地球信息科学学报 ›› 2021, Vol. 23 ›› Issue (9): 1705-1713.doi: 10.12082/dqxxkx.2021.200475
• 遥感科学与应用技术 • 上一篇
卞萌1(), 郭树毅2, 王威2, 欧阳昱晖3,*(
), 黄颖菁4, 费腾4
收稿日期:
2020-08-20
修回日期:
2021-02-19
出版日期:
2021-09-25
发布日期:
2021-11-25
通讯作者:
*欧阳昱晖(1970— ),女,云南昆明人,博士,主任医师,主要研究方向为鼻及鼻窦炎症性疾病,过敏性疾病的临床和基础研究。E-mail: oyyuhui@sina.com作者简介:
卞 萌(1981— ),女,山东德州人,博士,高级实验师,主要从生态环境定量遥感研究。E-mail: bian@whu.edu.cn
基金资助:
BIAN Meng1(), GUO Shuyi2, WANG Wei2, OUYANG Yuhui3,*(
), HUANG Yinqin4, FEI Teng4
Received:
2020-08-20
Revised:
2021-02-19
Online:
2021-09-25
Published:
2021-11-25
Contact:
OUYANG Yuhui
Supported by:
摘要:
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。
卞萌, 郭树毅, 王威, 欧阳昱晖, 黄颖菁, 费腾. 融合植被遥感数据的北京市次日花粉浓度预测[J]. 地球信息科学学报, 2021, 23(9): 1705-1713.DOI:10.12082/dqxxkx.2021.200475
BIAN Meng, GUO Shuyi, WANG Wei, OUYANG Yuhui, HUANG Yinqin, FEI Teng. Next-day Prediction of Pollen Concentration in Beijing by Integrating Remote Sensing Derived Leaf Area Index[J]. Journal of Geo-information Science, 2021, 23(9): 1705-1713.DOI:10.12082/dqxxkx.2021.200475
表1
逐步回归得出显著气象及物候因子
春季 | 系数 | t值 | p值 | 统计量 | 秋季 | 系数 | t值 | p值 | 统计量 |
---|---|---|---|---|---|---|---|---|---|
日均气温 | 1.30 | 0.59 | 0.55 | rmse: 133.7 | 日均气温** | 6.02 | 3.34 | 0.01 | rmse: 131.17 |
露点 | -0.83 | -1.20 | 0.23 | rsq: 0.48 | 露点 | 0.19 | 0.14 | 0.88 | rsq: 0.35 |
能见度 | 0.02 | 1.36 | 0.17 | adjrsq: 0.48 | 能见度 | 0.03 | 2.04 | 0.41 | adjrsq: 0.36 |
平均风速 | 4.25 | 1.36 | 0.17 | fstat: 107.2 | 平均风速*** | 18.45 | 5.20 | 0.00 | fstat: 42.2 |
最大风速 | 1.16 | 0.89 | 0.38 | pval: 0.00 | 最大风速 | -2.21 | -1.14 | 0.15 | pval: 0.00 |
最高日气温 | 0.24 | 0.17 | 0.86 | 最高日气温 | -0.79 | -0.37 | 0.26 | ||
最低日气温 | -1.02 | -0.64 | 0.52 | 最低日气温* | 4.92 | 3.88 | 0.02 | ||
降雨量 | -0.29 | -1.05 | 0.30 | 降雨量 | 0.12 | 0.42 | 0.68 | ||
日均气温一阶导 | -0.21 | -0.19 | 0.85 | 日均气温一阶导 | 1.50 | 0.93 | 0.32 | ||
平均风速一阶导 | 0.99 | 0.39 | 0.70 | 平均风速一阶导 | 0.00 | 0.00 | 1.00 | ||
日温差 | 0.51 | 0.52 | 0.61 | 日温差 | -0.85 | -0.41 | 0.56 | ||
日均气温3 d平滑*** | 5.72 | 4.21 | 0.00 | 日均气温3 d平滑** | 8.60 | 4.01 | 0.01 | ||
日均气温7 d平滑 | 0.24 | 0.07 | 0.94 | 日均气温7 d平滑 | -8.60 | -1.94 | 0.06 | ||
积温*** | -0.02 | -3.49 | 0.00 | 积温*** | -0.01 | -3.85 | 0.00 | ||
叶面积指数(LAI)*** | -12.96 | -7.12 | 0.00 | 叶面积指数(LAI)*** | -10.22 | -5.61 | 0.00 | ||
叶面积指数一阶导** | 22.62 | 2.81 | 0.01 | 叶面积指数一阶导 | 0.56 | 0.12 | 0.95 | |
[1] |
Dales R E, Cakmak S, Judek S, et al. Tree pollen and hospitalization for asthma in urban Canada[J]. International Archives of Allergy and Immunology, 2008, 146(3):241-247.
doi: 10.1159/000116360 |
[2] | 欧阳昱晖, 李颖, 安羽三, 等. 中国北方夏秋季致敏花粉种属和浓度分析[J]. 中国耳鼻咽喉头颈外科, 2020, 27(4):184-187. |
[ Ouyang Y H, Li Y, An Y S, et al. Analysis of pollen species and concentration in summer and autumn in Northern China[J]. Chinese Archives of Otolaryngology-Head and Neck Surgery, 2020, 27(4):184-187. ] | |
[3] |
Lou H F, Ma S Y, Zhao Y, et al. Sensitization patterns and minimum screening panels for aeroallergens in self-reported allergic rhinitis in China[J]. Scientific Reports, 2017, 7:9286.
doi: 10.1038/s41598-017-10111-9 |
[4] |
胡云锋, 赵冠华, 张云芝. 北京城市绿化的时空动态分析[J]. 地球信息科学学报, 2018, 20(3):332-339.
doi: 10.12082/dqxxkx.2018.170080 |
[ Hu Y F, Zhao G H, Zhang Y Z. Analysis of spatial and temporal dynamics of green coverage and vegetation greenness in Beijing[J]. Journal of Geo-information Science, 2018, 20(3):332-339. ] | |
[5] | Sin B A, Inceoglu Ö, Mungan D, et al. Is it important to perform pollen skin prick tests in the season?[J]. Annals of Allergy, Asthma & Immunology, 2001, 86(4):382-386. |
[6] | 张德山, 海玉龙, 冯涛, 等. 北京地区1—4天花粉浓度预报的应用研究[J]. 气象, 2010, 36(5):128-132. |
[ Zhang D S, Hai Y L, Feng T, et al. Applied research on the 1-4 day pollen concentration forecast in Beijing area[J]. Meteorological Monthly, 2010, 36(5):128-132. ] | |
[7] |
Adams-Groom B, Emberlin J, Corden J, et al. Predicting the start of the birch pollen season at London, Derby and Cardiff, United Kingdom, using a multiple regression model, based on data from 1987 to 1997[J]. Aerobiologia, 2002, 18(2):117-123.
doi: 10.1023/A:1020698023134 |
[8] | 徐景先, 李耀宁, 张德山. 空气花粉变化规律和预测预报研究进展[J]. 生态学报, 2009, 29(7):3854-3863. |
[ Xu J X, Li Y N, Zhang D S. Advances in the variation of atmospheric pollen and its forecasting study[J]. Acta Ecologica Sinica, 2009, 29(7):3854-3863. ] | |
[9] | 程晟. 昆明主城区气传致敏花粉日历及预测模型建立[D]. 昆明:昆明医科大学, 2015. |
[ Cheng S. Establishment of calendar and prediction model of airborne allergic pollen in urban district of Kunming[D]. Kunming: Kunming Medical University, 2015. ] | |
[10] | Sofiev M, Bergmann K C. Allergenic pollen[M]. Dordrecht: Springer Netherlands, 2013. |
[11] | 胡凝, 陈万隆, 刘寿东, 等. 水稻花粉扩散的模拟研究[J]. 生态学报, 2010, 30(14):3665-3671. |
[ Hu N, Chen W L, Liu S D, et al. A model for simulating rice pollen dispersal[J]. Acta Ecologica Sinica, 2010, 30(14):3665-3671. ] | |
[12] | 徐倩, 陈渝, 袁荣, 等. 大气湍流间歇性对玉米花粉风扩散的潜在影响[J]. 成都大学学报(自然科学版), 2018, 37(1):1-7. |
[ Xu Q A, Chen Y, Yuan R, et al. Potential impacts of atmospheric turbulences intermittency on wind dispersal of maize pollen[J]. Journal of Chengdu University (Natural Science Edition), 2018, 37(1):1-7. ] | |
[13] | 刘宜纲, 吕世华, 刘建忠, 等. 2012—2016年海淀区气传花粉物候特征及其与气象要素的关系[J]. 应用生态学报, 2019, 30(10):3563-3571. |
[ Liu Y G, Lyu S H, Liu J Z, et al. Phenological characteristics of airborne pollen and its relationship with meteorological factors in Haidian District, Beijing, China during the period of 2012-2016[J]. Chinese Journal of Applied Ecology, 2019, 30(10):3563-3571. ] | |
[14] | 孟龄, 王效科, 欧阳志云, 等. 北京城区气传花粉季节特征及与气象条件关系[J]. 环境科学, 2016, 37(2):452-458. |
[ Meng L, Wang X K, Ouyang Z Y, et al. Seasonal dynamics of airborne pollens and its relationship with meteorological factors in Beijing urban area[J]. Environmental Science, 2016, 37(2):452-458. ] | |
[15] | 赵文芳, 王京丽, 尚敏, 等. 基于粒子群优化和支持向量机的花粉浓度预测模型[J]. 计算机应用, 2019, 39(1):98-104. |
[ Zhao W F, Wang J L, Shang M, et al. Forecasting model of pollen concentration based on particle swarm optimization and support vector machine[J]. Journal of Computer Applications, 2019, 39(1):98-104. ] | |
[16] | 何海娟, 张德山, 乔秉善. 北京城区空气中花粉含量与气象要素的关系初探[J]. 中华微生物学和免疫学杂志, 2001(S2):36-38. |
[ He H J, Zhang D S, Qiao B S. Preliminary approach of the relationship between Airborne pollen amount and meteorological factors in Beijing urban area[J]. Chinese Journal of Microbiology and Immunology, 2001(S2):36-38. ] | |
[17] | 彭少麟, 郭志华, 王伯荪. RS和GIS在植被生态学中的应用及其前景[J]. 生态学杂志, 1999, 18(5):52-64. |
[ Peng S L, Guo Z H, Wang B S. Applications of RS and GIS on terrestrial vegetation ecology[J]. Chinese Journal of Ecology, 1999, 18(5):52-64. ] | |
[18] | 全国绿化委员会办公室. 2018年中国国土绿化状况公报[EB/OL]. 2019. https://www.forestry.gov.cn/main/63/20190312/174137264929234.html . |
[ National Greening Committee Office. 2018 China National Greening Status Bulletin [EB/OL], 2019. https://www.forestry.gov.cn/main/63/20190312/174137264929234.html . ] | |
[19] | 闫珂, 杨华, 李文芳, 等. 城市绿地致敏指数的改进研究及应用[J]. 北京林业大学学报, 2020, 42(5):96-105. |
[ Yan K, Yang H, Li W F, et al. Improvement research and application of urban green zone allergenicity index[J]. Journal of Beijing Forestry University, 2020, 42(5):96-105. ] | |
[20] | 谷星月, 王美丽, 郝多. “缘起缘灭”,专家讲解气象条件与花粉过敏[EB/OL], 2018. http://www.xinhuanet.com/politics/2018-09/20/c_1123460452.htm . |
[ Gu X Y, Wang M L, Hao D. Experts explain weather conditions and pollen allergy [EB/OL], 2018. http://www.xinhuanet.com/politics/2018-09/20/c_1123460452.htm .] | |
[21] | Di Piazza A, Di Piazza M C, Vitale G. Estimation and forecast of wind power generation by FTDNN and NARX-net based models for energy management purpose in smart grids[J]. International Conference on Renewable Energies and Power Quality(ICREPQ'14), Cordoba(Spain), 2014, 1(12):995-1000. |
[22] |
Piazza A D, Piazza M C D, Vitale G. Solar and wind forcasting by NARX neural networks[J]. Renewable Energy and Environmental Sustainability, 2016, 1(39):1-5.
doi: 10.1051/rees/2016001 |
[23] | 北京市气象局和北京同仁医院. 花粉观测数. [2020]http://bjweather.iyuebo.com/pollen/ . |
[ Beijing Meteorological Service and Beijing Tongren Hospital. Pollen observation data[2020]. http://bjweather.iyuebo.com/pollen/ .] | |
[24] | 吴振玲, 宛公展, 白玉荣, 等. 72小时气传花粉预测模型研究[C]//中国颗粒学会第六届学术年会暨海峡两岸颗粒技术研讨会论文集.上海, 2008:14-17. |
[ Wu Z L, Wan G Z, Bai Y Y, et al. Study of Airborne Pollen Predictive Model in 72 Hours[J]. 6th Annual Conference of Chinese Society of Particuology cum Symposium on Particle Technology across Taiwan Straits. Shanghai, 2008:14-17. ] | |
[25] |
Cotos-Yáñez T R, Rodríguez-Rajo F J, Jato M V. Short-term prediction of Betula airborne pollen concentration in Vigo (NW Spain) using logistic additive models and partially linear models[J]. International Journal of Biometeorology, 2004, 48(4):179-185.
pmid: 14770306 |
[1] | 杨颖频, 吴志峰, 黄启厅, 骆剑承, 吴田军, 董文, 胡晓东, 肖文菊. 协同遥感与统计数据的粤西甘蔗种植分布提取及时空分析[J]. 地球信息科学学报, 2023, 25(5): 1012-1026. |
[2] | 巫磊, 吴文挺. GEE平台下结合滤波算法和植被物候特征的互花米草遥感提取最优时间窗口确定[J]. 地球信息科学学报, 2023, 25(3): 606-624. |
[3] | 秦肖伟, 程博, 杨志平, 李林, 董文, 张新, 杨树文, 靳宗义, 薛庆. 基于时序遥感影像的西南山区地块尺度作物类型识别[J]. 地球信息科学学报, 2023, 25(3): 654-668. |
[4] | 成星露, 孙永华, 张王宽, 王一涵, 曹许悦, 王衍昭. 气候干湿冷暖化复合类型的识别与量化方法[J]. 地球信息科学学报, 2023, 25(11): 2204-2217. |
[5] | 王林林, 范晓梅. 基于BFAST算法和多源数据的黄河三角洲耕地退化演变及驱动因素分析[J]. 地球信息科学学报, 2023, 25(11): 2218-2231. |
[6] | 李云帆, 李彩霞, 贾翔, 吴晶, 张晓丽, 梅晓丽, 朱若柠, 王冬. 乌梁素海流域生态脆弱性时空变化及其成因分析[J]. 地球信息科学学报, 2023, 25(10): 2039-2054. |
[7] | 黎煜昭, 刘启亮, 邓敏, 徐锐, 王茂洋, 杨海南. 基于物理约束GRU神经网络的河流水质预测模型[J]. 地球信息科学学报, 2023, 25(1): 102-114. |
[8] | 耿佳辰, 沈石, 程昌秀. “十三五”时期黄河流域PM2.5时空分布规律及多尺度社会经济影响机制分析[J]. 地球信息科学学报, 2022, 24(6): 1163-1175. |
[9] | 杨泽航, 王文, 鲍健雄. 融合多源遥感数据的黑河中游地区生长季早期作物识别[J]. 地球信息科学学报, 2022, 24(5): 996-1008. |
[10] | 谌稳, 孙立群, 李晴岚, 陈晨, 李家叶. 一种基于图论重构MODIS EVI时间序列数据集的新方法[J]. 地球信息科学学报, 2022, 24(4): 738-749. |
[11] | 葛中曦, 黄静, 赖佩玉, 郝斌飞, 赵银军, 马明国. 耕地复种指数遥感监测研究进展[J]. 地球信息科学学报, 2021, 23(7): 1169-1184. |
[12] | 冯子钰, 施润和. 中国近地面PM2.5浓度与排放的时空分布及其关联分析[J]. 地球信息科学学报, 2021, 23(7): 1221-1230. |
[13] | 姜伊兰, 陈保旺, 黄玉芳, 崔佳琪, 郭宇龙. 基于Google Earth Engine和NDVI时序差异指数的作物种植区提取[J]. 地球信息科学学报, 2021, 23(5): 938-947. |
[14] | 谢聪慧, 吴世新, 张晨, 孙文涛, 何海芳, 裴韬, 罗格平. 基于谱系聚类的全球各国新冠疫情时间序列特征分析[J]. 地球信息科学学报, 2021, 23(2): 236-245. |
[15] | 崔明洁, 姚霞, 方昊然, 张杨成思, 杨德刚, 裴韬. SARS与COVID-19时空传播差异性及影响因素分析[J]. 地球信息科学学报, 2021, 23(11): 1910-1923. |
|