排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
开展特定区域水稻种植产业布局是科学制定区域农业种植产业规划的重要内容,而水稻种植适宜性评价是水稻种植产业布局的前提。本文以中国好粮油示范县——福建省浦城县为研究区,基于层次分析模型构建土壤条件、立地条件、灌排条件、气候条件和机械耕作条件5大类共21个指标的水稻种植适宜性评价体系,利用地学模型、回归模型和空间插值等方法计算、模拟评价指标空间分布数据,形成5 m×5 m分辨率的评价指标栅格数据集,基于经验指数法建立适宜度指数模型,开展精细尺度下的水稻种植环境综合适宜性评价。利用实测样点水稻产量与水稻种植环境综合适宜度指数进行分析,发现二者呈显著正相关,验证了本研究评价工作的正确性和可行性。最后利用K-means属性聚类法识别研究区水稻种植多维环境适宜性的空间模式。结果表明：① 研究区水稻种植高度适宜、较适宜、中度适宜耕地面积占全县耕地面积的84.4%,次适宜耕地仅占15.6%,耕地整体适宜性较高;② Ⅰ类集聚区水稻种植综合适宜性和各类指标适宜性均较高;Ⅱ类集聚区水稻种植综合适宜性较高,但灌排条件适宜性很低;Ⅲ类集聚区水稻种植综合适宜性较高,但立地、土壤条件适宜性较低;Ⅳ类集聚区水稻种植综合适宜性较低,灌排条件适宜性最低。本研究可为水稻种植适宜性评价提供方法借鉴,并为浦城县更合理科学地开展农业种植规划提供依据。 相似文献
2.
城市内部PM2.5浓度分布具有明显的空间异质性,而传统方法基于遥感数据或监测站点数据进行分析,难以揭示高时空分辨率下城市内部的PM2.5浓度分布特征,缺少不同时刻城市场景（如：道路、工业区、住宅区等）对PM2.5浓度复杂非线性影响的解析。本研究将移动监测传感器安装于快递车上,采集福州市主城区南部不同类型场景的PM2.5浓度,然后融合地理加权回归（Geographical Weighted Regression, GWR）和梯度提升决策树（Gradient Boosting Decision Tree, GBDT）方法,提出一种基于GWR-GBDT的PM2.5模拟与场景解析模型,能够较好地拟合气象、场景因素与PM2.5浓度的非线性关系,提升了城市PM2.5污染精细监测能力;并结合部分依赖图解析不同时段不同场景因素对PM2.5浓度的非线性作用影响。结果表明：① 基于移动PM2.5浓度监测数据,利用GWR-GBDT模型能够较好地模拟城市场景、气象和PM2.5浓度之间的非线性关系,能够有效精细模拟PM2.5浓度的空间分布,十折验证R2结果为0.52~0.94;② 通过部分依赖图分析同一场景在不同时段对PM2.5浓度响应的异质性,发现各类场景对PM2.5浓度提升或抑制作用并不稳定;③ 解析不同时段人类活动与城市场景对PM2.5浓度的交互作用发现,教育医疗单位和住宅区两类场景对PM2.5浓度的提升作用都与人类通勤有密切关系,高污染场景中的建筑工地在采取的洒水降尘措施后能在数小时内有效缓解PM2.5污染,公园文体服务区在多数时段对PM2.5浓度具有抑制作用,工业区和道路多数时段会致使对PM2.5浓度提升;④ 从PM2.5浓度的空间分布来看,福州市主城区南部PM2.5浓度总体呈现东南高-西北低的分布趋势,建筑工地、道路和工业区场景轻度以上污染面积占比明显高于其他场景,公园场景总体PM2.5浓度较低,山体公园傍晚会受到周边工业区的影响而导致PM2.5浓度升高,而城市陆地外围水域对沿岸PM2.5浓度具有抑制作用;⑤ 研究结果可为不同场景下PM2.5污染精细化治理、城市规划以及老人、儿童等高危人群的PM2.5污染暴露风险防范提供支持。 相似文献
1