晋陕蒙接壤地区土地利用格局动态遥感研究与预测

应用1986年与2000年两期TM遥感影像判图制图,编制两期晋陕蒙接壤地区土地利用现状图。在ARC/INFO的支持下,建立空间信息库,套合叠加,获取该地区土地利用类型动态转移数据矩阵,揭示该地区14年来土地利用与土地覆被的空间分布规律及其变化特征。应用Markov链模型对未来土地利用格局趋势进行预测分析,总的趋势是朝着好的方向发展,但还存在着草地沙化、耕地退化的生态问题,因此加大草地、林地、耕地的保护和改良以及生态环境保护和恢复的力度势在必行。     

马尔科夫链预测法对四川各地区人均GDP的研究

马尔科夫在近代物理学、生物学、公共服务事业、信息处理、制动控制、通信及计算机方面有广泛的预测应用.利用马尔可夫转移概率矩阵来对四川各地区人均GDP的研究,可以预测未来几年四川地区的小康情况.     

基于Markov随机场的改进的传统眼皮区域检测算法研究

[目的]阐述改进的虹膜有效区域检测阶段中眼皮区域检测算法。[方法]介绍传统的基于Radon变换的眼皮区域检测算法,针对其不能很好地消除眼皮阴影的缺点,提出基于Markov随机场理论眼部阴影检测算法。根据Markov随机场邻域的约束,使用MAP准则进行求解,利用K-mean求取先验信息,使用EM算法确定图像中每个像素的观测场模型,根据统计学理论的最优准则,得到能量函数的最小值,将眼皮阴影检测出来。[结果]该研究提出的方法可以有效地去除虹膜有效区域检测阶段中眼皮阴影。[结论]基于Markov随机场理论的眼皮阴影检测算法可以作为Radon眼皮检测的补充和改进。     

基于权马尔科夫链模型的河套灌区上中下游地下水埋深预测研究

以拓展和深化区域地下水埋深预测研究为目的,运用随机理论,建立了基于加权马尔科夫链的地下水埋深预测模型,预测内蒙古河套灌区上中下游在未来时段内地下水埋深所处区间值。结果表明：节水改造后灌区中游区的地下水埋深更多的时候处于［2.380, 2.742)区间,下游区的地下水埋深更多的时候处于［2.218, 2.506)区间,这两个区间的数值都低于内蒙古河套灌区的临界地下水埋深2.0 m,在未来的一段时间河套灌区中下游的盐渍化有望进一步减轻。而上游区的地下水埋深更多的时候处于［1.227, 1.727)区间,此区间的数值高于内蒙古河套灌区的临界地下水埋深2.0 m,在未来的时间河套灌区上游是控制地下水埋深的重点区域。     

机械系统精度修复的马尔可夫过程及有效度

本文提出机械系统精度修复过程为一马尔可夫过程。阐述了马尔可夫过程及其表达式以及转移矩阵、转移方程式的基本理论。具体分析和推导了一个单元的精度可修复系统的瞬时有效度和稳态有效度。     

河南省2010年旱涝灾害预测

根据河南省45个县1961～2000年4～9月的降雨量统计资料，结合Z指标法统计分析了河南省旱涝分布规律，结果表明：最近40年河南省主要以干旱为主，涝年与旱年的比率为1：1．21，干旱发生率为39％，旱年平均不足3年一遇，重旱平均近7年一遇，20世纪80年代发生干旱次数最多，占59％。在此基础上，运用马尔科夫链法对河南省各县2010年的旱涝灾害进行了预测，结果显示2010年发生旱、涝灾害的县区将分别占15．5％和20％，并且大致呈现南涝北旱的格局。     

氨基酸间的距离与蛋白质进化的随机模型

用遗传密码词典中61个密码作为链的状态,提出了一个氨基酸替代的马氏链模型。将20种氨基酸间首次通过时间作为突变距离与 Grantham(1974)的氨基酸间理化距离以及Dayhoff(1978)的相对替代概率做相关分析。结果表明,替代概率与理化距离的相关大大高于与突变距离间的相关,说明蛋白质进化过程中,是自然选择而非突变起着决定性作用。     

砒砂岩区种植沙棘后景观格局变化预测

沙棘是砒砂岩区沟谷部位常用的一种生态恢复树种。通过运用马尔科夫模型,对种植沙棘后砒砂岩区景观格局变化趋势的分析,预测沙棘等各类景观要素的发展规模,以为科学指导类似沙棘生态工程的建设项目提供相关依据。为探索种植沙棘对景观系统的影响,将沙棘单独分出来作为一种景观类型,与其他常规景观类型一起进行景观格局分析。结果表明:在砒砂岩区,沙棘生态工程建设是对区域景观生态格局变化影响最大的因素;预测确定的砒砂岩区沙棘种植面积的最大比例为10.21%,乔木林地面积比例预测值在10%以下,林地面积过大将会造成土壤干层下移,最终可能导致大片林分死亡现象出现;稀疏植被地的面积稳定比例为32.25%,在干旱少雨的砒砂岩区,较高的稀疏植被比例,是适应当地环境条件的最佳选择。     

Generating crop sequences in land-use models using maximum entropy and Markov chains

Farm management models often produce average crop shares over a number of years, whereas models from the natural sciences often require inputs of sequences of crops grown on a specific field over several years. In interdisciplinary modelling, this difference can be a relevant obstacle. To bridge this gap, an approach is presented that allows disaggregating results from farm management models to the level required by many natural science models. The approach presented includes two methodological innovations: first, minimum cross entropy is used to ensure a unique solution when modelling a linear programming model at the field level, even when objective and constraint coefficients are identical for different fields. Second, the use of a calibrated Markov chain approach allows the creation of land-use sequences that are closer to the linear programming model’s results than an unconditional stochastic simulation would be. The calibrated Markov chain makes use of a prior matrix of transition probabilities that can be empirically derived. Both simulations and analytical calculations with case study data show that the variances of the Markov chain approach are systematically lower than those yielded by a simple stochastic simulation approach. The approach introduced in this paper can improve the coupling of farm-level economic models with natural science models at the field level.