣分解是推薦系統中最經常使用的方法之一。可是，它面臨着與興趣點（POI）建議中的登記數據相關的兩個挑戰：數據稀缺性和隱式反饋。爲解決這些問題，本文提出了一種特徵空間分離因子分解模型（FSS-FM）。該模型將POI要素空間表示爲單獨的切片，每一個切片表明一種特徵。所以，能夠容易地添加空間和時間信息以及其餘上下文以補償稀缺數據。此外，將因子分解模型的兩個經常使用目標函數（加權最小二乘和成對排序函數）組合以構建混合優化函數。對兩個真實數據集進行了普遍的實驗：Gowalla和Foursquare，並將結果與基線方法的結果進行比較以評估模型。結果代表，FSS-FM在兩種數據集的精確度和召回率方面均優於最早進的方法。具備單獨特徵空間的模型能夠改善推薦的性能。包含空間和時間上下文進一步利用了性能，空間上下文比時間上下文更有影響力。此外，還證實了混合優化在改進POI推薦方面的能力。推薦系統算法和VGI數據的結合，事實上POI做爲關鍵的地圖導航點，對模糊搜索之類的功能有很高的要求，所以這個研究是相對具備較大工程意義的。來自於地理所裴韜老師團隊的成果。

8.Estimating spatiotemporal distribution of PM 1 concentrations in China with satellite remote sensing, meteorology, and land use information/利用衛星遙感，氣象和土地利用信息估算中國PM 1濃度的時空分佈

PM1可能比PM2.5（空氣動力學直徑≤1μm且≤2.5μm的顆粒物質）更危險。然而，因爲缺少PM1監測數據，PM1濃度及其健康影響的研究受到限制。目標：利用衛星遙感，氣象和土地利用信息，估算2005 - 2014年中國PM1濃度的時空變化。兩種類型的中分辨率成像光譜儀（MODIS）產品6氣溶膠光學深度（AOD）數據（基於暗目標（DT）和深藍色（DB）反演的）。開發廣義相加模型（GAM）以將地面監測的PM1數據與AOD數據和其餘空間和時間預測因子（例如，城市覆蓋，森林覆蓋和日曆月）聯繫起來。進行10折交叉驗證以評估預測能力。結果代表，PM1水平在冬季最高，而在夏季最低。總的來講，整個中國的PM1水平在過去十年中並未發生實質性變化。對於當地重污染地區，河北西南部和京津地區的PM1水平大幅上升。結論：具備衛星反演AOD，氣象和土地利用信息的GAM具備較高的預測能力來估計地面PM1。在過去十年中，環境PM1在中國達到了很高的水平。估計結果可用於評估PM1的健康影響。在見慣了大量PM2.5各種反演研究後，這一篇確實耳目一新，由於作的是PM1。能夠說細顆粒物將在將來對人類健康產生持續的影響，也是須要重點關注的大氣污染物。

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。