【摘 要】
：
植被是陆地生态系统最重要的组成部分之一。它是地球上生命的重要组成部分,因为它吸收了大气中的有害气体,对人类和环境都有好处。根据一些研究和人口普查,世界各地的人口数量增长迅速。人口的增加正在对世界各地的植被造成巨大影响。巴基斯坦是植被覆盖受到严重影响的国家之一,因为人口不断增加,特别是在城市地区。本研究的主要目的是分析快速城市化对巴基斯坦主要城市植被覆盖的影响。植被覆盖率从MODIS植被指数月积（M
论文部分内容阅读
植被是陆地生态系统最重要的组成部分之一。它是地球上生命的重要组成部分,因为它吸收了大气中的有害气体,对人类和环境都有好处。根据一些研究和人口普查,世界各地的人口数量增长迅速。人口的增加正在对世界各地的植被造成巨大影响。巴基斯坦是植被覆盖受到严重影响的国家之一,因为人口不断增加,特别是在城市地区。本研究的主要目的是分析快速城市化对巴基斯坦主要城市植被覆盖的影响。植被覆盖率从MODIS植被指数月积（MOD13A3）数据中提取。利用MODIS衍生的土地覆盖类型产品（MCD12Q1）数据计算了2001年至2019年的城市面积变化。通过在城市地区周围产生25公里的缓冲区,从MODIS衍生的城市和建筑用地计算出农村地区。EVI（ΔEVI）的变化是根据城市EVI和农村EVI之间的差异来计算的。夜间光照时间序列数据被广泛用于提取城市化区域,因此本研究也将其用于验证MODIS数据的结果。据观察,从2001年到2019年,整个巴基斯坦的城市和建筑用地显著增加,约965 km2,增加趋势约为50km2/年。2001-2010年间,巴基斯坦城市和建设用地面积增加了27.04 km2,2011-2019年增加到89.12 km2。结果表明,拉合尔的城区面积增加约32 km2,使其成为城市和建成区土地利用变化最大的城市。相反,海得拉巴成为研究期内城市和建成区土地利用变化最小的城市。本研究计算了2001年至2019年巴基斯坦EVI的总体平均值。2001年至2019年,EVI的总体平均值呈增长趋势,增加了约0.06,增长速率约为0.0027/年,但趋势不显著。2001年至2019年,伊斯兰堡市的平均EVI增幅最大,为0.0949;而木尔坦市的平均EVI增幅最小,为0.0287。研究期内,巴基斯坦的大部分城市的ΔEVI均呈显著下降趋势（p<0.01）。采用Pearson相关分析方法,研究了城市建设用地变化与ΔEVI的关系。城市用地和建成区用地与ΔEVI呈显著负相关（p<0.01）。因此,城区扩张和建筑用地面积增加对植被生长造成了负面影响。利用DMSP/OLS夜间灯光时间序列数据对MODIS数据的计算结果进行了验证。从夜间灯光数据中提取的城区面积变化与ΔEVI同样呈显著负相关（p<0.01）。
其他文献
三维人体姿态估计是计算机视觉领域中的热门课题。三维人体姿态估计可以作为人体姿态识别、人体跟踪、行为识别等任务的基础,同时在高级人机交互,智能监控等领域拥有广泛的应用前景。由于从单目图像预测三维空间信息是十分困难的,并且姿态图像存在着遮挡和视差等问题,使其非常具有挑战性。随着深度学习在多领域的成功应用,具有强大学习能力的深度神经网络也逐渐成为三维人体姿态估计任务的最佳选择。本文将基于深度学习,采用分
近年来,随着定位、跟踪技术的快速发展,诸如GPS等位置感知设备得到了广泛的应用,使得车辆、人们的移动轨迹能够被精确地记录,通过对轨迹数据的有效分析可以了解一个城市的交通状况及城市中人群的移动规律,对于城市管理者的决策具有重要意义。然而,由于轨迹数据具有时空特性,并且通常数据规模很大。因此,如何有效地发挥轨迹时空连续性,探索数据中隐藏的时空规律是一项巨大的挑战。本文基于成都市出租车真实轨迹数据,研究
随着智能化设备的不断革新,很多产业的落地都需要海量的视频信息作为基础。视频信息相较于普通图像而言隐藏着巨大的价值。动态性、可持续性以及关联性都是视频所独有的特点,基于这些特性对视频数据进行挖掘将会收获极大的价值。对视频的行为识别研究是计算机视觉与模式识别领域的重要研究课题,行为识别不但具有重要的科学意义,而且具有十分关键的现实应用价值,对我们的生活产生很大的影响。行为识别主要应用领域包括远程识别、
在21世纪这个信息量急速增长的时代,如何快速高效地传达和抓取有效信息是困扰人们的难题之一。为了解决这个问题,相关研究者提出了推荐系统这一概念。推荐系统能够根据可观察到的数据学习用户和项目的特征,不仅为用户提供他可能感兴趣的项目,也为项目找到了合适的用户,是一种解决信息过载问题的双赢系统。得益于深度学习算法在推荐系统领域的快速发展,研究人员将数据映射到模型内部,直接由计算机学习数据特征,避免了繁琐的
随着信息化时代的到来,人们越来越依赖互联网获取所需要的信息。互联网上的网络资源如网站、用户评论、新闻、博客、社交媒体网络等是文本数据的巨大来源。互联网和其他档案中的文本内容每天都呈指数级增长,这些文本中有许多重复的或不重要的部分。因此,用户需要花费大量时间来寻找他们需要的信息,对文本资源的总结和浓缩变得更加迫切和重要。利用人工对这些文本资源生成摘要,需要花费大量的人力和时间,甚至是一件不可能完成的
学生的学业水平是学校和家长共同关注的核心问题。研究表明,学生的学业水平与学生在课堂上的注意力状态存在着密切联系,能够长期保持注意力集中的学生往往具有较高的学业水平。因此,十分有必要提高学生在课堂上的注意力水平,为此首先需要对学生的注意力进行检测。现有的注意力检测方法包括问卷调查法、仪器检测法和计算机视觉算法。问卷调查法虽然方便进行统计分析,但是通常会受到主观因素的影响,无法保证实验结果的质量和可信
随着科技与时代发展,图像数据呈指数级增长,检索数据库中的图片需要耗费大量的时间。图像检索技术大致可以分为两类:基于整体图像的图像检索和基于显著区域的图像检索。基于整体图像的图像检索需要提取整幅图像的所有特征,往往包含大量的背景噪声,而基于显著区域的图像检索算法由于考虑了图像的语义信息,比基于整体图像的图像检索效果更好。哈希方法将图像数据转换为二进制码,在减少图像数据存储空间的同时提高了检索速度,越
上下文表示是理解自然语言的关键,相同的单词、短语和局部单词序列在不同的上下文表示下会具有截然不同的含义。在自然语言处理任务中,大多数研究工作拼接Bi LSTM（Bidirectional Long Short-Term Memory Network,Bi LSTM）的前向输出与后向输出作为上下文表示。由于句子作为单词序列输入的特点,全局信息仅包含于Bi LSTM建模的第一个位置与最后一个位置。对于
目标检测作为计算机视觉的一个基础问题,随着深度学习的进步,越来越受到学者们广泛地关注,并且取得了一系列的突破。对基于无锚点的目标检测算法也逐渐进入研究人员的视线,近两年被提出的一些无锚点算法其检测效果已赶超了部分基于锚点的目标检测算法。虽然无锚点的目标检测器性能较好,但仍然存在一些问题,如:因较依赖关键点而更受背景纹理信息的影响、更多的关注角点信息而导致最后漏检。为了解决上述的问题,本文在Cent
近年来,物理虚拟仿真实验平台的研究在教育信息化领域逐渐受到重视。物理虚拟仿真实验平台为学习者提高物理实验操作技能水平提供了全新的实验教学环境,也成为现实物理实验室教学的重要辅助工具。物理虚拟仿真实验平台在不断推广和发展的过程中,积累了学习者大量的实验行为数据,如何对这些实验行为数据进行充分挖掘并发现有价值的隐藏信息,进而对学习者进行智能辅助导学,成为智能导学领域重要的研究课题之一。智能导学领域中,