排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
针对“使用属于国家秘密基础测绘成果审批”事项，由于涉及成果发布、申请、审批、分发等多环节多办事人员协同办理，且申请用户填报信息真伪、办事材料权威性等无从考证等问题，造成办理时需要多次到场、多方求证、重复填报等问题，本文介绍了测绘成果服务平台建设过程中部门数据仓的构建、“标准+应用”元数据管理策略及基于QR编码的二维码跨网络信息传输等关键技术，解决了办事周期长、效率低下及材料的溯源、权威性等问题，同时能够支持省市县三级的“一站式”成果服务和审批分发，符合“最多跑一次”改革要求，对类似问题的研究具有参考价值。 相似文献
2.
数字土壤制图研究综述与展望 总被引：4，自引：0，他引：4
土壤的空间分布是土壤形成与发展过程的体现。数字土壤制图是一种新兴的、高效表达土壤空间分布的技术方法,在过去的30年取得了飞速发展。其理论基础为土壤成土因子学说和地理学第一定律。国内外学者在获取环境变量数据、采样方法、制图模型方法和土壤图产生及评价方面开展了大量的研究,应用案例也从小范围到大区域,甚至是全球尺度。未来数字土壤制图的发展方向包括：环境变量刻画的新技术,特别是体现人类活动方面的环境因子;新型数据和遗留数据的有效利用;土壤发生学知识与数学模型的紧密结合的新型推理方法;支持大数据多终端的计算模式。 相似文献
3.
土壤制图中多目标属性的环境因子及其尺度选择——以黑龙江鹤山农场为例 总被引：1，自引：0，他引：1
研究影响不同土壤属性空间分布的协同环境因子及其作用尺度,对于理解不同土壤属性的成土发展、土壤推测制图及针对多种土壤属性的空间采样设计具有重要意义。针对多种土壤属性,探索不同土壤属性的重要相关环境因子及其作用尺度,并就不同环境因子及其尺度的不同对土壤属性推测制图的影响展开研究。以黑龙江省鹤山农场为研究区,以表层砂粒、粉粒、黏粒、有机质含量和土壤厚度5种土壤属性为研究对象,根据计算邻域窗口大小的不同,生成173个不同尺度的地形因子,对单尺度地形因子和多尺度地形因子进行重要性排序,并根据重要性排序构建单尺度环境因子集1和多尺度环境因子集2,和基于专家知识选出的基准环境因子集3进行制图精度的对比。结果表明：当单尺度地形因子进行重要性排序选择时,所选出的5种土壤属性的重要相关环境因子与基准环境因子集3明显不同。当多尺度环境因子参与时,尽管对各土壤属性的作用尺度不同,各土壤属性排名靠前的因子绝大多数是基准环境因子。砂粒和粉粒的重要相关因子及作用尺度相当,但与黏粒的重要相关因子和作用尺度差别很大,有机质和土壤厚度的重要相关因子十分相似。环境因子集2较基准环境因子集3的制图精度显著提高,RMSE均值提高百分比为7.8%~21.3%,较环境因子集1的制图RMSE均值提高百分比为8.7%~16.5%。因此,针对不同的土壤属性进行制图或采样设计时,需充分考虑其环境因子和作用尺度的不同,针对基准环境因子选择适宜的尺度较选择不同的相关环境因子更重要。 相似文献
4.
中国亚热带丘陵山区植被沿海拔梯度分布格局(英文) 总被引：3，自引：0，他引：3
Knowledge of vegetation distribution patterns is very important.Their relationships with topography and climate were explored through a geographically weighted regression(GWR) framework in a subtropical mountainous and hilly region,Minjiang River Basin of Fujian in China.The HJ-1 satellite image acquired on December 9,2010 was utilized and NDVI index was calculated representing the range of vegetation greenness.Proper analysis units were achieved through segregation based on small sub-basins and altitudinal bands.Results indicated that the GWR model was more powerful than ordinary linear least square(OLS) regression in interpreting vegetation-environmental relationship,indicated by higher adjusted R 2 and lower Akaike information criterion values.On one side,the OLS analysis revealed dominant positive influence from parameters of elevation and slope on vegetation distribution.On the other side,GWR analysis indicated that spatially,the parameters of topography had a very complex relationship with the vegetation distribution,as results of the various combinations of environmental factors,vegetation composition and also anthropogenic impact.The influences of elevation and slope generally decreased,from strongly positive to nearly zero,with increasing altitude and slope.Specially,most rapid changes of coefficients between NDVI and elevation or slope were observed in relatively flat and low-lying areas.This paper confirmed that the non-stationary analysis through the framework of GWR could lead to a better understanding of vegetation distribution in subtropical mountainous and hilly region.It was hoped that the proposed scale selection method combined with GWR framework would provide some guidelines on dealing with both spatial(horizontal) and altitudinal(vertical) non-stationarity in the dataset,and it could easily be applied in characterizing vegetation distribution patterns in other mountainous and hilly river basins and related research. 相似文献
1