融合植被遥感数据的北京市次日花粉浓度预测
中国国土绿化状况公报指出,2010-2020年中国许多城市的绿化面积增加、绿化质量提高,可随之而来的影响人体健康的致敏性花粉风险也逐渐提高.本文利用遥感手段获得北京市乔木和草地生长区域平均植被叶面积指数(LAI)时间序列作为植被物候信息,并将其作为花粉浓度预测因子之一,结合日气象数据,使用具有外部输入的非线性自回归神经网络模型(NARXnet),进行北京市次日花粉浓度的预测.结果 显示:①通过逐步回归计算,对于春季数据,日均气温3日平滑,积温,叶面积指数(LAI)和叶面积指数一阶导为次日花粉浓度预测的关键变量;对于秋季数据,日均气温、平均风速、最低日气温、日均气温3日平滑、积温和叶面积指数(LAI)为次日花粉浓度预测的关键变量;②加入遥感物候信息可显著地提高NARXnet模型的春秋时段的花粉浓度的预测精度.使用本文提出的结合叶面积指数的NARX模型后,预测模型的总体精度为71%.由此,本研究认为在原有气象因子的基础上,辅之以用遥感技术手段获取的大面积植被物候信息,如叶面积指数动态,可作为预测次日花粉浓度的一种有效手段.
风传花粉;植被遥感;浓度预测;非线性自回归神经网络;时间序列
23
国家自然科学基金重点项目2017YFB0503600
2021-10-14(万方平台首次上网日期,不代表论文的发表时间)
共9页
1705-1713