利用ERA5再分析资料和中国地面空气质量数据,采用PCT(Principal Component Analysis in T-mode)方法对2014-2020年河南省出现污染的天气形势进行天气分型,并选取重污染过程进行后向轨迹聚类分析。结果表明:每年11月至次年2月是河南省污...
详细信息
利用ERA5再分析资料和中国地面空气质量数据,采用PCT(Principal Component Analysis in T-mode)方法对2014-2020年河南省出现污染的天气形势进行天气分型,并选取重污染过程进行后向轨迹聚类分析。结果表明:每年11月至次年2月是河南省污染最为严重的时期;根据地面气压场可将河南省出现污染的天气形势分为均压场型、东部高压型、冷空气扩散型和强冷空气型四种类型,均压场型(1型)传输路径短,传输范围小,有利于本地污染物累积;东部高压型(2型)以偏东、偏南传输路径为主,有利于污染物由南向北输送至河南;冷空气扩散型(3型)和强冷空气型(4型)均以偏北传输路径为主,有利于污染物由北向南输送至河南,但强冷空气型较冷空气扩散型传输路径更长。
基于花生生长中后期2020年8月1日和15日两个时相高分多光谱数据,构建40个作物分类遥感特征,采用ReliefF-Pearson方法优选出15个特征,构造作物可分的4种特征空间。采用最大似然分类法、支持向量机和随机森林分类器,分别耦合4种特征空间,开展作物分类对比试验,进行分类精度和景观评价提出作物双时相遥感分类模型(dual-temporal remote sensing classification model for crop,C-DRSC)。结果表明:该模型具有较高的作物分类和花生识别能力,作物分类总体精度和Kappa系数分别为93.25%和0.89,平均形状指数和平均斑块分维指数分别为1.33和1.13;花生识别的用户精度和制图精度分别为96.20%和96.32%,平均形状指数和平均斑块分维指数分别为1.27和1.11。利用该模型在黄淮海地区的4个花生主产县开展夏花生种植面积遥感测算,与统计面积相比,面积测算相对误差为±16.25%,决定系数为0.9778(达到0.01显著性水平),模型具有较好的适用性。
暂无评论