【摘 要】
：
以闽江上游地区为例，在分析三明市 2007—2016 年森林碳密度时空动态的基础上，采用常规的以及改进后的道路网络测度指标，应用缓冲区分析方法和地理加权回归（Geographically Weighted Regression,GWR）模型，从线上和面上分别探讨道路网络对森林碳密度干扰的地理变异规律。结果表明：（1） 碳密度受到道路网络的较大影响，路网影响域内外碳密度的大小排序为：路网影响域内＜整
【基金项目】
：
国家自然科学基金项目（41901221,41971261）； 福建省林业局科技项目（SC-259）； 福建省水利厅科技项目（SC-290）资助～～；
论文部分内容阅读
以闽江上游地区为例，在分析三明市 2007—2016 年森林碳密度时空动态的基础上，采用常规的以及改进后的道路网络测度指标，应用缓冲区分析方法和地理加权回归（Geographically Weighted Regression,GWR）模型，从线上和面上分别探讨道路网络对森林碳密度干扰的地理变异规律。结果表明：（1） 碳密度受到道路网络的较大影响，路网影响域内外碳密度的大小排序为：路网影响域内＜整个研究区＜路网影响域外；多条道路影响域重叠区的碳密度 （26.330 Mg/hm~2） 明显低于单条道路影响域的碳密度 （37.406 Mg/hm~2）；不同等级道路影响域的碳密度由大到小依次为县道＞高速＞省道＞其它道路＞国道＞乡道。道路网络对 2007—2016 年碳密度的降低也有明显影响。（2） GWR 模型的分析结果表明，路网对碳密度的影响程度随着样点的变化而变化，具有“空间非平稳性”。碳密度随着路网密度的增加而降低，而随着离道路距离的增加而增加。（3） 研究区西北部和中部，GWR 的回归系数及相关系数均较大，表明这 2 个区域道路对碳密度影响大且解释力皆较强。
其他文献
动目标检测是雷达信号处理的一个热门和难点问题,在目标的搜索、监视、跟踪等方面发挥着关键的作用,广泛应用于军事和民事领域。检测的准确率主要受目标回波强弱,目标种类的复杂程度,目标运动状态等因素的影响。传统的动目标检测方法基于杂波和目标回波统计模型,对于微弱目标的检测性能差,分类识别率低。特征检测技术通过提取杂波和目标回波的差异性特征实现动目标检测,提高了微弱目标的检测能力。基于时频分析的动目标检测方
近年来,随着信息科技的不断进步,人们对室内定位服务的要求也日加强烈。尽管全球定位系统已广泛应用于各种户外定位系统,但是在室内中,由于来自卫星的信号会受到墙面等障碍物的影响,而使得全球定位系统的定位精度大大降低,无法满足室内定位需要。由于可见光对人体基本无害,既不会对其他电子产品形成影响,也不会受到电子设备的影响。因此,把可见光作为信号的载体来传输信号并将其应用在室内定位中成为了国内外学者的研究热点
随着遥感观测技术的迅速发展,遥感目标检测成为了当前的一个热门话题,遥感图像应用领域也越来越广泛。近些年来,高分辨率的光学遥感图像由于其能够直观表达目标特征信息且抗干扰能力强的优点被广泛关注。由于遥感图像中存在目标尺寸差异悬殊、背景干扰严重且密集分布等问题,使得传统目标检测方法对遥感图像中的目标检测效果不理想,从而造成检测精度降低。因此,为了弥补传统方法的不足,基于深度学习的目标检测方法被提出并得到
对于公共安全、生产安全、智慧城市的创建以及一些特殊领域,定位信息起到了十分重要的作用。全球定位系统（Global Positioning System,GPS）作为目前发展最完备且应用最普遍的定位系统,在室外能够为用户提供精确的位置信息。由于墙壁、窗户等建筑物的遮挡,使得室内卫星信号传输效率大幅度降低,无法获得有效的定位信息。针对室内定位技术,已经出现了大量的研究成果,诸如蓝牙、超宽带、地磁、无线
根据世界卫生组织（World Health Organization,WHO）2019年发布的统计数据显示,全球已经有超过11亿的吸烟者。吸烟在当前可预防的引发死亡和各种疾病的因素当中排在第一位,如果没有采取有效的干预措施,每年因吸烟引起的死亡人数可多达600万人,到2030年全球因吸烟导致的死亡人数估计会高达800万人。先前有大量的研究结果表明,从青春期到成年期是大脑持续发育的关键时期。在这一关
无人机在识别和跟踪羊群时,如果无人机飞的过低,自身伴随的飞行噪音会使羊群受到惊吓,干扰羊群的正常活动;如果无人机飞的过高,那么会出现视野框中目标尺寸过小和目标识别困难等问题。将无人机应用于草原畜牧业的生产管理过程中,实现无人机自动化放牧,能够使草原畜牧业管理方式智能化,提高科技管理水平,降低草原牧民的人力和物力成本。本文以研究无人机自适应平稳跟踪羊群为例,首先让无人机巡航时能够成功识别到羊群,同时
风能资源作为一种广泛分布的能源形式,具有无污染、成本低的优势,因此风能发电的使用越来越广泛。风力发电机组多处于高山、海洋等雷电活动活跃的地点,避雷线的完好对风力发电机组正常运行至关重要。现有检测手段仅对避雷线的断线进行检测,避雷线部分断股的情况目前还不能检测。为避免风电机组在运行中出现避雷线断股产生危害,准确判断避雷线的断股程度,以便及时更换损坏的避雷线,本文提出了一种基于行波法的对避雷线断股程度
目标检测的主要任务是用于检测图像或视频中所包含的对象及其具体位置。它是计算机视觉任务（如目标跟踪、图像分类和图像分割）的基础,普遍适用于各种场景。伴随着网络数据量的持续增长,基于手工特征的传统目标检测算法由于复杂的计算过程而逐渐退出历史舞台。随着计算机性能的快速提升,深度学习技术逐渐崭露头角,成为当前的主流研究趋势。以YOLO（You Only Look Once）系列为代表的一阶段目标检测算法,
随着近年来红外成像技术的进步,红外小目标检测逐步从军事领域扩展到交通、安全防护、医疗、工程施工、紧急救援等诸多民用领域。当前大部分的研究成果聚焦于单帧图像的红外小目标或序列的红外小目标,红外数据库少,同时关注图像特征和检测对象的融合研究少有涉及。在应用中,红外热成像系统固有的成像机理会造成图像缺失色彩信息、质量差等问题,此外受限于成像距离、大气传输等因素,导致红外图像对比度低、图像模糊以及视觉效果
信号重构是信号处理领域研究最广泛的课题之一,为了更快更好的获得有效信号,重构是信号处理过程中必不可少的一步。信号重构的主要目标是从含噪信号中尽可能的恢复信号本身。噪声的主要来源为信号在传输过程中外部环境扰动,以及自身硬件系统。在一些重要的应用场景中,诸如利用生物信号判断身体状态、使用电信号反映仪器设备状态,往往因信号被噪声污染而造成判断效果不佳引起误诊与生产事故。因此,寻找一种能够精准重建信号的算