乡村农户旅游适应效果、模式及其影响因素——以西安市和咸阳市17个案例村为例     

何旭  杨海娟  王晓雅 《地理研究》2019,38(9):2330-2345

乡村旅游地面临人地交互作用的剧烈变迁,内部要素适应社会-生态系统变化,趋利避害降低脆弱性具有重要现实意义。本文重新界定基于恢复力和脆弱性的农户适应性理论内涵,构建旅游开发适应力指标体系,以西安市和咸阳市17个不同类型的城郊型乡村旅游地为例,评价和分析农户旅游适应效果与空间差异规律,探讨和归纳适应行为与对策模式,建立BP神经网络辨别和揭示适应性影响因素与重要性关系。研究表明：① 西安市和咸阳市农户适应旅游开发综合效果呈现中等偏下水平的偏态分布趋势,分别处于旅游地生命周期快速发展阶段和探索起步阶段。② 乡村旅游地农户适应效果形成“圈层辐射、两翼包络、外围联动”的县域尺度空间分布格局;村域尺度圈层分化现象显著。③ 经营模式划分的旅游乡村农户适应效果股份制模式>“公司+农户”模式>“政府+公司+农户”模式>个体农庄模式>“农户+农户”模式;常年外出务工和农家乐经营是农户主要适应行为选择,季节性务工、本地上班以及农业生产是辅助适应行为选择,且适应行为组合方式表现为旅游专营型、旅游主导型、均衡兼营型、务工主导型和务农主导型五种适应对策模式。④ 旅游发展机会认知、技能培训机会、社会联结度、劳动力总量、政策知晓度、旅游就业人数、收入来源种类、生活主要能源、受教育程度、公共服务设施是农户主要旅游适应性影响因素。据此,提出后续社会-生态整合研究亟需突破方向和适应旅游开发的政策路径。  相似文献   

深度神经网络拾取地震P和S波到时   总被引：8，自引：0，他引：8       下载免费PDF全文

于子叶  储日升  盛敏汉 《地球物理学报》2018,61(12):4873-4886

从地震波形数据中快速准确地提取各个震相的到时是地震学中的基础问题.本文针对上述问题提出了利用深度神经网络拾取到时的新方法，建立了用于地震到时提取的17层Inception深度网络模型，在对原始三分量数据进行高通滤波和归一化处理后输入网络直接输出到时信息.整个过程基于神经网络自适应提取波形特征，自动输出结果.通过对100组加了不同强度的噪声数据进行了可靠性检验，相比于其他方法神经网络方法对于噪声具有较高的容忍度以及稳定性，并且与地震目录数据有较高的相似性.相比于AR-AIC+STA/LTA，深度神经网络虽然运算速度稍慢，但整个过程不需设定时窗与阈值，同时具有更高的可用性，并且可以迭代升级以提高精度.此方法作为人工智能方法，为波形到时拾取提供了新思路.  相似文献   

基于卷积神经网络与条件随机场方法提取乡镇非正规固体废弃物     

刘懿兰  黄晓霞  李红旮  柳泽  陈崇  王新歌 《地球信息科学学报》2019,21(2):259-268

随着村镇经济建设发展,生活垃圾和工业固体废弃物造成的污染问题日益突出,已经成为制约新农村建设发展和生态文明建设的关键问题,而目前针对乡镇非正规固体废弃物的调查与统计主要依赖全国各乡镇相关部门逐级调查上报,工作量较大。本文基于高分辨率遥感影像,将深度学习模型和条件随机场模型相结合引入到乡镇固体废弃物的提取研究中,探索一种基于深度卷积神经网络的乡镇固体废弃物提取模型。由于固体废弃物在影像上表现为面积小,分布破碎等特点,为了提高工作效率,将模型特分为识别和提取2个部分：① 通过全连接卷积网络（CNN）对固体废弃物进行快速识别判断,筛选感兴趣区域影像块;② 在传统的全卷积神经网络(FCN)的基础上加入条件随机场模型(CRF)提取固体废弃物边界,提高整体分割精度。根据安徽、山西等地区相关部门上报固体废弃物堆放点以及住房与城乡建设部城乡规划管理中心进行野外检查的结果,实验最终识别精度达到86.87%以上;形状提取精度为89.84%,Kappa系数为0.7851,识别与提取精度均优于传统分类方法。同时,该方法已经逐步应用于住房和城乡建设部有关成都、兰州、河北等部分乡镇非正规固体废弃物的核查工作,取得了较为满意的结果。  相似文献   

基于SMAP卫星雷达资料的海冰密集度反演技术研究   总被引：1，自引：0，他引：1  

闻斌  周旋  种劲松  石立坚  叶小敏 《海洋学报》2018,40(6):29-39

SMAP是美国于2015年初发射的一颗卫星，搭载了L波段的雷达。它采用圆锥扫描方式，具有固定的入射角、较大的幅宽和千米级的分辨率，在海冰监测方面具有独特的优势。本文利用SMAP卫星雷达资料分别与德国Bremen大学海冰密集度产品和美国国家冰雪数据中心（NSIDC）海冰密集度产品建立3.125 km和25 km匹配数据集，分析了L波段雷达后向散射系数、极化比和归一化极化差与海冰密集度之间相关性，建立基于人工神经网络的海冰密集度反演算法。为了验证SMAP卫星雷达资料反演海冰密集度的精度，本文选择德国Bremen大学和美国冰雪数据中心发布的海冰密集度产品分别与SMAP海冰密集度产品进行对比分析，SMAP海冰密集度与Bremen海冰密集度的偏差为0.07、均方根误差为0.14；与NSIDC海冰密集度的偏差为0.04、均方根误差为0.18，这表明SMAP海冰密集度产品与现有业务化海冰密集度产品具有很好的一致性。  相似文献   

基于神经网络模型的湛江湾水体有色溶解有机物的遥感估算     

余果  付东洋  刘大召  刘贝  廖珊  王立安  张小龙 《海洋科学》2018,42(9):73-80

有色溶解有机物(Colored Dissolved Organic Matter, CDOM)是水体中重要的水质参数之一,是水色遥感的重要研究对象,如何构建适合特定区域的近海二类水体CDOM反演模型一直是国内外研究难点。本文利用2017年5月26～29日对南海西北部海域湛江湾20个站位采集的水样和测量的光谱资料,分析归一化遥感反射率与CDOM浓度a_g(400)的相关性,发现最大负相关系数出现在586nm处,选择580、585、590、595nm这四个波段处的归一化遥感反射率与a_g(400)建立了多元线性回归模型、BP(Back-Propagation)神经网络模型和RBF(Radial-Basis Function)神经网络模型,并与其他算法模型进行对比分析。结果发现, BP和RBF神经网络模型的平均相对误差和均方根误差均远小于多元线性回归模型和其他算法模型,神经网络模型的预测值与实测值拟合效果要优于多元线性回归模型。研究表明,神经网络模型更适合于湛江湾有色溶解有机物的遥感估算。  相似文献   

地震油气储层的小样本卷积神经网络学习与预测   总被引：2，自引：0，他引：2       下载免费PDF全文

林年添  张栋  张凯  王守进  付超  张建彬  张冲 《地球物理学报》2018,61(10):4110-4125

地震储层预测是油气勘探的重要组成部分，但完成该项工作往往需要经历多个环节，而多工序或长周期的研究分析降低了勘探效率.基于油气藏分布规律及其在地震响应上所具有的特点，本文引入卷积神经网络深度学习方法，用于智能提取、分类并识别地震油气特征.卷积神经网络所具有的强适用性、强泛化能力，使之可以在小样本条件下，对未解释地震数据体进行全局优化提取特征并加以分类，即利用有限的已知含油气井段信息构建卷积核，以地震数据为驱动，借助卷积神经网络提取、识别蕴藏其中的地震油气特征.将本方案应用于模型数据及实际数据的验算，取得了预期效果.通过与实际钻井信息及基于多波地震数据机器学习所预测结果对比，本方案利用实际数据所演算结果与实际情况有较高的吻合度.表明本方案具有一定的可行性，为缩短相关环节的周期提供了一种新的途径.  相似文献   

基于深度学习理论的无人机影像分类     

阳成 《北京测绘》2020,(4):481-484

针对无人机影像深度学习分类方法缺乏现状,本文利用深度学习理论卷积神经网络方法对无人机影像进行了分类。该法首先抽取无人机影像作为训练集和检验集,然后建立一个2个卷积层-池化层的卷积神经网络模型进行深度学习,通过设定参数并运行模型实现无人机影像分类。实验表明,本文提出的方法可完成较复杂地区无人机影像分类,其分类精度与支持向量机方法相当,为无人机遥感影像分类提供了一个崭新的技术视点。  相似文献   

基于广义回归神经网络的全球表层海水1°×1°二氧化碳分压数据推演     

钟国荣  李学刚  曲宝晓  王彦俊  袁华茂  宋金明 《海洋学报》2020,42(10):70-79

表层海水二氧化碳分压是评估海洋碳源汇强度的关键参数，但其实测数据较少、时空分布极不均匀，导致二氧化碳交换通量的估算有很大的不确定性，海洋源汇特征就不能确切获取。为了解决这个难题，在收集的表层大洋二氧化碳地图(Surface Ocean CO₂ Atlas，SOCAT)实测数据集基础上，运用广义回归神经网络建立二氧化碳分压与经纬度、时间、温度、盐度和叶绿素浓度间的非线性关系，构建了1998?2018年间全球1°×1°经纬度的表层海水二氧化碳分压格点数据，其标准误差为16.93 μatm，平均相对误差为2.97%，优于现有研究中的前反馈神经网络、自组织映射神经网络和机器学习算法等方法。根据构建的数据所绘制的全球表层海水二氧化碳分压的分布与现有研究有较好的一致性。  相似文献   

基于大数据分析下的气候模型     

张宸豪  冯曦  冯卫兵  刘涛  丁坤 《海洋科学》2020,44(10):1-11

为研究全球变暖与极寒天气间的关系，对加拿大13个省代表性测站10年的观测数据进行时空变化趋势分析，采用经验正交函数（EOF）寻找海洋表面温度历史数据的变化规律。另外利用BP神经网络建立了年平均温度、日降水量与地球吸热、散热、海表面温度、当地纬度间的关系，预测未来25年气候的变化，并建立了“极寒天气”与气候变化的关系模型。研究表明：高纬度地区温度、降水量普遍较低，同经度地区的温度差异较小且降水量变化不大；加拿大地区温度呈周期性变化，符合北半球的季节变化特征；北大西洋的东部与其他海洋的温度是反相关的，西太平洋南北回归线附近的海洋表面温度升高；“极寒天气”出现频率与气候变化有一定关系，局地极寒现象与全球变暖的大趋势并不矛盾。本研究为人们认识和理解“全球变暖”提供了一个新的思路。  相似文献   

基于机器学习的海洋环境预报订正方法研究     

许立兵  王安喜  汪纯阳  陈悦  陈昱文  周峥  陈幸荣  邢建勇  刘克威  黄小猛 《海洋通报》2020,39(6):695-704

结合中尺度数值模式 WRF 预报数据和 ERA5 再分析资料，利用机器学习方法对 WRF 预报场的风场、温度、气压进行预报订正。采用 ERA5 作为真值，与原始 WRF 预报相比，利用随机森林模型可以将预报结果整体均方根误差降低 44%以 上，利用深度神经网络模型可以将预报结果整体均方根误差降低 34%以上。通过随机森林模型实验得到不同输入特征对预报要素的影响程度，分析了关键的预报订正因子。  相似文献