排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
根据北方蔬菜种植生育期特点,选择7~8月份的高分1号(GF1)融合影像、10月份的16 m宽覆盖的GF1影像以及8月份Rapid Eye融合影像,结合耕地本底数据开展提取秋季菜田信息的技术流程研究,并对2013年和2014年大兴区秋季菜田进行了动态监测,同时结合气象等数据分析其时空分布规律和变化原因。 相似文献
2.
人口空间化是实现人口统计数据与其他环境资源空间数据融合分析的有效途径。本文选取夜间灯光数据、道路网数据、水域分布数据、建成区数据、数字高程模型和地形坡度数据作为影响珠江三角洲人口分布的变量因子,利用随机森林模型对珠江三角洲2010年人口数据进行了30 m格网空间化,并将模拟结果与三个公开数据集作精度对比,最后基于随机森林模型的变量因子重要性分析珠江三角洲人口空间分布的影响因素。结果表明：本文模拟整体精度达到82.32%,均优于WorldPop数据集以及中国公里网格人口数据集,接近GPW数据集,而且在人口密度中等区域模拟精度最高;通过对变量因子重要性进行度量,发现夜间灯光强度是珠江三角洲人口分布的最重要指示性指标,到水域的距离、到建成区的距离和路网密度对珠江三角洲人口分布均具有重要作用。利用随机森林模型结合多源信息能够实现高空间分辨率的人口空间化,可为精细化城市管理提供重要数据源,也可为相关政策决策制定提供支持。 相似文献
3.
快速准确地提取高山林线对标定全球气候变化、科学管理森林资源具有重要意义。秦岭高山林线位于高海拔的生态交错带,垂直带谱分布明显,为本文提供了理想的试验区域。遥感技术具有重访周期短、观测范围大和不受地理环境等条件限制的特点,克服了传统实地调查方法效率低、成本高等缺点。本文基于全球首套30 m空间分辨率森林覆盖数据,结合数字高程模型以及秦岭山脉分布数据,提出一种基于遥感的自动提取高山林线的算法;结合高分辨率的Google Earth影像和GPS地面站点观测数据以及NDVI数据,验证高山林线提取结果的准确性;基于高程数据系统分析研究区高山林线分布与地形特征的关系。结果表明：（1）本文结果与Google Earth影像中实际林线分布基本一致,进一步说明本文提出的林线搜索算法的优越性;（2）秦岭林线高程分布特征呈现显著的坡向差异,呈现南坡林线高于北坡,东坡林线高于西坡的特征。鉴于遥感技术的大范围对地观测的能力,以及卫星影像数据较高的数据质量和易获取性,本文提出的分块迭代搜索策略适用于寻找不同级别的高山林线分布,可进一步推广至全球高山林线制图研究,以期为全球山地生态系统监测、保护和恢复提供技术支撑。 相似文献
4.
选取东南亚中南半岛地区作为模拟区域，基于高分辨率的遥感观测森林变化数据和WRF数值模式，设计毁林前后的两种情景对旱季气候进行模拟，评估NoahMP、CLM和Noah mosaic三种陆面过程方案对热带毁林增温响应的模拟能力。结果表明，CLM方案在模拟历史气温中有着更好的表现，Noah mosaic方案的结果存在明显低估。然而，对比毁林前后两种情景的模拟结果，本文发现，只有采用了"次格网"方式的Noah mosaic方案较好地模拟出毁林增温响应特征。在格网尺度采用"主导类型"计算方式的NoahMP方案没有合理地呈现出森林损失对区域气候的影响。理论上，CLM模式在计算中同时考虑格网内所有植被类型，然而本文发现CLM方案在主导类型不变的格网对森林损失比例不敏感，而且对毁林反馈的模拟结果与NoahMP方案的结果更接近。据此推测，在WRF模式耦合CLM方案的过程中，格网内参数处理方式可能产生了错误，实际采用的是"主导类型"方式。在模拟土地覆盖类型变化对气候的影响时，本文推荐使用Noah mosaic方案。同时，建议在未来版本的WRF模型中修正目前耦合的CLM方案关于次格网方法的处理方式，提供更合理的水热通量模拟。 相似文献
1