資源整理趟咆。接上篇胶台，第二篇Paper城丧。
Paper:
顆粒物（PM）對環(huán)境宛篇，氣候變化和公共健康具有重大影響计福。由于地面PM2.5監(jiān)測系統(tǒng)的空間覆蓋范圍有限跌捆，在許多情況下，基于地面的PM2.5濃度測量不足象颖。本文介紹了一種利用遙感數(shù)據(jù)的特定粒子群消光質(zhì)量轉(zhuǎn)換算法（SPSEMCA）佩厚。地面觀測到的PM2.5，行星邊界層高度（PBLH）和相對濕度（RH）由歐洲中期天氣預(yù)報中心（ECMWF）和氣溶膠光學(xué)深度（AOD）说订，精細(xì)模式分?jǐn)?shù)（FMF）重新分析來自2015年北京地區(qū)AERONET（氣溶膠監(jiān)測網(wǎng)絡(luò)）的粒度分布和折射率用于建立該算法抄瓦，2016年的相同數(shù)據(jù)集用于測試SPSEMCA的性能。 SPSEMCA涉及從AOD數(shù)據(jù)集中獲取PM2.5值的四個步驟陶冷，并且每個步驟都具有一定的優(yōu)勢：（I）在粒子校正中钙姊，我們使用η2.5（由直徑小于2.5μm的粒子引起的消光分?jǐn)?shù)）準(zhǔn)確地同化AOD2.5，這是由特定的粒子群PM2.5所促成的埂伦。 （II）在垂直校正中煞额，我們比較了衛(wèi)星激光雷達(dá)CALIPSO數(shù)據(jù)反演的PBLHc和ECMWF的PBLHe再分析的性能。然后沾谜，PBLHc用于對PBLHe進(jìn)行系統(tǒng)校正膊毁。 （III）對于消光體積轉(zhuǎn)換，相對濕度和FMF一起用于同化AVEC（平均體積消光系數(shù)）基跑。 （IV）在計算濕度校正中的AMV（平均質(zhì)量體積）時婚温，使用由地面空氣質(zhì)量站測量的PM2.5作為干質(zhì)量濃度，這將避免因估算顆粒而產(chǎn)生的不確定性物質(zhì)密度ρ媳否。 （V）大氣校正（MAIAC）的多角度實現(xiàn)1公里×1公里AOD用于反演高分辨率PM2.5栅螟，并且使用基于查找表的光譜反卷積算法（LUT-SDA）FMF以便避免大的MODIS FMF產(chǎn)品引起的不確定性荆秦。 PM2.5的從SPSEMCA算法到AERONET觀測數(shù)據(jù)，取得令人滿意的結(jié)果MODIS監(jiān)測數(shù)據(jù)力图。此外步绸，還揭示了北京時空分布的趨勢。一種偏向于機(jī)理的衛(wèi)星數(shù)據(jù)反演PM2.5濃度搪哪，考慮了PM2.5的特定粒子消光特性靡努，利用垂直激光雷達(dá)的監(jiān)測作為輔助坪圾。
可操作的氣溶膠光學(xué)厚度（AOD）產(chǎn)品可以從幾個到幾十公里的粗糙空間分辨率獲得晓折。這些決議限制了這些產(chǎn)品在城市一級監(jiān)測大氣污染物的應(yīng)用。因此兽泄，開發(fā)了一種簡單漓概，通用且高分辨率（30米）的Landsat（SUHL）氣溶膠反演算法，該算法適用于復(fù)雜的城市表面病梢。表面反射率是根據(jù)短波紅外（SWIR胃珍，2.22μm）的大氣頂反射率（TOA）和密集植被區(qū)域和明亮區(qū)域的Landsat 4-7表面反射氣候數(shù)據(jù)記錄的組合估算的。使用來自當(dāng)?shù)爻鞘袣馊苣z監(jiān)測網(wǎng)絡(luò)（AERONET）站點(diǎn)（北京）的歷史氣溶膠光學(xué)特性確定氣溶膠類型蜓陌。獲得來自城市和農(nóng)村地區(qū)的五個站點(diǎn)的AERONET地面太陽光度計AOD測量以驗證AOD反演觅彰。 Terra MODIS Collection（C）6 AOD產(chǎn)品（MOD04）包括暗目標(biāo)（DT），深藍(lán)（DB）以及10 km空間分辨率的組合DT和DB（DT＆DB）反演用于比較目的钮热。驗證結(jié)果表明填抬，在30米分辨率下Landsat AOD反演與ARONET AOD測量（R2 = 0.932）很好地相關(guān)，并且大約77.46％的反演落在預(yù)期誤差（EE）內(nèi)隧期，具有低平均絕對誤差（ MAE）為0.090飒责，均方根誤差（RMSE）為0.126该默。比較結(jié)果表明席里，Landsat AOD反演總體上比MOD04 AOD產(chǎn)品更好，偏差更小庭砍，表明新算法具有魯棒性性置，在復(fù)雜地表上的AOD反演中表現(xiàn)良好拾并。新算法可以在低氣溶膠負(fù)荷和高氣溶膠負(fù)荷期間提供連續(xù)且詳細(xì)的AOD空間分布。發(fā)表于JGR大氣的一篇文章鹏浅，Landsat系列影像的通用氣溶膠反演算法嗅义，適用于復(fù)雜城市地表。結(jié)果精度也較好篡石，方法也具有魯棒性芥喇。
研究空氣污染對健康的影響是環(huán)境流行病學(xué)的一個關(guān)鍵領(lǐng)域。準(zhǔn)確估算空氣污染效應(yīng)需要時空分辨的空氣污染數(shù)據(jù)集凰萨，尤其是精細(xì)顆粒物（PM）继控⌒倒荩基于衛(wèi)星的技術(shù)極大地提高了在無法直接測量的地方提供PM評估的能力。間接PM測量是統(tǒng)計預(yù)測問題武通。時空統(tǒng)計文獻(xiàn)提供各種預(yù)測模型：特別是高斯隨機(jī)場（GRF）和線性混合模型（LMM）霹崎。 GRF強(qiáng)調(diào)數(shù)據(jù)中的時空結(jié)構(gòu)，但計算要求合適冶忱。 LMM在計算上更容易擬合尾菇，但需要一些篡改來處理空間和時間。時空統(tǒng)計文獻(xiàn)的最新進(jìn)展提出通過用高斯馬爾可夫隨機(jī)場（GMRF）近似來減輕GRF的計算負(fù)擔(dān)囚枪。由于LMM和GMRF在計算上都是可行的派诬，因此出現(xiàn)了問題：哪個在統(tǒng)計上更好？我們表明链沼，盡管LMM在環(huán)境監(jiān)測和污染評估中非常受歡迎默赂，但LMM在統(tǒng)計上不如GMRF用于測量美國東北部的PM。比較了兩種流行的模型在PM2.5時空估計上的精度括勺。結(jié)果表明了GMRF的優(yōu)越性缆八。
中國大氣顆粒物污染日益嚴(yán)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(guān)鍵因素疾捍。了解顆粒污染對LUCC的響應(yīng)對于環(huán)境保護(hù)是必要的奈辰。選擇中國八個代表性城市，青島乱豆，濟(jì)南奖恰，鄭州，西安咙鞍，蘭州房官，張掖，酒泉续滋，烏魯木齊翰守，分析顆粒污染與土地利用變化的關(guān)系。 MODIS（MODerate-resolution成像光譜儀）氣溶膠產(chǎn)品（MOD04）用于估算從2001年到2010年近10年的大氣顆粒物污染疲酌。六種土地利用類型蜡峰，水，林地朗恳，草地湿颅，耕地，城市和未使用土地粥诫，從MODIS土地覆蓋產(chǎn)品（MOD12）獲得油航，其中估算了每個類別的LUCC。從上述兩種類型的數(shù)據(jù)分析了顆粒污染對LUCC的響應(yīng)怀浆。此外谊囚，還考慮了時滯和城市類型變化對顆粒物污染的影響怕享。分析結(jié)果表明，由于自然因素镰踏，或城市蔓延或森林砍伐等人類活動函筋，顆粒污染對LUCC的響應(yīng)在不同地區(qū)表現(xiàn)出明顯差異。沿海地區(qū)顆粒污染與LUCC之間的相關(guān)性較低奠伪，而內(nèi)陸地區(qū)較高跌帐。影響LUCC城市空氣質(zhì)量的主要因素是從海洋到林地，再到城市土地绊率，最終從海岸到中國內(nèi)陸時進(jìn)入草原或未利用的土地谨敛。空氣污染與土地利用變化的關(guān)系即舌，不同區(qū)域存在差異性佣盒，內(nèi)陸LUCC與顆粒物污染相關(guān)性較高挎袜。
5.Learning about urban climate solutions from case studies/通過案例研究了解城市氣候解決方案
氣候減緩研究越來越重視城市顽聂，但從城市案例研究中可以學(xué)到更多。案件的總體規(guī)模盯仪，地理范圍和主題內(nèi)容仍然未知紊搪，因此幾乎沒有嘗試綜合自下而上的證據(jù)。在這里全景，我們使用文獻(xiàn)計量學(xué)和機(jī)器學(xué)習(xí)方法來生成綜合的文獻(xiàn)圖耀石。我們的大約4,000個案例研究數(shù)據(jù)庫提供了大量的搜索，比較和綜述證據(jù)爸黄。我們發(fā)現(xiàn)滞伟，未來最需要減緩氣候變化的世界區(qū)域的城市系統(tǒng)性代表性不足。證據(jù)地圖允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炕贵，將傳統(tǒng)上獨(dú)立的定性和定量城市研究結(jié)合在一起梆奈。世界各地的城市都處于制定氣候減緩政策的最前沿，但有效的行動需要更好地了解潛在的解決方案称开。本評論對城市案例研究文獻(xiàn)進(jìn)行了系統(tǒng)的探索亩钟，并討論了如何最好地利用不斷增長的案例。Nature Climate Change上的一篇文章鳖轰，基于文獻(xiàn)計量和機(jī)器學(xué)習(xí)方法來對當(dāng)前城市氣候解決方案做一個文獻(xiàn)綜述清酥。這是一個非常有意思的研究，類似于系統(tǒng)綜述蕴侣，但是又會更智能焰轻。而對于當(dāng)前城市氣候解決方案的制定有很多的參考意義，盡管結(jié)果表明最迫切需要制定政策城市研究代表性不足昆雀。
為了評估氣候變化對城市地區(qū)未來可能產(chǎn)生的影響辱志，需要有助于決策者了解未來風(fēng)險模式的工具胧谈。 本文提出了一個建模框架荸频，允許將國家和地區(qū)尺度的人口和就業(yè)預(yù)測降尺度到局域尺度的土地利用變化菱肖，提供未來社會經(jīng)濟(jì)變化的情景。耦合空間相互作用種群模型和元胞自動機(jī)土地開發(fā)模型基于規(guī)劃策略方案產(chǎn)生未來城市化地圖旭从。 該框架在英國大倫敦展示稳强，其中一組未來的人口和土地使用情景正在針對氣候變化下的洪水風(fēng)險進(jìn)行測試。 該框架使用開源數(shù)據(jù)庫在Python中開發(fā)和悦，旨在轉(zhuǎn)移到全球其他城市退疫。UCL高及空間分析的成果，基于耦合兩個模型提出的一個預(yù)測未來城市的框架鸽素，對于應(yīng)對氣候變化的城市規(guī)劃有較好的實用性褒繁，同時基于Python開發(fā)的框架，具備了可移植性馍忽。
7.Activity Modelling Using Journey Pairing of Taxi Trajectory Data/基于出租車軌跡數(shù)據(jù)旅程配對的活動建模
出租車GPS數(shù)據(jù)提供了發(fā)現(xiàn)城市人口行為模式的機(jī)會棒坏。 然而，原始出租車行程數(shù)據(jù)不提供個人旅行者的出境和返回旅程之間的鏈接遭笋。 沒有這些信息坝冕，就無法跟蹤個人行為。 在這項研究中瓦呼，我們提出了一種配對出租車旅程的新方法喂窟，并將其應(yīng)用于中國深圳市的出租車軌跡數(shù)據(jù)。 與三項活動相關(guān)的旅程被認(rèn)為是：購物央串，醫(yī)療和工作磨澡。 結(jié)果，使用在深圳收集的問卷數(shù)據(jù)進(jìn)行驗證质和，定量揭示行為模式稳摄，并提出在城市設(shè)計中應(yīng)用的可能性。深圳大學(xué)團(tuán)隊的成果侦另，出租車軌跡數(shù)據(jù)挖掘用于人群行為分析秩命。結(jié)合問卷調(diào)查驗證，該方法在深圳的案例中有較高的可行性褒傅。
具有高光譜分辨率的高光譜圖像（HSI）包含數(shù)百甚至數(shù)千個光譜帶弃锐，并傳遞豐富的光譜信息，這為目標(biāo)檢測提供了獨(dú)特的優(yōu)勢殿托∨眨基于線性混合模型（LMM）和基于稀疏性的模型，已經(jīng)提出了許多經(jīng)典目標(biāo)檢測器。與LMM相比旋廷，基于稀疏度的探測器在處理光譜可變性方面表現(xiàn)出更好的性能鸠按。盡管近年來基于稀疏性模型取得了巨大成功，但仍然存在所有最先進(jìn)的稀疏模型的一個問題：目標(biāo)字典是通過從全局圖像場景中選擇的目標(biāo)訓(xùn)練樣本形成的饶碘。這是構(gòu)建用于高光譜目標(biāo)檢測的目標(biāo)字典的不正確方式目尖，因為先驗信息通常是從光譜庫獲得的給定目標(biāo)光譜。此外扎运，從全局圖像場景中選擇的目標(biāo)訓(xùn)練樣本通常不足瑟曲，這導(dǎo)致目標(biāo)訓(xùn)練樣本和背景訓(xùn)練樣本在數(shù)據(jù)量上不平衡的問題，導(dǎo)致檢測模型惡化豪治。針對這些問題洞拨，本文構(gòu)建了一種基于目標(biāo)字典構(gòu)建的方法，提出了基于目標(biāo)字典的基于稀疏性的目標(biāo)檢測模型和構(gòu)建的基于目標(biāo)字典的稀疏表示二元假設(shè)模型负拟，稱為TDC- STD和TDC-SRBBH烦衣。兩種提出的算法僅需要給定的目標(biāo)頻譜作為輸入先驗信息。通過使用給定的目標(biāo)光譜通過約束能量最小化進(jìn)行預(yù)檢測掩浙，我們選擇具有大輸出值的像素作為目標(biāo)訓(xùn)練樣本來構(gòu)造目標(biāo)字典花吟。所提出的算法在三個基準(zhǔn)HSI數(shù)據(jù)集上進(jìn)行了測試，實驗結(jié)果表明涣脚，與其他最先進(jìn)的檢測器相比示辈，所提出的算法具有出色的檢測性能。高光譜遙感的相關(guān)內(nèi)容遣蚀，這方面不是特別了解，但是字典本身也是用在時空影像融合和檢測里的纱耻，通過大量訓(xùn)練數(shù)據(jù)構(gòu)建字典然后應(yīng)用芭梯。這個文章就是構(gòu)建了不同的算法，得到一種比較有優(yōu)勢的算法弄喘。
加利福尼亞州的中央山谷面臨嚴(yán)重的水資源短缺挑戰(zhàn)玖喘，以及氮浸出導(dǎo)致的地下水質(zhì)量下降。果園年齡是水果和堅果生產(chǎn)的關(guān)鍵決定因素之一蘑志，直接影響消耗性水的使用和肥料需求累奈。然而，盡管在其他地區(qū)使用多時相衛(wèi)星圖像進(jìn)行了一些嘗試來估計樹齡急但，但仍然缺乏加利福尼亞州關(guān)于果園種植年的區(qū)域和全州空間信息澎媒。在這里，我們開發(fā)了一種強(qiáng)大的檢測方法來跟蹤作物覆蓋動態(tài)波桩，并通過Google Earth Engine（GEE）平臺內(nèi)Landsat圖像的時間序列確定種植年份戒努。我們使用了1984年至2017年Landsat數(shù)據(jù)（Landsat-5 TM，Landsat-7 ETM +和Landsat-8 OLI）的完整存檔作為輸入镐躲，并自動化了映射的GEE工作流程储玫。最初使用JavaScript執(zhí)行預(yù)處理侍筛，以獲得每個Landsat像素的高質(zhì)量反射率和歸一化差值植被指數(shù)（NDVI）時間序列。然后根據(jù)田地邊界將年度最大NDVI匯總到果園水平撒穷。我們的變化檢測算法包含一組決策規(guī)則匣椰，包括具有強(qiáng)大Z分?jǐn)?shù)閾值的潛在年份的自適應(yīng)識別，基于種植后生長曲線消除錯誤檢測端礼，以及使用最近的最小策略估計種植年份窝爪。與杏仁種植者提供的142個記錄相比，我們的方法顯示出非常高的估計樹木年齡的準(zhǔn)確度齐媒，平均絕對誤差小于半年蒲每。我們進(jìn)一步評估了加利福尼亞州所有水果和堅果樹種植年份全州繪圖的準(zhǔn)確性，發(fā)現(xiàn)總體一致性為89.2％喻括。這種基于云計算的自動化應(yīng)用預(yù)計將極大地增強(qiáng)我們在單個油田邀杏，縣和全州范圍內(nèi)預(yù)測產(chǎn)量動態(tài)，估算用水量和肥料投入的能力唬血⊥基于Google Earth Engine估算樹齡的研究，從性能上看得出非常強(qiáng)大拷恨，基于云計算的自動化應(yīng)用具有非常高的使用價值脖律，同時以筆者的了解，樹齡對于一些森林生態(tài)腕侄、碳循環(huán)模型研究是個非常重要的變量小泉，因此這個研究值得關(guān)注。當(dāng)然這篇雄文也發(fā)表在了遙感頂刊ISPRS Journal of Photogrammetry and Remote Sensing上冕杠。
植物通過碳微姊，水和能量的通量影響大氣，并可通過陸地 - 大氣反饋效應(yīng)加劇干旱分预。森林中植物功能性狀的多樣性兢交，特別是與水（水力）運(yùn)輸相關(guān)的生理特性，可能在陸地 - 大氣反饋中起關(guān)鍵作用笼痹，特別是在干旱期間配喳。在這里，我們結(jié)合了來自40個森林站點(diǎn)的352個地點(diǎn)年的渦動協(xié)方差測量凳干，植物水含量的遙感觀測和植物功能 - 性狀數(shù)據(jù)晴裹，以測試植物性狀的多樣性是否影響生態(tài)系統(tǒng)對干旱的響應(yīng)。我們發(fā)現(xiàn)有證據(jù)表明纺座，較高的水力多樣性可緩沖溫帶和北方森林干旱期間生態(tài)系統(tǒng)通量的變化息拜。水力特征是干旱響應(yīng)中跨站點(diǎn)模式的主要顯著預(yù)測因子。相比之下，標(biāo)準(zhǔn)葉片和木材特性少欺，如特定葉面積和木材密度喳瓣，幾乎沒有解釋力。我們的研究結(jié)果表明赞别，樹木水力特性的多樣性可以調(diào)節(jié)生態(tài)系統(tǒng)對干旱的抵御能力畏陕，并可能在氣候變化的未來生態(tài)系統(tǒng) - 大氣反饋效應(yīng)中發(fā)揮重要作用。樹木的水力特征對于生態(tài)系統(tǒng)非常重要仿滔，事實上碳水的耦合是非常關(guān)鍵的惠毁，森林盡管具有固碳功能，但是同時也會消耗水崎页，如何對二者進(jìn)行平衡和取舍是一個很關(guān)鍵的問題鞠绰。當(dāng)然本文更關(guān)鍵的是指出了森林水力特性的多樣性可以調(diào)節(jié)生態(tài)系統(tǒng)對干旱的抵御能力，這個研究也是基于通量塔渦度協(xié)方差與遙感的大數(shù)據(jù)研究飒焦。
