基于概率神经网络和分形的植物叶片机器识别研究

【目的】提出一种将植物叶片的形状特征与其纹理特征相结合的综合特征识别方法,有效解决了传统的植物机器识别分类特征单一且识别率较低的问题,为植物的快速机器识别提供技术参考。【方法】提取植物叶片样本的综合特征信息,以概率神经网络(PNN)为分类器对所得的特征信息进行训练,训练好的网络用来识别植物叶片的类别,从而确定相应植物的种类。【结果】有效提取了含有8个分量的植物叶片综合特征向量,通过对PNN分类器的训练,实现了30种植物叶片的快速机器识别,平均识别率达98.3%。比较测试表明,若去掉叶片纹理特征,单以其形状特征作为识别依据,平均识别率仅为93.7%。【结论】植物叶片综合特征识别方法有效弥补了传统单特征识别方法的不足,使识别效率得到了较大的提高。     

陕西省气候资源生产潜力与土地人口承载力的研究

该文系统分析了陕西省气候资源状况，估算了气候资源生产潜力，评价分析了气候资源利用状况。并以粮食人口承载力指数作为判别土地人口承载力的标准，对全省土地人口承载力进行预测。这将对该省的水土保持综合治理及国民经济持续发展具有宏观指导作用。     

黄土高原生态环境脆弱性计算方法探讨

在前人工作的基础上，该提出了评价黄土高原生态环境脆弱性的数学方法，并对黄土高原１０５个水土流失重点县进行了脆弱度指标计算。以脆弱度指标为依据，对黄土高原１０５个县生态脆弱性进行了分区、按其脆弱状况，划分为强脆弱区；中脆弱区；轻脆弱区３个区。     

非游荡集与测度中心及极小吸引中心

讨论非游荡集与测度中心及极小吸引中心的关系，回答了文献［１］最后提出的部分问题，还得到了它们的一些有趣而有用的结果。     

MATLAB及其在黄土丘陵区土壤水分研究中的应用

介绍了ＭＡＴＬＡＢ及其有关功能,并利用ＭＡＴＬＡＢ对宜川黄土兵陵区的空旷地、采伐地和油松林地３类不同地表植被土壤水分长期观测数据进行综合分析研究。结果表明,油松林地土壤水分含量在土层深度４０－６００ｃｍ是三者中最低的,其主要用水层在４０－６００ｃｍ之间,采伐地土壤水分在０－４００ｃｍ一般高于空旷地,４００－６００ｃｍ低于空旷地,空旷地地表土壤水分是三者中最低的。     

陕西关中未来5～6月份降水趋势预测

采用小波分析与毛毛虫-谱分析法相结合的方法，以树木年轮为代用资料，对关中地区未来20a的5～6月份降水趋势进行预测。结果表明，5～6月份，降水序列20a周期成分在2005年达到谷值后逐渐上升，在2016年达到峰值；9～10a周期成分表现为降水的主要趋势在2013年和2023年达到谷值，在2010年和2019年达到峰值。从峰值到谷值的下降速度较快，时间为3a；从谷值到峰值上升平缓，需要6～7a。     

树木年轮所标志的气候演变过程的动力学特征

对华山地区1544-1989年共446年的5-6月降雨量代用资料树木年轮非线性系统时间序列进行 了动力系统特征的分析。结果表明,代用资料树轮时间序列是非线性系统的混沌时间序列,混沌吸引子在时滞参数 为9,嵌入维数为3的重构向量空间中恰好打开。其Kolmogorov熵为0．032,表明华山地区现在5-6月降雨量的 大小对将来5-6月的降雨量有一定影响。Hurst指数为0．555 6,说明华山地区5-6月降水量时间序列的突变性 不强,即该时间序列具有持久性。     

亚热带地区主要林分类型蓄、洪防洪能力评价

对我国亚热带黄壤、红壤地区不同林分的蓄洪和防洪能力进行了评价。得出在黄壤地区，杉木林和马尾林抗一次性暴雨、连续暴雨和一般暴雨能力优于常绿阔叶林、常绿落叶阔叶林、毛竹林和针阔混交林；在红壤地区，在连续性暴雨和一般暴雨情况下，常绿阔叶林、常绿落叶阔叶林和针阔混交林抗洪能力优于杉木林、马尾松林和毛竹林；在一次性暴雨情况下，常绿阔叶林、常绿落叶阔叶林和毛竹林抗洪能力优于杉木林、马尾松林和叶阔混交林。