对森林生态共享数据问题的初探

共享数据可以为我国经济社会可持续发展指标研究提供丰富的支撑。可持续发展指标的系统调查已经成为各级行政主管部门的经常性工作,数据的获得成为很容易的事情,并且形成惯例成为数字化产品序列,使指标的实施有了可操作的定量化方法。     

在下一代互联网应用中的AngularJS技术概述

Angular JS是新兴的Java Script MVC框架,它为业界带来了重大的变化,包括对模块化(templating)的创新实现,以及数据的双向绑定(two-way data binding),这些特性使得它强大而易用。大多数开发者认为,与其他框架相比,Angular JS明显缩减了项目所需的代码量。Angular JS是软件中的杰作,它强调测试与代码质量,在Java Script生态圈内堪为表率,它的优质与创新,催生了周围活跃的程序员社区,这反过来又让Angular JS的人气更加旺盛。下面我们来概述这项技术。     

巴西：家禽出口量增加

巴西家禽联盟（UBABEF）的数据显示,2011年前10个月．巴西鸡肉出口总额达到67-43亿美元,同比增长21．1％。     

Excel实用技巧

基层供电所中,微机员经常用Excel来汇总填报一些数据,下面笔者就把基层微机员在工作中最常碰到的问题及实用技巧总结如下。1使用Excel筛选功能有时我们需要完善客户信息,对公司发过来的总表需要查看哪些是我们要填的;有时我们也需要了解某村一个月用300kWh电能的共有多少户等,这时都要用到筛选功能。Excel提供了两种筛选区域的命令。①在数据菜     

基于深度学习的森林可燃物含水率反演技术

【目的】探究基于卫星遥感数据的森林可燃物含水率反演,比较深度学习模型与传统机器学习模型的精度,并探索一种解决冠层遮挡问题的方案,为全国建立森林可燃物含水率数据库提供理论依据。【方法】以河北省张家口市崇礼区为研究区,基于实地测量数据,针对传统机器学习模型误差较大的问题,建立深度学习中的多层感知机(MLP)模型,研究光谱反射率与森林冠层植被和地表枯落物含水率之间的关系,并与传统机器学习中的支持向量回归(SVR)模型进行精度对比。选取与实地考察时间同季度的哨兵遥感数据,以光谱反射率、光谱水分指数等遥感估测法中常用变量作为反演森林冠层植被和地表枯落物含水率的影响因子,结合实地考察数据进行模型训练。针对以往采用遥感估测法反演地表枯落物含水率遇到的冠层遮挡问题,使用双向反射分布函数处理遥感数据获得不同观测角度的遥感数据,结合辐射传输模型,将冠层反射率映射到地表反射率后再训练模型。【结果】以红光、绿光、近红外和短波红外波段为输入变量的MLP模型在森林冠层植被含水率反演中的拟合度为0.843,优于SVR中最优模型的拟合度0.807,精度提高4.5%;MLP模型在地表枯落物含水率反演中拟合度为0.448...     

无线上网暗藏安全漏洞

无线上网技术的普及，既给许多家庭和个人接入因特网带来了方便，也给犯罪者以可乘之机。随着开放的无线接入点越来越多，借助无线网络进行色情、诈骗、窃取数据、．盗用信用卡等行为也可能更加猖獗。     

猪肉鸡蛋价格全线回落

国家统计局最新发布的数据显示,"十一"黄金周前后节庆因素并未掀起物价波澜,备受关注的猪肉和鸡蛋等农产品价格均出现了回落。国家统计局公布的50个城市主要食品平均价格变动情况(2011年9月21~30日)显示,猪肉价格在这一阶段迎来了8月以来的首次回落,鸡蛋价格也出现较大降幅。值得关注的是,由于北方     

夏玉米区域试验工作建议

长期以来,通过玉米区域试验工作,为国家和省（市、区）的玉米品种审定、利用和推广提供了大量的科学数据,受到了各级政府的高度重视。随着栽培条件的改变,玉米区域试验工作也应当适当调整,笔者根据多年玉米区域试验工作的实践,对如何进一步搞好玉米区域试验工作提出以下建议。     

矢量数据和栅格数据在土地预测中的应用对比——以山西岔口小流域为例

研究目的:为了对比矢量数据和栅格数据在土里利用过程中的差别。研究方法:借助于Super Map2008、MATLAB R2009a、Arc GIS9.2和IDRISI Andes15.0等软件,建立马尔科夫模型,得到转移概率矩阵进行对比分析。研究结果:矢量数据的结果一般更为精确,但软件利用程度低。栅格数据的结果比较而言没有那么精确,但是思路简单,软件利用程度高,结果易得且也能满足预测要求。研究结论:不论是矢量数据还是栅格数据都可以很好地用于土地利用中的预测。     

基于深度学习算法的京津冀地区综合干旱评估模型构建

及时准确的干旱评估对社会经济发展和农业生产具有重要的指导意义,当前的干旱评估指标通常仅考虑植被或降水等单方面影响因素,在实际干旱评估中存在一定的局限性。本研究综合考虑降水、温度、地形等多个干旱致灾因子,以主要产粮基地京津冀地区为例,基于2007-2017年地表温度（Land Surface Temperature,LST）、归一化植被指数（Normalized Difference Vegetation Index,NDVI）以及降水等多源数据,利用深度学习框架Tensorflow构建以标准化降水蒸散发指数（Standardized Precipitation Evapotranspiration Index,SPEI）为目标值的综合干旱评估模型。利用决定系数（R2）和均方根误差（RMSE）对模型进行测试;利用站点标准化降水指数（Standardized Precipitation Index,SPI）、土壤相对湿度数据以及2016年京津冀地区的气象灾害数据,从时间和空间上对模型的可靠性进行验证。结果表明：模型的训练集和测试集在不同月份上均表现较好（R2均大于0.5而RMSE均小于0.55）。模型输出的综合干旱指数（Comprehensive Drought Index,CDI）在密云站上与SPI和SPEI接近,变化趋势基本一致,并且与站点SPI和土壤相对湿度的相关系数分别大于0.7和0.4,均通过了0.01水平的显著性检验。空间上,相较于SPEI,CDI计算的2016年3-7月京津冀地区干旱事件结果与实际情况符合度更高,表明该模型适用于京津冀地区干旱评估。