排序方式: 共有112条查询结果,搜索用时 125 毫秒
1.
2.
耕地生态安全是保证耕地健康可持续利用的基础。本研究从乡镇尺度构建基于PSR模型的耕地生态安全评价指标体系,综合运用灰色关联模型和熵权组合法,动态评估鹰潭市1995-2015年耕地生态安全状况,并结合Markov链模型和热点分析对其时空格局演变进行分析。结果表明:(1)鹰潭市大部分乡镇耕地生态安全压力和状态呈恶化趋势,在响应措施的综合作用下,鹰潭市整体耕地生态安全呈现上升趋势。(2)临界安全级和比较安全级乡镇数量增多,"两极分化"日趋显著,临界安全级乡镇主要位于行政中心所在地及周边重要乡镇。(3)空间格局上,冷点聚类区向中西部扩大,热点聚类区集中于南北部且范围不断向中心城镇延伸。研究结果为提升耕地生态安全水平和协调区域耕地可持续利用提供借鉴。 相似文献
3.
4.
"三生空间"视角下的土地利用转型与生态环境效应研究
——以江西省鹰潭市为例 总被引:1,自引:0,他引:1
[目的]在"三生空间"视角下,定量分析鹰潭市土地利用转型及其生态环境效应,为协调市域国土空间规划、土地政策实施、生态环境保护提供借鉴.[方法]基于鹰潭市2010、2014、2018年3期土地利用现状数据,按"生产—生活—生态"土地利用主导功能进行分类,运用土地利用转移矩阵、生态环境质量指数模型、土地利用变化生态贡献率等方法,定量分析2010—2018年鹰潭市土地利用转型的时空演变格局、生态环境效应.[结果](1)2010—2018年,鹰潭市"三生空间"用地结构发生显著变化.土地利用转型主要表现为生态用地减少,生产、生活用地增加.土地转出面积最多的为林地,共计3860.60 hm2,转入面积最多的为农业生产用地,共计1581.72 hm2.(2)生态环境质量指数呈现波动的趋势,在2010年为0.6055、2014年为0.5962、2018年为0.5980,生态环境质量指数在2010—2014年间降低,但在2014—2018年间上升.(3)2010—2018年,鹰潭市的生态环境质量同时存在生态改善与恶化两种趋势,最终抵消呈现出一定的下降趋势,林地大量转为建设用地是生态环境恶化的主要原因,农业生产用地等生态环境质量较低的生产用地转为林地和草地是生态环境改善的主要因素.[结论]鹰潭市生态环境自2014年开始得到有效改善,但总体看来生态环境恶化的趋势大于生态改善的趋势,定量研究鹰潭市过去9年的土地利用转型及其生态环境效应,能为鹰潭市的生态建设提供数据、理论支撑.针对生态用地减少等问题,鹰潭市未来要科学规划土地转型的方向,合理划定生态保护红线,以江西省"生态文明建设试验区"为主导,协调区域经济与生态的同步发展. 相似文献
5.
农田钾素空间变异插值模型研究--以江西省泰和县苏溪养分监测村为例 总被引:1,自引:0,他引:1
对江西省泰和县苏溪养分监测村的120hm^2的农田进行土壤采样,运用逆距离加权插值、田块平均值以及农田土壤养分空间变异插值模型对该区域的土壤样品进行插值分析,研究结果表明农田土壤养分空间变异插值模型较好地反映了土壤养分空间的分布。 相似文献
6.
7.
基于提等潜力和主导因素的耕地质量监测类型区划分及布点方法 总被引:1,自引:0,他引:1
以江西省南昌县为例,依托江西省耕地质量监测试点项目,依据耕地自然等指数提升潜力大小和对等级提升最大贡献值因子的组合类型来划分耕地质量监测类型区,并依据监测重点及监测类型区面积比例布设监测样点。实证分析表明,南昌县耕地质量等级监测共有14个组合类型,归并14个组合类型得到5个监测类型区:1个常规监测区和4个重点监测区。其中重点监测类型区包括易渍涝区、易干旱区、耕层瘠薄区和肥力缺乏区。依据监测重点和面积大小在各监测类型区内共布设监测样点70个。统计学检验结果证明,同其他常规布点方法对比,在相同监测样点情况下,依据耕地质量等级提升潜力及限制因子组合类型划分耕地质量监测类型区所布置的监测样点,监测的针对性更强,准确性更高。 相似文献
8.
基于主成分分析的最小数据集的肥力指数构建 总被引:3,自引:0,他引:3
土地肥力评价对江西红壤地区土壤的农业生产非常重要。目前土壤肥力评价使用的指标多且没有统一标准,构建最小数据集肥力指标的肥力指数综合模型能够为农业管理者提供足够的肥力信息。通过对来自吉安县、余江县和兴国县240个土壤样品的全部肥力指标因子进行主成分分析提取最小数据集的肥力指标,并对全部指标建立的肥力指数和最小数据集建立的肥力指数进行相关分析和分类后的配对分析。结果表明提取的最小数据集的肥力指标因子有有机质、pH,阳离子交换链和粘粒含量4种,基于4种肥力指标建立的肥力指数和全部指标建立的肥力指数相关性极显著,相关性达0.92,分类后的整体准确率为88.75%,kappa因子为0.82,基于主成分分析提取的最小数据集建立的肥力指数和全部指标建立的肥力指数一致,能够较好代表全部肥力指标信息。 相似文献
9.
基于水稻冠层高光谱的叶片SPAD值估算模型研究 总被引:1,自引:0,他引:1
为进一步提高水稻冠层光谱对叶片叶绿素相对含量(soil and plant analyzer development,SPAD)值的反演精度,利用光谱仪和叶绿素计实测了水稻全生育期的冠层高光谱反射率和SPAD值,并对原始光谱反射率及一阶导数光谱与叶片SPAD值进行了相关性分析;利用主成分分析(principle component analysis,PCA)对原始光谱数据进行降维,将得到的主成分作为输入变量,分别应用逐步多元线性回归分析法(stepwise multiple linear regression,SMLR)与支持向量回归(support vector regression,SVR)构建叶片SPAD值的高光谱估算模型;另分析322种冠层光谱参数与叶片SPAD值之间的相关关系,筛选相关系数高的14种特征参数作为输入变量,分别应用逐步回归与支持向量回归构建SPAD值的高光谱估算模型,并进行验证。结果表明,叶片SPAD值与水稻冠层原始光谱反射率的相关性在669 nm处高达-0.876,与一阶导数光谱的相关性在543 nm处最高达-0.834;不同模型的精度值各异,以特征参数为输入变量建立的逐步回归模型和SVR模型的均方根误差RMSEv分别为2.926、3.895,相对分析误差RPD分别为2.064、1.55。而基于主成分分析建立的逐步回归模型和SVR模型的RMSEv分别为3.349、2.631,RPD分别为1.803、2.295。对比发现主成分分析结合支持向量机模型可以很好地预测叶片SPAD值。 相似文献
10.
传统的估产方法难以对水稻种植面积和产量进行及时准确地预测.利用TM影像资料,根据地物光谱特征的差异,提取稻田种植面积信息,在此基础上分析早稻像元的植被指数,与作物单产建立回归方程,通过检验标准筛选出方程拟合率高的估产模型,从而预报水稻总产.结果显示:2009年奉新县早稻实际总产和平均单产与遥感估产的结果相比,早稻总产误差率为5.78%,单产误差率为1.79%.由此可以看出,结合GIS技术和资料进行水稻估产,既提高了估产精度,又降低了费用,具有一定的可靠性和实用性. 相似文献