首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   3篇
  免费   2篇
综合类   5篇
  2021年   3篇
  2020年   1篇
  2018年   1篇
排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
【目的】开展农地确权工作旨在放活土地经营权,促进农地流转,实现农业规模经营,然而现实中农地流转出现与预期效果不一致的现象。文章重点为四川省农业规模经营的发展提出可行路径。【方法】文章以农户有限理性为基本假设,运用前景理论分别对四川省成都平原地区、浅丘地区和山区的农户,在农地确权前后对农地流转的心理认知进行分析,并针对不同地区农户农地流转心理状态及当地资源禀赋提出适宜的农业规模经营实现路径。【结果】山区农户生存能力较弱,对土地依赖程度强,土地用于满足其生存需求,通过农地确权降低了流转意愿;浅丘地区农户生存能力较强,对土地依赖程度较弱,土地用于满足其安全需求,在农地确权之后,部分农户倾向于短期流转,部分农户愿意流入土地;成都平原地区农户生存能力强,对土地依赖程度弱,土地用于满足其社交需求和尊重需求,流转土地的态度在农地确权之后趋于开放。【结论】对于四川省山区,提出"充分发挥生态优势,第三产业带动发展"与"细化生产分工,实现农业服务规模经营"路径建议;对于四川省浅丘地区,提出"发展土地股份合作社,按面积入股分红退股"与"产品标准化生产,产业品牌化发展"路径建议;对于成都平原地区,提出"互联网+新型农业经营主体+智慧农业"与"打造田园综合体,开发新型产业发展亮点"路径建议。  相似文献   
2.
【目的】面向现代农业生产和管理的数据需求,基于ACRM 冠层反射率模型,探索适 于冬小麦叶面积指数(LAI)和叶片叶绿素含量(LCC)反演的波段选择方案。【方法】文章 考虑高光谱数据降维和CR 模型模拟误差,选出覆盖蓝、绿、红与近红外的5 个波段(波段 选择方案B1),开展LAI 与LCC 同步反演。然后分别选择LAI 和LCC 的敏感波段,开展对 应参数的反演试验。【结果】(1)基于B1,能够在多数田块实现较为准确的LAI 与LCC 同 步反演(LAI 反演值与实测值间决定系数(R2)为0.860 4,均方根误差(RMSE)为0.963; LCC 反演的R2 为0.814 1,RMSE 为0.069)。(2)仅利用LAI 或LCC 敏感波段反演结果的R2 与RMSE 同时略有升高,但与基于B1 的反演结果相比,无明显差异。【结论】通过该研究与 利用相同数据的前期研究对比发现,旨在高光谱数据降维与限制CR 模型模拟误差的波段选 择,对LAI 反演精度改进作用较为显著。相较而言,仅选用单一目标参数(LAI 或LCC)的 敏感波段,对反演精度改进并不明显。由此,一方面证实了常规反演方法与面向对象反演法 不强调选用单一目标参数敏感波段的合理性;另一方面,并不否定多阶段目标决策(MSDT) 反演法以及一些相关研究提出的,仅采用单一目标参数敏感波段来开展反演的合理性。  相似文献   
3.
【目的】分析区域资源禀赋与环境条件,针对理县国土空间开发利用问题和风险予以准确分析,识别生态保护极重要区(包括生态极脆弱区),明确农业生产最大合理规模和适宜空间,准确编制国土空间规划,构建国土空间开发保护格局。【方法】文章以《资源环境承载能力和国土空间开发适宜性评价技术指南》为理论指导;高分一号WFV影像为主要数据源,基于“双评价”下的水土流失敏感性评价,选择降雨侵蚀力因子、土壤可蚀性因子、地形起伏度因子、植被覆盖因子构建水土流失敏感性评价指标体系,运用空间分析的方法按技术指南标准对水土流失敏感性进行分级。【结果】(1)理县全县水土流失敏感性以中度、高度区域为主(占59.53%),与理县特殊地形构造及全面气候情况较相符;(2)在土壤可蚀性因子、地表起伏度因子和植被覆盖因子影响下,理县全县范围内水土流失面积和敏感性之间存在较为显著的关系。【结论】针对不同级别分区提出相应的治理措施,可为农业城镇空间结构优化调整、乡村振兴提供参考,优化国土空间用地布局。  相似文献   
4.
【目的 】 为掌握四川省重要中草药麦冬的种植面积,开展麦冬遥感识别及空间信息提取研究。 【方法 】 文章以四川省绵阳市三台县麦冬主要种植区为研究区,选取2020年11月至2021年5月共计6期Sentinel-2遥感影像,结合实地调查数据建立麦冬、油菜、小麦3种地类的样本数据集,分析该时期内麦冬、油菜、小麦的NDVI时序差异,基于随机森林算法构建麦冬提取模型。随后选取区分度最大的3期NDVI作为输入变量与以全6期NDVI作为输入变量进行麦冬提取精度对比。 【结果 】 (1) 麦冬与油菜、小麦的NDVI在11月、3月、5月差异较大;(2) 以6期的NDVI作为输入变量的麦冬种植信息提取总体精度为91.92%,Kappa系数为0.892;(3) 以3期的NDVI作为输入变量的麦冬种植信息提取总体精度为90.05%,Kappa系数为0.823 2,分类精度略低于6期NDVI全输入,但基于3期关键节点的NDVI时序数据能较准确提取麦冬种植信息。 【结论 】 该结果可为四川省麦冬遥感识别和种植区变化监测提供参考。  相似文献   
5.
目的 针对自然资源资产管理绩效评估中自然资源数据收集手段落后、要素不全、数据断档、更新频率不一致、缺乏空间信息等现状,构建了自动化、业务化自然资源遥感云计算动态监测服务平台。方法 文章以四川省理县为例,利用Landsat,MODIS和Sentinel等多源遥感数据,通过计算植被指数、水体指数和干旱指数等指标,综合运用机器学习方法识别与提取自然资源地物类别。结果 根据该文提出的高效计算方案,构建自然资源动态监测云平台,并基于多源数据信息的互补特性实现了复杂地物的高精度识别和提取,提升自然资源自动化、业务化动态变化监测能力。结论 该平台可为生态系统价值评估、县域自然资源资产管理以及生态环境质量监测工作提供思路和参考。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号