期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
河南省土壤侵蚀时空分异特征及土壤保持经济价值 被引量:5
1
作者 王美娜 范顺祥 +3 位作者 舒翰俊 张建杰 褚力其 法玉琦 《生态环境学报》 CSCD 北大核心 2024年第5期730-744,共15页
掌握土壤侵蚀时空变化特征及其经济价值对流域综合治理和土壤保持功能的稳定发挥具有重要意义。现有研究通常采用多时相土壤侵蚀空间分布图的叠加和当量法来探讨土壤侵蚀的时空格局及其经济价值,往往忽视了土壤侵蚀的空间分异性和动态... 掌握土壤侵蚀时空变化特征及其经济价值对流域综合治理和土壤保持功能的稳定发挥具有重要意义。现有研究通常采用多时相土壤侵蚀空间分布图的叠加和当量法来探讨土壤侵蚀的时空格局及其经济价值,往往忽视了土壤侵蚀的空间分异性和动态性。以河南省为例,基于RUSLE模型,通过降雨、土壤颗粒组成、土地利用类型、数字高程和遥感影像等数据确定模型中的参数因子定量分析2000-2020年区域内的土壤侵蚀时空分布特征,同时结合探索性空间数据分析ESDA和地理探测器方法探讨土壤侵蚀热点区域及其驱动因素,并采用替代成本法评估土壤保持功能及其经济价值。结果表明:1)河南省中轻度及以上的侵蚀面积整体呈减少趋势,在2015年达到最低;2)土壤侵蚀的空间分布与演化具有明显聚集效应,土壤侵蚀强度在空间上呈正相关分布(全局Moran’s I指数介于0.450-0.705),“高-高”聚集区面积显著减小,聚集趋势表现为总体减弱且小幅扩散,土壤侵蚀热点区主要分布在安阳、鹤壁、济源和三门峡4个市域;3)降雨和坡度是主要影响土壤侵蚀的环境因素(单因素解释力q值:77.7%-79.1%和43.7%-82.2%),3.28×10^(2)-6.43×10^(2)mm的降雨量和大于29.0°的陡坡均是土壤侵蚀的高风险区域,而植被覆盖度对土壤侵蚀过程有较强的抑制效果(单因素解释力q值:16.1%-19.4%;交互作用解释力q值:40.0%-83.9%);4)土壤保持经济价值波动明显,2000-2020年分别为8.36×10^(9)、8.21×10^(9)、9.26×10^(9)、3.52×10^(9)和7.17×10^(9)元。研究结果通过明晰区域土壤侵蚀现状及其驱动因素,可为提高土壤保持功能及其经济价值提供理论参考和决策依据。 展开更多
关键词 水土流失 黄河中下游 侵蚀热点区 环境驱动因素 地理探测器
在线阅读 下载PDF
江苏省县域创新产出的空间计量经济分析 被引量:19
2
作者 张建伟 窦攀烽 +1 位作者 张永凯 苗长虹 《干旱区地理》 CSCD 北大核心 2017年第1期222-229,共8页
以专利授权量来表征创新产出,运用标准差、变异系数、空间自相关和空间计量经济模型等方法对1986-2014年江苏省县域创新产出的差异演变及影响因素进行研究。结果表明:(1)江苏省县域创新产出发展具有明显的不均衡性,2012年以后,江苏省县... 以专利授权量来表征创新产出,运用标准差、变异系数、空间自相关和空间计量经济模型等方法对1986-2014年江苏省县域创新产出的差异演变及影响因素进行研究。结果表明:(1)江苏省县域创新产出发展具有明显的不均衡性,2012年以后,江苏省县域创新产出的绝对差异和相对差异都呈下降趋势。(2)南京市区的创新产出,在九五时期之后呈弱化趋势,苏州市区、昆山市、无锡市区等苏南地区创新产出提升较快。(3)江苏省县域创新产出在苏南、苏中、苏北三大地带的创新产出梯度递减,呈南高北低的空间格局。(4)苏北地区的大部分县域"低-低"集聚,并有向苏中地区扩散的趋势,"高-高"集聚的县域较少,主要集中在苏南地区。(5)空间交互作用是江苏省县域创新产出差异的重要原因。(6)区域创新环境对县域创新产出具有显著影响,而政府政策因素作用相对较小。(7)在具体因素方面,表征经济基础、研发投入、科技人才、传统基础设施、通讯基础设施及FDI的回归系数相差不大,大多在0.090上下波动,其中国际互联网用户数的系数最大,达到0.094,而科技政策的回归系数较小,仅为0.012。 展开更多
关键词 创新产出 县域 差异演变 空间自相关 空间计量经济分析
在线阅读 下载PDF
基于空间金字塔池化和深度卷积神经网络的作物害虫识别 被引量:54
3
作者 张博 张苗辉 陈运忠 《农业工程学报》 EI CAS CSCD 北大核心 2019年第19期209-215,共7页
为了减少因作物害虫姿态多样性和尺度多样性导致其识别精度相对较低的问题,该文将空间金字塔池化与改进的YOLOv3深度卷积神经网络相结合,提出了一种基于空间金字塔池化的深度卷积神经网络农作物害虫种类识别算法,首先对测试图像上的害... 为了减少因作物害虫姿态多样性和尺度多样性导致其识别精度相对较低的问题,该文将空间金字塔池化与改进的YOLOv3深度卷积神经网络相结合,提出了一种基于空间金字塔池化的深度卷积神经网络农作物害虫种类识别算法,首先对测试图像上的害虫进行检测定位,然后对检测定位出的害虫进行种类识别。通过改进YOLOv3的网络结构,采用上采样与卷积操作相结合的方法实现反卷积,使算法能够有效地检测到图片中体型较小的作物害虫样本;通过对采集到的实际场景下20类害虫进行识别测试,识别精度均值可达到88.07%。试验结果表明,本文提出的识别算法能够有效地对作物害虫进行检测和种类识别。 展开更多
关键词 图像识别 算法 害虫分类 深度卷积神经网络 空间金字塔池化 反卷积
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部