“模型与遥感应用” 栏目所有文章列表

(按年度、期号倒序)

  • 一年内发表的文章
  • 两年内
  • 三年内
  • 全部

Please wait a minute...
  • 全选
    |
  • 模型与遥感应用
    王尧, 卓莉, 易沵泺, 叶涛
    地理科学进展. 2015, 34(10): 1306-1323. https://doi.org/10.18306/dlkxjz.2015.10.011
    Baidu(3)

    本文基于MODIS数据,构建并分析了湖南省典型地物的植被指数及地表水分指数的时序曲线,利用分类回归树区分单、双季稻像元,并使用转折点法和最大变化斜率法提取双季稻的主要生育期。结果表明,湖南省内双季稻主要分布于洞庭湖区、湘江流域株洲以下、衡阳以上河段的干流及各级支流周边的平原区,以及永州、郴州境内阳明山和南岭山脉之间的狭长地带;单季稻主要分布在双季稻种植区外围,湘西州、怀化市等地的山间谷地也有种植。双季稻生育期在空间上保持了较好的相对一致性。洞庭湖以南平原区以及湘南山地丘陵区的各阶段生育期均早于省内其他地区,而洞庭湖区东北部、娄底、邵阳等地则相对滞后。湖南省大部分地区单、双季稻及生育期的分布都较为破碎,且空间镶嵌程度较高。上述结论可为后续开展湖南省水稻自然灾害与气候变化风险研究提供支持。

  • 模型与遥感应用
    夏浩铭, 李爱农, 赵伟, 边金虎, 雷光斌
    地理科学进展. 2015, 34(10): 1297-1305. https://doi.org/10.18306/dlkxjz.2015.10.010
    Baidu(26)

    植被物候是陆地生态系统对全球气候变化响应的最佳指示器,研究其时空变化对深入理解陆面水热过程、碳循环过程及预测陆地生态系统的时空变化具有重要意义。本文采用2001-2010年MODIS MOD09A1产品,通过引入MOD09A1的时间控制层DOY(Day of Year)提高EVI的时间精度;采用最大变化速率法和阈值法相结合提取秦岭森林物候期。结果表明,随着水热条件变化,由低海拔至高海拔,东南向西北,生长季始期(Start of Growth Season, SOG)逐渐推迟,集中在第81~120 d(即从3月下旬-4月末);生长季末期(End of Growth Season, EOG)逐渐提前,集中在第270~311 d(10月初-11月上旬);生长季长度(Length of Growth Season, LOG)逐渐缩短,集中在150~230 d。秦岭森林物候期与海拔关系密切,海拔每升高100 m,SOG推迟2 d,EOG提前1.9 d,LOG缩短3.9 d。2001-2010年,森林SOG提前、EOG延后和LOG延长主要分布于秦岭中高海拔区;SOG延后、EOG提前和LOG缩短主要分布在海拔1000 m以下部分区域。高海拔区物候的年际变化要比低海拔区复杂,2000 m以上区域SOG提前、EOG提前、LOG缩短。上述研究结果量化了不同海拔梯度森林的物候差异,揭示了近10年秦岭森林物候的时空格局,可为秦岭地区生态环境评价和保护提供科学依据。

  • 模型与遥感应用
    张欣欣
    地理科学进展. 2015, 34(10): 1288-1296. https://doi.org/10.18306/dlkxjz.2015.10.009
    Baidu(2)

    活动断层的位置分布及其地表变形变位特征的准确识别是研究和评价活动断层的基础,国内外学者利用数字高程模型(DEM)对断层提取进行了大量研究。本文基于DEM的活动断层位置的提取方法进行综述,总结了DEM提取断层位置的地貌形态特征分析、图像处理以及综合处理提取方法,突出介绍了高分辨率DEM在详细的断层位置分布提取中的优势,DEM在断层地表变形变位及其特征参数提取研究中的最新应用进展。随着高分辨率DEM的快速发展,DEM及其空间分析技术已成为一种常见的地学研究方法,将其与野外调查、遥感、测年等技术结合进行综合分析,能够促进对活动断层的深入研究,并成为断层定量化研究强有力的技术手段。

  • 模型与遥感应用
    王灿, 王德, 朱玮, 宋姗
    地理科学进展. 2015, 34(10): 1275-1287. https://doi.org/10.18306/dlkxjz.2015.10.008
    PDF全文 (8366) HTML (112)   可视化   收藏
    Baidu(5)

    本文从离散选择模型(discrete choice model, DCM)体系的一般原理和应用价值出发,总结了各经典模型的基本理论和典型应用,并概括了近来年一些重要的研究新动向。多项Logit模型(multinomial logit model, MNL)是离散选择模型体系的基础,具有简洁、可靠、易实现等优点,但也存在固有的理论缺陷,由此产生了对更加精细化模型的需求。替代的精细化模型中,嵌套Logit模型(nested logit model, NL)常用于处理备选项相关、“都不选”备选项、数据合并等问题,一般极值模型(generalized extreme value model, GEV)体系是其更一般的形式;混合Logit模型(mixed logit model, MXL)可用于解决随机偏好问题和多种相关问题,包括备选项相关、面版数据相关、随机系数相关、数据合并等,与之类似的潜在类别模型也有着广泛应用;多项Probit模型(multinomial probit model, MNP)具有极高的灵活性,但其复杂的模型设定与庞大的运算量大大制约了其应用范围。本文在研究新动向上介绍了4个重要的研究关注点:由多种经典模型形式相结合而成的复杂模型;面向RP/SP数据、定序、排序、多选等不同数据类型的适宜模型;基于各种受限理性选择策略的更为真实的模型;以及考虑选择的时空背景的模型。