广西土壤有机质空间变异特征及其影响因素研究   总被引：2，自引：0，他引：2  

钟聪  李小洁  何园燕  邱微文  李杰  张新英  胡宝清 《地理科学》2020,40(3):478-485

基于广西第二次土壤普查的270个土壤剖面资料,结合1∶50万数字化土壤类型图、土地利用类型图和气象监测数据等资料,利用地统计学和逐步回归分析等方法对广西表层土壤有机质空间变异特征及其影响因素进行了探究。结果表明：广西表层土壤有机质平均含量为3.11±2.19%,变异系数为70.72%,空间分布呈北高南低的趋势。广西表层土壤有机质空间分布受到自然和人为因素的共同影响,土壤类型、成土母质、海拔、土地利用、气候和坡度6个环境因子对全区土壤有机质含量变异的综合解释能力为47.9%。其中,土壤类型是最重要的影响因素,能独立解释其变异的36.0%,海拔和成土母质分别能独立解释28.5%和15.8%。气温对广西土壤有机质空间分布的影响比降水量更加显著,从而造成了广西土壤有机质整体呈南低北高的趋势。同时,土壤有机质对气温的敏感性在一定程度上受到降雨量的制约。此外,研究区农业耕作管理等因素对土壤有机质的影响也不容忽视。  相似文献   

海南省连片贫困地区农户致贫风险分析   总被引：4，自引：1，他引：3  

张金萍  宋伟  林丹  余珍鑫  李庭筠  罗邱戈  程叶青 《地理科学》2020,40(4):608-616

农村贫困与减贫是世界性难题,也是中国各级政府高度重视并着力解决的重大民生问题。基于农户及致贫风险的文献梳理,从区位、社会和劳动力3个要素维度构建了农户致贫风险分析的二元Logistic回归模型。采用484户农户问卷调查数据,分析了海南省连片贫困地区农户的致贫风险,提出有效减贫和持续发展对策。研究发现:① 海南连片贫困地区生态环境良好但贫困发生率较高,家庭劳动力较充裕但受教育水平较低,子女教育支出负担重,因病因残致贫比例较高,女性务工人口较多,农户自身脱贫致富的发展动力不足。② 海拔高度200 m以下、男性户主、拥有残疾或患病成员、务工人口比例低、女性务工人员占比高、以及单位劳动力供养学生数高的农户具有更大的致贫风险。③ 研究未发现女性户主、少数民族、低受教育水平户主、大型规模家庭有更高的致贫风险,女性成员比例、抚养比等因素对农户贫困影响较小。激发农户内生动力、大力发展特色化和规模化农业、增加农户就业机会、加强针对农民工、女性务工人员和病残群体的社会保障等减贫政策制定实施是实现脱贫攻坚目标的重要途径。  相似文献   

不锈钢纤维网对热压铁基预合金胎体抗冲击韧性的影响          下载免费PDF全文

孙吉伟  吴海霞  沈立娜  杨甘生 《探矿工程》2020,47(2):73-77

针对孕镶金刚石钻头在孔底钻进时受到各种冲击力而导致胎体出现裂纹甚至断裂的问题，提出了应用不锈钢纤维网提高胎体抗冲击韧性的方法。通过控制纤维网的摆放位置、目数和层数3个变量，测试了不同组合变量下的胎体抗冲击韧性。通过试验得到：（1）不锈钢纤维网能有效提高胎体的抗冲击韧性，而且X轴位置效果更好；（2）当纤维网的目数相同时，胎体抗冲击韧性随纤维网层数的增加而减小；（3）在纤维网层数相同的情况下，随着纤维网目数的增加，胎体抗冲击韧性呈现先增大后减小的趋势。当添加30目单层纤维网时，胎体的抗冲击韧性达到最大值。通过观察冲击断口、分析胎体断裂机理，解释了出现这种规律的原因，并提出了进一步优化胎体抗冲击韧性的方法。  相似文献   

民间信仰载体的地域格局及其影响因素——以兰州市榆中县祠庙文化为例          下载免费PDF全文

宋周莺  虞洋  梁龙武  马振邦 《干旱区地理》2019,42(2):363-375

以祠庙祭祀为主体且祠庙保存良好的民间信仰是甘肃陇中地区民间文化的重要组成。甘肃陇中地区的民间信仰具有很强的趋同性，本文以陇中地区的榆中县为例，以各村的祠庙为民间文化载体，通过核密度分析、Logistic回归等方法探讨榆中县民间文化载体的空间分布及其影响因素对于探讨陇中地区人地关系，保护和弘扬民俗文化有着重要意义。研究结果表明：（1）根据已有研究将榆中县民间信仰归纳为山神信仰、水神信仰、天地信仰、女性信仰、英雄崇拜和祖先崇拜，祖先崇拜的祠庙数量占有重要地位；（2）榆中县祠庙主要分布在西北黄河南岸、中部陇海铁路沿线及南部风景名胜集聚区，村级层面空间差异不显著、乡镇空间差异相对较大。通过核密度分析，不同类别民间信仰空间分布热点各有不同；（3）榆中县民间信仰空间分布受到区位条件限制，民间信仰的祠庙多位于海拔高度较低、人口密度较大、交通可达性较好的地区，坡度和到水源的距离成为山神信仰和水神信仰祠庙空间分布显著的影响因子，榆中县祠庙呈现出山神信仰类祠庙“依山”，水神信仰类祠庙“傍水”的空间特点。  相似文献   

珠江三角洲地区登革热流行风险空间模拟与预测     

郑斓  任红艳  施润和  鲁亮 《地球信息科学学报》2019,21(3):407-416

近年来日益严重的登革热疫情已在中国南部地区形成疫情高发区,并对中国的公共卫生安全形成了一定的威胁。登革热主要受到区域内复杂的自然环境条件以及社会经济因素的影响,而利用地理空间分析方法和模型探究登革热疫情的影响因素,并对其未来流行风险的空间分布进行模拟,是有效开展登革热预防控制工作的重要基础。本文收集了珠江三角洲地区2010-2014年的登革热病例资料和土地利用、人口密度两种社会经济要素数据,构建土地利用回归（LUR）模型以分析登革热疫情与不同空间范围内的土地利用和人口密度之间的关系,并结合SLEUTH模型获取的2030年土地利用数据以及基于人口密度预测模型获取的2030年人口密度数据,预测珠江三角洲地区2030年登革热疫情风险的空间分布。结果表明,社会经济要素对登革热疫情空间分布的影响在不同范围内存在差异,半径分别为10、7、10、2和1 km的缓冲区内的人口密度、草地、城镇用地、林地和耕地进入LUR模型并对疫情有显著的影响（相关系数分别为0.779、-0.473、0.818、-0.642和-0.403）,所构建的LUR模型效果较好（调整R²为0.796,F=390.409,P<0.01）,留一交叉检验结果显示模型的相对均方根误差为0.7046,预测值与实测值的拟合精度达到0.7101。2030年城市空间扩展的区域主要分布在深圳、东莞以及广佛的交界地区,而登革热风险预测模型表明2030年登革热疫情风险较大的区域与珠江三角洲城镇用地占比、人口分布较高的地区有高度的一致性,尤其是广佛地区。因此,LUR模型可以较好地预测登革热疫情的空间分布,从而为当地卫生部门防控登革热提供方法支持。  相似文献   

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究     

符海月  张祎婷 《地球信息科学学报》2019,21(7):1132-1142

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。  相似文献   

规则池塘群的复杂直线模式识别     

刘呈熠  武芳  巩现勇  行瑞星  罗登瀚 《测绘学报》2020,49(2):256-266

针对现有面要素直线模式识别方法难以解决规则池塘中破碎区域的问题,提出了一种规则池塘群的复杂直线模式识别方法。首先,分析了规则池塘群的空间特征和认知特点,提出了“主次关系→并列关系→直线模式→复杂直线模式”的多层次认知顺序;其次,设计了主次关系池塘组、并列关系池塘组、直线模式池塘群的识别方法;最后,构建了复杂直线模式池塘群的识别模型。试验表明:本文方法能够消除破碎区域对规则池塘群直线模式提取的不利影响,有效提升复杂直线模式识别的质量。  相似文献   

多重加密格网内插法坐标转换   总被引：1，自引：0，他引：1  

李旺民  李秀龙  王东阁  马德富  陈文相  刘亚楠 《测绘通报》2020,(10):118-122

我国CGCS2000坐标系启用后，各地均面临着大批量、多类型、多坐标系成果数据坐标转换的需求，而国家大地坐标系、地心坐标系及独立坐标系之间的转换参数属于绝密级别，保密要求高，因此给实际应用带来了困难。顾及与参数法坐标转换成果的一致性及数据的安全要求，本文提出了多重加密格网内插坐标转换方法，研制了适用于多种数据格式的二/三维格网坐标转换软件，并将该算法应用于CORS服务，通过实例验证了该方法的可靠性与实用性。  相似文献   

How do machine learning techniques help in increasing accuracy of landslide susceptibility maps?     

《地学前缘(英文版)》2020,11(3):871-883

Landslides are abundant in mountainous regions.They are responsible for substantial damages and losses in those areas.The A1 Highway,which is an important road in Algeria,was sometimes constructed in mountainous and/or semi-mountainous areas.Previous studies of landslide susceptibility mapping conducted near this road using statistical and expert methods have yielded ordinary results.In this research,we are interested in how do machine learning techniques help in increasing accuracy of landslide susceptibility maps in the vicinity of the A1 Highway corridor.To do this,an important section at Ain Bouziane(NE,Algeria) is chosen as a case study to evaluate the landslide susceptibility using three different machine learning methods,namely,random forest(RF),support vector machine(SVM),and boosted regression tree(BRT).First,an inventory map and nine input factors were prepared for landslide susceptibility mapping(LSM) analyses.The three models were constructed to find the most susceptible areas to this phenomenon.The results were assessed by calculating the receiver operating characteristic(ROC) curve,the standard error(Std.error),and the confidence interval(CI) at 95%.The RF model reached the highest predictive accuracy(AUC=97.2%) comparatively to the other models.The outcomes of this research proved that the obtained machine learning models had the ability to predict future landslide locations in this important road section.In addition,their application gives an improvement of the accuracy of LSMs near the road corridor.The machine learning models may become an important prediction tool that will identify landslide alleviation actions.  相似文献   

Swelter in the city: Urban greenery and its effects on temperature in Guwahati,India     

Monjit Borthakur  Anup Saikia  Kiran Sharma 《Singapore journal of tropical geography》2020,41(3):341-366

Changing urban landscape with multistoried high rises, roads and pavements is continuously reducing urban green space. These structures result in high surface temperature variation within cities. To explore the relationship between surface temperature and normalized difference vegetation index (NDVI), this study estimates two models—geographically weighted regression (GWR) and a fixed effect panel data model in relation to the Guwahati Metropolitan Area (GMA), a secondary city in north east India. The results indicate the superiority of GWR regression in presence of spatial dependence. Panel data analysis shows that the densely populated urban areas in the GMA with less than 10 per cent greenery are 1°C warmer than the sub-urban areas with 50 per cent greenery.  相似文献