中山公园的地域性探究

随着我国城市化建设深入发展,如何配置城市建设资源,实现城市公园建设目标,营建人与生态和谐共处的城市发展氛围,提高城市化建设综合质量,成为社会各界关注的要点问题,其中"区域性"作为城市公园建设指引力之一,与公园建设地域文化、历史、民俗风情、自然条件、社会条件及经济发展等因素息息相关,只有明确城市公园建设地域性,才能创设人与生态和谐共处城市公园。通过研究中山公园地域性,以期累积城市公园建设经验,推动城市化建设与时俱进。     

“虚拟”森林碳汇的法律分析

森林碳汇原属于森林的自然属性,但因保护环境之所需,可以通过设定权利义务关系而实现其经济价值,从而使森林碳汇具有社会属性。随着技术的发展,通过手机移动APP如支付宝、移动银行、预约挂号平台等,这类森林碳汇在一定程度上均减少了现实中温室气体的排放。考虑到其与传统森林碳汇的不同,可称之为“虚拟”森林碳汇。应在法律上确认“虚拟”森林碳汇的物权属性,鼓励其进入碳排放交易市场,促使每个公民加入温室气体减排行动。这不仅能保护公民的合法财产权,而且能增强公民的环保意识,以促进环境的改善和保障经济社会的可持续、绿色发展。     

城市公园冬季植物景观探析

由于我国园林发展起步较晚,植物景观的设计中只注重春夏季建设,而冬季景观及观赏特色常常被忽略,对城市公园冬季植物景观的研究亦是极少。本文从季节性因素考虑,以城市公园公共游憩绿地为研究对象,通过冬季环境下植物景观属性以及结合游人对冬季景观的需求两条主线的研究,探讨如何打造具有吸引力的冬季植物景观。     

改进属性识别模型在秦巴山区土壤肥力评价中的应用

针对秦巴山区特点,选取安康市汉阴县作为研究区。利用GPS定位共在研究区内取得2420个耕层(0~20 cm)土壤样品。通过对土壤样品的全氮、有机质、碱解氮、有效磷、速效钾以及pH值等6项土壤肥力指标进行室内化验分析得到的结果,运用基于墒权和层次分析相结合的改进属性识别模型,对研究区内土壤肥力进行综合评价,并借助ArcGIS9.3绘制了土壤肥力空间分布图。结果表明:研究区肥力属中等偏上水平,其中北部及东南部低中山处肥力水平较好,中部及西南部低山丘陵地区肥力水平相对较差;改进的属性识别模型在进行评价时较为准确,且简单稳定,为土壤肥力的的综合评价提供有力的技术支撑。     

不同种植模式下农田耕层土壤肥力现状比较——以皖南宣州区为例

选择宣城市宣州区20个烟稻轮作田块、20个单季稻田块、22个中药材田块、20个双季稻田块、20个稻油轮作田块和20个稻麦轮作田块,测定分析耕层土壤(0～20cm)的pH,有机质、有效磷和速效钾含量,计算土壤综合肥力指数(IFI),旨在通过比较提出有益于提升土壤肥力的种植模式和施肥建议.结果表明:①烟稻轮作土壤pH最高,...     

基于粗糙集的产品特征知识获取研究

针对制造业产品设计的个性化需求,将粗糙集理论应用于产品设计知识的属性约简和分类规则生成,发现产品或零部件间潜在的特征知识模式,从而为设计人员所能够提供的模糊对象进行分类或提供设计知识.     

新疆自然科学期刊论文评估及其综合评价体系的构建研究

2005年中科院刘振兴、陈运泰、张广学等15位院士在中国科技期刊学研究的权威刊物<中国科技期刊研究>联名撰文指出"科技期刊出版既是出版事业的一个重要组成部分,更是科学事业的重要组成部分.自然科学期刊是科学研究中的一个重要的环节,这是由学术期刊的本质和属性决定的".     

农村受众的新闻媒介接触行为研究——基于MATLAB模拟方法

城镇化趋势下,农村受众利用媒介接触获取新闻呈多元化趋势。每个农村受众都是具有自智能性自决策性主体,其农村受众的媒介接触行为与自身内部属性存在联系。内部属性信息的异质化程度决定农村受众的媒介接触行为。该研究根据在云南省晋宁县的入户调查数据,提取农村受众的媒介接触行为与自身内部属性信息,基于MATLAB平台,通过模拟手段简化调查手段,生成模拟农村受众的媒介接触行为信息,通过回归分析得出,农村受众的媒介接触行为与自身内部属性相关,按影响程度大小依次为农业收入比例、年龄、耕地数量、家庭外出务工人数、信息需求度、受教育程度。     

我国入选世界灌溉工程遗产现状分析及保护策略探讨

世界灌溉工程遗产具有灌溉工程与文化遗产的双重属性,以我国入选的世界灌溉工程遗产为主要对象,分析了灌溉工程遗产的特点及价值,总结了保护利用现状及存在问题,并从可持续发展的角度探讨了保护利用策略.研究表明,我国的灌溉工程遗产具有资源丰富、类型多样、历史悠久、效益突出、分布广泛等特点,各地在灌溉工程遗产资源挖掘、保护与利用等...     

基于两点机器学习方法的土壤有机质空间分布预测

准确预测土壤有机质(Soil Organic Matter,SOM)空间分布对精细农业、耕地质量建设、生态环境保护以及固碳减排等均具有重要的意义。该研究探讨了基于两点机器学习方法(Two-pointMachineLearning,TPML)提高SOM空间分布预测的可行性。以黑龙江省海伦市为研究区,以气候、地形地貌、社会经济和空间位置信息等因素作为辅助变量,充分利用空间位置信息和属性相似关系,有效处理SOM空间分布异质性及其与辅助变量间关系异质性,以提高TPML方法进行SOM空间分布预测的精度。采用随机森林、基于随机森林的回归克里格、反距离权重法和普通克里格(Ordinary Kriging,OK)方法作为对比,以平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)、预测值与真实值相关系数(r)和决定系数(R²)作为评价指标,进行不同样本量下的多组对比试验,评价不同方法的预测精度。结果表明：1)研究区SOM含量在1.775～7.188 g/kg之间,平均值为3.179 g/kg,空间分布...