陈曦 作品数:9 被引量:86 H指数:5 供职机构: 北京师范大学资源学院环境演变与自然灾害实验室 更多>> 发文基金: 国家自然科学基金 中央高校基本科研业务费专项资金 北京市自然科学基金 更多>> 相关领域: 环境科学与工程 天文地球 农业科学 航空宇航科学技术 更多>>
全球热浪人口暴露度预估——基于热应力指数 被引量:10 2020年 气候变化导致全球热浪灾害事件频发。湿球黑球温度综合考虑了温度和湿度协同作用,相较于单独的温度指标更能表征热浪对人类社会的影响。基于该指数定义热浪,利用CMIP5多模式温度和相对湿度模拟数据以及SSP3人口数据,量化并分析了未来全球及区域尺度热浪的人口暴露度变化以及造成暴露度变化的各因素的贡献率。结果表明:(1)过去(1986-2005年)暴露度的分布主要受人口分布的影响,印度次大陆以及中国东部、东南沿海地区是暴露度高值区,未来(2081-2100年)热带地区暴露度的增加尤为明显;(2)全球区域间暴露度变化差异显著,未来南亚地区平均暴露度的增幅最大,接近3×10^4万人·d,而澳大利亚北部、亚洲北部、加拿大地区平均暴露度的增幅不足100万人·d;(3)气候和人口因素共同作用是造成绝大多数热带地区暴露度变化的最主要原因,而对于中高纬度地区来说,气候要素的贡献率最大;(4)气候和人口因素共同作用对全球暴露度变化的贡献占据主导地位。 陈曦 陈曦 李宁 李宁 王芳中国与主要发达国家对气候变化与经济领域科研论文贡献的文献计量分析——基于论文相对产出与影响指标 被引量:2 2018年 气候变化是国际社会普遍关心的重大全球性问题,涉及自然生态环境、经济可持续发展、国家利益及政策制定等多方面问题。气候变化与经济的跨学科研究始于20世纪90年代,随着全球变暖的加剧,气候变化问题日益突出,不仅表现为对自然生态环境的影响,如海岸带和海洋生态系统破坏. 刘丽 李宁 张正涛 冯介玲 陈曦关键词:气候变化 科研论文 文献计量分析 自然生态环境 海洋生态系统 论自然灾害经济损失评估研究的重要性 被引量:34 2017年 本文就当前国内外对灾害经济损失的认识、损失评估在灾害管理中的重要作用、灾害直接经济损失和间接经济损失评估存在的问题进行了综合分析,论证了灾害损失评估研究的重要性,区分了直接损失和间接损失的差异,阐述了间接损失评估的必要性和可行性。研究结果表明,直接损失和间接损失的评估同等重要、通过合理的评估方法得到的直接和间接损失的评估结果既是防灾减灾的迫切需求,也有利于提高防灾减损的管理水平。灾害学与经济学相结合是有效改进评估方法并提高灾害经济损失评估水平的有效途径。 李宁 张正涛 陈曦 冯介玲关键词:直接经济损失 灾害损失评估 基于MODIS的2011年泰国洪涝受灾信息提取与分析 被引量:19 2013年 以MODIS反射率产品为数据源,分别采用NDVI法、谱间关系算法和水体指数法估算2011年11月2-9日泰国洪涝的受灾区域,并结合MODIS土地覆盖类型产品进行受灾区域分析。研究表明:采用改进的归一化水体指数提取泰国洪涝受灾区域准确性最高;作物是泰国受灾区域中面积最大的土地覆盖类型,达到了36.360%,主要分布在曼谷周边的中部地区,也是泰国最主要的作物分布区;MODIS数据用于提取洪涝受灾区域准确性较高,且具有较高的时间分辨率,可以在洪涝灾害中有效应用,迅速进行灾情评估。 孔凡明 蒋卫国 李京 袁丽华 陈曦 郭君关键词:MODIS 洪涝灾害 MNDWI 气候变化经济影响研究热点的足迹可视化:整合被引文献和突现词 被引量:4 2018年 气候变化经济影响的研究受到各国政府与学者的广泛关注,是国内外的研究热点。以Web of Science核心数据库中检索的14 796篇与气候变化经济影响相关的文献为基础,整合文献共被引网络和突现词共现网络,对气候变化经济影响研究热点的足迹进行可视化分析。研究结果显示,文献数量整体上呈现指数上升趋势。时间上,研究热点在2007年以前,主要集中在气候变化的归因分析(化石燃料、土地利用变化等造成的CO_2排放增多),对自然生态系统(农业产量、粮食安全、北极冰盖、海岸带等)和社会经济系统(人类健康、能源、工业等)的影响及经济影响评估,演变到对未来气候变化情景、CO_2的减排及应对和减缓气候变化等的关注。2007年以后随着IPCC第四次评估报告及斯特恩报告的发布,进一步加强了气候变化影响的成本效益评估、脆弱性及生物能源等方面的研究,热点聚焦气候变化经济学及经济贸易。空间上,研究热点的发文主要来自于美国、加拿大、西欧(英国、法国、德国、意大利、荷兰等)、澳大利亚和中国等国家。 李宁 李宁 张正涛 刘丽 陈曦 张正涛关键词:气候变化 可视化 利用RADARSAT-2雷达数据与改进的水云模型反演冬小麦叶面积指数 被引量:7 2016年 利用微波遥感反演植被参数往往受到植被分布不均、稀疏植被覆盖、地表裸土等因素影响,导致微波遥感用于农业参数估计的效果不佳。为解决微波遥感反演地表植被参数的问题,本研究在原有的水云模型基础上引入植被覆盖度以及裸土对于雷达后向散射系数的直接作用信息,提出一种改进的水云模型,并充分考虑地表植被的覆盖分布情况,结合地面实测数据及RADARSAT-2雷达数据对改进模型进行验证,然后根据改进模型通过查找表法反演出植被含水量,最后利用叶面积指数与植被含水量的经验关系间接得到叶面积指数的估测值。结果表明,改进的水云模型对后向散射系数的模拟精度比原有的水云模型精度高,模拟的决定系数在HH和VV极化时分别为0.850和0.739,均方根误差分别为0.918dB和1.475dB。由此可见,改进的模型对研究区植被条件更为敏感,能够较好地分离出植被与土壤信息对雷达后向散射系数的影响,同时利用其反演得到的叶面积指数精度较高,决定系数达到0.841,均方根误差为0.233。 陶亮亮 李京 蒋金豹 陈曦 蔡庆空关键词:RADARSAT-2 叶面积指数 植被覆盖度 后向散射系数 卫星技术在我国灾害管理中的应用 被引量:3 2014年 我国幅员辽阔,地形地貌与气候条件复杂,自然灾害种类繁多且发生频繁,除现代火山活动导致的灾害外,几乎所有的自然灾害都有发生,其分布广、随机性强,是世界上自然灾害最多、损失最严重的国家之一:从灾害区划看,全国有74%的省会城市以及62%的地级以上城市位于地震烈度VII度以上危险地区,70%以上的大城市、半数以上的人口、75%以上的工农业产值,分布在气象、海洋、洪水、地震等灾害严重的地区:随着国民经济持续高速发展、生产规模扩大和社会财富的积累,灾害损失呈现日益加重的趋势。20世纪90年代以来,中国进入新的灾害多发期,新的重大灾害事件不断出现,灾害带来的损失和危害程度呈明显上升趋势,呈现出频次增加、损失加剧、多灾并发、次生衍生灾害不断等特点;尽管国家在防灾减灾领域投入了大量的人力物力,使自然灾害造成的人员伤亡逐渐减少,但直接和间接的经济损失却不断增加,自然灾害已成为制约国家和区域经济社会全面发展和影响社会安定的最重要因素之一。 陈曦 李京关键词:灾害管理 卫星技术 灾害损失 地震烈度 省会城市 社会安定 基于支持向量回归模型的水稻田甲烷排放通量预测研究 被引量:5 2013年 利用静态箱和气相色谱仪法获取水稻田甲烷排放通量数据,选取大气温度、土壤5 cm深温度、土壤pH、土壤Eh、土壤含水量和地表生物量作为影响因子.应用建立在结构风险最小化优化上的支持向量回归(ε-SVR)模型,采用留一法交叉检核网格搜索法(LOOCV)优化ε-SVR预测模型的参数,采用k折交叉检验的方法依据平均相对误差(MRE)和均方根误差(RMSE)对模型的精度进行验证,并与BP人工神经网络(BP-ANN)模型比较,评价ε-SVR预测模型的准确性.结果表明,通过LOOCV选择最优的惩罚因子C和损失系数ε,并由此构建的ε-SVR预测模型预测值和实测值具有很好的一致性,通过11折交叉验证后,测试样本的平均MRE为44%,平均RMSE为16.21 mg·(m2·h)-1.通过与BP-ANN模型比较,预测值和实际值相关系数达0.863,各项指标均优于BP-ANN预测模型,说明ε-SVR模型能够适用于水稻田甲烷排放通量的预测. 陈强 蒋卫国 陈曦 袁丽华 王文杰 潘英姿 王维 刘孝富 刘海江关键词:支持向量回归 BP人工神经网络 甲烷排放通量 水稻田 中国省域尺度17部门资本存量的时空特征分析 被引量:4 2019年 随着灾害强度、频率以及承灾体暴露的增加,自然灾害造成的损失日益严重。资本存量作为承灾体的经济暴露指标之一,是灾害损失评估的前提和基础。针对目前中国缺乏省域尺度长时间序列的经济部门分类的资本存量数据基础,论文通过永续盘存法,建立了2003—2015年中国大陆31省17部门的资本存量数据库,并分析其时空特征。结果显示:①全国总资本存量与灾害直接损失的年际变化均呈增加趋势。省域尺度上,通过相关性分析显示,在99%置信度水平上,两者呈显著正相关(r=0.3)。②时间上,各省17部门资本存量基本也呈增加趋势,但增速不同。在各部门增速最快的省份中,黑龙江省的居民服务、修理和其他服务业增速最快,增长约454.3倍;其次是青海省的租赁和商务服务业(398.3倍)、江苏省的金融业(295.1倍)、安徽省的科学研究和技术服务业(125.1倍)等。③空间上,2015年各省17部门资本存量最多的前4个部门分别是房地产业,工业,交通运输、仓储和邮政业,水利、环境和公共设施管理业,占比均在60%以上;且这4个部门资本存量暴露最多的省份是江苏省和广东省。该结果有助于从时空角度了解各省各部门资本存量暴露情况,为各省灾害风险管理者的防灾减灾工作提供重要的参考价值。 刘丽 李宁 张正涛 冯介玲 陈曦 陈曦 黄承芳关键词:资本存量 省域尺度 灾害损失