排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
为科学评价耕地资源,实现耕地的有效管理,提高土地利用效率,通过文献法对耕地质量和产能的评价指标进行梳理,利用地理探测器进行指标筛选,采用特尔斐法确定指标权重,应用加权求和法对指标系数进行修正,利用连乘积法计算耕地质量与产能指数,系统科学地构建耕地质量和产能评价体系。结果表明,宾阳县耕地质量整体情况良好,等别为优等和良等的耕地面积占99.95%,东北部耕地等别略低于西南部,其等别差异主要原因为土地利用方式不同和土壤健康状况的差异。耕地产能等别中旱地等别主要集中在11等,水田等别主要集中在7等,呈现中部高四周低的分布规律,中心城镇地势平坦、管理水平高是造成耕地产能等别差异的主要原因。研究表明,应用本研究构建的指标体系得到的宾阳县耕地质量评价结果能够很好地反映耕地实际质量状况,说明评价指标体系合理,适用性较强。 相似文献
2.
3.
4.
5.
6.
解决高寒草地的退化问题需要对高寒草地退化现状进行综合评价,而这需要相关数据作为支撑,本研究设计并实现了一个基于Hive的高寒草地海量数据高效分析系统,能对高寒草地的海量数据进行可靠、高效地存储分析。首先,平台设计基于Hadoop、Hive、Sqoop环境,通过节点和集群配置等步骤搭建完成;然后,通过期望最大化(EM)算法进行数据填充、数据导入、数据分区存储等步骤,完成数据抽取、转换、加载(ETL)及数据存储;最后,系统通过混合函数编码实现模糊查询功能,实验测试表明系统达到了预定的效果。随着文件大小的增加和总体数据规模的增大,系统整体存储和读取时间一直处于增长的状态,但平均运行时间(平均处理1 MB数据所使用的时间)处于降低的趋势,说明随着数据量的增加,系统并行处理海量数据的能力得到体现。使用2014年青海省称多县高寒草地样方监测数据和部分虚拟数据(总数据量约为3 958万条,7.56 GB),对Hive集群以及关系型数据库SQL Server的数据查询效率进行对比。结果显示,当查询数据量为3 958万条时,Hive集群数据查询的时间为SQL Server查询时间的67.8%。说明在数据量较大时,系统数据查询的效率比SQL Server更高。通过HiveQL对高寒草地生态数据进行分析处理,并开展相应的对照实验,对比发现,Hive数据分析技术与对照实验的处理结果相同。综上,将分布式数据仓库技术应用于高寒草地海量数据的存储与分析,较传统的数据存储与分析技术相比有明显的进步。本系统对海量数据处理效率高、可开发性强,可以很好地满足海量高寒草地数据的存储和分析要求。 相似文献
1