排序方式: 共有204条查询结果,搜索用时 46 毫秒
31.
细颗粒物(PM2.5)即粒径小于2.5μm的可吸入颗粒物[1],是当今中国城市大气污染的首要污染物。本研究以北京市为例,选取北京市2010年至2012年三年内采暖期与非采暖期两个不同时期的细颗粒物(PM0.3,PM0.5,PM1)实测数据,及同时期北京市患呼吸系统疾病人数数据,运用地统计的空间分析方法,对获取数据进行空间化及插值研究。通过偏相关分析法对北京市细颗粒物浓度与患呼吸系统疾病人数数据进行相关分析。得出以下主要结论:①细颗粒物的空间变化明显,2010年、2011年及2012年细颗粒物浓度整体呈上升趋势,2012年三种粒径细颗粒物浓度整体高于2010年与2011年。②不同粒径的细颗粒物,对呼吸疾病的影响程度不同:在0.3μm,0.5μm与1μm三种粒径的细颗粒物中,PM1对呼吸系统疾病影响最大,偏相关系数达到0.785。 相似文献
32.
33.
人类活动对越冬大天鹅(Cygnus cygnus)栖息地的负面影响日益加剧,以黄河三门峡水库为例,由于越冬大天鹅缺少可利用的栖息地,大天鹅越冬时过高的种群密度导致了禽流感疫情的发生,直接威胁着越冬大天鹅的生存和繁衍。大天鹅栖息地选择研究是其栖息地修复和种群分布研究的基础。从影响越冬大天鹅选择栖息地的水源、食物、干扰、隐蔽物4方面选择了10个可能因子,探讨越冬大天鹅栖息地选择机制。利用2015年11月至2016年2月越冬大天鹅分布实测数据,考虑到大天鹅分布的"1-0"型特点,采用Logistic回归模型,开展研究。利用遥感和GIS空间分析技术,提取变量,经显著性检验,最终筛选出用于建立模型的7个变量,其贡献率水平从高到低依次为与投食点的距离、与水体的距离、与小麦地的距离、与道路的距离、土地利用类型、归一化植被指数和坡度。通过建立不同土地利用类型的回归模型,预测越冬大天鹅出现概率的空间分布,与观测值建立误差错判矩阵,得到的Kappa系数为0.78。在三门峡水库,由于冬季食物匮乏,大天鹅在越冬期多选择靠近人类投食点和种植冬小麦的区域,其主要越冬栖息地的土地利用类型为植物覆盖较少、坡度较缓的开阔坑塘水面、滩地和洪泛湿地。 相似文献
34.
新平县因其特殊的地理和地质环境,地质灾害高发。采用ETM753与全色波段融合的空间分辨率为15m的遥感图像作为解译的底图,提取四级线性构造信息,应用地理信息系统构建标准格网对线性构造的频率和密度进行分析,配以方位频率、方位密度和平均方位密度统计,采用盒计维数法获取线性构造分维特征,将地质灾害与线性构造分析统计结果作叠加分析,研究表明:区内的线性构造主要分布在中部和东部频率值为3条,4km^2~8条/4km^2和密度值为3~4km/4km^2的区域,NE-SW和NNW-SSE向的线性构造主要控制不稳定斜坡和滑坡发育,NW-SE向线性构造主要控制泥石流发育,全县的线性构造分维值在中国西南地区偏高为1.760。验证了线性构造与地质灾害的正相关性。 相似文献
35.
36.
空间数据增量信息提取是空间数据库增量更新的基础,而要素几何匹配则为空间数据增量信息提取的关键流程之一。针对面状要素几何匹配时所产生的单一匹配算子匹配准确度低,以及多算子加权匹配算法匹配效率低、冗余度高、结果不准确等情况,本文提出一种基于多层次匹配的面状要素几何匹配算法。该算法以反映面状要素位置、大小、形状特征的质心匹配算子、面积重叠度算子以及转向角函数匹配算子为基础,并按各算子复杂度进行层次匹配规则设计,以提高算法效率、保证匹配的准确性。本文通过2种方法进行对比实验,结果表明:层次匹配算法匹配完整度和准确度均能达到90%以上,可以很好地进行面状要素几何匹配;与加权匹配方法相比效率更高,代价更小,且所得匹配结果比加权匹配方法所得结果更加准确。 相似文献
37.
38.
39.
都江堰震后土地利用/覆被变化信息提取方法研究 总被引:3,自引:0,他引:3
快速和精确评估"5·12"汶川地震后的土地利用/覆被变化对科学减灾、灾后重建及生态环境恢复具有重要意义。常规方法从遥感图像上提取土地利用/覆被变化信息时,多以研究区整体为处理对象,直接对全图像进行分类提取,容易忽略地形地貌和地质构造等背景因素对分类结果的影响。本文以都江堰为试验区,根据地质构造展布特征及地形地貌发育形态将其分成平原区(Ⅰ区)、低山区(Ⅱ区)、中高山区(Ⅲ区)和高山区(Ⅳ区)。对Ⅰ区采用ISODATA方法进行非监督分类;对Ⅱ区和Ⅲ区分别采用最大似然(ML)分类法进行监督分类;对Ⅳ区采用人机交互解译方法进行分类。试验结果表明,基于地理地质环境的分块分类方法是高效、精确的。 相似文献
40.
基于RS与GIS技术的泸定县植被空间分布分析 总被引:2,自引:0,他引:2
以四川省泸定县为分析研究区域,综合运用遥感图像处理技术与GIS空间分析技术,用ETM+遥感影像获取归一化植被指数(NDVI)信息并反演植被覆盖度,用地形图等高线生成数字高程模型(DEM)并提取地形因子。借助叠合分析法,讨论植被覆盖度与海拔高度、坡度、坡度变率、坡向、坡向变率5种地形因子的空间关系,得到泸定县关于地形因子的各等级植被空间分布特征。分析对地植物学中高山峡谷地区植被的地形格局分布规律研究与生态环境的评价与改良都具有重要的参考价值。 相似文献