Coding and Paper Letter（五十五）
資源整理。接上篇，第二篇Paper。
Paper:
顆粒物（PM）對環境，氣候變化和公共健康具有重大影響。由於地面PM2.5監測系統的空間覆蓋範圍有限，在許多情況下，基於地面的PM2.5濃度測量不足。本文介紹了一種利用遙感資料的特定粒子群消光質量轉換演算法（SPSEMCA）。地面觀測到的PM2.5，行星邊界層高度（PBLH）和相對溼度（RH）由歐洲中期天氣預報中心（ECMWF）和氣溶膠光學深度（AOD），精細模式分數（FMF）重新分析來自2015年北京地區AERONET（氣溶膠監測網路）的粒度分佈和折射率用於建立該演算法，2016年的相同資料集用於測試SPSEMCA的效能。 SPSEMCA涉及從AOD資料集中獲取PM2.5值的四個步驟，並且每個步驟都具有一定的優勢：（I）在粒子校正中，我們使用η2.5（由直徑小於2.5μm的粒子引起的消光分數）準確地同化AOD2.5，這是由特定的粒子群PM2.5所促成的。 （II）在垂直校正中，我們比較了衛星鐳射雷達CALIPSO資料反演的PBLHc和ECMWF的PBLHe再分析的效能。然後，PBLHc用於對PBLHe進行系統校正。 （III）對於消光體積轉換，相對溼度和FMF一起用於同化AVEC（平均體積消光係數）。 （IV）在計算溼度校正中的AMV（平均質量體積）時，使用由地面空氣質量站測量的PM2.5作為幹質量濃度，這將避免因估算顆粒而產生的不確定性物質密度ρ。 （V）大氣校正（MAIAC）的多角度實現1公里×1公里AOD用於反演高解析度PM2.5，並且使用基於查詢表的光譜反捲積演算法（LUT-SDA）FMF以便避免大的MODIS FMF產品引起的不確定性。 PM2.5的從SPSEMCA演算法到AERONET觀測資料，取得令人滿意的結果MODIS監測資料。此外，還揭示了北京時空分佈的趨勢。一種偏向於機理的衛星資料反演PM2.5濃度，考慮了PM2.5的特定粒子消光特性，利用垂直鐳射雷達的監測作為輔助。
可操作的氣溶膠光學厚度（AOD）產品可以從幾個到幾十公里的粗糙空間解析度獲得。這些決議限制了這些產品在城市一級監測大氣汙染物的應用。因此，開發了一種簡單，通用且高解析度（30米）的Landsat（SUHL）氣溶膠反演演算法，該演算法適用於複雜的城市表面。表面反射率是根據短波紅外（SWIR，2.22μm）的大氣頂反射率（TOA）和密集植被區域和明亮區域的Landsat 4-7表面反射氣候資料記錄的組合估算的。使用來自當地城市氣溶膠監測網路（AERONET）站點（北京）的歷史氣溶膠光學特性確定氣溶膠型別。獲得來自城市和農村地區的五個站點的AERONET地面太陽光度計AOD測量以驗證AOD反演。 Terra MODIS Collection（C）6 AOD產品（MOD04）包括暗目標（DT），深藍（DB）以及10 km空間解析度的組合DT和DB（DT＆DB）反演用於比較目的。驗證結果表明，在30米解析度下Landsat AOD反演與ARONET AOD測量（R2 = 0.932）很好地相關，並且大約77.46％的反演落在預期誤差（EE）內，具有低平均絕對誤差（ MAE）為0.090，均方根誤差（RMSE）為0.126。比較結果表明，Landsat AOD反演總體上比MOD04 AOD產品更好，偏差更小，表明新演算法具有魯棒性，在複雜地表上的AOD反演中表現良好。新演算法可以在低氣溶膠負荷和高氣溶膠負荷期間提供連續且詳細的AOD空間分佈。發表於JGR大氣的一篇文章，Landsat系列影像的通用氣溶膠反演演算法，適用於複雜城市地表。結果精度也較好，方法也具有魯棒性。
研究空氣汙染對健康的影響是環境流行病學的一個關鍵領域。準確估算空氣汙染效應需要時空分辨的空氣汙染資料集，尤其是精細顆粒物（PM）。基於衛星的技術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測量是統計預測問題。時空統計文獻提供各種預測模型：特別是高斯隨機場（GRF）和線性混合模型（LMM）。 GRF強調資料中的時空結構，但計算要求合適。 LMM在計算上更容易擬合，但需要一些篡改來處理空間和時間。時空統計文獻的最新進展提出通過用高斯馬爾可夫隨機場（GMRF）近似來減輕GRF的計算負擔。由於LMM和GMRF在計算上都是可行的，因此出現了問題：哪個在統計上更好？我們表明，儘管LMM在環境監測和汙染評估中非常受歡迎，但LMM在統計上不如GMRF用於測量美國東北部的PM。比較了兩種流行的模型在PM2.5時空估計上的精度。結果表明了GMRF的優越性。
中國大氣顆粒物汙染日益嚴重。土地利用和土地覆蓋變化（LUCC）是影響大氣顆粒物汙染的關鍵因素。瞭解顆粒汙染對LUCC的響應對於環境保護是必要的。選擇中國八個代表性城市，青島，濟南，鄭州，西安，蘭州，張掖，酒泉，烏魯木齊，分析顆粒汙染與土地利用變化的關係。 MODIS（MODerate-resolution成像光譜儀）氣溶膠產品（MOD04）用於估算從2001年到2010年近10年的大氣顆粒物汙染。六種土地利用型別，水，林地，草地，耕地，城市和未使用土地，從MODIS土地覆蓋產品（MOD12）獲得，其中估算了每個類別的LUCC。從上述兩種型別的資料分析了顆粒汙染對LUCC的響應。此外，還考慮了時滯和城市型別變化對顆粒物汙染的影響。分析結果表明，由於自然因素，或城市蔓延或森林砍伐等人類活動，顆粒汙染對LUCC的響應在不同地區表現出明顯差異。沿海地區顆粒汙染與LUCC之間的相關性較低，而內陸地區較高。影響LUCC城市空氣質量的主要因素是從海洋到林地，再到城市土地，最終從海岸到中國內陸時進入草原或未利用的土地。空氣汙染與土地利用變化的關係，不同區域存在差異性，內陸LUCC與顆粒物汙染相關性較高。
5.Learning about urban climate solutions from case studies/通過案例研究瞭解城市氣候解決方案
氣候減緩研究越來越重視城市，但從城市案例研究中可以學到更多。案件的總體規模，地理範圍和主題內容仍然未知，因此幾乎沒有嘗試綜合自下而上的證據。在這裡，我們使用文獻計量學和機器學習方法來生成綜合的文獻圖。我們的大約4,000個案例研究資料庫提供了大量的搜尋，比較和綜述證據。我們發現，未來最需要減緩氣候變化的世界區域的城市系統性代表性不足。證據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型別相匹配，將傳統上獨立的定性和定量城市研究結合在一起。世界各地的城市都處於制定氣候減緩政策的最前沿，但有效的行動需要更好地瞭解潛在的解決方案。本評論對城市案例研究文獻進行了系統的探索，並討論瞭如何最好地利用不斷增長的案例。Nature Climate Change上的一篇文章，基於文獻計量和機器學習方法來對當前城市氣候解決方案做一個文獻綜述。這是一個非常有意思的研究，類似於系統綜述，但是又會更智慧。而對於當前城市氣候解決方案的制定有很多的參考意義，儘管結果表明最迫切需要制定政策城市研究代表性不足。
為了評估氣候變化對城市地區未來可能產生的影響，需要有助於決策者瞭解未來風險模式的工具。 本文提出了一個建模框架，允許將國家和地區尺度的人口和就業預測降尺度到局域尺度的土地利用變化，提供未來社會經濟變化的情景。耦合空間相互作用種群模型和元胞自動機土地開發模型基於規劃策略方案產生未來城市化地圖。 該框架在英國大倫敦展示，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險進行測試。 該框架使用開源資料庫在Python中開發，旨在轉移到全球其他城市。UCL高及空間分析的成果，基於耦合兩個模型提出的一個預測未來城市的框架，對於應對氣候變化的城市規劃有較好的實用性，同時基於Python開發的框架，具備了可移植性。
7.Activity Modelling Using Journey Pairing of Taxi Trajectory Data/基於計程車軌跡資料旅程配對的活動建模
計程車GPS資料提供了發現城市人口行為模式的機會。 然而，原始計程車行程資料不提供個人旅行者的出境和返回旅程之間的連結。 沒有這些資訊，就無法跟蹤個人行為。 在這項研究中，我們提出了一種配對計程車旅程的新方法，並將其應用於中國深圳市的計程車軌跡資料。 與三項活動相關的旅程被認為是：購物，醫療和工作。 結果，使用在深圳收集的問卷資料進行驗證，定量揭示行為模式，並提出在城市設計中應用的可能性。深圳大學團隊的成果，計程車軌跡資料探勘用於人群行為分析。結合問卷調查驗證，該方法在深圳的案例中有較高的可行性。
具有高光譜解析度的高光譜影象（HSI）包含數百甚至數千個光譜帶，並傳遞豐富的光譜資訊，這為目標檢測提供了獨特的優勢。基於線性混合模型（LMM）和基於稀疏性的模型，已經提出了許多經典目標檢測器。與LMM相比，基於稀疏度的探測器在處理光譜可變性方面表現出更好的效能。儘管近年來基於稀疏性模型取得了巨大成功，但仍然存在所有最先進的稀疏模型的一個問題：目標字典是通過從全域性影象場景中選擇的目標訓練樣本形成的。這是構建用於高光譜目標檢測的目標字典的不正確方式，因為先驗資訊通常是從光譜庫獲得的給定目標光譜。此外，從全域性影象場景中選擇的目標訓練樣本通常不足，這導致目標訓練樣本和背景訓練樣本在資料量上不平衡的問題，導致檢測模型惡化。針對這些問題，本文構建了一種基於目標字典構建的方法，提出了基於目標字典的基於稀疏性的目標檢測模型和構建的基於目標字典的稀疏表示二元假設模型，稱為TDC- STD和TDC-SRBBH。兩種提出的演算法僅需要給定的目標頻譜作為輸入先驗資訊。通過使用給定的目標光譜通過約束能量最小化進行預檢測，我們選擇具有大輸出值的畫素作為目標訓練樣本來構造目標字典。所提出的演算法在三個基準HSI資料集上進行了測試，實驗結果表明，與其他最先進的檢測器相比，所提出的演算法具有出色的檢測效能。高光譜遙感的相關內容，這方面不是特別瞭解，但是字典本身也是用在時空影像融合和檢測裡的，通過大量訓練資料構建字典然後應用。這個文章就是構建了不同的演算法，得到一種比較有優勢的演算法。
加利福尼亞州的中央山谷面臨嚴重的水資源短缺挑戰，以及氮浸出導致的地下水質量下降。果園年齡是水果和堅果生產的關鍵決定因素之一，直接影響消耗性水的使用和肥料需求。然而，儘管在其他地區使用多時相衛星影象進行了一些嘗試來估計樹齡，但仍然缺乏加利福尼亞州關於果園種植年的區域和全州空間資訊。在這裡，我們開發了一種強大的檢測方法來跟蹤作物覆蓋動態，並通過Google Earth Engine（GEE）平臺內Landsat影象的時間序列確定種植年份。我們使用了1984年至2017年Landsat資料（Landsat-5 TM，Landsat-7 ETM +和Landsat-8 OLI）的完整存檔作為輸入，並自動化了對映的GEE工作流程。最初使用JavaScript執行預處理，以獲得每個Landsat畫素的高質量反射率和歸一化差值植被指數（NDVI）時間序列。然後根據田地邊界將年度最大NDVI彙總到果園水平。我們的變化檢測演算法包含一組決策規則，包括具有強大Z分數閾值的潛在年份的自適應識別，基於種植後生長曲線消除錯誤檢測，以及使用最近的最小策略估計種植年份。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確度，平均絕對誤差小於半年。我們進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確性，發現總體一致性為89.2％。這種基於雲端計算的自動化應用預計將極大地增強我們在單個油田，縣和全州範圍內預測產量動態，估算用水量和肥料投入的能力。基於Google Earth Engine估算樹齡的研究，從效能上看得出非常強大，基於雲端計算的自動化應用具有非常高的使用價值，同時以筆者的瞭解，樹齡對於一些森林生態、碳迴圈模型研究是個非常重要的變數，因此這個研究值得關注。當然這篇雄文也發表在了遙感頂刊ISPRS Journal of Photogrammetry and Remote Sensing上。
10.Hydraulic diversity of forests regulates ecosystem resilience during drought/森林的水力多樣性調節了乾旱期間的生態系統恢復力
植物通過碳，水和能量的通量影響大氣，並可通過陸地 - 大氣反饋效應加劇乾旱。森林中植物功能性狀的多樣性，特別是與水（水力）運輸相關的生理特性，可能在陸地 - 大氣反饋中起關鍵作用，特別是在乾旱期間。在這裡，我們結合了來自40個森林站點的352個地點年的渦動協方差測量，植物水含量的遙感觀測和植物功能 - 性狀資料，以測試植物性狀的多樣性是否影響生態系統對乾旱的響應。我們發現有證據表明，較高的水力多樣性可緩衝溫帶和北方森林乾旱期間生態系統通量的變化。水力特徵是乾旱響應中跨站點模式的主要顯著預測因子。相比之下，標準葉片和木材特性，如特定葉面積和木材密度，幾乎沒有解釋力。我們的研究結果表明，樹木水力特性的多樣性可以調節生態系統對乾旱的抵禦能力，並可能在氣候變化的未來生態系統 - 大氣反饋效應中發揮重要作用。樹木的水力特徵對於生態系統非常重要，事實上碳水的耦合是非常關鍵的，森林儘管具有固碳功能，但是同時也會消耗水，如何對二者進行平衡和取捨是一個很關鍵的問題。當然本文更關鍵的是指出了森林水力特性的多樣性可以調節生態系統對乾旱的抵禦能力，這個研究也是基於通量塔渦度協方差與遙感