一、对一元线性拟合的显着性检验的进一步分析(论文文献综述)
辜博[1](2021)在《高中生椭圆认知水平的发展研究》文中研究说明椭圆是高中数学的必学内容,作为三大圆锥曲线,椭圆一致备受关注,但这些“关注”主要集中在解决椭圆的各类题目,对涉及学生椭圆的认知水平的较少,再进一步探究学生椭圆认知水平发展的研究就更少了。因此,本文以高二年级的学生为研究对象,通过构建学生椭圆认知水平的测试框架,探究学生椭圆认知水平的发展情况,以期发现学生椭圆认知水平的发展规律,进而帮助教师及时发现教学中存在的问题,并改进教学。首先,通过梳理已有的认知水平的测试框架,分析其优缺点,阅读目前已有的进行数学认知水平测试的文章,最后结合SOLO分类理论与威尔逊目标分类理论构建出椭圆认知水平的测试框架,再选择最近八年的高考试题,形成问题库,制定出椭圆认知水平的测试卷与评分方案。其次,将制定的测试卷对四川省某重点中学高三年级Z1班进行预测试,对测试卷进行修订,将修订过后的试卷对同年级的Z2班进行第二次预测试,验证修订过后的试卷是否合格。在试卷合格后,将试卷对该校高二年级X1班进行跟踪测试,通过对该班级学生在学习椭圆的前、中、后三个阶段的测试,探究学生在学习椭圆过程中认知水平的发展情况,进一步对数据进行分析,得到了如下的研究结论:(1)计算、分析层次的发展是呈直线型的,两者的区别在于计算层次一开始就处在较高的位置,而分析层次则处于较低的位置;领会、应用层次呈折线型发展,一开始的增速较快,后续增速放缓;(2)男、女生在学习椭圆的过程中关于椭圆的认知水平方面并没有显着差异;(3)测试班级的数学教师在教授椭圆的整个过程中对各阶段学生椭圆认知水平的情况的把握都较为准确;(4)椭圆认知水平测试框架能够准确的衡量学生的认知水平的变化情况。最后,通过梳理文献、建立框架、实施测试,发现了学生在学习椭圆过程中认知水平的发展规律,建构了一个可以用于检测教学效果的框架,并得到了高中生椭圆认知水平发展的相关结论。
张颖[2](2021)在《西南地区秋冬雾日年际与年代际变化的物理机制研究》文中认为雾是一种严重的天气灾害。本文利用1958-2007年503个中国地面观测站点的雾日数资料,使用相关分析、合成分析等统计分析方法,通过分析全国秋冬雾日的时空特征,发现西南地区相比较于中国其他区域,在秋冬发生雾日频率较高,且存在显着的气候变率。该变率主要体现在年际和年代际两个尺度,且在不同尺度,雾日产生的气候条件存在显着的差异,同时在不同年代际背景下,西南地区年际雾日生成的气候条件也存在差异性。结论如下:(1)西南地区年代际尺度秋冬雾日与AMO、PDO存在显着相关,AMO与年代际雾日存在负相关,而PDO与其存在正相关。当AMO为负位相时,可以引起北风异常,有利于低层气温降低、比湿降低,且湿度降低速度快于气温降速,易引起低层大气的过饱和,而低层的气温降低速度大于中高层大气,有利于大气稳定,所以西南地区雾日增多。当PDO为正位相时,整层大气表现为北风,而对低层气温降低和比湿降低弱于负AMO的作用,但是可以有利于整层大气的稳定,所以也有利于西南雾日增加。而负AMO位相,正PDO位相状态叠加时,非常有利于西南雾日增加,对应时段为1972-1995年。(2)年际尺度方面,当华南降水异常增多时,在降水异常中心的北侧,从西南地区沿长江流域,都存在雾日增加的现象。当暖湿气流北上时,有利于西南地区低层出现增温和增湿的现象,而增湿速率快于增温速率,西南地区容易出现过饱和,降水异常中心北侧伴随出现异常下沉气流,所以西南地区雾日增加。当华南降水异常减少时,由于以上机制,西南地区雾日减少。特别是在AMO负位相、PDO正位相时,厄尔尼诺强度较强,多发EP ENSO,有更强的西南暖湿气流北上,使西南雾日展现出显着的年际尺度增多的现象。(3)对比西南雾日年代际与年际变化的物理机制发现,在年代际尺度上,当冷空气南下时,西南地区降温降湿,而温度降低更快,容易过饱和形成雾日,在年际尺度上,西南暖湿气流北上,西南地区增温增湿,而湿度增加更快,容易形成雾日。在两种时间尺度上,西南雾日多发的物理机制存在着显着的不同,而每年的雾日变化是由多种尺度叠加出的现象,本论文为理解西南雾日在不同尺度的气候变化提供基础,为未来的西南雾日的气候预测提供参考。
马亮[3](2021)在《基于气象因子的草原鼠害预警研究》文中研究指明草原作为大自然珍贵的保护伞,与耕地、森林、海洋等天然资源相类似,也是当前我国重要的战略性资源,在保护野外生物多样性、预防水土流失、净化空气等方面都起到了不可或缺的重要作用。但近些年由于全球气温的变化,内蒙古自治区草原鼠害时有发生,不仅破坏了草地环境,也给牧民造成了巨大的经济损失。以科尔沁右翼前旗(简称科右前旗)作为研究区,对该旗县的草原鼠害发生面积进行预测,建立一套具有科学性和实际价值的草原鼠害预测模型去预测草原鼠害发生面积和预警草原鼠害发生。引入线性模型和神经网络模型两种模型作为草原鼠害发生面积预测的研究模型。通过平均气温、降水量、最大风速、日照时数等8组数据与草原鼠害发生面积相结合,对科右前旗草原鼠害发生面积进行预测,主要工作如下:(一)通过对国内外有关草原鼠害的发生面积以及研究区优势鼠种—东北鼢鼠的研究进展情况进行了梳理和分析,归纳总结了草原鼠害的发生面积与气象因子之间的关系、同时详细介绍了研究区的建立、实验方法、草原鼠害发生面积的统计方法、野外实验步骤、气象数据的获取和来源。(二)通过对草原鼠害发生面积以及野外实验结果的分析和总结,发现当年的草原鼠害发生面积以及人为因素并不能对第二年草原鼠害发生面积产生决定性影响,而气象因子会对草原鼠害的发生面积产生决定性影响。(三)通过将草原鼠害发生面积与平均气温、降水量、最大风速、日照时数等8组数据进行相关性分析,结果表明:8组数据中除平均相对湿度外,其他因子均存与科右前旗草原鼠害发生面积具有显着的相关性。(四)通过一元线性模型、一元曲线模型、多元线性模型、神经网络预测模型对科右前旗草原鼠害发生面积进行了预测,并对模型精度进行了检验,分析可知上述线性模型均通过了显着性和方差分析检验。虽然多元线性模型优于一元线性模型以及一元曲线模型,但是多元线性模型存在着模型不稳定的缺陷。神经网络模型的引入,不仅克服了不稳定的缺陷,而且拥有更高的预测精度,其预测精度在91%以上,故符合预测草原鼠害发生面积的业务要求。(五)总结了论文中的研究内容与分析结果,此外并对未来研究中存在的一些问题和目标作出了相关说明与展望。
李可[4](2021)在《黄淮海流域降水与土地覆被相互影响研究》文中指出本研究以黄淮海流域作为研究区域,对近几十年来水循环各过程(降水、产水等)与土地利用/土地覆被变化之间的相互作用机制进行研究。即,先对NDVI、NPP、土地利用、降水的时空变化特征进行分析;然后,用空间相关性方法定量分析了NDVI、NPP变化对降水变化的响应,并用时空回归普通克里格预测了2025年NDVI、NPP数据;最后,基于In VEST模型定量分析了土地利用变化对区域产水效应的影响,并基于时空普通克里格和CA-Markov模型预测了2025年区域产水数据。该研究揭示了宏观尺度下黄淮海流域水土资源间的相互作用,为实现水土流失与保持的调整和治理、流域的综合变化管理、水土资源的合理配置、区域水土资源的结构优化和改善水土生态环境提供了科学的参考依据。本文主要的研究结论如下:(1)近几十年来黄淮海流域土地利用变化多以耕地和建设用地为主,NDVI、NPP和降水变化则主要呈现增加趋势。(2)近十几年来黄淮海流域多数区域NDVI、NPP和降水显现出正相关。年内来看,春、夏、秋三季NDVI、NPP和同期降水多呈现正相关,而冬季则多呈现负相关。就滞后性来看,春季NDVI、NPP对同期降水响应最大,夏、秋NDVI、NPP对降水变化的响应存在着一个月的滞后性,冬季NDVI、NPP对降水变化的响应存在着两个月的滞后性。而预测结果显示黄淮海流域2025年NDVI和NPP值较2010年均增加了。(3)1980~2010年黄淮海流域多数地区产水深度先增加、后减少、再增加,总体呈增加变化。结合土地利用变化,黄淮海流域地类产水深度的变化与耕地和草地面积变化呈正比,与林地、水域和建设用地面积变化呈反比,与未利用地面积变化无明显关系。通过对2025年流域产水深度进行预测,发现2025年流域平均产水深度比2010年减少了。(4)综合分析水土资源相互作用结果,发现气候降水的改变,会导致NDVINPP发生变化,这代表着地表自然植被和作物的生长受到了影响,进而引起物候期变化和需水量改变。这就会致使地表的林地、草地等土地利用类型和相应的生态格局的结构和规模产生变化,从而使得地表水资源和水循环受到影响,最后又将影响回归到降水上。即,水资源和土地资源之间是互动的耦合关系,彼此影响、相互依存。
赵松[5](2021)在《基于多源遥感数据的邯郸市滏阳河水质参数反演》文中研究表明水是维持人类生存与发展所需的重要资源,水质的优劣直接影响人们的用水安全,因此水资源的监测、治理与保护工作极为重要。传统水质监测费时费力,且难以反映水质整体状况。近年来,遥感技术的发展,使其逐渐成为水质监测新的区域化方法。利用遥感技术的水质监测具有监测范围大、速度快、成本低、可实时动态等优点,已成为当前研究热点。本文以邯郸市滏阳河流域为研究区域,利用滏阳河五个河段以及南湖北湖区域的水质采样检测数据、无人机遥感数据,以及准同步卫星遥感数据,反演浊度、悬浮物浓度和氨氮,研究了“无人机+卫星”遥感反演技术的区域水质监测方法,以期为滏阳河邯郸段的水环境监测与保护提供新的监测技术和数据支持。论文主要研究内容与结论包括以下三个方面:(1)基于预处理后的无人机遥感数据,构建差值指数(DI)、比值指数(RI)、归一化指数(NDI)等光谱参数模型。将光谱参数与浊度、悬浮物浓度、氨氮等水质实测数据进行相关性分析。实验结果表明,相关性最高的参数分别对应为550nm与710nm的归一化指数、550nm与710nm的差值指数、550nm与660nm的归一化指数。基于上述波段组合分别建立一元线性模型、多项式模型和指数模型,并利用偏最小二乘回归方法建立了各水质参数多元线性回归模型。对比分析表明,浊度与氨氮的最佳反演模型为多元线性回归模型,悬浮物浓度的最佳反演模型为三次多项式模型。(2)下载准同步Sentinel-2遥感数据进行预处理,构建差值指数、比值指数、归一化指数等光谱参数模型。将光谱参数与南湖、北湖45个采样点实验室化验水质参数数据进行相关性分析,实验结果表明,相关性最高的光谱参数对应的波段位置为490nm与705nm。利用上述波段与波段组合分别构建一元回归模型与多元线性回归模型,最终得出浊度、悬浮物浓度、氨氮的最佳反演模型为一元线性回归模型、三次多项式模型和二次多项式模型。(3)利用两种数据源所构建的最佳反演模型进行水质参数反演,结果发现滏阳河邯郸市区段内水质参数大体呈现南低北高的分布,南湖、张庄桥段、南环路段、人民路段的三种水质参数以及果园路段浊度与悬浮物浓度都相对很低,果园路段的氨氮浓度次之,苏里段与北湖的污染最严重,反演结果和采样实验结果基本一致。
王卫红[6](2020)在《基于叶片反射光谱特征的铀及伴生重金属含量反演》文中进行了进一步梳理随着国防和核电工业对铀资源需求的不断增加,在铀矿资源的开采和利用过程中,大量铀废石和铀尾矿的产生不可避免。铀尾矿及周边污染土壤平均含铀量比天然本底值高410倍,其表面辐射剂量比一般土壤平均高570倍。铀尾矿渣还常含有超标的伴生重金属。因此,铀尾矿库已成为一个不容忽视的放射性和重金属污染源。快速、安全地监测铀尾矿及周边土壤的放射性和重金属污染是推进生态环境保护、改善生态环境质量的现实需求。研究植物叶片反射光谱、土壤铀及伴生重金属含量、植物的富集与耐性特征之间的关联机制,特别是探索如何利用植物叶片反射光谱进行土壤和植物叶片的铀及伴生重金属含量反演,为最终实现利用遥感方法进行铀尾矿及周边土壤铀及伴生重金属污染程度和修复效果的大面积高效监测提供理论与技术创新,成为本论文提出和诠释的关键科学问题。本文采用五种植物苎麻(Boehmeria nivea)(湘苎7号)、印度芥菜(Brassica juncea)、酸模(Rumex acetosa L.)、甘蓝型油菜(Brassica napus L.)、玉米(Zea mays L.),分别在不同浓度的铀及伴生重金属镉、铅污染土壤中进行盆栽实验。作者分析了实验植物的铀及伴生重金属富集与耐性特征;从光谱角变异、敏感波长、光谱特征参数的角度分析了铀及伴生重金属污染下实验植物叶片的反射光谱特征;尝试根据富集与耐性特征解释叶片反射光谱特征对铀及伴生重金属的响应;分析了叶片与土壤铀及伴生重金属含量之间的关系;以叶片反射光谱特征为基础,用统计方法反演了土壤铀及伴生重金属含量;分别用统计方法、植被指数方法和物理方法反演了叶片的铀及伴生重金属含量。本文揭示了叶片反射光谱特征与土壤和叶片中铀及伴生重金属的定量关系,探索了土壤铀及伴生重金属污染在叶片反射光谱的响应机制,基于叶片反射光谱特征实现了土壤中铀及伴生重金属含量的直接和间接反演,为利用遥感手段进行铀矿山、铀尾矿等铀及伴生重金属污染程度和修复效果的大面积快速监测提供了理论依据和技术支撑。主要研究结果和创新点表现在:(1)通过测量5种实验植物累积32个生长期的叶片反射光谱进行分析,发现铀、镉、铅污染下,植物的光谱角、敏感波长、光谱特征参数均可能产生相应的变化,其中光谱角变异反映了光谱的宏观变异情况,可直接用于土壤铀及伴生重金属含量的反演。有16个生长期由光谱角变异成功反演了土壤铀及伴生重金属含量。从光谱角变异直接反演土壤铀及伴生重金属含量的角度衡量,油菜可以看作是土壤铀、镉、铅污染的指示植物。湘苎7号的光谱角变异对土壤的铀和铅污染也有较好的指示作用。统计方法、植被指数方法和物理方法各具特点,三种方法相互补充,在32个生长期均成功实现了叶片铀及伴生重金属含量的反演。土壤和叶片铀及伴生重金属含量的回归模型表明,叶片铀及伴生重金属含量能定量反映土壤铀及伴生重金属含量的高低。从叶片与土壤重金属含量的关系来衡量,印度芥菜、酸模可以作为铀污染的指示植物和监视器,油菜对铀、镉、铅在大多数生长期也具有指示和监视的作用。以叶片铀及伴生重金属含量为中介,扩大了由叶片反射光谱特征反演土壤铀及伴生重金属含量的适用范围。(2)原始光谱敏感波长较集中分布在370、600、775和980nm附近,但双子叶和单子叶植物、不同重金属污染下的原始光谱敏感波长之间均有较大的区别。一阶导数光谱敏感波长比较集中地分布在380、550、800和950nm附近,双子叶和单子叶植物、不同重金属污染下的一阶导数光谱敏感波长一致性比原始光谱高。与原始光谱相比,一阶导数光谱对铀及伴生重金属更敏感。一般情况下,以一阶导数光谱敏感波长为自变量的回归方程比以原始光谱敏感波长为自变量的质量好。(3)在本文选择的51个光谱特征参数中,5种实验植物、3种重金属污染的累积29个生长期找到了与叶片的铀及伴生重金属含量显着强相关的光谱特征参数。比值参数SDnir/SDre在苗期即能敏感地响应3种植物的铀和铅污染,而且与叶片的铀和铅含量呈现非常一致的显着强负相关关系,具有成为监测铀及伴生重金属含量的理想光谱特征参数的潜质。绿峰、红谷、近红外平台等参数与叶片铀与伴生重金属含量关系密切,而以往研究比较多的红边参数表现平淡。从响应时间、回归方程的决定系数、个数等方面比较,基于光谱参数比基于敏感波长的反演综合效果更好,证明光谱参数确实综合了多个敏感波长的特征,对信息有较强的提取能力。(4)确定了植被指数的52个具体形式用于叶片铀及伴生重金属含量的反演;对部分植被指数原始形式中的某些参数进行了替换,其中替换式RBRI3、PRI22、TVI3、CARI12和MCARI2比对应的原始形式更适合进行铀及伴生重金属含量的反演。(5)利用敏感波长进行了PROSPECT模型中叶片结构参数N的反演,大幅度地提高了其与叶片铀及伴生重金属含量的相关性。测量了叶片的解剖结构参数,发现在铀及重金属污染胁迫下,叶片整体厚度和表皮厚度、下表皮厚度、表皮细胞、维管束、栅栏组织、泡状细胞等指标发生了明显变化。建立了叶片结构参数N与叶片解剖结构参数的回归方程,创新了确定叶片结构参数N的方法;并且完成了物理方法反演叶片铀及伴生重金属含量。(6)如果从成功反演的生长期期数和回归方程最大决定系数R2来衡量,统计方法和植被指数方法的效果比物理方法效果更好。无论是富集植物还是非富集植物,都有可能得到质量高的回归方程。统计方法反演的结果表明:对铀具有富集作用的植物苎麻和印度芥菜整体上更有利于通过其生长早期的叶片光谱进行铀含量的监测;植物耐性强则很可能对反演叶片铀及伴生重金属含量起反作用,尤其在生长晚期。但根据植被指数方法和物理方法反演时,该规律不明显。
李燕子[7](2020)在《中国四大污染区灰霾污染特征及气象影响因素探究》文中认为在过去的几十年里,中国东部频繁发生的灰霾污染,特别是有利于灰霾天气发生的大气条件占优势的冬季,这对能见度和当地居民的健康都产生了不利影响。为了平衡环境保护和经济发展,通过合理减排来使灰霾天气有效减少一直都是政府的首要任务。污染物的浓度主要是由排放的强度和大气传输作用(气候/气象条件)共同决定。本研究分析了中国四大污染区域京津冀、长三角、珠三角和四川盆地灰霾污染的时空分布;利用合成分析和自助抽样的方法识别出影响不同区域灰霾生成的关键气象因子;采用“最优一元线性回归”法定量研究了气候气象条件和排放对PM2.5浓度的影响同时通过相关分析法和去趋势分析法找出对四个地区PM2.5浓度年际变化有显着影响的主要气候因子;最后,采用相关分析法、最优全子集回归法和多元线性回归的方法建立了四个地区冬季1月、2月、12月霾日的经验预测模型。京津冀地区1973-2012年40年灰霾日数变化趋势不明显。但2012年以后出现了急剧增长,主要表现为相对湿度增加、温度较高,偏北风减弱,垂直稳定性增强。长三角地区灰霾也受类似的气象因素影响,但该地区灰霾日数一直保持稳定增长,近些年处于历史高值。珠三角地区的霾日数从1973年到2006年逐渐增加,然后逐渐减少,主要是由于西风和北风减弱,以及海洋暖湿气流的影响。四川盆地灰霾日数趋势不明显,该地区灰霾的发生受异常升温带来的大气垂直稳定度增加的影响。采用逐步线性回归方法,定量出气候/气象因子在四大区对PM2.5浓度的贡献的下限分别为23%、17%、10%和20%。全球变暖和太平洋年代际振荡是影响这四个地区污染物浓度年际变化的主要气候因子。这些气候因子可作为建立经验模型的基础,对四个地区冬季霾日数进行月到季节尺度的预测。本研究给出了一些初步的有希望的结果,然而这些模型存在的主要不确定性和挑战,只有在未来识别和理解了影响四个地区冬季霾日数的所有关键气候因子的研究后才能得以解决。
高尚[8](2020)在《福州市夏季叶面积指数时空变化特征研究》文中进行了进一步梳理随着经济的发展和城市的扩张,原有的自然景观在城市化的过程中逐渐被破坏,导致土地覆盖发生重大变化,土地覆盖的变化会直接影响植被的生长和分布状况。研究城市植被发生哪些变化以及变化程度,植被变化与土地覆盖变化的关系,可以更好地了解城市生态系统结构和功能的变化对自然环境变化的反馈作用。叶面积指数(Leaf Area Index,LAI)作为植被结构和生长状况的重要指标和生态参数,能够较好地反映植被的生长状况与分布情况。针对传统的经验模型法只将植被指数作为自变量因子构建反演模型从而使LAI反演模型精度过低的问题,本研究以福建省会福州市作为研究区,LAI为植被因子,引入了植被覆盖度和高程两个地理环境因子构建了LAI反演模型,使用2008~2018年的Landsat系列遥感数据反演了30m的福州市夏季LAI时间序列数据。分析了福州市2008~2018年夏季LAI的时间变化趋势,以及2018年福州市夏季LAI空间分布特征。使用变异系数、一元线性回归系数和Hurst指数从像元尺度分析了2008~2018年福州市夏季LAI的波动程度、变化趋势和变化趋势的可持续性,并结合地形数据,分析了福州市夏季植被LAI以及LAI变化类型在不同地形特征上的分布差异。同时,利用2008年和2018年的土地覆盖数据,分析了福州市土地覆盖变化特征,统计各土地覆盖类型植被LAI的总体差异,各土地覆盖类型相互转化带来的植被LAI的损益。为了分析土地覆盖类型与植被LAI存在的空间非平稳性关系,使用地理加权回归模型探索了不同土地覆盖类型与植被LAI的关系。主要成果如下:(1)引入植被覆盖度和高程值2个关键地理环境因子后,反演模型精度验证的结果发现反演值和实测值的决定系数R2由0.714提高到0.795,均方根误差RMSE由0.49降低到0.31,说明引入地理环境因子后可以提高LAI反演模型的精度,并进行了时间序列的夏季LAI反演。进一步使用2011年和2016年的实测样本点数据验证了LAI反演模型在时间序列数据上的反演精度,2011年和2016年的反演值和实测值的R2和RMSE分别为0.781、0.44和0.790、0.39,说明LAI反演模型用于时间序列数据的反演也能取得很好的反演精度。(2)时间上福州市植被夏季LAI整体呈现增大的趋势,平均每年增大0.009。空间上福州市夏季植被LAI整体呈现由西向东,由内陆向沿海逐渐降低的趋势。对夏季植被LAI波动性分析的结果表明福州市大部分区域波动性较低,主要分布在山地和丘陵地带,波动性较高的区域主要分布在城市化比较剧烈的东部平原。趋势分析的结果表明,福州山地丘陵地带LAI保持稳定;而在城市区域,主要以植被LAI减小为主,但空间差异明显,LAI减小的区域主要分布在仓山区、闽侯县、长乐市和平潭县。R/S分析计算的Hurst指数结果表明,无法判断是否具有可持续性的区域占56.81%,说明福州市大部分区域变化趋势可持续性无法判断,有14.05%的区域可能会持续减小。(3)福州市海拔差异较大,在不同海拔上夏季植被LAI差异明显,LAI在不同海拔上的分布特征为随着海拔的增大先增大后减小,LAI在50m最小为0.85,LAI在1400m最大为4.12,当海拔大于1400m时,LAI的值随着海拔的增大而减小。LAI在不同坡度上的分布特征为随着坡度的增大而增大,LAI在坡度为3°时LAI最小为0.84,LAI在坡度为64°时LAI最大为3.08。植被LAI变化类型在不同地形因子上的分布特征的分析结果来看,在低海拔和低坡度区域占优势分布类型的为植被LAI减小类型,随着海拔和坡度的增大,植被LAI增大型逐渐变为优势分布类型,但在高海拔和高坡度区域优势分布类型为植被LAI不变型。在不同坡向上,植被LAI减小型在平地上为优势分布类型,在其他坡向上分布特征不明显。(4)不同土地覆盖类型LAI差异明显,土地覆盖比例与LAI显着相关,且两者的关系存在空间非平稳性,即不同土地覆盖类型在不同的空间位置对LAI的影响程度不同。对比一元线性回归和地理加权回归模型GWR两种模型,一元线性回归存在一定的局限性,尤其是在福州这种林地占较大比例的研究区,一元线性回归模型难以呈现在不同空间位置不同土地覆盖类型变化对LAI的影响,而GWR模型弥补了一元线性回归模型这方面的不足。
李佳睿[9](2020)在《构架载荷识别标定方法误差控制分析》文中认为为了进一步提升我国高速铁路的发展水平,发展具有完全自主知识产权的高速动车组技术,中国铁路总公司牵头联合中国中车研制了时速350km/h的标准动车组列车。其中,转向架作为决定列车安全性和可靠性的关键部件,转向架构架的载荷特征是进行疲劳强度评价和可靠性设计的重要支撑,而载荷识别标定试验的精度是获得准确构架载荷特征的保证。因此,本文对试验中的误差采取方法进行消除和控制,为得到最优化的传递矩阵,高精度识别构架载荷提供方法和指导。本文依托自然科学基金重大项目课题“高速轨道交通载荷特征与认别及载荷谱”,以CR400A动车转向架构架标定试验为研究对象,以建立针对于构架载荷标定试验误差控制方法,形成有效的数据筛选准则和流程,选取最优化的载荷应变传递系数矩阵为研究目标,完成了以下内容:(1)基于构架有限元分析,对已有载荷标定方案提出优化方法,为此后的标定试验开展提供参考。(2)建立起了一套进行标定数据误差控制的数学方法,包括消除系统误差、剔除不合理数据、传递系数的优化计算,根据方差分析优化测点的选取准则。(3)利用误差控制方法对标定数据进行数据处理和数据筛选,获得了最优化的载荷应变传递矩阵。(4)对选定的系数矩阵进行了误差评价,计算了选定系数矩阵的确定度偏差,以检验误差验证了误差控制方法的可靠性。并基于实测应变数据,对比了此方法的载荷识别与其他载荷识别方法的差异。图31幅,表70个,参考文献49篇。
王巨[10](2020)在《基于时序NDVI植被变化检测与驱动因素量化方法研究 ——以河西地区为例》文中研究表明植被是生态系统健康状况的重要指示器,其生长状况直接决定着生态系统能够为人类生存和发展提供物质和服务的能力。植被的变化不仅影响着生态系统功能的发挥,也深刻影响着地球表面属性、全球或区域气候过程以及物质(水、碳、氮)和能量的循环。因此,系统地监测植被长期变化,全面地分析植被长期变化特征及其驱动因素,有助于全面了解区域生态环境的历史、现状及未来,帮助政府部门制定科学合理的区域规划,促进区域生态环境朝着良性的方向可持续地发展。对任何变化的深入理解都需要建立在十几年乃至几十年连续观测的基础上。遥感技术的出现突破了人类认识地球表面状况在时间和空间上的局限性,为深入理解全球及大范围地区植被变化过程及其机理机制提供了可能。遥感对地观测数据及站点观测资料的不断累积,时间序列的不断延长以及近期一些宽视场传感器分辨率和性能的不断提高,为植被长期变化研究提供了坚实的数据保障,同时也为这一传统的研究领域带来了新的发展机遇和挑战。如何从海量的时间序列记录中自动化地提取有关植被变化的详细信息,包括在哪里发生了变化、发生怎样的变化过程(模式)、何时发生的变化、变化持续了多久、为什么会发生变化以及预测未来一段时期内植被变化情况,成为该领域亟待解决的重要的科学问题。鉴于此,本研究首先利用整合到年际时间尺度上的MODIS NDVI数据集,采用两种最常用的植被变化检测方法分析了2001–2017年间河西地区植被的总体变化情况,比较这两种方法在区域尺度上检测结果的异同,在此基础上,提出了一种能够全面检测植被变化过程的方法,深入分析17年间河西地区植被变化的详细过程。最后,结合气象站点气温和降水站点观测资料,本研究构建一个植被变化驱动因素区分框架,定量化地分析植被变化与气候变化之间的响应关系,深入理解人类活动对区域植被变化的干预程度。本研究的主要内容及其主要结论如下所述:(1)本研究首先采用两种最广泛使用的植被长期变化检测方法:一元线性回归分析方法,Theil-Sen斜率估算和Mann-Kendall显着性检验相结合的方法检测了2001–2017年间河西地区植被的总体变化情况,并对比分析了这两种方法在区域尺度上的检测结果的异同及其适用性。研究结果表明:无论是在植被变化的空间分布模式方面,还是在植被的变化量(斜率值)方面,这两种方法的检测结果都高度一致,二者基本可以通用;采用这两种方法检测出的植被变化量差异较大的区域,多为新开垦的绿洲区,在这些地方研究时期内植被呈现非线性变化过程,检测结果差异较大;同时这些地区与一元线性回归模型的残差序列存在自相关的区域一致,说明这种差异是一元线性模型不能够准确地表达植被的非线性变化过程造成的,从而进一步证实了Theil-Sen斜率估算和Mann-Kendall显着性检验相结合方法的可靠性。检测结果表明:河西地区大部分(60%左右)植被覆盖区域(NDVImax≧0.2)的植被状况发生了显着变化,总体上以植被改善为主;植被显着改善的区域主要分布在祁连山区、绿洲和荒漠过渡地区以及三条内流河的下游地区,而且祁连山区植被状况以轻微改善为主,绿洲边缘地区植被状况的改善幅度较大;植被NDVI时间序列呈现下降趋势的区域主要分布在绿洲内部,以凉州、民勤、甘州、高台和瓜州等绿洲内部最为集中。(2)本研究基于时间序列轨迹拟合算法构建了一个能够全面检测植被变化过程的新框架。该框架将植被在一段时期内的单调性变化过程概括为五种不同的模式,分别为线性模式、指数模式、对数模式、逻辑模式和无变化模式,前四种中的每种又可以根据植被的总体变化趋势(正的或负的)分为增加和减少两种不同类型;该框架采用一个逻辑模型自动地模拟和区分所有的非线性变化模式,并且根据逻辑模型中的参数确定在哪里发生了变化、变化趋势如何、何时发生的变化、变化持续了多久、发生了怎样的变化过程、并预测未来一段时间内植被的变化状况等。在石羊河流域内,点和区域两个层次的验证结果表明该框架能够准确有效地刻画植被的变化过程。与其他植被变化检测方法相比,新框架具有许多明显的优点。(3)与两种最常用的植被长期变化检测方法相比,新框架检测到的河西地区植被变化的空间分布模式与这两种方法的检测结果基本上一致,而且检测到的植被显着变化的区域更广些,这是因为新框架对NDVI时间序列做了简单的平滑处理,使得新框架中的模拟模型更容易通过显着性检验。另外,新框架检测结果显示,河西地区约60%的植被覆盖区域的植被呈现出非线性或阶段性变化过程,其中逻辑模式占植被覆盖区域的比例最大(30.28%)。线型模式,指数模式和对数模式所占比例相当;在各种模式中,增加模式均占主导地位;在植被NDVI减少的各种模式中,逻辑减少模式占绝对优势,其所占比例大于其他三种减少模式的总和。(4)根据新检测框架中数学模型的参数,本研究进一步确定了河西地区植被变化发生的时刻。从流域上看,黑河流域植被开始变化的时间要早些,一般发生在研究期前期阶段;石羊河流域次之,疏勒河流域植被变化最晚。具体来说,黑河流域上游祁连山区和下游绿洲地区植被状况改善开始的时间要早些(2005年以前),而祁连山东西两端植被改善开始的时刻较晚(约在2010年左右),在石羊河和黑河分水岭地区植被状况开始改善的时间最晚(约在2013年左右)。在河西走廊绿洲区,原始绿洲内部植被状况开始改善的时刻要早些(2005年以前),而绿洲边缘地区较晚(2007年以后)。在不同的行政单位内,植被NDVI开始下降的时刻显着不同:在武威地区,绿洲内部植被NDVI下降开始的时间段是2005年到2009年;在张掖地区,NDVI开始下降的时刻主要集中在3个时段:2003–2005,2008–2010和2013年以后;酒泉地区NDVI的下降主要开始于2010年以后。根据新框架检测到的植被变化模式和变化出现时刻,本研究利用谷歌高清影像、野外调查、相关报道以及已经公开发表的文献资料等多种途径调查了河西地区植被发生变化的原因。结果表明:城镇化、农业绿洲生态退耕、农业种植结构调整(包括塑料大棚建设)、采矿等是导致植被NDVI下降的主要原因;农业绿洲扩张、农业生产条件改善和众多的生态治理工程是河西地区植被状况得以改善的原因。(5)为了进一步明确各种因素(气候和人类活动)对河西地区植被动态变化的贡献量,本研究综合利用趋势分析(Theil-Sen斜率估算和Mann-Kendall显着性检验相结合方法)结果、植被变化与气候因子(气温和降水)之间的相关性分析结果、残差趋势分析结果,采用决策树算法构建一个能够气候因素和人类活动(包括政策)因素完全区分开来的框架。针对引起植被状况改善或退化的所有人类活动因素,本研究进一步采用地理空间数据掩膜处理技术进行区分,从而将影响河西地区植被变化的各种因素完全地区分开来、并进行量化和制图工作。结果表明:由人类活动、降水、降水和人类活动的共同作用、气温、气温和人类的共同作用、气温与降水共同作用以及这气温降水和人类活动三者的共同作用造成的植被显着变化区域分别占总植被变化区域的48.07%、11%、25.11%、3.59%、2.43%、3.07%和6.73%;相对于气温来说,河西地区植被生长变化对降水因子的变化更加敏感。人类活动进一步掩膜处理的结果表明,生态修复工程对河西地区植被状况改善的贡献较大。另外,植被NDVI时间序列中的负趋势,除小部分是由气候因素或者气候因素和人类活动共同作用造成的以外,它们中的绝大多数(72.05%)是人类活动造成的,包括城市化及各项建设事业(16.94%)、农业绿洲萎缩(5.43%)、农业种植结构调整(49.68%)。因此,本研究人类活动是影响河西地区植被变化的最主要因素,且在河西地区植被变化中,人类活动对环境的干预由过去的消极作用已经转化为积极作用;另外,NDVI时间序列中的下降趋势并不完全意味着土地退化,城镇化、以生态为目的的农田退耕、农业种植结构调整(包括塑料大棚的建设,退耕还林)等人类活动,虽然能够了的植被NDVI的下降趋势,但它们应当看作是区域生态环境优化和经济社会发展的结果。
二、对一元线性拟合的显着性检验的进一步分析(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、对一元线性拟合的显着性检验的进一步分析(论文提纲范文)
(1)高中生椭圆认知水平的发展研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究的主要问题 |
1.3 研究的思路与方法 |
1.4 研究的创新之处 |
1.5 研究的意义 |
2 文献综述 |
2.1 认知水平的界定 |
2.2 圆锥曲线的相关研究 |
3 测试工具的制定与预测试 |
3.1 测试工具的制定 |
3.2 预测试 |
4 正式测试 |
4.1 测试时间与地点 |
4.2 测试对象与基本情况 |
4.3 第一次测试与访谈 |
4.4 第二次测试与访谈 |
4.5 第三次测试与访谈 |
5 研究结论 |
5.1 高中生椭圆认知水平发展规律 |
5.2 学生椭圆认知水平测试框架的科学性 |
6 研究的不足与展望 |
6.1 研究的不足之处 |
6.2 研究展望 |
参考文献 |
附录1:预测试试卷A |
附录2:预测试试卷B |
附录3:预测试试卷C |
附录4:正式测试试卷A |
附录5:正式测试试卷B |
附录6:正式测试试卷C |
致谢 |
(2)西南地区秋冬雾日年际与年代际变化的物理机制研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 国内外研究进展 |
1.2.1 雾的时空分布特征及气象影响因子 |
1.2.2 西南地区雾的研究 |
1.2.3 雾与AO、ENSO等关系研究 |
1.3 问题的提出和本文主要工作 |
1.3.1 问题的提出 |
1.3.2 本文主要工作 |
第二章 资料和方法 |
2.1 资料 |
2.2 研究方法 |
2.2.1 露点温度 |
2.2.2 K指数 |
2.2.3 合成分析及其检验 |
2.2.4 相关分析及其检验 |
2.2.5 线性拟合 |
第三章 西南地区秋冬季雾日分布及尺度划分 |
3.1 西南地区秋冬季雾日的空间分布特征 |
3.2 西南地区秋冬季雾日的时间序列及尺度划分 |
3.3 不同尺度雾日的标准差分布 |
3.4 不同时间尺度雾日的空间分布特征 |
3.4.1 原始雾日空间分布特征 |
3.4.2 年际尺度雾日空间分布特征 |
3.4.3 年代际尺度雾日空间分布特征 |
3.5 不同尺度雾日与海温的相关 |
3.6 本章小结 |
第四章 西南地区年代际尺度雾日形成机制 |
4.1 西南地区年代际尺度雾日气候背景特征 |
4.1.1 环流形势 |
4.1.2 湿度条件 |
4.1.3 大气稳定度条件 |
4.2 西南地区年代际尺度雾日与海温的关系 |
4.3 AMO、PDO影响西南地区年代际尺度雾日的物理机制 |
4.3.1 AMO、PDO对环流形势的影响 |
4.3.2 AMO、PDO对湿度条件的影响 |
4.3.3 AMO、PDO对大气稳定度条件的影响 |
4.4 本章小结 |
第五章 西南地区年际尺度雾日形成机制及与年代际尺度的对比研究 |
5.1 西南地区年际尺度雾日气候背景特征 |
5.1.1 环流形势 |
5.1.2 湿度条件 |
5.1.3 大气稳定度条件 |
5.2 西南地区年际尺度雾日的形成机制与年代际尺度的对比与联系 |
5.2.1 年际尺度雾日的形成机制与年代际尺度的差异 |
5.2.2 不同年代际背景下年际雾日的特征 |
5.3 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 本文创新点 |
6.3 讨论与展望 |
参考文献 |
致谢 |
作者简介 |
(3)基于气象因子的草原鼠害预警研究(论文提纲范文)
摘要 |
Abstract |
第一章 引言 |
1.1 选题的背景和意义 |
1.2 国内外研究进展 |
1.2.1 草原鼠害生态学研究进展 |
1.2.2 草原鼠害发生面积与气象因子关系的研究 |
1.2.3 草原鼠害发生面积模型研究 |
1.3 本文研究目的、内容和组织结构 |
第二章 预备知识 |
2.1 相关性分析预备知识 |
2.1.1 皮尔逊相关性分析 |
2.1.2 显着性检验 |
2.1.3 灰色关联度分析法 |
2.2 回归分析预备知识 |
2.2.1 线性回归分析 |
2.2.2 曲线回归分析 |
2.3 神经网络模型 |
2.4 讨论与小结 |
第三章 研究区概况以及数据的获取与处理 |
3.1 研究区概况 |
3.2 鼠害基础数据的获取 |
3.2.1 研究区的设立及功能 |
3.2.2 调查方法 |
3.3 气象数据的获取以及处理 |
3.4 讨论与小结 |
第四章 科右前旗草原鼠害发生区域与害鼠生活环境的研究 |
4.1 影响草原鼠害发生因素的分析 |
4.2 科右前旗草原鼠害发生区域研究 |
4.3 草原害鼠生存环境的研究 |
4.3.1 湿度对草原鼠害发生的影响 |
4.3.2 日照对草原鼠害发生的影响 |
4.4 讨论与总结 |
第五章 科右前旗草原鼠害发生面积与气象因子的关系 |
5.1 草原鼠害发生与气温的相关性分析 |
5.1.1 温度对越冬鼠的影响 |
5.1.2 温度对幼鼠的影响 |
5.2 草原鼠害发生面积与降水量、相对湿度的相关性分析 |
5.2.1 降水量对越冬鼠的影响 |
5.2.2 降水、相对湿度对成年鼠妊娠以及哺乳幼鼠的影响 |
5.3 草原鼠害发生面积与日照时数、风速的相关性分析 |
5.3.1 最大风速对越冬鼠的影响 |
5.3.2 最大风速、日照对对成年鼠妊娠以及哺乳幼鼠的影响 |
5.4 分析与小结 |
第六章 草原鼠害发生面积预测模型研究 |
6.1 单气象因子线性拟合 |
6.2 单气象因子曲线拟合 |
6.3 多气象因子线性拟合 |
6.4 神经网络模型 |
6.4.1 灰色关联度分析 |
6.4.2 BP神经网络模型 |
6.4.3 模型精度检验 |
6.5 讨论与小结 |
总结与展望 |
参考文献 |
致谢 |
(4)黄淮海流域降水与土地覆被相互影响研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 水资源研究进展 |
1.2.2 土地资源研究进展 |
1.2.3 水土资源交互作用研究 |
1.3 研究目的与研究内容 |
1.3.1 研究目的 |
1.3.2 研究内容 |
1.4 技术路线图 |
2 研究区与数据 |
2.1 研究区介绍 |
2.1.1 位置概述 |
2.1.2 地质特征 |
2.1.3 气候气象 |
2.1.4 河流水系 |
2.1.5 土壤植被 |
2.1.6 社会经济 |
2.2 数据来源 |
2.2.1 土地利用数据 |
2.2.2 归一化植被指数数据 |
2.2.3 净初级生产力数据 |
2.2.4 土壤数据 |
2.2.5 气象数据 |
2.2.6 辐射数据 |
2.2.7 其他类型数据 |
3 水土资源时空变化特征分析 |
3.1 时空变化特征研究方法 |
3.1.1 土地利用转移矩阵 |
3.1.2 一元线性回归分析法及F检验 |
3.1.3 Mann-Kendall趋势分析 |
3.2 土地利用变化分析 |
3.3 NDVI变化分析 |
3.4 NPP变化分析 |
3.5 降水变化分析 |
4 土地覆被对降水变化的响应及时空预测 |
4.1 研究方法 |
4.1.1 空间相关性分析法 |
4.1.2 时空克里格模型 |
4.2 降水对NDVI变化的影响 |
4.2.1 年NDVI同年降水的空间相关性 |
4.2.2 季均NDVI同季降水的空间相关性 |
4.2.3 NDVI对降水变化响应的时滞性 |
4.3 降水对NPP变化的影响 |
4.3.1 年NPP同年降水的空间相关性 |
4.3.2 季均NPP同季降水的空间相关性 |
4.3.3 NPP对降水变化响应的时滞性 |
4.4 2025年NDVI、NPP数据模拟 |
4.4.1 2025 年降水量预测 |
4.4.2 STROK模型拟合和检验 |
4.4.3 2025年NDVI和 NPP预测结果 |
5 产水效应对土地利用变化的响应及时空预测 |
5.1 研究方法 |
5.1.1 InVEST模型 |
5.1.2 CA-Markov模型 |
5.2 数据预处理 |
5.3 模型模拟与结果分析 |
5.3.1 模型模拟 |
5.3.2 结果分析 |
5.4 产水量对土地利用变化的响应 |
5.5 2025 年黄淮海流域产水量模拟 |
6 结论与展望 |
6.1 主要结论 |
6.2 不足与展望 |
参考文献 |
致谢 |
(5)基于多源遥感数据的邯郸市滏阳河水质参数反演(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 水质遥感监测基本理论与方法 |
1.2.1 水质参数反演基本原理 |
1.2.2 水质参数反演方法 |
1.3 国内外研究现状 |
1.3.1 基于传统监测技术的水质监测研究现状 |
1.3.2 基于卫星遥感技术的水质监测研究现状 |
1.3.3 基于无人机遥感技术的水质监测研究现状 |
1.4 论文研究内容及技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
第2章 研究区概况与数据采集处理 |
2.1 研究区概况 |
2.2 数据获取与处理 |
2.2.1 水质采样数据 |
2.2.2 无人机遥感数据获取与处理 |
2.2.3 卫星遥感数据获取与预处理 |
2.2.4 无人机影像数据与Sentinel-2 影像数据比较分析 |
2.3 本章小结 |
第3章 基于无人机遥感影像的水质参数反演模型构建 |
3.1 研究方法与光谱参数模型构建 |
3.1.1 研究方法 |
3.1.2 光谱参数模型构建 |
3.2 浊度反演模型的构建 |
3.2.1 无人机遥感影像与浊度相关性分析 |
3.2.2 一元回归模型构建 |
3.2.3 多元线性回归模型构建 |
3.3 悬浮物浓度反演模型的构建 |
3.3.1 无人机遥感影像与悬浮物浓度相关性分析 |
3.3.2 一元回归模型构建 |
3.3.3 多元线性回归模型构建 |
3.4 氨氮反演模型的构建 |
3.4.1 无人机遥感影像与氨氮相关性分析 |
3.4.2 一元回归模型构建 |
3.4.3 多元线性回归模型构建 |
3.5 本章小结 |
第4章 基于卫星遥感影像的水质参数反演模型构建 |
4.1 基于Sentinel-2 遥感影像浊度反演模型构建 |
4.1.1 Sentinel-2 遥感影像与浊度相关性分析 |
4.1.2 一元回归模型构建 |
4.1.3 多元线性回归模型构建 |
4.2 基于Sentinel-2 遥感影像悬浮物浓度反演模型构建 |
4.2.1 Sentinel-2 遥感影像与悬浮物浓度相关性分析 |
4.2.2 一元回归模型构建 |
4.2.3 多元线性回归模型构建 |
4.3 基于Sentinel-2 遥感影像氨氮反演模型构建 |
4.3.1 Sentinel-2 遥感影像与氨氮相关性分析 |
4.3.2 一元回归模型构建 |
4.3.3 多元线性回归模型构建 |
4.4 本章小结 |
第5章 水质参数反演及空间分布分析 |
5.1 基于两种数据源的水质参数反演模型统计比较 |
5.2 水质参数反演 |
5.2.1 浊度反演及空间分布 |
5.2.2 悬浮物浓度反演及空间分布 |
5.2.3 氨氮浓度反演及空间分布 |
5.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表论文和参加科研情况 |
致谢 |
作者简介 |
(6)基于叶片反射光谱特征的铀及伴生重金属含量反演(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 放射性及重金属污染的概念与危害 |
1.1.1 放射性及重金属污染的概念 |
1.1.2 放射性及重金属污染的危害 |
1.2 植物重金属含量与土壤重金属含量的关系 |
1.3 遥感探测土壤和植物重金属污染的理论基础 |
1.4 国内外研究现状 |
1.5 研究内容与思路 |
1.5.1 前期研究基础 |
1.5.2 本论文的主要研究内容与思路 |
1.6 创新性与意义 |
1.6.1 本论文提出和诠释的关键科学问题 |
1.6.2 创新性及意义 |
2 材料与方法 |
2.1 实验材料 |
2.2 实验方法与数据采集 |
2.3 重金属富集与耐性特征评价指标 |
2.3.1 富集特征评价指标 |
2.3.2 耐性特征评价指标 |
2.4 光谱数据采集与预处理 |
2.4.1 实测光谱求均值与内插 |
2.4.2 光谱去噪 |
2.4.3 包络线去除 |
2.5 叶片光谱特征参数 |
2.5.1 形状参数 |
2.5.2 比值参数 |
2.5.3 归一化参数 |
2.6 统计方法反演建模概述 |
2.7 常用植被指数概述 |
2.7.1 比值型植被指数 |
2.7.2 归一型植被指数 |
2.7.3 其他型植被指数 |
2.8 PROSPECT模型概述 |
3 实验植物铀及伴生重金属富集与耐性特征 |
3.1 湘苎7 号的铀及伴生重金属富集与耐性特征 |
3.1.1 湘苎7 号的铀富集与耐性特征 |
3.1.2 湘苎7 号的镉富集与耐性特征 |
3.1.3 湘苎7 号的铅富集与耐性特征 |
3.2 印度芥菜的铀富集与耐性特征 |
3.3 酸模的铀及伴生重金属富集与耐性特征 |
3.3.1 酸模的铀富集与耐性特征 |
3.3.2 酸模的铅富集与耐性特征 |
3.4 油菜的铀及伴生重金属富集与耐性特征 |
3.4.1 油菜的铀富集与耐性特征 |
3.4.2 油菜的镉富集与耐性特征 |
3.4.3 油菜的铅富集与耐性特征 |
3.5 玉米的铀及伴生重金属富集与耐性特征 |
3.5.1 玉米的铀富集与耐性特征 |
3.5.2 玉米的镉富集与耐性特征 |
3.5.3 玉米的铅富集与耐性特征 |
3.6 讨论 |
3.7 本章小结 |
4 铀及伴生重金属污染植物叶片反射光谱特征 |
4.1 铀及伴生重金属污染下实验植物叶片反射光谱宏观变异情况 |
4.1.1 光谱角 |
4.1.2 铀及伴生重金属污染下湘苎7 号的光谱角变异 |
4.1.3 铀污染下印度芥菜的光谱角变异 |
4.1.4 铀及伴生重金属污染下酸模的光谱角变异 |
4.1.5 铀及伴生重金属污染下油菜的光谱角变异 |
4.1.6 铀及伴生重金属污染下玉米的光谱角变异 |
4.2 实验植物光谱对铀及伴生重金属污染敏感的波长 |
4.2.1 湘苎7 号光谱对铀及伴生重金属污染敏感的波长 |
4.2.2 印度芥菜光谱对铀污染敏感的波长 |
4.2.3 酸模光谱对铀及伴生重金属污染敏感的波长 |
4.2.4 油菜光谱对铀及伴生重金属污染敏感的波长 |
4.2.5 玉米光谱对铀及伴生重金属污染敏感的波长 |
4.3 与实验植物叶片铀及伴生重金属含量显着强相关的光谱特征参数 |
4.3.1 与湘苎7 号叶片铀及伴生重金属含量显着强相关的光谱特征参数 |
4.3.2 与印度芥菜叶片铀含量显着强相关的光谱特征参数 |
4.3.3 与酸模叶片铀及伴生重金属含量显着强相关的光谱特征参数 |
4.3.4 与油菜叶片铀及伴生重金属含量显着强相关的光谱特征参数 |
4.3.5 与玉米叶片铀及伴生重金属含量显着强相关的光谱特征参数 |
4.4 讨论 |
4.4.1 实验植物敏感波长综合分析 |
4.4.2 铀及伴生重金属污染植物叶片光谱特征参数综合分析 |
4.5 本章小结 |
5 土壤铀及伴生重金属含量反演 |
5.1 基于光谱角变异的土壤铀及伴生重金属含量反演 |
5.2 土壤与叶片铀及伴生重金属含量的回归模型 |
5.3 讨论 |
5.4 本章小结 |
6 统计方法反演植物叶片铀及伴生重金属含量 |
6.1 基于敏感波长的叶片铀及伴生重金属反演模型 |
6.1.1 基于敏感波长的湘苎7 号叶片铀及伴生重金属反演模型 |
6.1.2 基于敏感波长的印度芥菜叶片铀反演模型 |
6.1.3 基于敏感波长的酸模叶片铀及伴生重金属反演模型 |
6.1.4 基于敏感波长的油菜叶片铀及伴生重金属反演模型 |
6.1.5 基于敏感波长的玉米叶片铀及伴生重金属反演模型 |
6.2 基于光谱参数的叶片重金属反演模型 |
6.2.1 基于光谱参数的湘苎7 号叶片重金属反演模型 |
6.2.2 基于光谱参数的印度芥菜叶片重金属反演模型 |
6.2.3 基于光谱参数的酸模叶片重金属反演模型 |
6.2.4 基于光谱参数的油菜叶片重金属反演模型 |
6.2.5 基于光谱参数的玉米叶片重金属反演模型 |
6.3 讨论 |
6.3.1 基于敏感波长的叶片重金属反演总结 |
6.3.2 基于光谱参数的叶片重金属反演总结 |
6.4 本章小结 |
7 植被指数方法反演植物叶片铀及伴生重金属含量 |
7.1 植被指数的选择与参数确定 |
7.1.1 本文使用的比值型植被指数 |
7.1.2 本文使用的归一型植被指数 |
7.1.3 本文使用的其他型植被指数 |
7.2 植被指数反演叶片铀及伴生重金属模型建立 |
7.2.1 植被指数反演湘苎7 号叶片铀及伴生重金属含量 |
7.2.2 植被指数反演印度芥菜叶片铀含量 |
7.2.3 植被指数反演酸模叶片铀及伴生重金属含量 |
7.2.4 植被指数反演油菜叶片铀及伴生重金属含量 |
7.2.5 植被指数反演玉米叶片铀及伴生重金属含量 |
7.3 讨论 |
7.4 本章小结 |
8 物理模型反演植物叶片铀及伴生重金属含量 |
8.1 PROSPECT模型叶片结构参数N的确定 |
8.2 叶片铀及伴生重金属含量与叶片解剖结构参数的相关性分析 |
8.3 由叶片解剖结构参数计算叶片结构参数 |
8.4 利用叶片结构参数反演叶片重金属含量 |
8.5 讨论 |
8.6 本章小结 |
9 结论与展望 |
9.1 结论 |
9.2 展望 |
致谢 |
参考文献 |
攻读学位期间取得的研究成果 |
(7)中国四大污染区灰霾污染特征及气象影响因素探究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 研究内容及技术路线 |
第二章 数据资料与研究方法 |
2.1 数据资料及来源 |
2.2 相关指数定义 |
2.3 研究方法 |
第三章 灰霾污染的时空分布特征 |
3.1 能见度时空分布特征 |
3.2 霾日时空分布特征 |
3.3 能见度反演PM2.5的变化趋势 |
3.4 污染物排放年际变化趋势 |
3.5 排放与多种污染物浓度对比 |
3.6 本章小结 |
第四章 排放和气候气象因子对灰霾PM2.5年际变化的影响 |
4.1 气象因子对灰霾的影响机制 |
4.2 气象和气候对PM2.5的年际变化定量分析 |
4.3 气候因子对灰霾的影响 |
4.4 本章小结 |
第五章 多元线性回归预测冬季月霾日 |
5.1 京津冀 |
5.2 长三角 |
5.3 珠三角 |
5.4 四川盆地 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 主要结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
致谢 |
(8)福州市夏季叶面积指数时空变化特征研究(论文提纲范文)
中文摘要 |
Abstract |
中文文摘 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究进展 |
1.2.1 使用植被指数植被监测研究进展 |
1.2.2 使用LAI植被监测研究进展 |
1.2.3 LAI反演方法研究进展 |
1.2.4 土地覆盖与植被的关系 |
1.3 研究目的、内容与技术路线 |
1.3.1 研究目的 |
1.3.2 研究内容 |
1.3.3 技术路线 |
第二章 研究区概况及数据方法 |
2.1 研究区概况 |
2.1.1 地理位置 |
2.1.2 地理特征 |
2.2 数据与处理 |
2.2.1 遥感影像及预处理 |
2.2.2 野外实测数据 |
2.3 研究方法 |
2.3.1 LAI反演模型构建方法 |
2.3.2 数据分析方法 |
第三章 夏季LAI遥感反演及验证 |
3.1 LAI敏感波段选择 |
3.1.1 局部敏感性分析 |
3.1.2 全局敏感性分析 |
3.2 地理环境因子与实测LAI的相关性 |
3.3 LAI估算模型构建与验证 |
3.4 模型因子贡献度分析 |
3.5 夏季LAI时间序列数据反演与精度验证 |
3.6 与MODIS数据的对比 |
第四章 2008~2018 年福州市夏季LAI时空特征 |
4.1 福州市夏季LAI年际变化特征 |
4.2 福州市夏季LAI空间分布特征 |
4.3 福州市夏季LAI稳定性分析 |
4.4 福州市夏季LAI变化趋势分析 |
4.5 福州市夏季LAI变化可持续性分析 |
4.6 不同地形因素下福州市夏季LAI空间分布特征 |
4.6.1 福州市夏季LAI海拔分布差异 |
4.6.2 福州市夏季LAI在坡度坡向上分布差异 |
4.7 2008~2018 年福州市夏季LAI变化对地形因素的响应 |
4.7.1 海拔高度对福州市夏季LAI变化的分异作用 |
4.7.2 坡度对福州市夏季LAI变化的分异作用 |
4.7.3 坡向对福州市夏季LAI变化的分异作用 |
第五章 福州市夏季LAI与土地覆盖的关系 |
5.1 福州市土地覆盖分类 |
5.2 不同土地覆盖类型夏季LAI差异 |
5.3 土地覆盖类型转换下的夏季LAI损益分析 |
5.4 基于3km格网的土地覆盖比例变化对夏季LAI的影响 |
5.4.1 土地覆盖比例变化与夏季LAI的一元线性模型 |
5.4.2 土地覆盖比例变化与夏季LAI的 GWR模型 |
5.4.3 一元线性回归和GWR的对比 |
第六章 结论与展望 |
6.1 主要结论 |
6.2 创新之处 |
6.3 不足与展望 |
参考文献 |
攻读学位期间承担的科研任务与主要成果 |
致谢 |
个人简历 |
(9)构架载荷识别标定方法误差控制分析(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状 |
1.3 研究内容 |
1.3.1 研究内容 |
1.3.2 预期目标与成果 |
2 标定试验误差分析 |
2.1 误差类型 |
2.2 标定试验中的误差来源及分类 |
2.3 本章小结 |
3 构架有限元分析 |
3.1 标准动车组转向架构架简介 |
3.2 有限元计算与载荷测点的对比分析 |
3.2.1 有限元模型的建立 |
3.2.2 载荷计算 |
3.2.3 有限元计算结果 |
3.2.4 载荷测点布置和优化分析 |
3.3 本章小结 |
4 载荷应变关系误差模型 |
4.1 构架载荷应变传递关系 |
4.2 线性拟合的数学误差模型 |
4.3 线性回归分析方法 |
4.3.1 最小二乘估计 |
4.3.2 标准化模型的最小二乘估计 |
4.4 标定矩阵回归方程求解方法 |
4.5 本章小结 |
5 试验数据误差控制方法 |
5.1 试验误差的分布规律 |
5.2 误差控制方法的相关数学量及意义 |
5.3 应变增量的最佳值 |
5.4 试验的系统误差消除方法 |
5.5 试验的不合理测量值的舍弃 |
5.6 线性拟合的回归分析 |
5.6.1 回归问题的方差分析 |
5.6.2 相关系数 |
5.6.3 回归方程的显着性检验 |
5.6.4 残余标准差 |
5.7 检验误差的使用 |
5.8 本章小结 |
6 构架标定系数矩阵的获得 |
6.1 系数矩阵的筛选思路 |
6.2 载荷标定方法和矩阵分解 |
6.2.1 载荷分类和标定方法 |
6.2.2 矩阵分解 |
6.3 垂向载荷系数 |
6.3.1 浮沉载荷系数 |
6.3.2 侧滚载荷系数 |
6.3.3 扭转载荷系数 |
6.4 制动载荷系数 |
6.4.1 制动1轴的标定 |
6.4.2 制动2轴的标定 |
6.5 电机载荷系数 |
6.5.1 电机垂向载荷系数 |
6.5.2 电机横向载荷系数 |
6.6 齿轮箱载荷系数 |
6.7 抗蛇行载荷系数 |
6.8 二力部件对构架载荷测点的影响 |
6.9 构架载荷识别矩阵及计算 |
6.9.1 传递矩阵解耦计算 |
6.9.2 载荷识别计算流程 |
6.10 本章小结 |
7 载荷识别误差评价与分析 |
7.1 测量确定度偏差的计算 |
7.2 选定系数矩阵的检验误差验证 |
7.2.1 经误差控制的系数矩阵的检验误差 |
7.2.2 非误差控制方法的系数的检验误差 |
7.2.3 其他测点组合系数矩阵的检验误差 |
7.3 载荷识别方法的实测结果对比 |
7.3.1 实测载荷识别对比方法 |
7.3.2 垂向载荷识别对比分析 |
7.3.3 等效载荷对比 |
7.3.4 抗蛇行载荷和齿轮箱载荷识别 |
7.4 本章小结 |
8 结论与展望 |
参考文献 |
作者简历及攻读硕士/博士学位期间取得的研究成果 |
学位论文数据集 |
(10)基于时序NDVI植被变化检测与驱动因素量化方法研究 ——以河西地区为例(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究进展 |
1.2.1 植被变化检测方法的研究进展 |
1.2.2 遥感时间序列选择及其信息提取方法的研究进展 |
1.2.3 植被变化影响因素区分量化的研究进展 |
1.3 研究目标及内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.4 技术路线及论文组织 |
1.4.1 技术路线 |
1.4.2 论文组织 |
第二章 研究区概况及数据源 |
2.1 研究区概况 |
2.1.1 自然地理概况 |
2.1.2 社会经济与生态状况 |
2.2 数据源 |
2.2.1 MODIS NDVI时间序列数据集 |
2.2.2 气候要素时间序列数据集 |
2.2.3 其他辅助资料 |
2.2.4 人类活动地理空间数据集 |
第三章 两种最常用的植被长期变化检测方法的比较分析 |
3.1 研究方法 |
3.1.1 一元线性回归分析方法 |
3.1.2 Theil-Sen斜率估算和Mann-Kendall相结合的方法 |
3.2 两种变化检测方法的结果分析 |
3.2.1 基于一元线性回归方法的植被变化检测结果 |
3.2.2 基于Theil-Sen和 Mann-Kendall方法的植被变化检测结果 |
3.3 两种最常用方法的比较分析 |
3.4 本章小结 |
第四章 植被长期变化新检测框架的构建及应用 |
4.1 新检测框架的构建 |
4.1.1 新检测框架概述 |
4.1.2 NDVI时间序列的平滑处理 |
4.1.3 逻辑函数模拟所有非线性模式 |
4.1.4 植被线性变化模式的检测方法 |
4.1.5 方法验证 |
4.2 基于新框架的河西地区植被长期变化过程分析 |
4.2.1 结果验证 |
4.2.2 河西地区植被长期变化模式分析 |
4.2.3 植被变化模式的空间分布及变化时刻分析 |
4.2.4 植被变化持续时间分析 |
4.2.5 植被显着变化的原因分析 |
4.2.6 植被变化预测 |
4.3 讨论 |
4.4 本章小结 |
第五章 驱动因素区分量化方法的构建及应用 |
5.1 植被变化驱动因素量化分析方法 |
5.1.1 方法概述 |
5.1.2 相关性分析方法 |
5.1.3 残差趋势分析方法 |
5.1.4 植被变化驱动因素的分类制图框架 |
5.1.5 人类活动的进一步区分方法 |
5.2 河西地区植被对气候变化的响应 |
5.2.1 植被变化与降水因子之间的相关性和残差趋势分析结果 |
5.2.2 植被变化与气温因子之间的相关性和残差趋势分析结果 |
5.3 植被长期变化驱动因素区分量化制图 |
5.3.1 驱动因素区分量化结果 |
5.3.2 人类活动的进一步区分量化结果 |
5.4 讨论 |
5.4.1 气候因素对河西地区植被变化的影响 |
5.4.2 植被变化影响因素分类新框架的适用性 |
5.4.3 城镇化及新农村建设对河西地区植被变化的影响 |
5.4.4 农业绿洲动态变化对河西地区植被变化的影响 |
5.4.5 生态修复工程对河西地区植被变化的影响 |
5.4.6 农业生产措施改变对河西地区植被变化的影响 |
5.5 本章小结 |
第六章 结论 |
6.1 主要结论 |
6.2 创新点 |
6.3 研究展望 |
参考文献 |
在学期间的研究成果 |
致谢 |
四、对一元线性拟合的显着性检验的进一步分析(论文参考文献)
- [1]高中生椭圆认知水平的发展研究[D]. 辜博. 四川师范大学, 2021(12)
- [2]西南地区秋冬雾日年际与年代际变化的物理机制研究[D]. 张颖. 南京信息工程大学, 2021(01)
- [3]基于气象因子的草原鼠害预警研究[D]. 马亮. 内蒙古工业大学, 2021(01)
- [4]黄淮海流域降水与土地覆被相互影响研究[D]. 李可. 华中农业大学, 2021(02)
- [5]基于多源遥感数据的邯郸市滏阳河水质参数反演[D]. 赵松. 河北工程大学, 2021(08)
- [6]基于叶片反射光谱特征的铀及伴生重金属含量反演[D]. 王卫红. 西南科技大学, 2020(09)
- [7]中国四大污染区灰霾污染特征及气象影响因素探究[D]. 李燕子. 暨南大学, 2020
- [8]福州市夏季叶面积指数时空变化特征研究[D]. 高尚. 福建师范大学, 2020(12)
- [9]构架载荷识别标定方法误差控制分析[D]. 李佳睿. 北京交通大学, 2020(03)
- [10]基于时序NDVI植被变化检测与驱动因素量化方法研究 ——以河西地区为例[D]. 王巨. 兰州大学, 2020(01)