李恺霖,张春桂,郭伟,陈笑晨[1]（2021）在《基于葵花-8卫星的福建林火识别方法及特征》文中认为福建省森林覆盖率连续40年位居全国第一,是南方重要的林区,同时也是森林火灾的高发地区之一。在筛选众多林火识别算法的基础上,为了提高遥感精度,利用新一代的葵花-8静止气象卫星对福建地区林火从时间、空间等因素进行了监测,统计了福建全省在不同季节下典型的火点及背景亮温、不同红外通道下亮温的差异情况。讨论了福建省各设区市林火监测的特点,在此基础上建立适用于福建丘陵山区的小林火监测方法,同时针对在火点监测业务中出现的一些问题提出了改进方案。
潘梅[2]（2020）在《京津冀地区生态系统时空变化和驱动因素分析》文中认为生态系统是人类赖以生存和发展的物质基础和条件,是一种无可替代的宝贵资源。由于全球气候变化越来越显着,极端天气出现频率增加,人类活动造成的生态系统结构破坏、生态环境质量下降的现象越来越显着等问题与日俱增,给人类和自然的可持续发展带来的严重的挑战。京津冀地区作为中国北方经济规模最大、发展水平最高的地区,在区域生态安全格局上具有重要的地位。京津冀地域一体,文化一脉,具有很强的协同互补优势,然而区域共同面临着多种生态问题。随着遥感和地理信息系统技术的日益完善,将二者相结合已被广泛应用于生态评价的研究中。基于RS/GIS平台,可以快速、高效、便利地评价区域生态状况。本文结合RS/GIS技术和数理分析等方法,构建了一套京津冀地区生态系统结构、质量及其关键服务的生态本底图谱,并对其时空变化特征进行了分析和评估。重点分析了研究区生态系统变化的驱动机制,提出驱动分区识别技术,结果表明:（1）京津冀地区的农田、森林、草地、水体与湿地生态系统面积约占研究区面积分别为49.7%、20.7%、16.2%、3.4%。15年,城镇面积明显增加,农田面积大量减少,二者出现此消彼长的现象。（2）2000—2015年京津冀地区平均最大植被覆盖度约为38.32%,年平均植被覆盖度增长速率为0.060/10a（P<0.01）,约占研究区总面积85.44%的植被覆盖度呈上升趋势,14.56%的植被覆盖度呈下降趋势。（3）京津冀地区各类生态系统服务功能物质量均表现出明显的西北高东南低的空间分布差异。平均防风固沙量、水源涵养量、土壤保持量分别为5.61×108 t、74.58×108m3、7.98×108 t,增长速率分别为0.11 t hm-2 a-1、0.03×104 m3 km-2 a-1、1.08 t hm-2 a-1。（4）研究区生长季气候整体趋于暖湿趋势,为植被的生长和发育提供了良好的水热条件。植被覆盖度与降雨量、气温均呈正相关,其中降雨量对植被覆盖度的影响大于气温对植被覆盖度的影响。人类活动对植被覆盖度正干扰影响的区域占51.67%,负干扰的作用面积占47.87%。其中,以北京、天津为核心的中部城市群以侵占原有生境的城市扩张现象明显,从而导致这些地区的植被覆盖度、服务功能下降。（5）驱动因素分区方面,人类正干扰型占11.52%,主要集中在承德、张家口、衡水、邢台等地区;负干扰型占12.67%,分布于各地级市的城镇建成区;降雨促进型占11.48%,集中分布在太行山山区的北京-保定地段;非气候和人类干扰明显型占58.25%。
王磊[3]（2020）在《南充市森林火灾分布特征及风险等级区划研究》文中研究指明森林火灾作为一种全球性的自然灾害,它不仅破坏大量的森林资源,对人类的生产和生活带来严重的影响,而且打破自然的生态平衡,产生诸多环境问题。近年来,南充市加大绿化造林工作力度,以实际行动践行“绿水青山就是金山银山”的发展理念。该区域植被覆盖率正在逐年增加,而且该区域植被类型以针叶林为主,加大了森林火灾的风险,但是目前关于该区域的火灾风险区划研究相对较少。因此,对该区域进行森林火险区划研究是十分有必要的。本文以南充市作为研究区,以“3S”技术作为支撑,基于VIIRS 375 m热异常位置矢量产品（VNP14IMG）数据集提取2012-2018 a的火灾点,结合LANDSAT影像、DEM和基础地理数据等数据,利用数理统计分析方法和GIS的空间分析功能,研究了南充市森林火灾分布特征,选取8个森林火灾致灾因子,构建了森林火灾风险区划指标体系,利用层次分析法和GIS空间建模工具构建了风险区划模型并进行风险区划,生成了森林火险区划图。森林火险区划图对区域进行了准确的火险定级和区划,可以起到很好的预警作用,对减少森林火灾的发生,降低火灾带来的损失具有积极意义,为南充市森林火灾分区防控提供了科学参考。主要研究结果如下:（1）根据2012-2018年VIIRS 375m火灾数据产品统计分析,在年际尺度上,南充市森林火灾发生次数波动较大,呈现波动中缓慢增长的状态,但不显着;在季节尺度上,南充市森林火灾主要发生在冬季和春季,其中春季是高发期,火点数占了总数的54.59%,其次是冬季,占比为38.27%,夏季和秋季为森林火灾的低发期;在月际尺度上,森林火灾主要集中在每年的1月、2月、3月和4月,其中2月、3月和4月灾情最为严重,是火灾高发月份,占总火点数的80%。（2）从空间分布格局上看,2012-2018年,南充市火点主要集中在南充市的西南部和东北部,局部地区火点密度较大,中部地区火点较少。南充市所辖9个区县中,高密度火点主要分布在嘉陵区和营山县,占总火点数的比例达58%,其中嘉陵区最多,占火点总数的33.67%。在海拔分布上,火灾点主要分布在海拔300400m之间,其火点所占比例达61.73%,并且随着海拔的升高,森林火灾数量呈现先增加后减少的趋势;在坡度分布上,其火点主要分布在小于25°的区域,其中坡度在5°15°这一坡度区间是林火发生最多的区域,所占火点总数达48%,并且随着坡度的增加,呈现出中间高两边低的状态;在坡向上,阳坡火点个数略大于阴坡火点个数,比例分别为56.63%和43.37%,比例差异不是很明显;从可燃物因素角度来看,火点主要集中在针叶林,其火点个数占比为82%。将火点个数与NDVI进行函数拟合,随着NDVI值的增大,火点个数呈现增加的趋势,当NDVI值达到0.95-1这个区间时,火点数最多,占总火点个数比例达23%;从人类活动影响因子上看,火点在道路缓冲区500 m以内最多,随着缓冲区的增加,火点个数呈现一直降低的趋势。火点在居民点缓冲区5001000 m最多,随着居民点缓冲区距离的增大,火点呈现先增加后减少的趋势。火点在人口密度200400区间时,火点数最多,占总火点数的58.67%,随人口密度的增加,呈现出先增加后减少的趋势,并且低人口密度区域与高人口密度区域几乎呈现相同的特征。（3）根据森林火灾风险指数,基于自然断点法,南充市森林火险等级分为较高风险区、高风险区、中风险区、低风险区和极低风险区五类火灾风险区。其中极低森林火险区面积最少,占研究区面积的10.5%;较高风险区面积较多,占比为23.6%。（4）利用2012-2018 a遥感监测火点验证火险区划结果显示,99%的火点落在了较高风险区和高风险区,说明了此次研究的森林火灾风险区划模型具有较好的精度。
张仁萍[4]（2020）在《大巴山国家地质公园生态环境质量评价》文中研究表明大巴山国家地质公园位于大巴山南麓,川、陕、卾、渝四省（市）交接部的中心地带,由八台山园区和百里峡园区两个相对独立的园区组成。近年来随着旅游业的快速发展,园区内的八台山、龙潭河和百里峡旅游景点吸引了无数外来游客,推动了当地经济的发展,同时也在一定程度上对大巴山国家地质公园的生态环境造成影响。因此,全面掌握大巴山国家地质公园生态环境质量的变化情况,从而进行恢复性建设是十分必要的。本文以大巴山国家地质公园为研究对象,利用遥感数据、DEM数据、土壤数据、气象数据和社会经济数据等,运用SPSS19.0、ENVI5.4、Arc GIS、Microsoft office 2013等软件对数据进行相应的处理。根据生态环境质量评价指标的选取原则,结合研究区的实际具体情况、特点等,选取了地面坡度、海拔、温度、土地覆被、植被覆盖率、年降雨量、土壤侵蚀、人口密度、人均耕地面积、人均GDP、农民人均纯收入11个评价指标。通过分等定级对评价指标进行标准化,利用层次分析法确定各指标的权重,再用GIS的空间分析技术对大巴山国家地质公园的整体生态环境质量进行综合评价,以评价结果为指导,根据相关部门规定,针对性地提出一些关于大巴山国家地质公园生态环境质量的改善措施与建议。通过对大巴山国家地质公园2005～2018年间生态环境质量进行研究,本文主要取得以下成果:（1）大巴山国家地质公园生态环境指数为2.01～4.83,生态环境质量整体表现为良好。相比而言,沿河两岸和城镇地带的生态环境质量较差。研究区的生态环境质量呈现出由北向南降低的变化特征。总体而言,大巴山国家地质公园北部地区生态环境与南部地区相比相对较好,受到的破坏程度相对较弱。（2）就生态环境质量空间分布差异性而言,大巴山国家地质公园生态环境指数在空间上存在明显的区域特征。生态环境指数偏高的地区明显分布在北部万源市的蜂桶乡和堰塘乡,统计数据显示这块人口比较稀疏,所以人为的干扰相对较弱。生态环境指数偏低的区域集中在万源市的西北部、西南部和宣汉市区的百里峡园区,同时表明生态环境指数偏低的区域,社会经济相对发达且人口分布也相对集中。（3）从时间角度分析,省地质公园前,园区的生态环境指值为2.01～4.83,生态环境本底条件好;申报省地质公园和国家地质公园后,生态环境指数降低,2013～2018年生态环境指数升高,生态环境质量得到改善。（4）人文和自然影响因素对生态环境尤为重要。园区内存在一些地质灾害,园区经济不发达,居民缺乏环保意识和土壤侵蚀等是影响生态环境质量的主要因素。并以此提出相应的建议和措施,为生态环境的治理和恢复提供一定的依据。
陈志强[5]（2019）在《基于3S技术的林地资源变更动态分析及其保护管理研究 ——以福清市为例》文中研究表明林地是森林资源的重要组成部分,通过对林地资源进行动态变化监测,了解林地资源现状与变化动态,进行科学合理的林地经营规划,加强林地保护利用管理,是实现林业可持续发展的重要举措。随着“3S”技术在林业上的应用发展,“3S”技术为森林资源数据更新提供了强有力的技术支撑,能更加便捷、高效地进行林地变化动态监测及管理。本文将福建省福清市作为研究区,采用“3S”技术手段对福清市林地资源变更进行研究,基于2016年-2018年福清市林地“一张图”数据,对福清市林地资源现状、林地变更等情况进行分析,掌握福清市林地资源的变化情况,以期能及时发现林地保护利用中存在的问题,为省、市、县各级政府制定林业方针政策及控制林地向有利方面发展提供决策支持,为林地监管提供科学的依据。研究结果如下:（1）福清市林地资源现状:福清市现有土地总面积156200.67hm2,其中林地面积68656.21 hm2,非林地面积87544.46 hm2,森林覆盖率为41.98%。森林覆盖率已基本达到2020年目标值（41.85%）。有林地面积57926.27 hm2,疏林地面积138.73 hm2,灌木林地面积7661.23 hm2,未成林地面积612.29 hm2,苗圃地面积168.75 hm2,无立木林地面积256.22 hm2,宜林地面积1890.48hm2,林业辅助生产用地面积2.24 hm2。林地保护等级II级保护33491.67hm2,III级保护5622.61hm2,IV级保护29541.93hm2。（2）2016年-2018年林地变更调查期间,福清市地类变化图斑共计5869个。福清市林地面积净减478.03hm2,其中有林地和疏林地面积净减量分别为7179.80hm2和1251.6hm2,灌木林地、未成林地、苗圃地、无立木林地、宜林地及林业辅助生产用地面积均有所增加,净增量分别为:6525.75hm2、403.71hm2、59.88hm2、2.76hm2、959.03hm2、2.24hm2。在非林地与林地动态转移变化中,非林地转变林地面积0.09hm2,林地转变非林地面积478.12hm2。（3）2016年-2018年福清市林地变更调查中,引起林地变化的原因为:造林更新、森林采伐、规划调整、建设项目使用林地、灾害因素、自然因素及调查因素。变更期内变化的面积为12273.74hm2,其中,造林更新引起的变化面积为52.37hm2,森林采伐引起的变化面积为30.76hm2,规划调整引起的变化面积为2.05hm2,建设项目使用林地引起的变化面积为358.21hm2,灾害因素引起的变化面积为114.92hm2,自然因素引起的变化面积为1507.95hm2,调查因素引起的变化面积为10207.57hm2。引起林地变化面积最大的是调查因素,占总变化面积的83.17%。研究结果显示《福建省福清市林地保护利用规划（2010-2020年）》出台后,变更期内福清市林地征占用情况有所减少,并按要求控制在一定范围内。为进一步提高福清市林地资源保护管理的水平,当务之急,应当加大资金投入,引进林业经济、林业技术等方面的优秀人才,为基层林业人才提供良好的工作、生活环境,提高基层林业工作站、林业行政执法等机构和队伍的业务水平,激励林业工作者适应新时期、新技术,熟练掌握林业软件操作,促进知识更新,建设一支精干高效、素质较强的林业队伍。
杨波[6]（2019）在《森林病虫害数据可视分析方法研究》文中进行了进一步梳理随着林业信息化与智能化技术的不断发展,林业数据获取与存储能力的不断增强,林业数据体量将持续增长,数据格式与种类也愈加多样化。基于可视化可视分析方法深入分析和洞悉林业数据的模式和规律,解决林业生产科研中的问题,给林业行业的发展带来了新的机遇和挑战。森林容易遭受各种自然灾害的侵袭和人为因素的破坏,而森林病虫害作为最主要的森林自然灾害,给森林资源带来严重的威胁,给林业生产带来重大损失。森林病虫害数据的分析存在诸多困难和挑战。首先,森林病虫害数据体量大、结构复杂、多层次且高维度,而且涉及时空属性,不同时间和空间粒度的分析结果千差万别。其次,数据中各属性并非完全孤立,属性间存在不同程度的联系。利用传统统计学方法进行分析难以直观地呈现数据间的联系与规律,因而从中挖掘有价值的信息非常困难。数据可视化是一种使用人类可感知的视觉符号来增强数据认知的有效方法,可以辅助数据分析者直观地观察和分析数据蕴含的规律。本文针对森林病虫害数据分析中存在的问题,以交互式可视分析为研究核心,围绕森林病虫害数据建模、可视化和可视分析方案设计等问题展开分析和研究,以期为森林病虫害研究与管理人员更好地管理、监测森林病虫害的发生发展,指导病虫害的科学防治提供更有利的平台。本文主要研究内容和贡献概括为以下几个方面:1、设计了一种可视数据清洗方法,用于提高森林病虫害数据的数据质量。在数据清洗过程中为了比较森林病虫害文本型数据的相似性,提出了文本型数据相似性匹配算法。针对森林病虫害数据的特点,设计了可视数据清洗框架,对数据进行交互式地检测分析及清洗,实现对数据质量的有效控制。2、设计了一种聚类数据可视分析方法,其可定量评估森林病虫害发生情况在各地区的相似性。在可视化绘制算法研究方面,提出了权值均分有序树图布局算法对树图进行优化以展示森林病虫害数据中的有序层次数据;提出了基于引力场的聚类边绑定算法对平行坐标进行优化以展示森林病虫害聚类数据的分布特征。基于此,提出了用于揭示各地区森林病虫害发生相似性的数据聚类可视化方案。3、基于三种模型的多视图协同可视分析方法的设计。提出了多视图协同可配置模型,其可针对相似数据分析情景模式进行配置;基于该模型针对不同的情景分析模式所包含的数据属性是否一致,设计了不同的可视分析模板对森林病虫害发生防治情况进行分析研究。提出了层次关联交互模型,该模型用于指导多个具有层次性的属性进行渐进式关联交互分析;基于该模型提出了分析不同病虫害在不同地区的发生发展情况的交互式多视图协同可视分析方法。提出了多组合多元线性回归模型,该模型可以定量地描述多个自变量与单一因变量之间的多种组合构成的线性关系;基于该模型和数据流模型并结合统计学原理和可视化技术提出了多组合多元线性回归可视分析方法,针对森林病虫害病情指数与可能导致其发生的影响因素的特点展开分析研究。4、设计并实现了基于森林病虫害数据的可视分析原型系统。基于论文所提出的模型和方法,结合森林病虫害发生防治的时序、地理、灾害等级、灾害种类等特征,综合考虑不同时期、不同地区的发生防治情况,以及导致森林病虫害发生的影响因素等数据,实现对森林病虫害的多角度综合性分析,从而提供一种快捷、方便的森林病虫害数据观察及分析工具。5、基于论文所设计实现的原型系统,针对真实的森林病虫害数据进行研究,分析病虫害数据的时空特性及多维属性间的关系,对森林病虫害发生的影响因子进行探索,以期找到影响病虫害发生的关键因子。实施了相关用户研究和专家评估以验证上述所提模型、方法等的可用性和有效性。本文研究工作结合了数据挖掘、可视化分析和数理统计方法,为解决森林病虫害数据分析和利用面临的问题,探索了新的思路和技术手段;为辅助森林病虫害研究与管理人员全面掌握森林病虫害发生防治情况,采取科学防治措施提供依据。
赵林洪[7]（2018）在《基于GIS和RS的海岛型城市生态脆弱性评价 ——以平潭岛为例》文中进行了进一步梳理近年来,随着海岛开发建设的不断推进,相应的生态问题也逐渐凸显出来。平潭岛地处中国东南沿海,自2010年设立平潭综合实验区以来,大规模的城市化建设给原本脆弱的海岛生态带来严峻的挑战。因此,对设立综合实验区后的平潭岛生态脆弱状况进行分析评价,并提出有效的生态保护对策,为其下阶段的有序开发提供科学的决策依据,这对平潭综合实验区后续的生态建设保护意义重大。本文基于多时相遥感影像,通过耦合多项生态指标来构建海岛生态脆弱性评价模型,对平潭综合实验区初期建设后的生态脆弱状况及其动态变化开展分析,揭示平潭综合实验区在2009-2017年间的生态脆弱性变化趋势,探究其变化的驱动因子,并进一步分析生态脆弱性与土地利用变化、景观格局之间的关系,提出海岛型城市建设进程中有针对性的生态保护对策。主要的研究内容与结果如下:（1）基于遥感影像、DEM数据等信息源提取表征生态脆弱性的9项评价指标,通过耦合构建评价模型对平潭岛在2009年、2015年及2017年的生态脆弱状况进行分析评价。结果显示,2009-2017年间,平潭岛生态脆弱性总体呈现上升的趋势,其均值由2009年的0.406上升至2017年的0.458,变化率高达12.81%。这表明平潭综合实验区成立之后大面积的海岛开发建设加剧了平潭岛生态脆弱程度,使其抵抗外界环境干扰的能力减弱。（2）分别对3个时相的生态脆弱性图像进行分级,结果显示:3个时相的平潭岛生态脆弱性均以轻度脆弱为主。2009、2015及2017年的中度及以上等级的脆弱面积占总面积比例分别是51.34%、57.54%、62.27%,表明这3个时相的平潭岛生态脆弱性均处于中等偏上水平,且脆弱程度逐年加深。通过差值运算得到生态脆弱性变化图,结果显示2009-2017年间,生态脆弱性等级升高和降低的面积占比分别为41.49%和21.10%,这表明海岛的开发建设加剧了其生态脆弱性。（3）进一步探究平潭岛生态脆弱性与土地利用、景观格局变化的关系发现,海岛无序的土地利用变化是加剧其生态脆弱性的主导因素,景观格局破碎化也是导致生态脆弱程度加深的主要原因。通过上述研究分析,对综合实验区后续的开发建设,特别是在防风固沙林种植、城市规划建设、填海造陆区土地利用规划、耕地保护等方面提出合理的生态建设和保护对策,旨在改善平潭岛的生态环境,降低其生态脆弱程度。
慕臣英,徐全辉,张菁,李石,宋晓巍,金宇,王敏,刘青[8]（2016）在《RS和GIS技术在沈阳市火灾监测中的应用研究》文中提出卫星遥感技术在火情监测中具有监测面积大、速度快、成本低,且可长期动态监测等优势。笔者将RS和GIS技术有机结合,进行沈阳地区火情卫星遥感监测技术研究。基于火点像元背景亮温差异进行计算机自动判识,综合火点发生特点和下垫面情况进行人机交互修正火点判识阈值,利用地理信息数据进行火点精确定位,获取火点所在乡镇乃至村信息、像元个数以及土地利用情况。通过与实际火点资料对比分析,火点判识结果较理想。在2014年秋季和2015年春季火情遥感监测期间成效较好,为政府相关部门防火、救火等决策提供相应参考依据。
苏漳文[9]（2015）在《福建省林火发生的驱动因子研究》文中研究说明林火是森林生态系统的重要影响因子,可造成森林资源的损失,并对人民生命财产构成威胁。福建省是我国南方的主要林区之一,森林覆盖率位居全国第一,也是林火高发区,其中人为火比重接近95%。近年来国内林火的研究主要集中在北方,已取得较多的研究成果。然而,对比北方林区,目前有关福建省林火的分布格局、预测预报等方面的研究还不够深入。有些研究虽涉及到森林火险等级的划分以及林火的预测预报,但考虑的影响因素相对单一,研究结论具有一定的局限性。国内外研究表明:林火,特别是人为火的发生受到气象因素、植被条件、地形因素等因素的综合影响,因此对以上各因素进行综合分析和考虑是评价福建地区林火发生概率的基础。鉴于此,本研究运用Arcgis10.0软件的栅格转换、图层叠加运算等功能,提取对林火发生可能具有影响的植被、以及地形因子。结合福建地区22个国家级气象站的每日气象数据,运用SPSS19.0中的逻辑斯蒂回归分析模块对林火发生和影响因子进行显着性分析。为了对模型拟合结果进行校验,本研究随机将样本分为建模数据（60%）和校验数据（40%）两部分。同时为了减少数据随机划分对模型参数选择产生的误差,本文在样本数据划分时进行了3次重复,并计算得出3个中间模型,选择至少在其中2个模型中显着的因子进入最后的全样本数据拟合。研究结果显示“到铁路的距离”、“高程”、“日最高地表气温”、“日最低地表气温”、“日照时数”五个因素对人为火发生具有显着的影响（p<0.0001）;应用ROC曲线方法对模型拟合度进行检验,结果显示ROC曲线的下面积AUC值为0.847且p<0.0001,说明模型整体拟合较好。此外,根据模型拟合参数,我们建立了福建地区林火发生的预测模型,应运用模型和克里金插值技术,计算出了福建地区林火发生概率的空间分布。结果显示,高火险地区主要集中在福建省北部和东北部,特别是福州市西部与南平市中西部发生林火的概率最高,同时龙岩、泉州、漳州三市交界林火发生概率也较高;而福建西部林火发生概率较低。可能是因为这部分地区是历史上水土流失较为严重的地区,森林覆盖率较低,林火发生概率也相应较低。本研究为福建省林火预测预报及林火管理提供一定依据。
邓欧[10]（2012）在《黑龙江省森林火灾时空模型与火险区划》文中提出森林火灾是一项经常性的全球环境和经济危急事件,很多国际项目针对林火及其影响展开了大量研究。我国是一个林火多发国家,林火造成的经济损失居高不下,而林火研究的现状却不尽如人意。黑龙江省是我国的林业大省,是欧亚大陆北方森林带的重要组成部分,其年均森林过火面积居全国之首,是森林火灾危害最严重的地区。本文以黑龙江省森林火灾为研究对象,以广义3S技术为支撑,以基础地理数据、MODIS、TM等遥感数据、历史火场记录等为数据基础,采用数理统计分析方法、空间数据挖掘方法、ANN-CA模型法、时空模型分析等方法,研究黑龙江省林火发生时空分异规律,构建典型重特大森林火灾林火蔓延时空模型,建立黑龙江省域林火风险模型,并进行黑龙江省森林火险空间等级区划,为林火研究提供新方法、新思路,为林火预报提供前提和基础,为森林防火宏观决策和分类指导提供科学依据,以极大提高森林防火工作效率,减少森林火灾的发生,实施高效的林火扑救,降低森林火灾损失。主要取得以下研究成果：（1）基于1980-2005年森林火灾历史统计数据的时空规律研究结果表明：黑龙江省森林火灾年际间波动较大,20世纪80年代早、中期是火灾的多发期,20世纪80年代末和90年代初期是火灾的少发期,20世纪90年代末期和2000年以后火灾发生次数又有所增加,但较80年代早期发生次数少。在大部分年份中,森林火警发生次数多,火灾次数相对少得多,反映出多数情况下对森林火警能够做到及时发现和扑救。年际间过火面积与火灾总次数呈弱相关关系,过火面积受特大森林火灾的影响特别显着。存季火灾季节长达3-4个月,集中了火灾次数的85.51%和单位时间过火面积的67.23%,夏季火灾次数与过火面积都较少,秋季火灾季节只有1-2个月,但在特定条件下也可能引发森林大火。按连续5天过火面积达到100 hm2的标准计算,春防期为第59天至第180天,秋防期为第258天到第303天,共170天的林火预防期。平原区少有林火发生,山地区随海拔高度上升而呈现减少的趋势,由于坡度起伏和缓,林火的坡度分布规律不明显,而阳坡比阴坡更易发生火灾,也更容易蔓延。（2）基于2000-2010年MOD14A1/MYD14A1、MCD45A1对森林火灾时空分异规律的研究表明：从MOD14A1/MYD14A1火掩膜数据产品中提取出的“8+9”数据集最适合于黑龙江省的森林活动火点检测,它与森林火灾历史记录火点的吻合度达到0.83。黑龙江省在2000-2010年间MCD45A1火烧迹地的空间分布和时间变化差异非常明显,年际间和月际间迹地面积呈大幅波动。超过一半的火烧迹地分布于北温带落叶针叶林区,其面积比例达53.689%,约有44.00%的火烧迹地分布于中温带针阔混交林区,温带草原区的火烧迹地面积仅占2.32%：中海拔（200m≤H≤500rn）、低坡度（小于5°）地区森林火烧迹地面积和燃烧率都远远大于其它区域。（3）利用MOD14A1/MYD14A1及其验证数据对典型历史火场的林火蔓延实例进行了研究,获得林火蔓延的动态变化情况。利用典型历史火场的林火蔓延实例数据和林火蔓延影响因子数据,研建基于神经网络的元胞自动机（ANN-CA）林火蔓延模型,并从已经发生在黑龙江省的重特大森林火灾中随机选取了2003年发生在黑河市爱辉区泉山地营子的“5·20”特大森林火灾利大兴安岭富拉罕册支线2003年“5·17”特大森林火灾,对模型模拟进行实例分析及精度评价,模型的总体精度分别为84.13%和83.01%。（4）利用黑龙江省2000-2010年MODIS火烧迹地数据集MCD45A1,在GIS技术支持下,以包括气候、地物类型、地形因子和人类活动等在内的12个林火风险影响因子,采用逐步回归方法作为风险影响因子筛选方法,构建空间Logistic林火风险模型,在较大时间间度和省域空间尺度上进行了森林火险区划研究。模型拟合效果较好,在显着性水平为0.05的情况下,通过模型系数的混合检验：相对运行特征（Relative operating characteristic,ROC）曲线分析的ROC值为0.753;在0.05的显着水平上各林火影响因子相应的Sig.值均小于0.05,也顺利通过Wald检验。在模型运算得到森林火险概率分布图的基础上,按照概率等间距方法将黑龙汀省分为无火险区、低火险区、中火险区、高火险区和极高火险区五类森林火险区：大兴安岭山地寒温带针叶林区域集中了极高火险区和高火险区；小兴安岭温带针阔叶混交林区域基本上属于高火险区和中火险区：东部山地温带针阔叶混交林区域小部分地区属于中火险区;三江平原和松嫩平原属于低火险区和无火险区。综上,探明林火发生时空分异规律、研建林火蔓延时空模型和林火风险模型可为森林防火宏观决策、分类指导、高效扑救提供科学参考。但林火的发生仍有其随机性和不确定型,因而不能对森林火灾放松警惕。开展森林防火宣传教育工作,提高全民森林防火意识；严格控制和管理野外火源,规范生产、生活用火行为：加强对高火险时段和危险区域检查监督,消除各类火险隐患;开设防火隔离带：加强森林防火基础设施建设,全面提.高预防森林火灾的综合能力,才能保证林区长治久安。
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。
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。
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。
| 1 林火识别的原理和方法 |
| 1.1 福建地区概况 |
| 1.2 林火识别的基本原理与传统方法 |
| 1.3 基于葵花-8的福建林火监测方法 |
| 1.4 福建地区林火识别参数分析 |
| 1.4.1 福建地区典型火点特征 |
| 1.4.2 福建地区火点阈值的定量分析 |
| 2 火点误判分析 |
| 3 结果验证 |
| 4 结论 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 RS和GIS技术在生态评价方面进展 |
| 1.2.2 生态系统服务评估方法 |
| 1.2.3 驱动机制分析方法 |
| 1.2.4 研究区生态系统研究状况 |
| 1.3 研究内容与论文框架 |
| 1.3.1 拟解决的科学问题 |
| 1.3.2 研究内容 |
| 1.3.3 论文框架 |
| 1.3.4 技术路线 |
| 1.4 研究区概况 |
| 1.4.1 基本概况 |
| 1.4.2 生态功能区概况 |
| 第2章 研究方法和数据处理 |
| 2.1 基于RS/GIS方法 |
| 2.1.1 生态系统结构 |
| 2.1.2 生态系统质量 |
| 2.1.3 生态系统服务 |
| 2.1.4 其它空间分析法 |
| 2.2 数学分析法 |
| 2.2.1 偏相关分析 |
| 2.2.2 复相关分析 |
| 2.2.3 多元回归分析 |
| 2.2.4 残差分析 |
| 2.3 其它分析方法 |
| 2.3.1 Sen+Mann-Kendall法 |
| 2.3.2 最小二乘法拟合 |
| 2.3.3 地形差异修正法 |
| 2.3.4 突变检验分析方法 |
| 2.4 本章小结 |
| 第3章 生态系统状况和时空变化特征 |
| 3.1 生态系统宏观结构及其变化 |
| 3.1.1 宏观结构状况 |
| 3.1.2 生态系统结构时空变化 |
| 3.2 生态系统质量状况及其变化 |
| 3.2.1 植被覆盖度 |
| 3.2.2 植被覆盖度时空变化 |
| 3.3 生态系统关键服务及其变化 |
| 3.3.1 防风固沙服务及其变化 |
| 3.3.2 水源涵养服务及其变化 |
| 3.3.3 土壤保持服务及其变化 |
| 3.4 本章小结 |
| 第4章 驱动因子对生态系统的影响 |
| 4.1 气候变化分析 |
| 4.1.1 气候年际变化特征 |
| 4.1.2 气候趋势变化分析 |
| 4.2 人类活动变化分析 |
| 4.2.1 生态修复工程 |
| 4.2.2 农业生产活动 |
| 4.2.3 城市化发展 |
| 4.3 生态系统驱动因素分析 |
| 4.3.1 驱动因素对植被覆盖度的影响 |
| 4.3.2 驱动因素对服务功能的影响 |
| 4.3.3 生态系统驱动因素分区 |
| 4.4 本章小结 |
| 第5章 结论 |
| 5.1 结果总结 |
| 5.2 后续研究工作 |
| 参考文献 |
| 附录 |
| 个人简历、参与的科研项目及论文成果 |
| 一、个人简历 |
| 二、科研资金项目 |
| 三、发表的学术论文 |
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外森林火灾区划研究现状 |
| 1.3 国内外森林火灾风险区划评述 |
| 第2章 研究区概况与主要研究内容 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 气候特征 |
| 2.1.3 地质与地貌 |
| 2.1.4 土壤与植被 |
| 2.1.5 社会经济概况 |
| 2.2 研究内容 |
| 2.3 研究方法 |
| 2.4 技术路线 |
| 第3章 数据获取与预处理 |
| 3.1 数据来源 |
| 3.1.1 火点数据 |
| 3.1.2 地形数据 |
| 3.1.3 可燃物数据 |
| 3.1.4 居民点和道路数据 |
| 3.1.5 人口密度空间分布数据 |
| 3.2 数据处理 |
| 3.2.1 火点数据处理 |
| 3.2.2 DEM数据处理 |
| 3.2.2.1 坡度因子提取及分级 |
| 3.2.2.2 海拔因子提取及分级 |
| 3.2.2.3 坡向因子提取及分级 |
| 3.2.3 人类活动影响因子数据处理 |
| 3.2.3.1 人口密度专题地图提取及分级 |
| 3.2.3.2 居民点缓冲区专题图的提取 |
| 3.2.3.3 道路缓冲区专题图的提取 |
| 3.2.4 Landsat-8_OIL影像预处理 |
| 3.2.5 植被覆盖度专题图提取 |
| 3.2.5.1 NDVI计算 |
| 3.2.5.2 植被覆盖度计算 |
| 3.2.5.3 植被覆盖度分级 |
| 3.2.6 遥感影像地物类型提取 |
| 3.2.6.1 监督分类简介 |
| 3.2.6.2 最大似然法介绍 |
| 3.2.6.3 支持向量机介绍 |
| 3.2.6.4 监督分类 |
| 第4章 基于VIIRS数据的南充市林火时空分布特征 |
| 4.1 林火时间分布特征 |
| 4.1.1 年际变化 |
| 4.1.2 月际变化 |
| 4.1.3 季节变化 |
| 4.2 林火空间分布特征 |
| 4.2.1 林火行政单元空间分布 |
| 4.2.2 林火地形分布特征 |
| 4.2.2.1 森林火灾沿海拔的分布 |
| 4.2.2.2 森林火灾沿坡度的分布 |
| 4.2.2.3 森林火灾沿坡向的分布 |
| 4.2.3 林火分布与植被的关系 |
| 4.2.3.1 林火与植被覆盖度 |
| 4.2.3.2 林火与植被类型 |
| 4.2.4 林火分布与人类活动的关系 |
| 4.2.4.1 林火与道路缓冲区 |
| 4.2.4.2 林火与居民点缓冲区 |
| 4.2.4.3 林火与人口密度 |
| 第5章 森林火灾风险等级区划 |
| 5.1 森林火灾风险等级区划指标体系构建 |
| 5.1.1 指标体系的选取原则 |
| 5.1.2 指标体系构建 |
| 5.2 森林火险影响因子权重确定 |
| 5.2.1 层次分析法简介 |
| 5.2.2 森林火灾风险等级区划指标权重的确定 |
| 5.3 致灾因子分等分级 |
| 5.4 森林火灾风险等级图提取 |
| 5.5 森林火灾风险等级区划模型构建 |
| 5.6 森林火灾风险等级区划 |
| 5.7 结果分析 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.2 讨论 |
| 6.3 创新点 |
| 6.4 展望 |
| 参考文献 |
| 致谢 |
| 在学期间科研情况 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 生态环境的保护愈发成为人们的焦点和关注点 |
| 1.1.2 RS和GIS技术的发展为生态环境质量评价提供技术支持 |
| 1.1.3 大巴山国家地质公园生态环境质量监测的必要性 |
| 1.1.4 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 地质生态环境研究现状 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文结构 |
| 第2章 研究区概况与基础数据来源 |
| 2.1 研究区概况 |
| 2.2 基础数据来源 |
| 2.3 本章小结 |
| 第3章 遥感影像数据处理及信息提取 |
| 3.1 遥感影像数据预处理 |
| 3.2 DEM数据处理 |
| 3.2.1 海拔 |
| 3.2.2 坡度 |
| 3.3 气象数据空间插值 |
| 3.4 土地利用分类 |
| 3.4.1 解译标志的建立 |
| 3.4.2 遥感信息提取 |
| 3.5 植被覆盖度遥感估算 |
| 3.5.1 植被覆盖度计算方法与原理 |
| 3.5.2 植被覆盖度计算结果及分析 |
| 3.6 土壤侵蚀遥感估算 |
| 3.6.1 土壤侵蚀力因子遥感估算 |
| 3.6.2 土壤侵蚀量估算结果及分析 |
| 第4章 生态环境质量评价 |
| 4.1 指标体系构建原则 |
| 4.2 评价指标的选取 |
| 4.2.1 自然因素指标的选择 |
| 4.2.2 社会经济因素指标的选择 |
| 4.3 生态环境评价指标体系的构建 |
| 4.4 生态环境质量评价 |
| 4.4.1 评价指标标准化 |
| 4.4.2 评价指标权重计算 |
| 4.4.3 研究区生态环境评价结果 |
| 4.5 本章小结 |
| 第5章 生态环境质量的影响因素及建议 |
| 5.1 生态环境的影响因素 |
| 5.1.1 自然影响因素 |
| 5.1.2 人文影响因素 |
| 5.2 建议与措施 |
| 5.2.1 应用水土保护措施 |
| 5.2.2 合理开发和利用土地资源 |
| 5.2.3 地质灾害防治措施 |
| 结论 |
| 展望与不足 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究进展 |
| 1.3.1 国外研究进展 |
| 1.3.2 国内研究进展 |
| 1.4 “3S”技术在森林资源中的运用 |
| 2 研究方法及技术路线 |
| 2.1 研究方法 |
| 2.2 技术流程 |
| 2.3 技术路线 |
| 3 研究区域基本情况及林地资源现状概述 |
| 3.1 研究区域概况 |
| 3.1.1 地理位置 |
| 3.1.2 行政区划 |
| 3.1.3 地质地貌 |
| 3.1.4 土壤、气候、植被等特点 |
| 3.2 林地资源现状 |
| 3.2.1 资源现状 |
| 3.2.2 地类现状 |
| 3.2.3 权属现状 |
| 3.2.4 森林类别现状 |
| 3.2.5 林种分类现状 |
| 3.2.6 林地保护等级现状 |
| 4 福清市林地资源变更动态分析 |
| 4.1 林地动态变化分析 |
| 4.1.1 各地类变化情况 |
| 4.1.2 林地权属变化情况 |
| 4.1.3 森林类别变化情况 |
| 4.1.4 保护等级变化情况 |
| 4.1.5 林地与非林地动态转移情况 |
| 4.2 林地变化原因分析 |
| 4.2.1 有林地变化原因分析 |
| 4.2.2 疏林地变化原因分析 |
| 4.2.3 灌木林地变化原因分析 |
| 4.2.4 未成林地变化原因分析 |
| 4.2.5 苗圃地变化原因分析 |
| 4.2.6 无立木林地变化原因分析 |
| 4.2.7 宜林地变化原因分析 |
| 4.2.8 林业辅助生产用地变化原因分析 |
| 4.3 各原因导致林地动态变化分析 |
| 5 林地资源保护管理存在的问题及对策研究 |
| 5.1 林地资源保护存在的问题 |
| 5.1.1 森林生态系统稳定性有待完善,森林覆盖率低 |
| 5.1.2 树种结构不够合理 |
| 5.1.3 专业人才捉襟见肘,难以满足林业发展需要 |
| 5.1.4 富民产业力度不足 |
| 5.1.5 经济发展与林地保护利用存在矛盾关系 |
| 5.2 林地资源保护管理对策 |
| 5.2.1 健全林地保护利用管理等制度 |
| 5.2.2 科学规划林地,合理使用 |
| 5.2.3 建立森林灾害防控体系 |
| 5.2.4 完善林业队伍素质教育体系 |
| 5.2.5 依靠科学进步,提高科技含量 |
| 5.2.6 加大资金投入力度,保障林地可持续发展 |
| 5.2.7 加强林地保护利用宣传力度 |
| 6 结论与讨论 |
| 6.1 结论 |
| 6.2 讨论 |
| 参考文献 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究内容 |
| 1.3 技术路线 |
| 1.4 本文组织结构 |
| 第2章 相关研究工作 |
| 2.1 数据可视化研究现状及分析 |
| 2.1.1 数据可视化的发展 |
| 2.1.2 数据可视化的流程 |
| 2.1.3 数据可视化在各领域应用现状 |
| 2.1.4 多种数据可视化技术 |
| 2.1.4.1 时序数据可视化方法分析 |
| 2.1.4.2 时空数据可视化方法分析 |
| 2.1.4.3 高维数据可视化方法分析 |
| 2.1.4.4 文本数据可视化方法分析 |
| 2.1.4.5 可视化交互技术分析 |
| 2.1.4.6 混合可视化方法分析 |
| 2.2 森林病虫害研究现状及分析 |
| 2.2.1 森林病虫害发生特点和规律及预防措施 |
| 2.2.2 森林灾害统计指标体系的研究 |
| 2.2.3 森林病虫害监测 |
| 2.2.4 森林病虫害预测预报 |
| 2.2.5 导致森林病虫害发生的影响因子分析 |
| 2.2.5.1 林分结构对森林病虫害的影响 |
| 2.2.5.2 土壤因素对森林病虫害的影响 |
| 2.2.5.3 地貌因素对森林病虫害的影响 |
| 2.2.5.4 生物因素对森林病虫害的影响 |
| 2.2.5.5 气象因子对森林病虫害的影响 |
| 2.2.5.6 人为因素对森林病虫害的影响 |
| 2.3 森林病虫害数据分析概述 |
| 2.4 本章小结 |
| 第3章 森林病虫害数据特征分析 |
| 3.1 引言 |
| 3.2 森林病虫害数据体系结构 |
| 3.2.1 森林病虫害发生防治相关数据体系结构 |
| 3.2.2 森林病虫害发生环境相关数据体系结构 |
| 3.3 森林病虫害数据特点分析 |
| 3.4 森林病虫害数据可视分析关键问题 |
| 3.5 本章小结 |
| 第4章 面向森林病虫害数据的可视数据清洗方法 |
| 4.1 引言 |
| 4.2 数据质量与数据清洗 |
| 4.2.1 数据质量 |
| 4.2.1.1 数据质量的定义 |
| 4.2.1.2 数据质量问题的分类 |
| 4.2.1.3 数据质量问题的来源 |
| 4.2.2 数据清洗 |
| 4.2.2.1 数据清洗的定义 |
| 4.2.2.2 数据清洗的原理 |
| 4.2.2.3 常用数据清洗算法 |
| 4.2.2.4 数据清洗的一般过程 |
| 4.2.3 可视数据清洗 |
| 4.3 森林病虫害数据质量问题 |
| 4.4 森林病虫害数据清洗方案 |
| 4.4.1 数值型数据检测与清洗方法 |
| 4.4.2 文本型数据检测与清洗方法 |
| 4.4.2.1 文本型数据的相似检测与清洗策略 |
| 4.4.2.2 文本型数据的相似匹配方法 |
| 4.4.2.2.1 Jaro-Winkler距离 |
| 4.4.2.2.2 改进Jaro-Winkler距离 |
| 4.4.2.2.3 改进算法数值分析 |
| 4.5 可视数据清洗方法的设计思路 |
| 4.5.1 可视数据清洗方法的主要功能 |
| 4.5.2 可视数据清洗方法的清洗过程 |
| 4.5.3 规则库和算法库 |
| 4.6 可视数据清洗方法的设计 |
| 4.6.1 森林病虫害数据可视清洗任务需求 |
| 4.6.2 可视数据清洗方法设计原则 |
| 4.6.3 可视数据清洗方法采用的可视化技术 |
| 4.6.3.1 数据异常检测可视化 |
| 4.6.3.2 交互设计 |
| 4.7 可视数据清洗方法的应用和效果分析 |
| 4.7.1 可视数据清洗方法的应用 |
| 4.7.1.1 错误数据可视清洗 |
| 4.7.1.2 不完整数据可视清洗 |
| 4.7.2 可视数据清洗方法的效果分析 |
| 4.8 本章小结 |
| 第5章 面向森林病虫害发生数据的聚类可视分析 |
| 5.1 引言 |
| 5.2 权值均分有序树图布局算法研究 |
| 5.2.1 树图简介 |
| 5.2.2 典型树图布局算法 |
| 5.2.3 权值均分有序树图布局算法 |
| 5.2.3.1 算法描述 |
| 5.2.3.2 示例说明 |
| 5.2.4 实验评估与分析 |
| 5.2.4.1 评价指标 |
| 5.2.4.2 实验说明 |
| 5.2.4.3 实验结果及分析 |
| 5.3 基于引力场的平行坐标聚类边绑定分析方法 |
| 5.3.1 平行坐标聚类绑定方法分析 |
| 5.3.2 基本平行坐标绘制 |
| 5.3.3 基于引力场的平行坐标边绑定设计 |
| 5.3.3.1 聚类中心控制点 |
| 5.3.3.2 簇内引力场绑定 |
| 5.3.3.3 算法实现流程 |
| 5.3.3.4 不透明度视觉增强设计 |
| 5.3.4 基于引力场的平行坐标边绑定绘制 |
| 5.4 森林病虫害发生数据聚类可视化设计 |
| 5.4.1 数据聚类可视化需求分析 |
| 5.4.2 数据聚类可视分析管线 |
| 5.4.3 数据的降维与聚类 |
| 5.4.4 数据聚类可视化技术 |
| 5.4.5 数据聚类可视化交互设计 |
| 5.5 案例研究 |
| 5.6 用户反馈 |
| 5.6.1 可视化设计 |
| 5.6.2 可用性评价 |
| 5.6.3 相关建议 |
| 5.7 本章小结 |
| 第6章 基于多视图协同的可配置森林病虫害数据分析 |
| 6.1 引言 |
| 6.2 多视图协同的可配置模型 |
| 6.2.1 可配置模型建模 |
| 6.2.2 可配置模型的一致性约束 |
| 6.3 基于多视图可配置模型的可视化设计 |
| 6.3.1 病虫害发生防治相似场景可视需求分析 |
| 6.3.2 病虫害发生防治相似场景可视设计方案 |
| 6.3.2.1 可视分析管线 |
| 6.3.2.2 多视图协同可视分析模板 |
| 6.3.2.3 配色方案 |
| 6.3.3 病虫害发生防治可视化技术 |
| 6.3.3.1 病虫害发生随时间变化 |
| 6.3.3.2 病虫害相邻年份发生面积比较 |
| 6.3.3.3 病虫害发生严重程度随时间变化 |
| 6.3.3.4 各地区病虫害发生随时间变化 |
| 6.3.3.5 病虫害发生在地域上的分布 |
| 6.3.3.5.1 Choropleth地图 |
| 6.3.3.5.2 邮票地图 |
| 6.3.3.6 病虫害发生地区间比较 |
| 6.4 案例研究 |
| 6.4.1 数据来源 |
| 6.4.2 案例1:森林病虫害发生情况分析 |
| 6.4.2.1 森林病虫害发生面积随时间变化情况分析 |
| 6.4.2.2 某一年份森林病虫害发生情况分析 |
| 6.4.2.3 单个地区病虫害发生情况分析 |
| 6.4.3 案例2:森林病虫害防治情况分析 |
| 6.4.3.1 森林病虫害防治面积随时间变化情况分析 |
| 6.4.3.2 某一年份森林病虫害防治情况分析 |
| 6.4.3.3 单个地区病虫害防治情况分析 |
| 6.5 用户反馈 |
| 6.5.1 可视化设计 |
| 6.5.2 可用性评价 |
| 6.5.3 相关建议 |
| 6.6 讨论 |
| 6.7 本章小结 |
| 第7章 基于层次关联交互模型的森林病虫害数据可视分析 |
| 7.1 引言 |
| 7.2 层次关联交互模型 |
| 7.2.1 层次关联交互模型建模 |
| 7.2.2 层次间的交互约束 |
| 7.3 层次关联森林病虫害数据可视化设计 |
| 7.3.1 层次关联森林病虫害需求分析 |
| 7.3.2 层次关联森林病虫害可视化设计方案 |
| 7.3.2.1 可视分析管线 |
| 7.3.2.2 总体概览 |
| 7.3.2.3 配色方案 |
| 7.3.3 层次关联森林病虫害数据可视化技术 |
| 7.3.3.1 基于标签云的病虫害种类视图 |
| 7.3.3.2 不同地区各等级病虫害发生分布视图 |
| 7.3.3.2.1 基于环形堆栈图的可视化方法 |
| 7.3.3.2.2 基于雷达图的可视化方法 |
| 7.3.3.3 病虫害发生防治关系视图 |
| 7.3.3.4 病虫害发生在不可标注地域的分布视图 |
| 7.3.3.5 病虫害发生严重程度随时间变化视图 |
| 7.3.3.6 病虫害在各地区随时间动态变化视图 |
| 7.3.4 可视化相关辅助设计 |
| 7.3.4.1 地区和病虫害种类选择器 |
| 7.3.4.2 交互设计 |
| 7.4 案例研究 |
| 7.4.1 研究区概况 |
| 7.4.2 数据来源 |
| 7.4.3 案例1:病虫害发生防治总体情况分析 |
| 7.4.4 案例2:某种病虫害发生防治总体情况分析 |
| 7.4.5 案例3:某地区病虫害发生防治情况分析 |
| 7.4.6 案例4:某地区某病虫害发生防治情况分析 |
| 7.5 用户反馈 |
| 7.5.1 可视化设计 |
| 7.5.2 可用性评价 |
| 7.5.3 相关建议 |
| 7.6 讨论 |
| 7.7 本章小结 |
| 第8章 基于MCMVLR模型的森林病虫害影响因子可视分析 |
| 8.1 引言 |
| 8.2 多组合多元线性回归模型 |
| 8.3 基于MCMVLR模型的可视化设计 |
| 8.3.1 森林病虫害影响因子可视化需求分析 |
| 8.3.2 森林病虫害影响因子可视化设计方案 |
| 8.3.2.1 可视分析管线 |
| 8.3.2.2 数据流模型 |
| 8.3.2.3 总体概览 |
| 8.3.3 森林病虫害影响因子数据可视化技术 |
| 8.3.3.1 数据分析模块 |
| 8.3.3.1.1 数据集统计量表 |
| 8.3.3.1.2 数据集分布度量 |
| 8.3.3.1.3 属性间相关关系度量 |
| 8.3.3.1.4 属性间相关关系评价 |
| 8.3.3.2 多元线性回归分析模块 |
| 8.3.3.2.1 研究变量选择 |
| 8.3.3.2.2 归一化方法选择 |
| 8.3.3.2.3 多组合线性回归分析 |
| 8.3.3.2.4 预测分析 |
| 8.3.4 可视分析交互设计 |
| 8.4 案例分析 |
| 8.4.1 案例1:云杉矮槲寄生在天然云杉林内的发病因子分析 |
| 8.4.2 案例2:气象因子对红脂大小蠹发生的影响分析 |
| 8.5 用户反馈 |
| 8.5.1 可视化设计 |
| 8.5.2 可用性评价 |
| 8.5.3 相关建议 |
| 8.6 本章小结 |
| 第9章 森林病虫害数据可视分析系统设计与实现 |
| 9.1 引言 |
| 9.2 可视分析系统需求分析 |
| 9.2.1 系统架构需求分析 |
| 9.2.2 系统功能需求分析 |
| 9.3 可视分析系统架构设计 |
| 9.3.1 架构设计原则 |
| 9.3.2 系统架构设计 |
| 9.3.3 系统设计模式 |
| 9.3.4 功能结构设计 |
| 9.4 技术选型和数据获取 |
| 9.4.1 系统开发和运行环境 |
| 9.4.2 实现技术 |
| 9.4.3 数据获取 |
| 9.4.4 数据库构建 |
| 9.5 可视分析系统实现 |
| 9.5.1 可视数据清洗模块 |
| 9.5.2 森林病虫害发生防治情况可视分析模块 |
| 9.5.2.1 森林病虫害发生和防治情况可视分析模块 |
| 9.5.2.2 森林病虫害发生情况聚类可视分析模块 |
| 9.5.2.3 森林病虫害发生防治关联分析模块 |
| 9.5.3 森林病虫害影响因子可视分析模块 |
| 9.6 本章小结 |
| 第10章 总结与展望 |
| 10.1 研究工作总结 |
| 10.2 研究工作展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录 |
| 致谢 |
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 国内外生态脆弱性研究概况 |
| 1.2.1 国外研究概况 |
| 1.2.2 国内研究概况 |
| 1.3 海岛生态脆弱性研究现状及不足 |
| 1.4 研究目标、内容、方法和技术路线 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.4.3 研究方法与技术路线图 |
| 1.5 论文组织结构 |
| 第二章 研究区概况 |
| 2.1 研究区地理位置及范围 |
| 2.2 平潭岛自然环境简述 |
| 2.2.1 地质 |
| 2.2.2 地貌 |
| 2.2.3 气候 |
| 2.2.4 土壤与植被 |
| 2.2.5 水文 |
| 2.3 平潭岛社会经济简述 |
| 2.4 平潭岛生态环境简述 |
| 第三章 数据源及数据处理 |
| 3.1 遥感影像数据 |
| 3.1.1 Landsat 5影像基本参数 |
| 3.1.2 Landsat 8影像基本参数 |
| 3.2 高程影像数据 |
| 3.3 影像预处理 |
| 3.3.1 遥感影像辐射校正 |
| 3.3.2 ASTER GDEM数据几何校正 |
| 3.3.3 研究区范围提取 |
| 第四章 生态脆弱性指标选取及模型建立 |
| 4.1 生态脆弱性指标选取原则 |
| 4.2 平潭岛生态脆弱性指标选取 |
| 4.2.1 坡度指标 |
| 4.2.2 地形起伏度指标 |
| 4.2.3 NDVI指标 |
| 4.2.4 土壤湿度指标 |
| 4.2.5 景观格局指标 |
| 4.3 生态脆弱性指标模型建立 |
| 4.3.1 指标标准化 |
| 4.3.2 确定指标权重 |
| 4.3.3 生态脆弱性模型构建 |
| 第五章 平潭岛生态脆弱性评价及其动态变化分析 |
| 5.1 平潭岛不同时相的生态脆弱性分析评价 |
| 5.1.1 平潭岛不同时相的生态脆弱性总体水平 |
| 5.1.2 平潭岛不同时相的生态脆弱性空间分布特点 |
| 5.1.3 平潭岛生态脆弱性的时相分布特点 |
| 5.2 平潭岛生态脆弱性空间变化分析 |
| 第六章 平潭岛生态脆弱性与土地利用变化关系分析 |
| 6.1 平潭岛土地利用分类 |
| 6.1.1 土地利用分类概述 |
| 6.1.2 土地利用分类体系 |
| 6.1.3 基于遥感影像土地利用分类方法 |
| 6.1.4 分类后处理与精度验证 |
| 6.2 平潭岛土地利用变化分析 |
| 6.3 土地利用变化与生态脆弱性关系分析 |
| 第七章 平潭岛生态脆弱性与景观格局关系分析 |
| 7.1 平潭岛景观格局与生态脆弱性的关系分析 |
| 7.1.1 平潭岛景观格局分析 |
| 7.1.2 生态脆弱性与景观格局关系分析 |
| 7.1.3 生态脆弱性等级的景观格局分析 |
| 7.2 生态脆弱性变化驱动力分析 |
| 7.3 生态保护建议及对策 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 0 引言 |
| 1 资料与方法 |
| 1.1 资料来源与处理 |
| 1.2 监测原理与方法 |
| 2 结果与分析 |
| 2.1 火点判识处理和面积计算 |
| 2.2 火点地理信息属性 |
| 2.3 监测实例分析检验 |
| 3 结论与讨论 |
| 摘要 |
| Abstract |
| 1 前言 |
| 1.1 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 林火发生驱动因子的研究进展 |
| 1.2.2 林火发生概率模型研究进展 |
| 1.2.3 森林火险划分的研究进展 |
| 1.3 技术路线 |
| 2 研究区域概况 |
| 2.1 气候 |
| 2.2 地貌特征 |
| 2.3 森林植被 |
| 2.4 森林火灾 |
| 3 数据来源与研究方法 |
| 3.1 数据来源 |
| 3.1.1 林火数据 |
| 3.1.2 气象数据 |
| 3.1.3 植被、地形数据 |
| 3.1.4 人为基础设施数据 |
| 3.2 研究方法 |
| 3.2.1 多重共线性诊断 |
| 3.2.2 逻辑斯蒂回归模型 |
| 3.2.3 林火预测模型的检验 |
| 3.2.4 林火火险区划 |
| 4 结果与分析 |
| 4.1 福建林火发生概率模型的数据提取 |
| 4.1.1 林火与随机点数据提取与创建 |
| 4.1.2 气象数据提取 |
| 4.1.3 植被、地形数据提取 |
| 4.1.4 人为基础设施数据提取 |
| 4.2 福建林火发生主要驱动因子判别 |
| 4.2.1 模型变量的多重共线性检验 |
| 4.2.2 中间模型变量选择结果 |
| 4.2.3 林火发生驱动因子确定 |
| 4.3 基于林火概率模型的福建森林火险区划 |
| 4.3.1 林火概率模型的预测精度检验 |
| 4.3.2 森林火险区划分析 |
| 5 讨论 |
| 5.1 林火发生驱动因子分析 |
| 5.2 本研究方法的局限性及未来改进方向 |
| 5.3 本研究对福建林火管理的启示及应用价值 |
| 6 结论 |
| 参考文献 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1. 绪论 |
| 1.1. 引言 |
| 1.1.1. 研究背景 |
| 1.1.2. 研究目的和意义 |
| 1.1.3. 项目来源与经费支持 |
| 1.2. 国内外研究现状与评述 |
| 1.2.1. 国内外研究现状 |
| 1.2.2. 国内外研究现状评述 |
| 1.3. 研究目标与主要研究内容 |
| 1.3.1. 研究目标 |
| 1.3.2. 主要研究内容 |
| 1.3.3. 拟解决的关键问题 |
| 1.4. 研究方法与技术路线 |
| 1.4.1. 研究方法 |
| 1.4.2. 技术路线 |
| 2. 研究区概况及研究数据 |
| 2.1. 引言 |
| 2.2. 研究区概况 |
| 2.2.1. 自然条件 |
| 2.2.2. 社会经济发展状况 |
| 2.3. 数据来源 |
| 2.3.1. 森林火灾历史记录数据简介 |
| 2.3.2. MODIS温度异常/火产品及植被指数产品简介 |
| 2.3.3. 其它数字化数据源简介 |
| 2.4. 本章小结 |
| 3. 基于历史记录数据的森林火灾时空分异规律 |
| 3.1. 引言 |
| 3.2. 数据来源及研究方法 |
| 3.2.1. 数据来源 |
| 3.2.2. 森林火灾时间分布规律研究方法 |
| 3.2.3. 森林火灾空间分布规律研究方法 |
| 3.3. 黑龙江森林火灾基本情况 |
| 3.4. 森林火灾发生的时间变化规律 |
| 3.4.1. 森林火灾的年际变化特征 |
| 3.4.2. 森林火灾的季节变化特征 |
| 3.4.3. 森林火灾的日分布特征 |
| 3.5. 森林火灾发生的空间变化规律 |
| 3.5.1. 行政区划分布特征 |
| 3.5.2. 地貌区域分布特征 |
| 3.5.3. 地形分布特征 |
| 3.6. 本章小结 |
| 4. 基于MODIS的林火数据集处理与分析 |
| 4.1. 引言 |
| 4.2. 数据来源及其简介 |
| 4.2.1. MOD14A1/MYD14A1火掩膜数据集 |
| 4.2.2. MCD45A1火烧迹地数据集 |
| 4.2.3. MOD13 Q1植被指数数据集 |
| 4.2.4. 其它数据源 |
| 4.3. 数据处理与研究方法 |
| 4.3.1. 数据预处理 |
| 4.3.2. 森林火点数据及其验证 |
| 4.3.3. 森林火烧迹地数据及其验证 |
| 4.3.4. 基于MCD45A1森林火烧迹地数据的空间分析 |
| 4.4. 数据处理结果及其分析 |
| 4.4.1. MODIS森林火烧迹地面积年际变化特征 |
| 4.4.2. MODIS森林火烧迹地面积月变化特征 |
| 4.4.3. MODIS森林火烧迹地面积地形变化特征 |
| 4.5. 结论与分析 |
| 4.6. 本章小结 |
| 5. 林火蔓延模型及ANN-CA林火蔓延模拟 |
| 5.1. 引言 |
| 5.2 林火蔓延机理及其影响因子 |
| 5.2.1. 林火蔓延机理 |
| 5.2.2. 林火蔓延影响因子 |
| 5.3. 典型历史火场蔓延实例 |
| 5.3.1. 大兴安岭地区呼中自然保护区2000年“6.17”特大森林火灾 |
| 5.3.2. 黑河市爱辉区泉山地营子2003年“5.20”特大森林火灾 |
| 5.3.3. 大兴安岭富拉罕册支线2003年“5.17”特大森林火灾 |
| 5.4. BP神经网络原理 |
| 5.4.1. 人工神经网络 |
| 5.4.2. BP神经网络 |
| 5.5. 基于神经网络的元胞自动机(ANN-CA)林火蔓延模拟 |
| 5.5.1. 元胞自动机简介 |
| 5.5.2. 元胞自动机模型与林火蔓延 |
| 5.5.3. 基于ANN-CA的林火蔓延模拟 |
| 5.6. 本章小结 |
| 6. 空间Logistic林火风险模型与火险区划 |
| 6.1. 引言 |
| 6.2. 数据来源与研究方法 |
| 6.2.1. 数据来源 |
| 6.2.2. 研究方法 |
| 6.3. 数据处理与结果分析 |
| 6.3.1. 林火空间分布及其验证 |
| 6.3.2. 林火风险影响因子选取与处理 |
| 6.3.3. Logistic林火风险模型与检验 |
| 6.4. 森林火险预测与空间等级区划 |
| 6.5. 本章小结 |
| 7. 主要结论于研究展望 |
| 7.1. 主要结论 |
| 7.2. 研究展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录 |
| 致谢 |
