基于R语言长时间序列数据河流生物作用贝叶斯评估与RSPARROW模型在水环境中的应用

前言：面源污染是目前水环境保护领域中最重要的问题，而水环境中的评估与预测等需求离不开水环境模型的作用。传统的水环境模型分为两类，一类是以EFDC，Delft3d等为主的机理模型，其能够清楚的反映水环境中污染物迁移转化的规律，预测精度高；但是，这一类模型需要大量不同的数据，而这些数据获得的要求非常苛刻。另一类模型是以统计学方法为主的唯象模型，这一类模型数据要求很低，但无法反应污染物变化的机理，预测精度较低。为了兼顾机理模型与唯象模型的优点，USGS开发了空间属性关联（SPARROW）模型。

基于R语言长时间序列数据河流生物作用贝叶斯评估与RSPARROW模型在水环境中的应用

专题一、新一代空间处理包下的遥感数据处理

1.新一代R语言空间处理包：terra，sf以及star

2.遥感图像的基本处理

3.遥感数据的主成分分析与聚类

4.遥感的有监督分类

例1：基于MODIS图像的NDVI计算

例2：Landsat图像的土地利用类型分类

专题二、统计学的参数估计方法

1.考虑机理的非线性回归

2.回归的参数估计（一）：极大似然法

3.回归的参数估计（二）：贝叶斯估计

4.基于Boostrapping法的预测区间与校正预测

专题三、基于时间序列数据（反问题）的河流生物作用的贝叶斯评估

1.STAN与RSTAN语法

2.贝叶斯统计学略说

3.河流中的呼吸作用与光合作用

4.呼吸作用与光合作用的贝叶斯估计

例3：论文“Overcoming Equifinality: Leveraging Long Time Series for Stream Metabolism Estimation”的实现。

专题四、SPARROW模型建模方法

1.SPARROW模型的结构，原理与功能

2.模型所需数据的获取与处理：结合QGIS及R语言

3.模型的评估与预测

4.模型的输入、运行与输出及结果分析

专题五、RSPARROW模型高级应用

1.RSPARROW模型的运行与后处理

2.模型评价与检验

3.模型改进：贝叶斯模型

例4：RSPARROW模型在我国某流域水环境管理中的应用

 

点击查看原文