福建省南山风景区景观动态预测

在遥感图像软件ERDAS Imagine8.5/ArcviewGIS3.2的支持下,以福建省南山风景区两个时期(1988、2004年)的影像为基础数据,对影像进行配准、图像判读、目视解译和矢量化处理,得出各个景观类型的动态变化数据, 并利用马尔柯夫模型对景观格局变化进行动态预测.结果表明:在人类活动和自然因素的影响下,研究景区各景观类型变化均较明显且复杂,达到稳定状态时各景观类型的面积分别为4.1504(茶园)、400.3525(荒山荒地)、1395.1679(建筑)、94.8203(柳杉)、49.1661(毛竹)、337.777 5(农田)、61.2980(杉木×马尾松)、380.2391(水体)、299.4662(松杂)、173.9969(阔叶树)hm2.其中,茶园、荒山荒地、柳杉、毛竹等景观类型呈现先上升后下降趋势,直至达到稳定状态;松杂景观仅在2018年前略有上升,随后即发生下降;建筑景观、水体面积比例始终处于上升状态;农田、杉木x马尾松和阔叶林景观则始终处于下降的趋势.由于建筑面积将大量增加,而森林景观面积则减少,景区的生态环境问题将更加突出,应该从景观和生态角度出发对各景观斑块加以管理.     

羊咳嗽声的特征参数提取与识别方法

为在设施圈养羊只产生呼吸道疾病的初期,通过监测其咳嗽声进行疾病预警和健康状况诊断,以内蒙古地区广泛推广的杜泊羊为例,对杜泊羊的咳嗽声信号进行自动采集和计算机识别,在不增加羊咳嗽声特征参数维数的前提下,提出一种改进的梅尔频率倒谱系数(MFCC),试验结果表明,该参数和短时能量、过零率组合的14维特征参数,经过羊咳嗽声隐马尔可夫模型(HMM)识别系统,其识别率、误识别率和总识别率分别达到了86.23%、7.17%和88.43%,该组合特征参数经主成分分析可降到9维,而通过BP神经网络改善的HMM咳嗽声识别系统,对咳嗽声的识别率、误识别率和总识别率分别达到了92.54%、5.37%和95.04%,满足了杜泊羊咳嗽声识别的要求。     

鄂尔多斯植被的NDVI 3g动态及气候响应

[目的]研究鄂尔多斯地区生态格局以及在全球变化下的自然演变规律,揭示中国西部矿区人工扰动生态环境的时空变化。[方法]利用1982—2012年GIMMS NDVI 3g数据集和年均气温、降水量等气象数据,分别进行最大值合成、反距离加权法插值、线性回归与变化率分析、相关性分析等处理,揭示植被覆盖的时空变化趋势下蕴含的植物生理学机理,及其对气温和降水变化趋势的响应特征。[结果]鄂尔多斯地区植被返青期(start of season,SOS)始于4月下旬,枯黄期(end of season,EOS)结束于11月上旬,植被生长期(duration of season,DOS)NDVI初始阈值为0.12,平均生长期为198d;31a间鄂尔多斯地区植被绿度变化率(slope)为0.0023,植被变化趋势逐像元回归分析表明研究区80.8%的植被有轻微改善;31a间鄂尔多斯地区NDVI变化与年均气温和降水量的相关性分别为0.054和0.400。[结论]31a间鄂尔多斯地区植被返青期有提前趋势,枯黄期有滞后趋势,生长期有延长趋势;研究区大部分区域植被均有轻微改善;年均气温与降水量均呈现升高趋势,NDVI变化受温度和降水的共同作用,且NDVI最大值增高与年均降水量增加相关性较高,与年均气温升高相关性较低。     

基于GWR模型的江西省山洪灾害区域异同性研究

[目的]探索山洪灾害空间分布的规律,为江西省山洪灾害防治和各流域的监测和管理提供重要决策支持。[方法]根据山洪灾害的形成机理,从触发因子、孕灾环境、承灾体3个方面选取9个解释变量,将山洪灾害调查数据的5项内容作为反应变量,并作为评价山洪灾害度的指标,利用地理加权回归方法(GWR)构建模型,然后利用GIS技术探讨江西省3个不同区域山洪灾害空间分布的异同性。[结果]同一区域不同山洪灾害度指标的模型之间具有异同性,不同区域同一山洪灾害度指标的模型之间也具有异同性,不同灾害度指标的空间分布也表现出明显的异同性。[结论]在构建各项灾害度指标模型时,不仅要考虑到地域上的差异,也要考虑到不同灾害度指标之间的差异,GWR模型能有效地解释局部空间变化情况和重要解释变量的分异性。     

基于Logistic-GTWR模型的武汉城市圈城镇用地扩展驱动力分析

该文以武汉城市圈为例,利用1995年、2000年、2005年、2010年、2015年5期土地利用数据、社会经济因子、邻域因子和自然因子,构建耦合空间异质性和时间非平稳性的Logistic-GTWR(逻辑斯蒂-时空地理加权回归)模型,挖掘武汉城市圈城镇用地扩展驱动力及其时空分异格局。结果表明:1)耦合空间异质性和时间非平稳性的Logistic-GTWR模型比全局Logistic回归模型和Logistic-GWR(逻辑斯蒂-地理加权回归)模型具有更好的拟合效果,验证了Logistic-GTWR模型在城镇用地扩展驱动力分析研究中的适用性。2)武汉城市圈城镇用地扩展的不同影响因子系数时空分异格局各不相同,人口因子高值分布区围绕武汉市先收缩后扩散并逐渐稳定,最终形成绕武汉城市圈中部沿线周边环状分布格局;地均GDP因子高值分布区先向西部转移,后逐渐趋于均衡,最终形成绕武汉、麻城和崇阳县周边集聚分布的空间格局。武汉市极化作用占据主导地位,且影响范围不断扩大。3)人口和经济是20年间武汉城市圈城镇扩展的核心驱动因子,且影响力呈逐年上升趋势;国道、高速和省道影响力整体呈略微升高态势。4)武汉城市圈中部及东部城市多为人口、经济核心驱动型城市,高程影响在武汉市发展中逐渐凸显;西部城市主要受高程限制,并以交通及经济驱动为主,东西差异显著;但西部城市1995年以来人口和经济的作用强度逐步增加。人口因子作用强度在咸宁和黄冈呈逐渐上升趋势,经济因子作用强度在武汉、孝感、仙桃、天门、潜江和黄冈逐年上升。     

基于隐马尔科夫模型的深度视频哺乳母猪高危动作识别

哺乳母猪的高危动作和仔猪存活率有密切关系,能直接体现其母性行为能力,而这些高危动作又与其姿态转换的频率、持续时间等密切相关。针对猪舍环境下,环境光线变化、母猪与仔猪黏连、猪体形变等给哺乳母猪姿态转换识别带来的困难。该文以梅花母猪为研究对象,以Kinect2.0采集的深度视频图像为数据源,提出基于Faster R-CNN和隐马尔科夫模型的哺乳母猪姿态转换识别算法,通过FasterR-CNN产生候选区域,并采用维特比算法构建定位管道;利用Otsu分割和形态学处理提取疑似转换片段中母猪躯干部、尾部和身体上下两侧的高度序列,由隐马尔科夫模型识别姿态转换。结果表明,对姿态转换片段识别的精度为93.67%、召回率为87.84%。研究结果可为全天候母猪行为自动识别提供技术参考。     

基于加权Logistic回归模型的森林火灾预测

林火预警是保障超高压输电网安全的重要工作,是森林防火部门和电网公司深度关注的领域。 研究以 2007—2017 年广东省超高压输电网线路途经地区的气象数据和林火监测的数据为基础,通过加权 Logistic 回归分析方法构建了广东省超高压输电线路区域森林火险预警模型,并用 2017 年实际林火发生 数据对该模型进行检验。模型预测准确率达到 92.6%,证明该模型具有良好的预测效果,反映了广东省区 域森林火险等级与相关气象因子的密切关系。     

基于ARIMA模型的湘江流域DO和NH4+–N含量贝叶斯预测

为实时把控湘江流域水质的变化趋势,采用污染比较严重的湘江流域长沙段和益阳段水质指标溶解氧(DO)和氨氮(NH_4~+-N)含量的监测数据,用贝叶斯方法推断经典的ARIMA时间序列模型,并用马尔可夫链蒙特卡罗(MCMC)模拟方法对DO和NH_4~+-N含量进行贝叶斯预测。结果表明,该模型的贝叶斯预测能实现对湘江流域长沙段和益阳段水质指标DO和NH_4~+-N含量的精确点预测、区间预测和概率预测。     

基于克里金插值的耕地表层土壤有机质空间预测

基于环境变量与耕地表层土壤有机质的相关分析,分别采用普通克里金(OK)、逐步回归克里金(SWRK)和地理加权回归克里金(GWRK),对吉林省扶余市耕地表层土壤有机质进行了空间预测。结果表明:扶余市耕地表层土壤有机质分布存在中等空间自相关性,受资源开发、耕作方式等随机因素影响较小;受曲率和植被长势影响大,受一阶微观地形、复合宏观地形及汇流和沉积物运移影响小;在海拔高、植被少且土壤水分不足的阳面通风山丘区含量低;空间分布以西南部为低值中心向四周升高,高值区出现在东部边界。GWRK中环境变量参与了局部回归,其模拟精度最高且揭示了更多空间变化细节。本研究的结果可为较大空间尺度的耕地表层土壤有机质空间变异与预测研究提供可靠的方法借鉴。     

基于不同地表曲面模型预测土壤有机碳含量

Local terrain attributes,which are derived directly from the digital elevation model,have been widely applied in digital soil mapping.This study aimed to evaluate the mapping accuracy of soil organic carbon (SOC) concentration in 2 zones of the Heihe River in China,by combining prediction methods with local terrain attributes derived from different polynomial models.The prediction accuracy was used as a benchmark for those who may be more concerned with how accurately the variability of soil properties is modeled in practice,rather than how morphometric variables and their geomorphologic interpretations are understood and calculated.In this study,2 neighborhood types (square and circular) and 6 representative algorithms (Evans-Young,Horn,Zevenbergen-Thorne,Shary,Shi,and Florinsky algorithms) were applied.In general,35 combinations of first-and second-order derivatives were produced as candidate predictors for soil mapping using two mapping methods (i.e.,kriging with an external drift and geographically weighted regression).The results showed that appropriate local terrain attribute algorithms could better capture the spatial variation of SOC concentration in a region where soil properties are strongly influenced by the topography.Among the different combinations of first-and second-order derivatives used,there was a best combination with a more accurate estimate.For different prediction methods,the relative improvement in the two zones varied between 0.30％ and 9.68％.The SOC maps resulting from the higher-order algorithms (Zevenbergen-Thorne and Florinsky) yielded less interpolation errors.Therefore,it was concluded that the performance of predictive methods,which incorporated auxiliary variables,could be improved by attempting different terrain analysis algorithms.