简介:全极化SAR影像含有丰富的特征信息,针对单一特征用于分类难以达到满意精度的问题,提出一种基于不同目标分解方法及纹理信息的SVM(SupportVectorMachine,SVM)全极化SAR影像监督分类方法。结果表明,Cloude分解和Yamaguchi分解在极化特征信息提取时各有优势,且都优于Freeman分解效果;Cloude分解和Yamaguchi分解结合作为极化特征信息时,分类总体精度相对较高;纹理信息与极化特征信息在表现地物特性方面具有互补性,结合纹理信息后,分类总体精度提高了4.92%,为90.86%,Kappa系数为0.8754。
简介:各国目前的国家自主贡献与实现《巴黎协定》温控目标的要求仍有较大的差距,各国进一步强化其自主贡献力度亟需公平的碳减排贡献分担作为目标参考。本文系统梳理了碳减排分配涉及的公平原则及其4个主要维度,即排放责任、经济能力、人均主义和国家主义,评述了依据不同维度或维度组合制定的分配方案的研究进展和存在的问题,并将该领域错综复杂的分歧矛盾分为3个层次,即公平原则维度的选择、分配机制的设计以及具体参数设置。研究发现,目前旨在指导各国提高自主贡献力度的公平分配研究在全面性、一致性和客观性方面仍有缺陷,特别是基于多元文献分析以及综合分配模型的综合分配研究不能全面客观地反映发展中国家对公平的关切。为此,本文针对性地提出了未来碳减排贡献分担综合研究的需求和方向,即需要系统阐述发展中国家视角的公平分配方案并构建一个全面、平衡、客观的综合碳减排贡献分担模型,以提升中国在这一问题上的话语权,在公平实现《巴黎协定》目标的进程中更好地发挥贡献者和引领者的作用。
简介:针对北京市2016年12月16~21日的空气重污染过程进行了回报试验,探讨了该次事件预报的目标观测敏感区。使用新一代高分辨率中尺度气象模式(WeatherResearchForecasting,WRF)和嵌套网格空气质量模式(NestedAirQualityPredictionModelSystem,NAQPMS),针对初始气象场的不确定性,通过4套初始场资料识别了影响北京地区细颗粒物(PM2.5)预报水平的目标观测敏感变量及其敏感区。结果表明:当综合考虑初始气象场的风场、温度、比湿不确定性的影响时,发现改善黑龙江区域上述气象要素的初始场精度,对北京地区PM2.5预报不确定的减小最显著;当分别考察风场、温度、比湿的不确定性的影响时,发现初始风场精度的改善,尤其是黑龙江区域风场精度的改善,能够更大程度地减小北京地区PM2.5的预报误差,对北京东南地区的PM2.5预报误差的减小甚至可达到40%以上。因此,优先对黑龙江区域的气象场,尤其是该区域的风场进行目标观测,并将其同化到预报模式的初始场中,将会有效提高初始气象场的质量,进而大大减小北京地区PM2.5浓度的预报误差,提高北京地区空气质量的预报技巧。初始风场代表了北京地区该次空气重污染事件预报的目标观测变量,而黑龙江地区则是该目标观测的敏感区域。