近40年来萨尔温江河口海岸地貌演化的时空模式挖掘方法研究

In order to explore the process mechanism of "land-ocean-atmosphere" interaction, the evolution of estuarine and coastal morphology has attracted much attention. At present, there are still many key scientific problems to be solved, such as data model construction and algorithm design. This project takes Salween River estuarine and coastal areas, the important world-class large river in Asia, (called Nu River in China) as the study area. On the basis of field investigation, combined with remote sensing, topography, hydrology, meteorology and other data, the "3S", data cube and association rule mining method and technology were integrated for calculation on OLAP system and GIS platform. To address the estuarine and coastal morphology evolution spatio-temporal pattern mining problem, the key research: method of building spatial-temporal data cube for geomorphic evolution patterns mining; design and optimization of spatio-temporal pattern mining algorithm for estuarine and coastal geomorphic evolution; verification and application of the above methods in coastal areas of the Salween River estuary. The accuracy and error rate of the method are analyzed through theoretical analysis, experimental testing and field survey. The research results will provide new ideas for the study of estuarine and coastal geomorphology and scientific support for the development and protection of estuarine and coastal areas.

作为探明“陆地-海洋-大气”交互作用的过程机理研究的关键环节，河口海岸地貌的演化问题备受关注，但对其时空模式挖掘方法的研究却相对薄弱，数据模型构建、算法设计等关键问题亟待解决。本项目以亚洲重要的世界级大河萨尔温江（中国境内称怒江）河口海岸为研究对象，在野外调查的基础上，以遥感、地形、水文、气象等数据为基础，结合“3S”、数据立方体、关联规则挖掘等技术手段，基于OLAP系统和GIS平台，聚焦河口海岸地貌演化的时空模式挖掘问题，重点研究支持地貌演化时空模式挖掘的时空数据立方体构建方法，面向河口海岸地貌演化的时空模式挖掘算法设计与优化，进而将理论方法在萨尔温江河口海岸地区进行验证与应用。通过理论分析、实验测试和野外实测三个方面来分析方法的准确性和误差率。研究成果将为河口海岸地貌的研究提供新思路，为河口海岸开发与保护提供决策依据。

通过对项目研究内容和关键科学问题的深入研究，探明了萨尔温江入海口地区地貌演化的时空过程、地形地貌慢速运动特征、地表植被变化趋势以及萨尔温江流域内典型高山峡谷区泥石流易发性的空间分布。在理论方法、支撑技术、学术论文、学术交流与人才培养等方面，本项目完成了预期的目标和任务。但是，受新冠疫情影响，项目执行期间（2020年~2022年），研究人员无法安全、顺利地到达项目研究区（缅甸毛淡棉地区）开展野外调查和结果验证的相关工作。因此，现阶段的研究结果采用多源数据交叉验证、统计检验等方式进行检验。.对照预期任务，除完成预期目标之外，针对研究区遥感观测数据缺失、时空分辨率低的问题，我们还开展了萨尔温江入海口地区的地表植被指数缺失值重建方法和超分辨重建方法研究，提出了基于滑动窗口张量分解的数据重建方法和真实数据驱动下融合时间特征的生成对抗网络植被指数超分辨率重建算法，通过多源、多分辨率卫星遥感数据的重建实验，验证了所提出方法的有效性和可靠性。.作为研究结果的体现，本项目资助发表学术论文4篇，其中，SCI收录论文3篇，EI收录论文1篇，申请发明专利1项（已公开），获中国研究生数学建模竞赛二等奖、三等奖各1项。处于投稿阶段论文3篇。依托项目培养青年教师2人、本科生7人、硕士研究生4人。