公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于遥感的广州市城市绿地生态服务功能评价被引量：25: 2012年; 利用TM卫星影像数据和野外观测数据,运用遥感定量反演模型和知识,提取影响广州市城市绿地生态服务功能的地表参数,如叶面积指数、植被指数、土壤水、地表反照率、地表温度等,然后利用神经网络技术实现对单一因子的城市绿地生态服务功能的评价与分级;在此基础上,利用模糊聚类法对广州市城市绿地生态服务功能进行综合评价。结果表明:广州市城市中心绿地生态服务功能偏弱;绿地在各区分布差异较大,空间布局不够合理。生态服务功能一级的城市绿地面积为2.1km2,仅占研究区域总面积的0.4%,生态服务功能二级、三级和四级的绿地面积占研究区域总面积的比例分别为2.4%、5.0%和2.9%。; 徐剑波刘振华宋立生胡月明; 关键词：城市绿地生态服务功能遥感模型

基于RBF神经网络耕地土壤全氮插值方法的研究: 2012年; [目的]通过耕地土壤全氮的空间变异特性研究,可以更好地调整耕地管理措施、合理施用氮肥、减少资源浪费。[方法]利用RBF(Radial Basis Function,径向基函数)神经网络插值法对区域土壤全氮进行空间插值,同时与普通克里格法进行比较。[结果]RBF神经网络插值法在拟合能力和插值能力方面要明显优于普通克里格法。[结论]RBF神经网络法具有很好的应用前景。; 宋兆璞刘畅赵凯徐剑波; 关键词：RBF神经网络 ARCGIS 全氮插值

土壤养分空间估测方法研究综述被引量：42: 2011年; 土壤养分是土壤提供的植物生长发育所必需的营养元素。由于受到自然因素和人为因素的共同作用,土壤养分具有高度的空间变异性。土壤的这种特性不仅表现在区域尺度上,而且也表现在田块尺度上。在研究方法上经历了从传统统计学到地统计学,再到神经网络、地理信息技术以及高精度曲面建模等新方法的不断改进过程。文章从地统计学方法引入到土壤养分空间变异研究中为出发点,论述了国内外基于地统计学的土壤养分空间变异的研究现状,主要包括利用地统计学方法来确定合理的土壤采样数目,土壤养分空间变异的定量化研究,土壤养分空间变异的尺度效应;然后简述了神经网络、地理信息技术、高精度曲面建模等技术在土壤养分空间变异研究中的研究现状和应用。最后对比分析了各种研究方法在应用中存在的缺陷,同时指明了今后应加强作物生长的不同时期土壤养分的空间变异性、土壤在四维空间尺度上的演变机理以及环境信息获取的不确定性等方面的研究。; 徐剑波宋立生彭磊张桥; 关键词：土壤养分

基于GARBF神经网络的耕地土壤有效磷空间变异分析被引量：20: 2012年; 为了调整耕地管理措施、合理施用磷肥、减少磷素流失、降低水体非点源污染,该研究以高州市为例,在全市各区镇共采集了664个耕作层(0～20cm)土样,利用遗传算法优化的径向基函数(radial basis function network optimized by geneti calgorithm,GARBF)神经网络和普通克里金法(Ordinary Kriging)等方法,分析了县域耕地土壤有效磷在不同采样尺度下的空间变异特征及其空间分布格局与成因。结果表明,高州市耕地表层土壤有效磷存在半方差结构,半方差函数曲线与指数和球状模型曲线拟合较好;5种采样尺度下(训练样点数分别为100、200、300、400和500)耕地表层土壤有效磷均表现出弱的结构空间相关,在较大范围内空间自相关性较差。GARBF神经网络空间插值能力在整体上要有优于基于邻近点RBF神经网络和普通克里金法。300样本下GARBF神经网络空间插值结果表明,高州市耕地表层土壤有效磷的盈余现象比较严重,并且盈余有效磷的流失对该地区水环境会产生严重的威胁。该研究结果可以为土壤属性空间估测、合理施肥以及降低水体非点源污染提供理论依据和技术支持。; 徐剑波宋立生夏振张桥胡月明; 关键词：土壤磷神经网络

基于GIS的耕地地力模糊变权评价研究被引量：4: 2012年; 引入基于均衡函数的变权理论对常权进行修正得到的变权,更能体现评价指标权重的真实性,使耕地地力的评价结果更具科学性。以高州市为研究试区,在GIS支持下,结合层次分析法和变权理论确定影响因子的最终权重,运用模糊综合评价法对耕地地力进行自动化、定量化评价,并分析其空间分布格局。结果表明:在该市58505.0278 hm2耕地中,一～八级地分别占总耕地的3.62%、18.27%、33.15%、26.96%、13.66%、3.29%、0.81%、0.24%,这一评价结果符合当地实际。该研究结果不仅直接应用于试区农业生产,而且为华南丘陵区开展耕地地力评价在方法上进行了有益探索。; 刘畅宋兆璞宋立生徐剑波; 关键词：耕地地力变权 GIS

全选清除导出

共1页<1>

广东省科技计划工业攻关项目(2009B020315012)