降水有助于逆转新疆干旱地区草原退化和沙漠化的趋势

《Ecological Indicators》：Precipitation facilitates reversal of grassland degradation and desertification in drylands of Xinjiang

地面沉降监测评估与预测框架研究——以厦门为例，采用Sentinel-1A影像与水准测量数据，结合PS-SBAS-InSAR技术实现2023年间厦门沿海地区地面沉降时空分布监测，揭示象屿、马銮湾等区域沉降速率达-12.5至7.5 mm/yr。构建包含11项危险性和7项脆弱性指标的风险评估体系，运用模糊层次分析法确定65.37 km2高等级风险区（占评估区5.73%）。创新提出SARIMA-XGBoost-Informer三模型融合框架，通过熵权动态加权实现预测精度提升，验证显示融合模型MAE降低9.68%，R2提高4.94%。研究成果为沿海特大城市韧性城市建设提供决策支持，模型框架具有向上海等同类城市推广的潜力。

　　本文探讨了沿海地区地面沉降的问题，并提出了一种全面的研究框架，用于监测、评估和预测地面沉降。地面沉降对沿海地区的威胁包括地质灾害、海水入侵以及沿海湿地的退化。研究采用了Sentinel-1A遥感图像和2017年5月至2023年12月期间的水准测量数据，结合多种预测模型，对厦门地区进行了应用。研究结果表明，厦门的主要沉降速度范围在-12.5到7.5毫米/年之间，其中集美区的沉降最为显著，而湖里区则相对最少。此外，研究将地面沉降风险（LSR）划分为五个等级，发现厦门有65.37平方公里的区域被归类为高风险，占总评估区域的5.73%。这些高风险区域主要集中在海沧区、集美区、同安区和思明区，而集美区和湖里区的高风险区域较少。研究还指出，厦门岛和大嶝岛的地面沉降风险需要特别关注，因为它们在经济上具有重要地位，且大嶝岛正在进行大规模基础设施建设。

地面沉降的监测和预测对于评估和管理其对城市基础设施、生态环境及可持续经济发展的威胁至关重要。传统的大地测量技术，如水准测量、地面摄影测量和全球导航卫星系统（GNSS），虽然在高精度点测量方面表现优异，但它们在大范围的高密度监测上存在局限性。相比之下，干涉合成孔径雷达（InSAR）技术提供了连续的全覆盖，能够更有效地监测地表变形。然而，InSAR的精度和可靠性可能受到相位畸变和大气延迟的影响。为了提高监测数据的准确性，研究采用了地固测量数据进行验证，结果显示InSAR监测数据具有较高的精度。

在地面沉降风险评估方面，研究结合了地理信息系统（GIS）和模糊层次分析法（FAHP），通过权重叠加算法对多个评估指标进行综合分析。评估指标包括沉降速度、累积沉降、地表高程、黏土含量、距离断层带、地下水变化率、降水量、距离海岸线和河流的距离、历史灾害记录以及地震震源距离。这些指标被划分为五个等级，分别对应不同的风险级别。研究还特别指出，厦门岛和大嶝岛由于其独特的地理和经济特征，需要更多的关注，因为它们的高风险区域比例较大，且面临着由于填海造陆、海岸线变化和大规模工程建设带来的额外挑战。

在预测模型的选择上，研究采用了统计模型SARIMA、机器学习模型XGBoost和深度学习模型Informer。其中，Informer模型在处理长序列依赖性和非平稳信号方面表现出色，其性能优于XGBoost和SARIMA模型。此外，研究还提出了一种基于时变权重的融合模型，该模型结合了三种模型的优势，进一步提升了预测的准确性和鲁棒性。通过对比不同模型的预测性能，研究发现融合模型在多个评估指标上均优于单一模型，特别是在某些特定区域，如海沧区和集美区，其预测效果更为显著。

研究还强调了地面沉降风险评估的动态性和持续性，认为风险评估应随着环境变化和人类活动的强度而不断更新。例如，大嶝岛由于正在进行大型机场建设，其评估数据可能尚未完全反映实际风险，因此在机场建设完成后，该区域的风险可能会进一步增加。此外，研究还指出，地面沉降预测模型在处理非平稳时间序列时，需要考虑长期的人类活动因素，如地下水开采和工程建设，以及短期的自然波动，如降水量和季节性补给。通过综合这些因素，研究提出了一种融合多种模型的方法，以提高预测的稳定性。

总的来说，本文的研究框架不仅为厦门地面沉降的监测和风险评估提供了科学依据，还为其他沿海城市，如上海等，提供了可借鉴的经验。该框架结合了遥感技术和多种预测模型，能够更全面地理解和应对地面沉降问题。未来的研究可以进一步扩展监测范围和时间跨度，采用更高效的评估方法，如结合深度学习的改进模型，并引入更多重要的评估指标，如主要线性工程的密度。此外，还可以通过添加新的预测特征和探索多种模型融合算法，以优化最终的预测效果，从而更好地支持城市规划和灾害防控。