一、在MapInfo中实现区域对象样点布设功能（论文文献综述）
连雅[1]（2021）在《基于MSN方法的土壤重金属监测点位优化研究》文中指出土壤是农业生产的基础,土壤环境质量关系到人类健康和社会可持续发展。土壤重金属污染防治问题越来越受到重视,是目前土壤科学研究领域的热点之一。由于土壤空间普遍存在的复杂空间分布特征,调查监测中需要布设大量点位以确保监测结果代表性。在对土壤环境质量进行研究时往往在初次采样时采用规则网格法进行高密度点位布设。为满足初次采样后的土壤环境质量长期跟踪监测需求,有必要对初次采样监测点位进行优化,即在保证一定监测精度的同时,移除一定数量的冗余点位。本研究以某山区金属矿下游耕地为研究区域,选取As、Cr、Pb、Zn、Cd、Cu、Ni、Hg 8种重金属元素含量作为研究变量,基于SPSS 24.0、Arc GIS 10.2、GS+9.0软件平台,运用数理统计分析、空间自相关分析和地统计分析方法对重金属含量进行空间变异和空间分布特征研究。为对重金属含量进行准确预测估计,运用主成分-模糊聚类分析方法对土壤空间进行均质性分区研究,并在均质性分区基础上,以重金属含量预测估计方差最小为优化准则,基于RStudio软件平台运用异质表面均值估计（MSN）方法对研究区域土壤重金属进行单变量点位优化和多变量点位综合优化。主要研究内容和结果如下:（1）土壤重金属含量统计特征描述。数理统计分析结果表明:Hg、Cu、Ni、Cr含量在研究区域全局为中度变异,As、Pb、Zn、Cd为高度变异,且As、Pb、Zn、Cd、Cu、Hg数据呈右偏,数据中均有偏高的测试值;Cr、Ni含量符合正态分布,Cu、Hg对数变换后符合正态分布,As、Pb、Zn、Cd则不符合正态分布。（2）土壤重金属含量空间自相关分析和空间变异特征分析。采用全局Moran’s I统计量和Anselin Local Moran’s I方法分析了土壤重金属的空间自相关特征,运用半方差函数和普通克里金插值方法研究了土壤重金属的空间变异特征,结果表明:As、Cr、Pb、Zn、Cd、Cu、Ni、Hg 8种重金属在研究区域均呈现显着的正空间相关,且均呈现不同程度的局部高值聚集和低值聚集特征。8种重金属含量最佳拟合半变异函数的决定系数均高于0.8,Zn、Cd元素的块金效应低于25%,具有强烈的空间自相关性;As、Cr、Pb、Cu、Ni、Hg元素的块金效应为25%～75%,具有中等程度的空间自相关性。克里金预测显示,8种重金属含量在空间上均呈现明显的高低趋势,As、Pb、Zn、Cd、Cu和Hg 6种重金属含量空间分布的大面积高值区在西部靠北区域,向东含量逐渐减小;Cr元素含量空间分布则与前者相反,高值区在东部靠北区域,向西含量逐渐减小;而Ni元素含量空间分布则无明显的大范围高值区域,只在西部靠北区域有小面积高值区。研究区域土壤重金属具有空间自相关性和空间异质性。（3）以重金属含量准确预测估计为目的划分研究区域多变量均质性分区。通过主成分分析将As、Cr、Pb、Zn、Cd、Cu、Ni、Hg 8个重金属变量转化为3个互不相关的主成分,然后利用模糊聚类算法对3个主成分进行分类,从而将研究区域合理划分为3个相对均质的子区域,结果表明:3个分区中,As、Pb、Zn、Cd、Cu、Ni、Hg平均含量为分区1>分区2>分区3,Cr平均含量为分区3>分区2>分区1,方差分析结果显示,8个重金属指标在3个分区的均值均有显着性差异（P<0.05）;3个分区内8个重金属变量的变异系数,除Cr的分区1变异系数稍大于分区之前区域整体的变异系数,其他变量的分区变异系数均小于分区前整个研究区域。即分区后子区域内的重金属含量变异变小,而子区域之间变异变大,主成分-模糊聚类分析方法可对土壤重金属空间变异特征较复杂的区域进行多变量均质性分区。（4）获得多变量均质性分区后,对8种重金属元素的全局与各分区半变异函数进行了最佳拟合,可满足后续分析要求。考虑研究区域土壤重金属变量所具有的空间自相关性和空间异质性,提出将MSN方法应用于该区域重金属监测点位优化,并对比了As、Cr、Pb、Zn、Cd、Cu、Ni、Hg 8种重金属克里金预测和MSN预测的精度,结果表明,对于研究区域内同时具有空间自相关性与空间异质性的8项重金属变量,其MSN方法预测估计精度优于克里金方法,使用MSN方法进行点位布局优化更为科学合理。（5）基于MSN方法的土壤重金属单变量点位优化和多变量点位综合优化。以未优化时MSN方差为初始误差,以最小化预测估计方差为优化准则,运用MSN方法依次移除使方差变化最小的点位,结果表明:在MSN估计方差增加百分比不超过30%限制目标下,As、Cr、Pb、Zn、Cd、Cu、Ni、Hg 8种元素单变量点位优化后分别移除点位数为:23、41、23、24、22、43、33、35,多变量点位综合优化过程共移除34个点位。随着点位移除数量的增加,MSN估计方差增加的速率在逐渐上升。对比优化后与优化前各重金属平均含量,除As和Pb平均含量变化较大外,其余重金属平均含量变化均较小,优化较为合理。利用冗余指数评估分区内冗余信息程度,结果表明分区3冗余指数高于分区2,点位优化停止时,分区3内移除点位数多于分区2,这与冗余指数分析结果一致,MSN方法能够有效合理地优化土壤重金属点位布局。
芦倩[2]（2021）在《祁连山排露沟流域植被类型变化对径流过程的影响》文中研究指明在西北干旱半干旱地区,山地是重要的水源形成区,有效保护和合理恢复森林植被有利于涵养水源、保持水土资源,充分发挥其水文效益。然而,盲目管理森林植被可能导致径流减少,水资源利用不充分。因此,合理调控森林植被和水资源的关系是必不可少的。祁连山是该地区典型山地水源涵养林区。开展其森林水文研究,有利于探索森林植被与水文过程的相互关系,揭示植被类型变化对径流过程的影响,提出科学合理的水源涵养植被类型模式,对保持生态系统平衡具有重要的意义。本文以祁连山典型流域排露沟为研究区,在传统的定位和半定位观测方法基础上,对流域中森林、草地、灌丛不同植被类型下的水文过程进行试验观测,以期发现水文过程规律及内在联系;基于面向对象分类方法、经典统计学和地统计学空间变异理论、高精度数字制图等方法研究流域植被空间分布特征、土壤物理性质空间分异性以及流域离散化和参数化;进一步结合分布式水文模型,从多点、多指标、多尺度出发,综合同步地研究排露沟流域水文过程及其机理。期望能够为深入理解山区水文过程变化特征及森林植被恢复提供一些新的认识,为提高水源涵养效能和科学管理流域水资源提供决策支持。研究主要结论如下:（1）利用面向对象的高分辨率遥感影像分类方法对排露沟流域进行植被分类,分类总体精度89.08%,总体Kappa系数0.834,分类结果符合流域植被分布现状。流域内青海云杉、草地、灌丛分别主要分布于海拔2600-3400m、2600-3000m、2600-3600m。流域内阴坡、半阴坡、阳坡和半阳坡分别占流域总面积的53.5%、20.7%、12.5%和13.3%。青海云杉是阴坡和半阴坡的优势树种,草地主要分布在阳坡和半阳坡,灌丛在四个坡向均有分布。（2）不同深度土层的土壤水分特征曲线显示:相同土壤水势下,青海云杉、草地、灌丛均在0-10cm土层的土壤水分含量最高,随土层加深到60cm,土壤含水量持续降低。三种植被的土壤砂粒含量、粉粒含量、孔隙度、饱和含水量、饱和导水率、容重、有机碳含量差异显着,粘粒含量没有显着性差异。土壤持水量在相同水势下由大到小依次为:青海云杉、灌丛、草地。（3）基于环境协同变量和C5.0分类决策树算法构建的土壤类型图,经验证后总体精度为89%,Kappa系数为0.83,分类效果良好。土壤容重和土壤质地空间分布预测模型分别采用分类回归树算法和线性逐步回归算法构建,经实地验证点从平均绝对误差和均方根误差两个指标对模型进行评价,均得到了比较理想的制图结果。（4）通过2015-2017年流域气象和径流实测数据分析得到,流域的降水以小降水事件为主,占总降水的89%,大中降水事件占总降水的11%。在流域2700-3300m、3300-3500m高程带,海拔每升高100m,平均降雨量分别增加25.47 mm,减少10.48mm,降雨量随海拔的升高呈先增后减的变化特征。流域温度随海拔的升高呈递减趋势,气温递减率为8.375mm/km。（5）基于DEM数据对流域离散化,共划分出17个子流域,144个水文响应单元。采用2015-2017年的月、日流域实测径流数据对流域SWAT模型进行率定和验证,影响径流变化敏感度较高的参数分别是SCS径流曲线数（CN2）、降雪温度（SFTMP）、最大融雪因子（SMFMX）、融雪基础温度（SMTMP）。最终模型验证的Ens值和R2均大于0.7,模拟值和实测值的拟合效果符合模型评价标准。模拟不同雨量下的径流变化发现:多雨期的径流量模拟结果较好;枯水期结果偏小;大降雨事件下模拟精度较差。SWAT模型适用于排露沟小流域。（6）SWAT模型模拟植被类型变化情景下的径流过程。流域径流量在植被类型为草地、灌丛及其他植被类型组合时增加,在青海云杉时减少。地表径流量在不同植被类型变化情景下,维持于0.09-0.18间,易产生地表径流的植被主要是草地,而非青海云杉和灌丛。相较对照,壤中流在植被类型为青海云杉或与其他植被类型组合时,数值下降。蒸散发量在植被类型为草地时最大。表明流域内植被组合的模式在一定程度上可以降低蒸散发,平衡流域内水分收支,提升流域产水量;而单一的植被模式会减少流域产水量,降低中下游地区水资源的有效利用;同时提出祁连山区五种最佳水源涵养植被类型组合:青海云杉、灌丛+草地、青海云杉+灌丛、灌丛、青海云杉+草地。
卢剑[3]（2021）在《基于机器学习的场地Cr（Ⅵ）污染特征分析研究》文中研究说明土壤是一切生命活动的载体,承载着各类生命的延续。但随着科学技术的发展,矿石开采和化学加工等一系列工业生产直接加剧了环境破坏,导致了污染物的积累。掌握场地污染分布特征是土壤修复的前提,本文针对以往依靠单一指标值评估场地污染分析方法的不足,提出一种基于机器学习算法的顾及环境因素的场地污染分析模型,以期探寻环境与污染特征之间的关联关系,从宏观层面上分析污染场地的污染空间分布特征。同时基于物探数据分析该场地水平层面与垂直层面的污染现状来验证该算法的有效性。最后,顾及环境因素并综合多源数据耦合分析该铬盐生产化工厂的污染特征,为有关部门开展因地制宜的场地污染修复提供了参考。本文取得的主要成果如下:（1）决策树算法对比分析。利用随机森林、GBDT和XGBoost三种提升型决策树算法进行环境相关性研究,对比分析发现,三种计算方法所反映的结果相差较大,随机森林和GBDT算法未能够挖掘出场地污染信息之间的关联关系,仅突出污染超标倍数的重要性,而忽视环境因素对于场地污染状态的调控。基于CART决策树的XGBoost算法,在特征维度上实现并行运算并分析其结构特征,利用正则化法则降低模型过拟合风险,进而可有效挖掘环境信息间的相关性。（2）构建了基于XGBoost算法的顾及环境因素的污染特征分析模型。为了实现宏观层面上的综合分析,本文以华东某铬盐化工厂为例,根据场地污染数据间的关联关系,结合机器学习相关研究,设计了基于XGBoost算法的污染特征分析模型。该模型通过计算场地环境信息间关联关系提取环境特征值,融合改进的内梅罗污染综合指数法计算得到顾及环境因素的场地污染特征值,从而绘制出该化工厂土壤与地下水中六价铬[Cr（VI）]空间分布图,提取其污染空间分布特征。（3）土壤和地下水中Cr（VI）污染特征分析。该化工厂Cr（VI）污染呈现明显的空间异质性,污染随着深度递增而降低。该化工厂浅层东北部由于功能分区直接或间接地接触铬盐生产各个环节,污染物质通过填埋和渗流进行扩散,导致东北部污染严重;又因污染物质渗漏具有一定限度,厂区西南部和整个厂区深层次土壤无明显污染。（4）基于局部物探数据的场地污染特征机器学习算法验证。在局部地区布设物探设备,利用感应电磁法和高密度电阻率法检测该地块污染状况,分析结果表明,该区域内的电阻率与正常原土的电阻率存在明显差别,污染土壤的电阻率范围在3 Ohm·m以下。Cr（VI）污染主要集中在土壤深度0-10米范围内。验证结果表明,该机器学习算法能够有效挖掘污染与环境间的关联关系,从多维度层面考虑污染扩散的制约因素,对场地污染特征分析具有重要的应用价值。
薛保铭[4]（2021）在《北部湾近海沉积物微塑料污染时空格局及源—汇关系研究》文中认为目前,塑料污染防治已成为国际社会维护全球可持续发展的重要议题,我国将塑料污染治理列入了《国民经济和社会发展第十四个五年规划和2035年远景目标纲要》,海洋微塑料污染控制是全球塑料污染治理的重中之重,联合国环境大会多次针对海洋微塑料污染开展专题研讨。海洋微塑料污染研究是维护海洋生态环境安全的重要前提,但目前全球范围有关海洋环境中微塑料环境行为的研究仍面临众多挑战:对于“源”的研究大部分均局限于陆源污染,海源污染被严重忽视,但人类渔业活动大量使用了塑料制品,渔业来源的微塑料污染研究在广度和深度上仍有待进一步开展;对于“汇”研究,海洋沉积物被认为是微塑料污染最重要的“汇”,但大部分研究聚焦在表层沉积物,微塑料在深层沉积物中的归趋以及针对红树林、珊瑚礁等独特的“汇”的研究有待深入;微塑料污染研究作为引领海洋塑料污染有效削减的前提工作,相关研究成果有待向务实管用的管控对策转化。针对现状问题,本研究以我国四大传统渔场之一、中国-中南半岛沿海几何中心的北部湾为基底,重点研究海洋沉积物微塑料污染时空格局及源-汇关系,研究主要内容以及成果如下:（1）研究对北部湾重点研究区（包括5条入海河流）沉积物的微塑料污染情况开展调查,发现观测的8种不同聚合物类型的微塑料在表层沉积物中均被检出,其中,PP（聚丙烯）的丰度最高,占比达68.7%,其次为PE（聚乙烯）,占比为18.5%,微塑料形态研究表明,纤维状微塑料达检出的微塑料总量的69.6%。表层沉积物微塑料丰度均值为405±336个/kg,与国内外其他海域相比处于中等偏高水平,微塑料在不同环境功能区的污染分布呈现以下特征:市区河段>海洋养殖区>郊区河段>潮间带>近岸海域>港口区。（2）研究针对北部湾重点研究区域表层沉积物主要的微塑料类型污染物（PP纤维、PE纤维）的来源开展了来源解析工作,通过不同塑料纤维的用途、进入环境的途径以及将检出的微塑料纤维与几个不同来源的渔具塑料纤维进行比对,证明研究区域PP纤维、PE纤维很可能来源于渔具的磨损。此外,PP纤维和PE纤维的整体丰度与不同渔业活动强度的相关度较高（R2=0.8586,p=0.015）,既表明了渔业活动对微塑料污染的重要影响,也验证了研究区域表层沉积物微塑料纤维来源于渔业活动的论断。（3）研究发现珊瑚礁、红树林这两个独特而重要的生态系统的沉积物也是海洋微塑料的“汇”。珊瑚礁一般分布在洁净度较高的海域,但本研究结果表明,北部湾区域所有的珊瑚礁区沉积物均发现了微塑料的存在,包括沿陆地海岸发育珊瑚礁以及沿海岛边缘发育的珊瑚礁,平均丰度为363±476个/kg。红树林沉积物中微塑料丰度要高于本研究的其他沉积物类型,平均丰度为655±526个/kg。红树林沉积物是微塑料集聚度很高的“汇”,同时也起到滞留微塑料颗粒的作用。根据野外调查结果,红树林尤其是小型红树林容易受到周边人类活动的破坏或侵占,其积累的微塑料可能会重新释放到外环境中,有从微塑料的“汇”转变为“源”的可能。（4）研究结果表明沉积柱中（长度60 cm）的微塑料的平均丰度为410±329个/kg,证明了微塑料可以赋存于深层沉积物中,而且可“隐藏”在深度达60 cm的深层沉积物中（丰度为167个/kg）。沉积柱中微塑料的丰度分布和尺寸分布表明微塑料可长期埋藏于深层沉积物中,是被忽视的、微塑料重要的“汇”。沉积柱中微塑料的丰度水平与表层沉积物相近,研究区域“藏于”深层沉积物的微塑料总量（185吨）是表层沉积物的5倍,由于目前大部分研究主要集中于表层沉积物,因此,微塑料储量水平可能普遍被低估。（5）本研究采用210Pb和137Cs的定年法构建沉积柱的年代框架,分析选定海域微塑料污染历史记录,结果显示1933年以及年龄更大的沉积物（深度≥22 cm）也发现了微塑料的存在,然而常用的塑料在二十世纪40年代才被发明并且70年代才被普及使用,这表明微塑料在沉积物中会垂直向下迁移。本文认为研究区域的生物扰动以及深层沉积物的尺寸分布可能是微塑料在沉积物中垂向迁移,导致“新塑料”埋藏于“老沉积物”中的重要原因。（6）针对海洋微塑料污染,尤其是渔业来源的微塑料污染,本研究对我国现时塑料污染防治政策进行了梳理分析,并结合微塑料污染“源-汇”关系研究成果,识别削减污染的关键性控制因素,提出了“整体保护性开发、局部开发性保护”的发展策略,以及渔业从粗放型向集约型转型、建立塑料全生命周期评价的制度、构建城乡一体化垃圾分类处理体系等具有针对性的政策建议,推动学术研究成果进一步转化为务实管用的管控措施。同时提出北部湾要充分发挥东联广东、海南,西接东盟的区位优势,在海洋塑料污染防治上,率先探索跨省（区）、跨国境的协同共治,打造可持续发展标杆。
郭超[5]（2021）在《基于深度学习的岩石破裂信号处理方法及岩石裂隙演化规律研究》文中提出微地震/声发射监测技术是目前岩土工程领域广泛采用的一种新型监测手段。该技术通过对监测信号进行准确获取和处理,反演出岩石（岩体）内部破裂发生的时间、位置、强度及破裂形式,可实现对岩体内部损伤演化过程的表征。但岩石（岩体）本身的非均匀性,速度模型的动态变化及观测数据处理性能的不稳定性,导致难以实现真正意义上的准确定位。能否进行准确震源定位已成为制约微地震/声发射监测技术推广应用的一个技术瓶颈,亟需取得技术上的突破。本文正是以微地震/声发射事件定位问题为研究目标,在试验尺度上对此展开了较深入的研究,实现了微地震/声发射监测信号的高效自动化处理与高精度震源定位方法的发开,并应用于岩石裂隙行为的量化分析中。本文相关研究取得了如下创新性成果:（1）建立了一种基于深度学习理论的声发射信号初至到时自动拾取方法,实现了对海量声发射监测数据的快速、准确拾取。本方法以波形信号及其高阶统计量为数据驱动,首先建立卷积神经网络模型将波形中采样点归类为有效信号或噪声,后建立一种联合非线性拟合与无监督密度聚类的方法针对采样点分类数据进行初至到时识别。与传统自动拾取方法相比准确率有显着提升,并量化分析了波形高阶统计量特征对初至到时识别决策的影响。（2）提出了三维快速扫描法,准确计算应力波在复杂速度模型中的走时。基于快速扫描法与数据库匹配技术开发了一种适用于复杂介质的声发射震源反演定位方法。与传统方法相比,本研究所开发的定位方法大幅降低了声发射事件定位误差。且由于三维快速扫描法的算法格式可实现并行计算,该方法能够显着提高震源反演定位的效率。（3）建立了一种基于时移层析成像理论的动态速度场获取方法。基于岩石受压破裂过程中速度模型变化的事实,提出了一种声发射时移层析成像方法,该方法通过分阶段使用主/被动声发射事件信息对含裂隙砂岩单轴压缩试验进行速度模型反演,获取砂岩试样的动态速度场。分析表明试验过程中速度模型的变化对震源定位结果的影响不可忽略。相比较静态速度场,基于时变速度场计算得到的走时差与观测数据更加匹配,而主动声发射事件的定位误差更小。研究表明该方法可有效消除岩石内部由于结构变化而诱发的速度模型改变对声发射事件定位精度的负面影响。（4）研究了岩石裂隙行为中声发射信号特征的演化规律,为使用微地震/声发射监测进行动力灾害监控预警提供理论基础。通过研究成果2、3,处理含预制裂隙砂岩单轴压缩试验的声发射监测数据,获取准确的声发射事件定位结果。对比分析试样受压破坏过程中声发射事件时空分布特征及声发射信息统计特征的变化规律。采用表征震级-频率分布的b值及空间分形维度的D值量化分析岩石受压过程中内部破裂演化规律。研究表明声发射统计指标可作为深部岩体动力灾害监测预警的短期前兆指标。（5）开展了岩石微观破裂起裂过程中应力波传播属性变化规律研究。使用竖向应力-应变历史与试样表面应变场变化定位微观裂隙起裂的时间与位置。开发了一种时移谱比法,通过处理不同时刻主动超声透射波波形数据,得到衰减系数变化规律。通过分析裂隙起裂区域内应力波波速及衰减系数的变化,本研究证明了与应力、应变监测数据相比,透射超声波衰减系数差-波速变化数据对微观裂隙起裂行为更为敏感,可用于反映关键结构面的早期活动,从而实现深部岩体动力灾害的早期预警。
张航[6]（2020）在《基于深度学习的隧道微震信号处理及岩爆智能预警研究》文中提出中国“十三五”科技创新规划纲要提出了加强深部资源的开发和利用,包括矿物、能源资源勘探开发、城市地下空间利用及减灾防灾等,而深部资源的探索过程中往往面临各种风险和危害,特别是深部地下工程及隧道工程在建设过程中容易引发大量工程地质灾害,如岩爆、大变形等。微震监测技术作为一种新型岩体微破裂监测技术,已经快速发展并成为地下工程灾害监测预警的重要手段之一,且具有7×24小时全天候不间断监测特点,这导致了监测过程中数据的大量采集与积累,给数据的及时、快速和有效处理带来了巨大挑战。目前,大部分数据处理工作都是依靠具有较为丰富实践经验和较为扎实地震学功底的工作人员完成,处理时间较长,且效率和准确率得不到保证,严重影响了地质灾害预测和预警的时效性。同时,结合微震活动发育情况或震源参数演化规律进行灾害预警的人为主观因素较大,其有效的预警方法及稳定性需要进一步提升。基于此,本文以深埋隧道岩爆灾害为研究对象,结合微震监测技术、人工智能算法、深度学习和物联网技术,开展了基于深度学习的隧道微震信号处理及岩爆智能预警研究。基于充足的微震监测数据,建立围岩微震波形智能分类模型及降噪和拾取模型,优化和改善震源定位方法,结合岩爆灾害形成全过程微震信息演化趋势构建微震预测和岩爆预警模型,最终提出岩爆微震综合预警流程。在此基础上,研发和构建隧道微震自动化监测及岩爆智能预警平台,提高岩爆灾害动态预警的时效性和准确性。通过研究,本文获得如下主要成果和认识:（1）构建围岩微震信号智能分类模型。对现场监测信号进行时频分析能够初步区分和识别微破裂信号,其具有强度和频率相对较低、波形成分较为单一、衰减更快等特点。建立微破裂波形与噪音波形（爆破、机械和未知波形）的两类样本数据库,基于深度卷积神经网络构建了围岩微震波形智能分类模型,通过训练、验证、测试和方法对比分析,并结合相关指标证明了该方法的良好性能,且对于不同信噪比水平的微破裂信号同样能够较好检测。同时,该模型具有良好的泛化能力,对不同背景地质构造区域下的围岩微震波形分类也保持较高的精度,能够更好检测Mw≥0.5的微破裂事件。训练后的模型无需调整参数即可保证准确性,在实时监控、智能检测和分类方面具有良好的应用前景。（2）建立基于深度卷积编解码神经网络的微震波形降噪和拾取双任务模型。该模型集成了具有两个相似结构的卷积编解码网络,能够一次性解决围岩微破裂信号降噪和持续时间拾取问题。基于半合成数据训练好的模型,即使微破裂信号受到不同类型和强度的噪声污染（非高斯噪声）,甚至于噪声的频带与微破裂信号的频带重叠,信号和噪声成分也能正确的区分与分离。降噪后的微破裂信号泄漏极小,其形状和幅度特性得到了很好的保留,这些特点同样适用于通过含噪信号与降噪信号获得的预估的噪声（非高斯噪声和高斯噪声）。该模型在信号持续时间拾取上也表现出较高的拾取精度,包括了信号到时的拾取。虽然该模型的训练数据来自于半合成数据,但无论是降噪效果、波形恢复,还是持续时间拾取方面,其在实际采集围岩微震信号的应用效果同样保持良好。此外,该方法对于噪声污染而无法人为确定的微破裂信号持续时间也具有良好拾取能力,可以进一步改进和校正人为拾取结果。与高通滤波器降噪性能、STA/LTA方法到时拾取精度相比,该方法显着提高了信噪比,并引入了较少的波形失真,使真实波形得到更好的恢复,较高的命中率和较低的平均偏差证明了其在低信噪比下也具有良好的拾取精度,能够满足工程到时拾取精度要求。（3）优化和评估隧道微震阵列与震源定位算法。引入残差准则和双曲线密度评估和分析轴向扩展、横向扩展和双洞阵列三种隧道“非包围”式微震阵列的震源定位的准确性和有效性,并结合人工敲击实验和现场应用进行验证,结果显示双洞阵列定位效果相对最优。引入加权系数优化基于L1范数准则的微震定位目标函数,并结合隧道开挖爆破方式和初始震源位置判断构建隧道围岩传播速度模型,一定程度上提高了震源定位精度。引入混沌初始化策略、自适应学习因子、权重系数改进和提高种群多样性等措施优化粒子群算法并改善微震震源定位效果,最终通过不同定位方法对比论证了改进后的方法具有可靠性较强、稳定性较高的特点,能够很好地跳出局部最优,实现收敛精度的提升,找到比其他算法更好的解。（4）构建基于多变量、多目标的岩爆微震参数时间序列的智能预测模型。选取岩爆灾害形成全过程的能量释放、视体积、事件数及其累计值和能量指数等多变量微震参数构建岩爆微震指标库。基于此,建立基于卷积神经网络的多目标岩爆微震指标时间序列预测模型,结合各类评价指标对比分析不同神经网络模型的预测性能,提出了微震指标时间序列预测方法,实现了未来微震参数的准确预测,为后续岩爆灾害动态预警提供数据基础和支撑。（5）建立基于灾变前兆信息及其演化趋势推断的岩爆微震综合智能预警模型。基于累计视体积和能量指数变化趋势将岩爆灾害形成全过程划分为岩爆萌生阶段、岩爆灾变阶段和岩爆成灾阶段。结合滑动时窗方法建立不同岩爆阶段所对应的样本数据库,基于高分辨率卷积神经网络构建岩爆预警模型,结合各类评价指标和方法对比研究了模型的性能表现,论证了该模型对不同岩爆阶段预测的准确性和良好性能,并验证了模型对不同环境数据的鲁棒性,最终确定以岩爆灾变阶段作为岩爆预警的阈值之一。同时,探索和研究不同岩爆灾害形成全过程的岩爆危险度及其增长趋势,认为当岩爆危险度增长速率大于0的量值的拟合曲线连续出现了不少于6次数据点的持续性升高为岩爆风险的另一预警阈值。结合微震监测技术,基于岩爆微震预测模型推断多参数灾变前兆信息的演化趋势,最终建立岩爆微震综合预警流程。（6）基于微震监测技术、微震信号处理（围岩微震波形智能分类、降噪和拾取）、震源定位、参数计算、微震预测和岩爆预警等各类智能算法和模型,结合Java和Python编程语言,运用B/S构架体系,建立了隧道微震自动化监测及岩爆智能预警系统平台。该平台实现了整个微震监测工作流程的自动化、高效化和智能化,极大程度上改善了数据质量和处理速率,一定程度上保证了岩爆微震预警的及时性和准确性。同时,研发平台在实际工程中得到了良好应用。
耿霞[7]（2020）在《多视角下精准农业农田网格划分及其应用研究》文中研究说明本论文依托国家高技术研究发展计划（863计划）课题研究任务“农机精准作业协同系统研发及应用示范（编号:2013AA10230803）”和国家测绘地理信息局项目“基于网格化的村镇土地管理与服务平台研究及应用”,以山东省济宁市兖州区和山东省淄博市临淄区文冠果试验基地作为研究区,基于宏观（行政区域）、中观（农作区）、微观（单株作物）三种不同的视角,对精准农业中农田网格划分及其应用展开了研究。本论文的主要研究内容和结论如下:（1）研究了精准农业中农田网格划分问题,构建了不同视角下农田网格划分方法。在宏观视角下,借鉴城镇社区网格化分的经验,确定了农田网格划分原则和农田网格划分方案。在中观视角下,根据兖州区农田网格划分的现状,研究了最优农田网格大小,最终决策出400亩农田网格大小是兖州区目前最适宜的网格大小。在微观视角下,通过试验,确定了文冠果管理的适宜网格大小为3 m?4 m。（2）宏观视角下,从社会管理和服务的角度研究了精准农业中农田的管理问题,构建了基于网格化的农田管理模型,验证了管理模型的合理性并定量比较了网格化和非网格化农田管理模型。借鉴城镇社区网格化管理的经验,依托兖州区已有的村镇社区网格化管理现状,对现有的农田管理流程进行了再造和优化,构建了一种具有普适性的“七步闭环业务协同法”的农田管理模型。为避免模型中存在的结构错误,为管理模型的后期顺利实施提供理论保障,构建了一种将Petri网化简技术和逻辑表相结合的结构合理性验证方法。基于PIPE进行仿真试验,验证了农田网格化管理模型的合理性以及所提出的验证方法的有效性。使用Arena仿真工具和基于随机Petri网构建的定量测度模型分别对网格化和非网格化农田管理模型进行了定量客观的比较,表明了网格化农田管理模型具有显着的优势,为后期农田网格化管理模型是否能够实施和推广进一步提供了科学的决策依据。（3）中观视角下,基于网格化确定了合理土壤采样点并验证了合理性,得到了优化的多年土壤采样点数据。在兖州区的四个镇得到86个采样点,样点间距大约为1.5km。其中,小孟镇和漕河镇各20个采样点,大安镇和新兖镇各28个和18个采样点;潮褐土、砂姜黑土、潮土区域各68个、12个和6个采样点。从不同角度不同侧重点全面验证了所确定的土壤采样点的合理性。基本描述性统计结果表明:虽然减少了采样点,但各土壤养分的均值、中值、变异系数和变异程度同原始采样数据的统计结果非常接近,标准差也相差不大;根据经典Cochran公式,计算出86个采样点完全可以达到测土施肥的要求;地统计分析结果表明:各土壤养分的变程均大于采样间距;选择普通克里格插值方法进行空间估值,通过交叉验证进行插值精度评价,结果表明:平均误差（ME）和平均标准误差（MSE）值均接近于0,均方根标准误差（RMSSE）均接近于1,均方根误差（RMSE）与平均标准误差（ASE）的值非常接近。在验证采样方案合理的基础上,对已有的土壤采样进行了优化,得到了采样点数量和布设基本一致的多年的土壤采样点数据。（4）基于验证合理的网格土壤采样点数据,构建了土壤肥力变化趋势预测模型。基于2012-2017年已验证合理的网格土壤采样数据,从社会经济角度分析影响土壤肥力变化的主要因素。基于随机Petri网建立了土壤肥力变化趋势预测模型,计算出研究区在未来一年土壤肥力下降的概率大约是0.7852。通过比较2016年和2017年土壤肥力,以及进一步分析2012-2016年土壤肥力变化情况,分析结果验证了所提出的预测土壤肥力变化趋势的方法是有效的。（5）基于验证合理的网格土壤采样点数据,研究了土壤养分空间变异,研制了研究区土壤养分和肥力时空变异查询“一张图”系统。首先,基于2012-2017年已验证合理的网格土壤采样数据,对土壤养分进行了描述性统计分析,结果表明:有效磷含量一直比较丰富,处于二级水平。有机质、碱解氮、速效钾三种土壤养分在这6年期间具有一定下降的趋势。土壤pH为弱变异,有效磷、有机质、速效钾、碱解氮均为中等变异。然后,与划分的农田网格相结合,基于2017年网格土壤采样数据,对研究区土壤养分空间变异进行了研究,结果表明:有机质含量的空间分布呈条状由西到东逐渐降低,所有农田网格的有机质含量都处于中等偏下的四级水平。碱解氮含量北部和南部区域较高,中部偏北区域较低,绝大多数农田网格的碱解氮含量处于中等的三级水平。有效磷含量由北向南逐渐降低,绝大多数农田网格的有效磷含量处于中等偏上的二级水平。速效钾含量由西南向东北方向逐渐降低,绝大多数农田网格的速效钾含量处于中等的三级水平。四个镇中,小孟镇四种土壤养分含量均较高。在以上研究基础上,研制了研究区土壤养分和肥力时空变异查询“一张图”系统,可以提供研究区整体和单网格土壤养分与肥力情况查询,为精准施肥提供了决策支持。（6）微观视角下,研究了基于网格识别的田间文冠果精准采摘问题,研发了文冠果图像采集系统,构建了成熟文冠果识别模型。文冠果图像采集系统实现了田间行走、数据的采集、传输和存储、网格识别等功能。系统测试结果表明:根据GPS坐标可以自动得到相应的网格位置和网格编号。为了快速识别成熟文冠果,构建了一种深度学习网络模型。试验结果表明:在原始数据集中,训练出来的最优模型对成熟和未成熟文冠果的正确识别率分别达到81%和82%。借助识别的准确率、精确率、召回率、F1Score四种指标进行评估,结果表明:训练出来的最优模型无论在原始数据集上还是在模拟数据集上,各项指标值最低也能达到80%。说明构建的成熟文冠果识别模型可以作为文冠果是否成熟的识别工具。通过与未使用模拟数据的模型对比试验,结果表明:通过数据模拟技术,可以扩充训练数据集,从而能够提高模型的泛化能力和预测的准确性,能够较好地解决“过拟合”问题。
张建勇[8]（2020）在《利用无人机遥感的矿区复垦耕地的作物生物量精细化评价》文中进行了进一步梳理矿区耕地的复垦是解决我国矿产粮食复合区耕地损毁问题的有效途径,而矿区复垦耕地的监测与评价是复垦工作的重要环节,有助于指导矿区复垦工作的实施。矿区复垦耕地的土壤扰动剧烈、生产力逐年恢复,使得作物生长响应的空间差异更为显着且随时间变化,因此开展精细监测与快速评价是十分必要的。然而,传统采样分析方法的采样点布设存在主观性,且增加采样点势必要增加监测成本,不利于大面积的长期监测;卫星遥感手段相对于复垦耕地的作物生长周期而言的时间分辨率较低,难以保障精细监测的数据获取;近地监测手段（Li DAR、地物光谱仪等）成本昂贵、数据量大,难以推广使用。这些监测手段都在一定程度上成为了制约矿区复垦耕地精细监测与快速评价的瓶颈。近年来,新兴的轻小型无人机遥感手段以成本低、精度高、响应快、周期短、易操作等优势受到小尺度研究的广泛关注,已经在复垦所关注的作物指标（地上生物量、作物产量、株高等）开展了大量研究工作,并在小尺度上的矿区复垦精细监测中展露头脚,表现出广阔的应用前景。因此,将轻小型无人机遥感观测手段引入矿区复垦耕地的精细监测与评价是一项值得研究的课题。矿区复垦耕地分阶段施工而耕作以田块为基本单元,土壤扰动剧烈导致作物生长响应的空间差异更大,以及生产力逐年恢复使得以产量为评价指标难以揭示作物生长的动态响应特征,以至于难以开展精细监测评价。本文在相关领域的研究基础之上,利用轻小型无人机遥感技术,以引黄河泥沙充填复垦的耕地为例,选择与作物产量存在线性关系的作物生物量为动态监测指标,在构建作物冠层结构特征基础上,实现多特征像素级融合的作物生物量估算,以自动提取的耕地条带为基本分析单元,实现矿区复垦耕地作物生物量的精细监测与快速评价。本文的主要研究结论如下:（1）针对矿区复垦耕地的分阶段施工且耕作以条带田块为基本单元的特点,提出了典型耕地条带田块自动制图方法,通过对耕地条带田块的无人机影像特征分析的基础上,依次进行田埂线提取、田块面制图而成,并验证了制图结果的精度。结果表明,所提出的制图方法可靠且精度高,其中条带田块的面积提取精度优于98.9%且Kappa系数优于97.4%,田埂线提取结果有较高的召回率（>97%）和准确率（>95%）。（2）针对矿区复垦耕地土壤扰动剧烈且空间异质性显着的特点,提出了利用轻小型无人机多光谱图像构建矿区复垦耕地的作物冠层高度模型,通过多光谱图像生成的密集点云两步滤波、点云插值、栅格运算和植被掩膜等一系列处理,并在剔除冠层孔隙策略下选择99%分位数为株高提取阈值,验证了所构建的CHM精度。结果表明,轻小型无人机多光谱数据源可以用于作物冠层高度模型的构建,相对航高低的CHM精度更高。在相对航高50m时,小麦CHM的RMSE为5.3～8.2cm,玉米CHM的RMSE为10～11.8 cm。（3）针对矿区复垦耕地的土壤环境动态演变且生产力逐年恢复的特点,并结合小麦和玉米的冠层光谱特征,构建了针对小麦的冠层光谱响应、结构特征和气象因子多特征像素级融合的参量,并构建了针对玉米的冠层结构特征与气象因子融合的参量,改善了小麦和玉米生物量的估算精度。在计算冠层体积模型CVM和确定气象因子GDD基础上,筛选小麦生物量相关性高的植被指数,构建了基于CVM和GDD的冠层光谱响应模型参量VM-CSRM,同时针对玉米构建了基于GDD权重的CVM参量;然后分别定性、定量地选择最优的特征融合参量,依次进行生物量估算的建模、验证和分析。结果表明,所提出的参量能改善作物生物量估算精度,小麦以CARI×CVM×GDD为自变量二项式回归建模得到最优的估算结果（R2=0.8272,RMSE=0.1690kg/m2）,玉米以CVM×GDD2为自变量指数回归得到最优的估算结果（R2=0.8897,RMSE=0.1649kg/m2）。（4）为实现矿区复垦耕地的评价,分析了耕地条带、处理小区两种统计单元下的复垦耕地生物量的时空变化特征。首先,建立了考虑作物整个生长阶段的生物量分级标准,以分析作物生物量累积对复垦土壤环境响应的绝对变化特征;其次,利用空间自相关分析方法,揭示了各期作物生物量累积对复垦土壤环境响应的空间相对差异特征;然后在此基础上借鉴极限条件法的思想,实现复垦耕地的评价。结果表明,在耕地条带单元下,受复垦土壤环境的影响相对小的耕地条带是B行（试验田南起第二个耕地条带）;在处理小区单元下,引黄河泥沙夹层式充填最优的土壤剖面构型是T09（表土30cm+心土20cm+黄河泥沙20cm+心土20cm+黄河泥沙30cm）。
于吉[9]（2019）在《北方沙地条件下苹果树与花生间作的种间关系研究》文中指出本论文以辽西章古台风沙所地区典型果农间作复合生态系统——苹果×花生间作系统为研究对象,以花生和苹果单作模式为对照,以复合生态系统中的生长指标、光合指标和地下养分的分布特征对研究对象进行研究,从空间上分析了影响果树与农作物的因子以及其变化规律。研究结果表明:对于果农间作系统中生长指标研究显示,果树和农作物间隔小于1.0 m时,对于果树和农作物的生长和发育均会造成不利影响,具体表现为较低的产量、新枝生长量的减少、较矮的株高以及较细的茎粗。果树和农作物间隔大于3.0 m时,虽然对果树和农作物的生长没有造成负面影响,但这种模式下土地利用率低,单位面积上的产出小。当苹果树和花生的间距在3.0 m时,苹果树和花生的各项生长指标和产量均能较好,能满足在有限空间能实现经济效益的最大化。光合指标研究显示,间作农作物光合有效辐射强度和净光合速率的降低的程度与距果树行的距离有关,离果树行越近,农作物受到的负面影响越大。叶片的气孔导度、蒸腾速率和胞间CO2浓度的日变化呈现“单峰”形状的变化趋势,最大值均出现在13:00左右,其中,气孔导度和蒸腾速率的最低值出现在9:00左右,胞间CO2浓度的最低值出现在17:00左右,胞间CO2浓度的变化与净光合速率呈正相关关系。在果农间作系统的结构优化中,应注意果树与农作物之间行间距的选择,要适当的增大农作物与果树行的距离。土壤养分研究结果显示,对于果农间作复合系统土壤养分的垂直变化,土壤养分含量大部分表现为随着土层深度的增加而土壤养分含量逐渐减小的变化趋势,不同养分种类在不同土层的含量差异变化较大。对于果农间作复合系统土壤养分水平变化,土壤全磷、速效磷和速效钾含量表现为随着间距增加土壤养分含量递减,而后呈现递增的变化趋势,土壤有机质含量表现为随着间距增加呈现先增加后减少的变化趋势。土壤全氮和碱解氮含量表现为随着间距增加土壤养分含量递增的变化趋势。该文论有图26幅,表5个,参考文献114篇。
华一枝[10]（2019）在《基于小班对象的不等概抽样方法及其系统研建》文中指出森林作为陆地生态系统的重要组成部分,是人类社会生存和发展的物质基础。森林蓄积量是衡量森林资源状况的一个重要指标,因此准确估测森林蓄积量具有重要的作用和意义。本文以江苏东台林场为例,比较了森林蓄积量估计的几种抽样方法,研建了基于小班对象的不等概抽样系统,以期提高抽样设计、抽样调查、抽样估计的信息化程度,提高抽样效率。主要研究内容如下:1、探讨基于深度学习模型的分层辅助信息获取新方法,拟为研究区提供分类精度较高的优势树种作为森林蓄积估测的分层辅助信息。该方法基于深度学习模型,综合利用研究区2016年无人机高分影像数据、前期二类调查数据、2016年补充调查数据,通过大型卷积神经网络提取优势树种影像特征,继而实现树种类型的信息提取与精细识别,获取研究区小班抽样的分层辅助信息。对分类结果的4类树种类型进行精度评价,并对主要优势树种的精细识别结果进行面积统计,与2016年补充调查数据中各树种面积统计值进行对比分析。结果表明,本文提出的基于深度学习模型的分层辅助信息获取新方法,分类总体精度达到91.18%,Kappa系数0.88。通过该模型进行各树种面积估计,得到杨树（Populus euramevicana）、水杉（Metasequoia glyptostroboides）、银杏（Ginkgo biloba,）、竹（Bambusoideae）及其他的林地面积成数相对精度分别为96.77%、84.28%、87.04%和90.48%,相对平均精度为89.65%,识别精度能够满足林业生产需求。2、比较了几种小班抽样方法估测研究区森林蓄积量的抽样精度。本文采取小班简单随机抽样、小班分层抽样、小班PPS抽样（Probability Proportionate to Size Sampling）、小班πPS抽样、小班分层πPS抽样5种抽样方法,在相同样本容量下对比抽样精度。分层辅助信息采用树种精细分类结果。比较5种抽样方法的抽样精度,并选用最优抽样方法对研究区总体森林蓄积量进行估计。结果表明,基于分层辅助信息的小班分层πPS抽样方法取得了较好的效果。在相同样本容量下,小班分层πPS抽样比小班简单随机抽样、小班分层抽样、小班PPS抽样、小班πPS抽样抽样精度高,其抽样精度达91.52%,研究区蓄积估计为211992.03m3。小班分层πPS抽样较小班PPS抽样精度高,主要是因为PPS抽样为有放回抽样,可能重复抽到某些规模较大的森林小班,影响估计精度。小班分层πPS抽样较小班等概抽样几种方法精度高,主要是因为不等概抽样具有抽样效率高的优点,在同样本容量下,抽样精度更高。小班分层πPS抽样方法具有低成本、高效率的特点,在森林资源调查中有很好的应用前景。3、本文研建了基于小班对象的不等概抽样系统。服务器端基于PostgreSQL/PostGIS数据库技术,通过C#语言在Visual Stodio2010平台完成空间数据的数据库应用与接口设计,基于Web Services技术实现空间数据库访问与应用的网络接口;在客户端,基于C#语言设计与实现了空间数据缓存结构类,实现空间数据的缓存与读写接口;通过实例分析设计出了拥有数据服务与数据库连接测试,Shapefile数据的导入、导出与查询导出功能的应用程序。成功实现了一个可以在Android移动设备上使用的小班不等概抽样系统。该系统的主要功能包括（1）地图基本操作:实现了Shapefile文件的读取与显示、瓦片数据的加载与显示及基础的地图交互操作,如:缩放、平移、定位及搜索等;（2）样地点布设与复位:实现了样地点的选择、返回分布点界面、标记已调查样地点的功能;（3）样点数据采集:包括空间数据、样地调查数据和角规调查数据;（4）统计分析:通过πPS抽样算法,对研究区蓄积进行估计,并得出抽样精度、面积统计和蓄积估计;（5）数据访问:通过服务器实现了移动端查询本期数据和下载历史数据的功能。
二、在MapInfo中实现区域对象样点布设功能（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、在MapInfo中实现区域对象样点布设功能（论文提纲范文）
（1）基于MSN方法的土壤重金属监测点位优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景、目的和意义 |
| 1.2 国内外相关研究进展 |
| 1.2.1 土壤监测数据统计分析 |
| 1.2.2 土壤监测点位优化方法 |
| 1.2.2.1 以估计值准确度为优化目标的监测点位优化 |
| 1.2.2.2 以土壤质量等级划分准确度为目标的监测点位优化 |
| 1.3 主要研究内容 |
| 1.3.1 土壤重金属空间分布特征 |
| 1.3.2 土壤重金属均质性分区 |
| 1.3.3 MSN模型拟合 |
| 1.3.4 土壤重金属监测点位优化 |
| 1.4 研究技术路线 |
| 第2章 研究区域概况、数据来源与技术方法 |
| 2.1 研究区域概况 |
| 2.2 数据来源 |
| 2.2.1 采样点位布设与样品采集 |
| 2.2.2 样品制备和测试 |
| 2.3 研究技术方法 |
| 2.3.1 空间自相关分析 |
| 2.3.2 半变异函数分析 |
| 2.3.3 克里金插值 |
| 2.3.4 主成分分析 |
| 2.3.5 模糊聚类分析 |
| 2.3.6 异质表面均值估计方法 |
| 2.4 数据预处理及分析软件 |
| 2.4.1 数据预处理 |
| 2.4.2 分析软件 |
| 第3章 土壤重金属含量及空间分布特征 |
| 3.1 土壤重金属含量统计特征描述 |
| 3.2 土壤重金属空间统计分析 |
| 3.2.1 空间自相关分析 |
| 3.2.2 空间变异分析 |
| 3.2.3 空间分布预测 |
| 3.3 本章小结 |
| 第4章 多变量均质化分区研究 |
| 4.1 主成分分析 |
| 4.1.1 指标相关性分析 |
| 4.1.2 提取主成分 |
| 4.2 聚类分析 |
| 4.3 分区结果合理性验证 |
| 4.4 分区结果不确定性分析 |
| 4.5 本章小结 |
| 第5章 土壤重金属监测点位单变量优化 |
| 5.1 MSN点位优化方法 |
| 5.1.1 分区与全局半变异函数拟合 |
| 5.1.2 MSN和克里金插值精度比较 |
| 5.1.3 优化准则与停止目标设置 |
| 5.1.4 MSN点位优化 |
| 5.1.5 MSN点位优化在RStudio中的实现 |
| 5.2 MSN单变量点位优化 |
| 5.2.1 As元素MSN点位优化 |
| 5.2.2 Cr元素MSN点位优化 |
| 5.2.3 Pb元素MSN点位优化 |
| 5.2.4 Zn元素MSN点位优化 |
| 5.2.5 Cd元素MSN点位优化 |
| 5.2.6 Cu元素MSN点位优化 |
| 5.2.7 Ni元素MSN点位优化 |
| 5.2.8 Hg元素MSN点位优化 |
| 5.3 单变量点位优化结果讨论 |
| 5.4 本章小结 |
| 第6章 土壤重金属监测点位多变量综合优化 |
| 6.1 点位综合优化方法 |
| 6.2 MSN多变量点位综合优化 |
| 6.3 点位综合优化结果讨论 |
| 6.3.1 优化后重金属平均含量变化 |
| 6.3.2 点位综合优化分区冗余指数 |
| 6.3.3 单变量优化与多变量优化中移除点位对比 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究不足之处及今后展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（2）祁连山排露沟流域植被类型变化对径流过程的影响（论文提纲范文）
| 摘要 |
| SUMMARY |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究进展 |
| 1.3.1 森林植被变化对径流影响研究进展 |
| 1.3.2 森林植被对径流过程影响研究进展 |
| 1.3.3 水文模型研究进展 |
| 1.4 研究内容及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 研究区概况及研究方法 |
| 2.1 祁连山概况 |
| 2.1.1 地理位置 |
| 2.1.2 地形地貌特征 |
| 2.1.3 气候特征 |
| 2.1.4 土壤特征 |
| 2.1.5 植被特征 |
| 2.1.6 水文特征 |
| 2.2 排露沟流域概况 |
| 2.3 研究方法 |
| 2.3.1 观测样地布设 |
| 2.3.2 数据分析方法 |
| 第三章 排露沟流域植被空间分布特征研究 |
| 3.1 ZY-3数据分类 |
| 3.1.1 数据预处理 |
| 3.1.2 研究过程 |
| 3.2 分类实现及精度评价 |
| 3.3 排露沟流域植被分布特征 |
| 3.3.1 植被随高程分布分析 |
| 3.3.2 植被随坡向分布分析 |
| 3.4 讨论 |
| 3.5 小结 |
| 第四章 排露沟流域土壤物理性质空间分异性研究 |
| 4.1 排露沟流域土壤野外采样 |
| 4.1.1 土壤采样合理性分析 |
| 4.1.2 土壤物理性质测量内容及测量方法 |
| 4.2 不同植被类型下土壤水文物理性质的差异性研究 |
| 4.2.1 典型植被类型土壤水分特征曲线 |
| 4.2.2 不同植被类型下土壤水文物理性质的差异性分析 |
| 4.3 土壤物理性质空间异质性及分布特征研究 |
| 4.3.1 研究区不同土层有机碳含量空间分布特征 |
| 4.3.2 植被类型对土壤有机碳空间异质性的影响 |
| 4.3.3 研究区土壤质地空间分布特征 |
| 4.4 排露沟流域高精度数字土壤制图 |
| 4.4.1 数据源介绍 |
| 4.4.2 环境因子构建 |
| 4.4.3 环境因子的筛选 |
| 4.4.4 空间数据挖掘 |
| 4.4.5 精度评价 |
| 4.5 土壤物理性质空间预测模型 |
| 4.5.1 土壤容重模拟结果分析 |
| 4.5.2 土壤质地模拟结果分析 |
| 4.5.3 模拟结果评价 |
| 4.6 讨论 |
| 4.7 小结 |
| 第五章 排露沟流域径流过程模拟研究 |
| 5.1 流域空间离散化与参数化 |
| 5.1.1 流域水系提取 |
| 5.1.2 流域离散化 |
| 5.1.3 流域空间参数化 |
| 5.2 SWAT模型简介 |
| 5.2.1 SWAT模型概述 |
| 5.2.2 SWAT模型原理 |
| 5.2.3 SWAT模型模拟方法 |
| 5.2.4 SWAT模型输入数据 |
| 5.2.5 SWAT模型校准与验证 |
| 5.3 基于SWAT模型的排露沟流域径流过程模拟 |
| 5.3.1 流域气象特征 |
| 5.3.2 流域径流特征 |
| 5.3.3 流域径流过程模拟 |
| 5.3.4 不同雨量情况下的径流模拟分析 |
| 5.4 讨论 |
| 5.5 小结 |
| 第六章 排露沟流域植被类型变化情景下对径流过程影响 |
| 6.1 研究方案设计 |
| 6.2 流域尺度植被组合模式的水文效应 |
| 6.3 不同植被组合情景下流域径流变化 |
| 6.4 不同植被类型组合下流域水量平衡指标的变化 |
| 6.5 排露沟流域最佳水源涵养效能植被类型 |
| 6.6 讨论 |
| 6.7 小结 |
| 第七章 结论与展望 |
| 7.1 主要结论 |
| 7.2 论文的创新性 |
| 7.3 不足与展望 |
| 7.3.1 研究中的不足 |
| 7.3.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 在读期间发表论文和研究成果等 |
| 导师简介 |
（3）基于机器学习的场地Cr（Ⅵ）污染特征分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 场地污染研究现状 |
| 1.2.2 污染空间特征研究现状 |
| 1.2.3 多源异构数据分析研究现状 |
| 1.2.4 机器学习在污染分析中的应用 |
| 1.2.5 研究现状评述 |
| 1.3 研究目的及意义 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第2章 研究区概况及数据源 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 功能分区 |
| 2.1.3 铬盐生产工艺流程及污染来源 |
| 2.2 数据源介绍 |
| 2.2.1 土壤Cr(VI)数据 |
| 2.2.2 地下水Cr(VI)数据 |
| 2.2.3 场地物探数据 |
| 2.3 本章小结 |
| 第3章 基于机器学习的污染特征计算方法 |
| 3.1 顾及环境因素的场地污染机器学习算法 |
| 3.2 多源数据归一化与标准化 |
| 3.3 相关性分析 |
| 3.3.1 相关性分析方法 |
| 3.3.2 决策树 |
| 3.3.3 GBDT, XGBoost和随机森林 |
| 3.4 顾及环境因素的污染特征值提取 |
| 3.4.1 场地环境特征值 |
| 3.4.2 顾及环境因素的污染特征值 |
| 3.5 本章小结 |
| 第4章 基于多源数据的场地Cr(VI)污染特征分析 |
| 4.1 土壤Cr(VI)污染特征值提取及特征分析 |
| 4.1.1 土壤环境特征值 |
| 4.1.2 顾及环境信息的土壤Cr(VI)污染特征值提取 |
| 4.1.3 土壤Cr(VI)污染分布特征分析 |
| 4.2 地下水Cr(VI)污染特征值提取及特征分析 |
| 4.2.1 地下水Cr(VI)污染信息聚类 |
| 4.2.2 顾及环境信息的地下水Cr(VI)污染特征值提取 |
| 4.2.3 地下水Cr(VI)污染分布特征分析 |
| 4.3 基于局部物探数据的机器学习算法验证分析 |
| 4.3.1 基于物探数据的研究方法与技术 |
| 4.3.2 基于EM和ERT物探数据的局部Cr(VI)污染特征分析 |
| 4.3.3 物探数据结果与机器学习算法验证分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
| 攻读硕士期间发表的论文及科研情况 |
| 致谢 |
（4）北部湾近海沉积物微塑料污染时空格局及源—汇关系研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 问题的提出 |
| 1.2 海洋塑料污染概况 |
| 1.3 海洋微塑料的“源” |
| 1.3.1 陆源污染 |
| 1.3.2 海源污染 |
| 1.4 微塑料的入海途径 |
| 1.4.1 人工排水系统和地表径流 |
| 1.4.2 固体废物海洋倾倒 |
| 1.4.3 风力运输 |
| 1.5 海洋微塑料的“汇” |
| 1.5.1 沉积物 |
| 1.5.2 海洋生物 |
| 1.5.3 其他可能的“汇” |
| 1.6 源-汇相互转化 |
| 1.7 研究内容和拟解决的科学问题 |
| 1.7.1 研究内容 |
| 1.7.2 拟解决的科学问题 |
| 第二章 研究区域和微塑料分析方法的建立 |
| 2.1 研究区域 |
| 2.1.1 区域概况 |
| 2.1.2 研究的主要港湾 |
| 2.1.3 沿海主要河流 |
| 2.1.4 珊瑚礁区 |
| 2.2 海洋环境中微塑料的分析方法 |
| 2.2.1 微塑料的分类 |
| 2.2.2 样品采集方式 |
| 2.2.3 样品的前处理 |
| 2.2.4 微塑料的鉴定与定量 |
| 2.3 分析方法的选取和建立 |
| 2.3.1 样品采集 |
| 2.3.2 微塑料分析方法的选取 |
| 2.3.3 实验分析步骤 |
| 2.3.4 ~(210)Pb定年方法及模型 |
| 2.3.5 沉积柱样品粒度测定 |
| 2.3.6 质量控制 |
| 第三章 微塑料在北部湾近海沉积物的水平分布和特征 |
| 3.1 北部湾重点研究区表层沉积物微塑料的水平分布和特征 |
| 3.1.1 总体成分特征 |
| 3.1.2 总体丰度水平 |
| 3.1.3 水平分布特征 |
| 3.1.4 表观特征 |
| 3.2 红树林沉积物微塑料水平分布和特征 |
| 3.2.1 丰度水平和组分特征 |
| 3.2.2 分布特征与原因分析 |
| 3.2.3 与国内外其他研究对比 |
| 3.3 珊瑚礁沉积物微塑料水平分布和特征 |
| 3.3.1 丰度水平和组分特征 |
| 3.3.2 分布特征与原因分析 |
| 3.3.3 与国内外其他研究对比 |
| 3.4 本章小结 |
| 第四章 沉积柱微塑料垂向分布与年代学分析 |
| 4.1 垂向分布 |
| 4.1.1 垂向丰度水平 |
| 4.1.2 组分和形态特征 |
| 4.2 微塑料在沉积柱中的污染记录 |
| 4.2.1 放射性同位素的垂直分布 |
| 4.2.2 沉积柱的沉积速率及年代学研究 |
| 4.3 微塑料的垂向迁移 |
| 4.3.1 垂向迁移观点的提出 |
| 4.3.2 微塑料垂向迁移观点的论证 |
| 4.3.3 微塑料向下迁移原因分析 |
| 4.4 本章小结 |
| 第五章 微塑料污染源-汇机理解析 |
| 5.1 北部湾重点研究区微塑料污染来源解析 |
| 5.1.1 微塑料溯源方式 |
| 5.1.2 北部湾重点研究区沉积物微塑料来源分析 |
| 5.2 微塑料的渔业来源及其影响 |
| 5.2.1 渔业强度与微塑料污染相关性分析 |
| 5.2.2 污染削减关键控制因素识别 |
| 5.3 红树林和珊瑚礁沉积物微塑料来源分析 |
| 5.3.1 红树林沉积物微塑料来源 |
| 5.3.2 珊瑚礁沉积物微塑料来源 |
| 5.4 北部湾微塑料的“汇” |
| 5.4.1 “汇”的分析判断方法 |
| 5.4.2 表层沉积物 |
| 5.4.3 红树林沉积物 |
| 5.4.4 珊瑚礁沉积物 |
| 5.4.5 深层沉积物 |
| 5.4.6 “汇”的生态风险评价 |
| 5.5 本章小结 |
| 第六章 海洋塑料污染治理的存在问题和对策建议 |
| 6.1 海洋塑料污染治理存在问题 |
| 6.1.1 看待塑料污染客观性不足 |
| 6.1.2 塑料管控对策科学论证不足 |
| 6.1.3 海洋保护法规执行力不强 |
| 6.1.4 海岸带开发合理度不高 |
| 6.2 塑料防治政策应遵循科学原则 |
| 6.2.1 生命周期评价原则 |
| 6.2.2 源头减废原则 |
| 6.2.3 产业布局服从环境容量原则 |
| 6.3 北部湾染塑料污染防治对策建议 |
| 6.3.1 科学布局海洋产业和开发区域 |
| 6.3.2 削减渔业来源的塑料污染 |
| 6.3.3 建立城乡一体的垃圾分类处理体系 |
| 6.4 区域环境共治和协同发展建议 |
| 6.4.1 区域协同的必要性和机遇期 |
| 6.4.2 发展现代海洋养殖业 |
| 6.4.3 珊瑚礁和海岛保护开发 |
| 6.5 效果预期(愿景) |
| 第七章 结论和研究展望 |
| 7.1 主要结论 |
| 7.2 论文特色与创新之处 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表学术论文情况 |
（5）基于深度学习的岩石破裂信号处理方法及岩石裂隙演化规律研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 引言 |
| 1 文献综述 |
| 1.1 震源定位问题研究现状 |
| 1.1.1 观测数据相关问题-应力波初至到时拾取研究现状 |
| 1.1.2 正演物理模型相关问题-应力波走时算法研究现状 |
| 1.1.3 模型参数相关问题-速度成像研究综述 |
| 1.1.4 深度学习在震源定位中的应用 |
| 1.2 微地震/声发射监测表征岩体破裂行为研究综述 |
| 1.2.1 主动应力波对岩石裂隙行为的响应 |
| 1.2.2 被动微地震/声发射监测表征裂纹演化 |
| 1.3 存在的主要问题 |
| 1.4 论文研究内容与技术路线 |
| 2 基于深度学习的声发射信号初至到时自动拾取方法 |
| 2.1 引言 |
| 2.2 试验设施与流程 |
| 2.3 理论 |
| 2.3.1 数据预处理 |
| 2.3.2 CNN采样点分类模块 |
| 2.3.3 初至到时拾取模块(非线性拟合-密度聚类联合算法) |
| 2.4 拾取方法性能分析 |
| 2.4.1 CNN分类模型采样点分类效果分析 |
| 2.4.2 拾取结果分析 |
| 2.4.3 高阶统计量权重分析 |
| 2.5 小结 |
| 3 复杂速度模型下应力波走时计算方法 |
| 3.1 引言 |
| 3.2 理论 |
| 3.2.1 程函方程 |
| 3.2.2 快速匹配法(FMM)与快速扫描法(FSM) |
| 3.2.3 三维快速扫描算法建立 |
| 3.3 走时计算数值试验 |
| 3.4 基于FSM算法的震源定位算法建立 |
| 3.4.1 建立到时差数据库 |
| 3.4.2 数据库匹配流程 |
| 3.5 定位效果分析 |
| 3.5.1 数值试验建立 |
| 3.5.2 数值试验定位结果 |
| 3.5.3 工程案例分析 |
| 3.6 小结 |
| 4 基于层析反演算法的时移速度模型建立方法 |
| 4.0 引言 |
| 4.1 速度层析成像原理 |
| 4.1.1 成像原理简介 |
| 4.1.2 正演走时计算方法 |
| 4.1.3 拟牛顿反演算法 |
| 4.1.4 声发射速度层析成像流程 |
| 4.2 试验 |
| 4.2.1 试样准备与相关参数 |
| 4.2.2 试验仪器与试验流程 |
| 4.2.3 初始速度模型建立 |
| 4.3 结果与分析 |
| 4.3.1 速度层析成像结果 |
| 4.3.2 主/被动声发射事件走时及定位结果与分析 |
| 4.4 小结 |
| 5 基于主动超声监测的岩石裂隙起裂表征方法研究 |
| 5.1 引言 |
| 5.2 理论 |
| 5.2.1 超声波等效波速测量 |
| 5.2.2 时移谱比法计算衰减系数变化 |
| 5.2.3 数字图像相关技术 |
| 5.3 试样准备与试验 |
| 5.4 试验结果与分析 |
| 5.4.1 时移超声波波速-衰减演化 |
| 5.4.2 表面应变场时空演化 |
| 5.5 小结 |
| 6 基于时移声发射特征的脆性岩石裂隙行为研究 |
| 6.1 引言 |
| 6.2 声发射事件时空分布规律 |
| 6.3 声发射信号统计特征分析 |
| 6.4 小结 |
| 7 结论 |
| 7.1 主要结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（6）基于深度学习的隧道微震信号处理及岩爆智能预警研究（论文提纲范文）
| 摘要 |
| 研究成果的主要创新点 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题依据及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 微震波形识别与分类研究 |
| 1.2.2 微震波形降噪和到时拾取研究 |
| 1.2.3 微震定位方法研究 |
| 1.2.4 岩爆预测及预警研究 |
| 1.2.5 主要问题与不足 |
| 1.3 研究思路、研究内容与技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 第2章 基于深度卷积神经网络的围岩微震波形分类研究 |
| 2.1 引言 |
| 2.2 项目概况及数据来源 |
| 2.2.1 项目概况 |
| 2.2.2 微震监测系统构建 |
| 2.2.3 数据来源及岩爆灾害 |
| 2.3 微震波形的特征识别 |
| 2.4 微震波形信号预处理 |
| 2.5 CNN-MCN微震波形分类模型构建 |
| 2.6 CNN-MCN微震波形分类性能分析 |
| 2.6.1 数据准备与训练 |
| 2.6.2 实验结果和分析 |
| 2.7 本章小结 |
| 第3章 基于深度编解码的围岩微震波形降噪和拾取研究 |
| 3.1 引言 |
| 3.2 自编码神经网络模型 |
| 3.2.1 自编码 |
| 3.2.2 卷积自编码 |
| 3.3 微震波形降噪与拾取双任务模型构建 |
| 3.4 微震波形降噪与拾取双任务模型性能分析 |
| 3.4.1 数据准备和训练 |
| 3.4.2 实验结果与分析 |
| 3.4.3 通用性与对比分析 |
| 3.5 本章小结 |
| 第4章 隧道围岩微震阵列优化及震源定位研究 |
| 4.1 引言 |
| 4.2 微震定位原理及目标函数构建 |
| 4.3 隧道微震阵列探讨与评估 |
| 4.3.1 “非包围”微震阵列不足 |
| 4.3.2 “非包围”微震阵列评估和优化 |
| 4.4 隧道震源定位方法优化与构建 |
| 4.4.1 隧道围岩速度模型优化 |
| 4.4.2 微震定位优化算法构建 |
| 4.5 微震优化阵列与改进定位方法的测试与应用 |
| 4.5.1 “非包围”微震阵列测试与应用 |
| 4.5.2 围岩波速模型测试 |
| 4.5.3 不同定位算法对比 |
| 4.5.4 微震定位优化方法应用 |
| 4.6 本章小结 |
| 第5章 基于卷积神经网络的微震预测及岩爆预警研究 |
| 5.1 引言 |
| 5.2 相关理论基础 |
| 5.2.1 时间序列预测原理 |
| 5.2.2 ARIMA经典时间序列预测方法 |
| 5.2.3 神经网络预测模型 |
| 5.3 岩爆微震指标库建立 |
| 5.3.1 微震评价指标 |
| 5.3.2 岩爆微震指标选取与构建 |
| 5.3.3 数据预处理 |
| 5.4 微震指标预测研究 |
| 5.4.1 实验环境与数据 |
| 5.4.2 评价指标 |
| 5.4.3 微震指标时间序列模型构建 |
| 5.4.4 实验结果分析 |
| 5.4.5 不同方法对比 |
| 5.5 岩爆微震预警研究 |
| 5.5.1 实验数据 |
| 5.5.2 岩爆微震预警模型 |
| 5.5.3 岩爆微震综合预警 |
| 5.6 本章小节 |
| 第6章 隧道微震自动化监测及岩爆智能预警平台研究 |
| 6.1 引言 |
| 6.2 系统分析与设计 |
| 6.2.1 设计原则 |
| 6.2.2 系统开发及代码管理平台 |
| 6.2.3 系统及框架设计 |
| 6.2.4 数据库设计 |
| 6.3 系统主要模块 |
| 6.3.1 微震听诊模块 |
| 6.3.2 微震预测模块 |
| 6.3.3 岩爆预警模块 |
| 6.3.4 用户与信息模块 |
| 6.3.5 系统运行流程 |
| 6.4 工程应用 |
| 6.4.1 工程概况 |
| 6.4.2 微震自动化监测 |
| 6.4.3 微震预测和岩爆预警分析 |
| 6.5 本章小结 |
| 结论与展望 |
| 1 结论 |
| 2 不足与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（7）多视角下精准农业农田网格划分及其应用研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 精准农业概述 |
| 1.2.2 网格化管理的研究现状 |
| 1.2.3 农田网格划分的研究现状 |
| 1.2.4 农田网格应用的研究现状 |
| 1.2.5 目前存在的主要问题分析 |
| 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 研究区概况 |
| 1.4.1 研究区地理位置 |
| 1.4.2 自然条件和作物情况 |
| 2 多视角下的农田网格划分研究 |
| 2.1 宏观视角下农田网格的划分 |
| 2.1.1 农田网格划分原则的确定 |
| 2.1.2 农田网格划分方案 |
| 2.2 中观视角下最优农田网格大小的决策 |
| 2.2.1 决策目标体系的建立 |
| 2.2.2 基于灰色决策的最优农田网格大小决策模型的构建 |
| 2.2.3 决策结果与分析 |
| 2.3 微观视角下农田网格的划分 |
| 2.3.1 试验设计 |
| 2.3.2 试验结果与分析 |
| 2.4 三层网格的编码设计 |
| 本章小结 |
| 3 宏观视角下基于网格化的农田管理模型构建 |
| 3.1 基于网格化的农田管理模型构建 |
| 3.2 农田网格化管理模型合理性验证 |
| 3.2.1 基于Petri网的农田网格化管理模型的流程定义 |
| 3.2.2 农田网格化管理模型的合理性验证方法 |
| 3.2.3 模型合理性验证结果 |
| 3.2.4 仿真试验及结果分析 |
| 本章小结 |
| 4 网格化和非网格化农田管理模型的比较研究 |
| 4.1 案例的选取和描述 |
| 4.2 基于Arena的农田管理模型的仿真比较 |
| 4.2.1 仿真模型的构建 |
| 4.2.2 仿真测评指标的确定 |
| 4.2.3 仿真结果与分析 |
| 4.3 农田管理流程的定量测度 |
| 4.3.1 引入SPN构建信息测度模型的原因分析 |
| 4.3.2 基于SPN的农田管理流程定量测度模型的构建 |
| 4.3.3 基于SPN的信息距离计算方法 |
| 4.3.4 基于SPN测度模型的信息距离测算结果与分析 |
| 本章小结 |
| 5 中观视角下基于网格化的合理土壤采样点的确定 |
| 5.1 相关研究分析 |
| 5.2 材料与方法 |
| 5.2.1 土壤养分数据的获取 |
| 5.2.2 土壤肥力指标因素的选取 |
| 5.2.3 样品的室内测定与特异值处理 |
| 5.2.4 合理采样点确定的方法 |
| 5.2.5 采样合理性验证方法 |
| 5.3 合理采样点的确定结果与验证 |
| 5.3.1 基于网格化的合理采样点的确定结果 |
| 5.3.2 采样合理性验证 |
| 5.4 合理采样方案优化往年采样点 |
| 本章小结 |
| 6 土壤肥力变化趋势预测和土壤养分空间变异分析 |
| 6.1 土壤肥力变化趋势预测 |
| 6.1.1 土壤肥力预测研究现状分析 |
| 6.1.2 基于SPN的土壤肥力变化趋势预测模型的构建 |
| 6.1.3 预测结果与分析 |
| 6.2 土壤养分空间变异分析 |
| 6.2.1 土壤养分空间变异研究现状分析 |
| 6.2.2 土壤养分描述性统计分析 |
| 6.2.3 基于网格化的土壤养分空间分布格局 |
| 6.3 土壤养分和肥力时空变异查询“一张图” |
| 本章小结 |
| 7 微观视角下基于网格识别的田间文冠果精准采摘研究 |
| 7.1 网格识别 |
| 7.2 文冠果图像采集系统总体设计 |
| 7.2.1 系统架构设计 |
| 7.2.2 系统选用的开发板和服务器 |
| 7.2.3 系统主体 |
| 7.2.4 软件开发环境 |
| 7.3 数据采集与传输 |
| 7.3.1 数据采集 |
| 7.3.2 数据传输 |
| 7.4 果实成熟度识别方法分析 |
| 7.5 数据预处理和数据模拟 |
| 7.5.1 数据预处理 |
| 7.5.2 数据模拟 |
| 7.6 成熟文冠果果实识别模型构建 |
| 7.7 试验与结果分析 |
| 7.7.1 文冠果图像采集系统测试与结果 |
| 7.7.2 成熟文冠果识别模型试验 |
| 7.7.3 成熟文冠果精准定位的实现 |
| 本章小结 |
| 8 结论与展望 |
| 8.1 主要研究成果 |
| 8.2 主要创新点 |
| 8.3 后续研究设想 |
| 参考文献 |
| 致谢 |
| 攻读博士期间发表的论文、专利、软件着作权和参与的科研项目 |
（8）利用无人机遥感的矿区复垦耕地的作物生物量精细化评价（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 矿区复垦研究现状 |
| 1.2.2 矿区复垦监测研究进展 |
| 1.2.3 复垦有关的作物指标无人机遥感估算研究进展 |
| 1.2.4 国内外研究现状评述 |
| 1.3 主要内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.4 本章小结 |
| 2 实验设计与数据预处理 |
| 2.1 试验田简介 |
| 2.1.1 研究区概况 |
| 2.1.2 试验田概况 |
| 2.2 遥感数据 |
| 2.2.1 轻小型无人机系统的介绍 |
| 2.2.2 遥感数据采集 |
| 2.2.3 地面控制点的布设与测量 |
| 2.3 田间调查数据 |
| 2.3.1 作物高度测量 |
| 2.3.2 作物生物量采集 |
| 2.3.3 作物单产测定 |
| 2.3.4 土壤数据 |
| 2.4 气象数据 |
| 2.5 无人机图像的预处理 |
| 2.5.1 试验田的无人机图像预处理 |
| 2.5.2 辅助研究区的无人机图像预处理 |
| 2.6 本章小结 |
| 3 耕地条带田块的自动提取 |
| 3.1 耕地条带田块自动提取的可行性 |
| 3.1.1 耕地条带田块的特征 |
| 3.1.2 耕地条带田块的自动提取流程 |
| 3.2 耕地田埂线的自动检测 |
| 3.2.1 地表粗糙度的二值化 |
| 3.2.2 候选田埂线的过滤 |
| 3.2.3 候选田埂线的清理 |
| 3.2.4 候选田埂线的平滑 |
| 3.3 耕地条带田面的自动制图 |
| 3.3.1 田埂线上点的检测 |
| 3.3.2 田埂线上点的标记 |
| 3.3.3 田埂线上点的改善 |
| 3.3.4 田埂线与田块面的制图 |
| 3.4 耕地条带田块自动制图的精度验证 |
| 3.4.1 耕地田埂线的精度验证 |
| 3.4.2 耕地条带田块的精度验证 |
| 3.5 耕地条带田块自动提取的影响因素讨论 |
| 3.5.1 田埂线点集质量改善的效果 |
| 3.5.2 空间分辨率对自动提取精度的影响 |
| 3.5.3 数据采集对自动提取的影响 |
| 3.6 自动提取方法的应用 |
| 3.7 本章小结 |
| 4 基于无人机多光谱图像的作物冠层高度模型构建 |
| 4.1 基于运动恢复结构与多视图立体视觉的冠层表面模型构建 |
| 4.1.1 摄影测量学与计算机视觉的异同 |
| 4.1.2 冠层高度模型的三维重建过程 |
| 4.2 作物冠层高度模型的构建 |
| 4.2.1 密集点云的滤波 |
| 4.2.2 冠层高度模型的初步生成 |
| 4.2.3 植被掩膜的生成 |
| 4.2.4 植被掩膜的作物冠层高度模型 |
| 4.3 作物冠层高度模型的验证 |
| 4.3.1 剔除冠层孔隙的株高提取阈值确定 |
| 4.3.2 作物冠层高度提取的验证 |
| 4.3.3 作物冠层高度模型的讨论 |
| 4.4 本章小结 |
| 5 多特征融合的作物生物量估算 |
| 5.1 多特征融合参量的构建 |
| 5.1.1 植被指数的准备 |
| 5.1.2 冠层体积模型的计算 |
| 5.1.3 气象因子的确定 |
| 5.1.4 多特征融合参量的提出 |
| 5.2 小麦生物量的估算 |
| 5.2.1 小麦植被指数的筛选 |
| 5.2.2 小麦多特征融合参量的确定 |
| 5.2.3 小麦生物量估算的建模和验证 |
| 5.2.4 小麦生物量的估算结果 |
| 5.3 玉米生物量的估算 |
| 5.3.1 玉米特征融合的确定 |
| 5.3.2 玉米生物量估算的建模和验证 |
| 5.3.3 玉米生物量估算的结果 |
| 5.4 生物量估算结果的讨论 |
| 5.4.1 不同自变量的估算精度比较 |
| 5.4.2 逐像素累积方法的优势 |
| 5.4.3 样方估算的生物量与实测产量的比较 |
| 5.5 本章小结 |
| 6 复垦耕地作物生物量的时空变化特征与评价 |
| 6.1 作物生物量分级的时空变化 |
| 6.1.1 作物生物量的分级标准 |
| 6.1.2 作物生物量分级的时空变化 |
| 6.2 作物生物量空间聚集的时空特征 |
| 6.2.1 空间自相关分析方法 |
| 6.2.2 作物生物量的全局聚集特征 |
| 6.2.3 作物生物量的局部聚集特征 |
| 6.3 作物生物量的评价与结果讨论 |
| 6.3.1 作物生物量的评价 |
| 6.3.2 评价结果的讨论 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）北方沙地条件下苹果树与花生间作的种间关系研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 农林复合生态系统概述 |
| 1.2 农林复合生态系统的种间关系研究进展 |
| 1.3 研究目的和意义 |
| 2 研究区概况 |
| 2.1 地理位置及试验区概况 |
| 2.2 气候水文 |
| 2.3 植被土壤 |
| 3 研究内容、方法与技术路线 |
| 3.1 研究对象 |
| 3.2 研究内容 |
| 3.3 研究方法 |
| 3.4 数据统计分析 |
| 3.5 技术路线 |
| 4 果农间作系统对农作物生长指标的影响 |
| 4.1 果农间作对苹果树株高、茎粗、新枝生长量以及产量的影响 |
| 4.2 果农间作对花生株高、茎粗以及产量的影响 |
| 4.3 单作与不同间作模式中经济价值的比较 |
| 4.4 讨论 |
| 4.5 小结 |
| 5 果农间作系统对光合指标的影响 |
| 5.1 光照强度变化特征 |
| 5.2 光合指标变化特征 |
| 5.3 讨论 |
| 5.4 小结 |
| 6 果农间作系统对土壤养分变化的影响 |
| 6.1 果农间作模式与单作模式土壤养分分析比较 |
| 6.2 果农间作模式下土壤养分的空间分布特征 |
| 6.3 讨论 |
| 6.4 小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（10）基于小班对象的不等概抽样方法及其系统研建（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究概况 |
| 1.2.1 抽样技术在林业上的发展现状 |
| 1.2.2 分层辅助信息获取技术发展现状 |
| 1.2.3 移动GIS在森林资源调查上的发展现状 |
| 1.3 研究内容及技术路线 |
| 1.4 论文组织结构 |
| 第二章 研究区概况及数据来源 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 土壤类型及植被概况 |
| 2.2 数据来源 |
| 2.2.1 无人机高分影像数据 |
| 2.2.2 二类调查矢量数据 |
| 2.2.3 研究区实地补充调查数据 |
| 第三章 基于无人机影像的小班抽样分层辅助信息获取 |
| 3.1 深度学习分类方法及基本原理 |
| 3.1.1 卷积神经网络 |
| 3.1.2 深度迁移学习 |
| 3.1.3 超像素分割 |
| 3.2 基于树种精细分类的小班抽样分层辅助信息获取 |
| 3.2.1 树种样本提取 |
| 3.2.2 特征值提取器 |
| 3.2.3 全局平均池化层 |
| 3.2.4 全连接层 |
| 3.2.5 分类器 |
| 3.3 结果与分析 |
| 3.3.1 精度验证 |
| 3.3.2 面积统计 |
| 3.4 本章小结 |
| 第四章 基于小班对象的森林蓄积量抽样方法比较 |
| 4.1 抽样估计方法 |
| 4.1.1 小班简单随机抽样估计 |
| 4.1.2 小班分层抽样估计 |
| 4.1.3 小班PPS抽样估计 |
| 4.1.4 小班πPS抽样估计 |
| 4.1.5 小班分层πPS抽样估计 |
| 4.2 研究区蓄积抽样估计 |
| 4.2.1 小班简单随机抽样估计 |
| 4.2.2 小班分层抽样估计 |
| 4.2.3 小班PPS抽样估计 |
| 4.2.4 小班πPS抽样估计 |
| 4.2.5 小班分层πPS抽样估计 |
| 4.3 结果与分析 |
| 4.4 本章小结 |
| 第五章 基于小班对象的不等概抽样系统研建 |
| 5.1 系统分析 |
| 5.1.1 数据分析 |
| 5.1.2 功能需求 |
| 5.2 系统总体设计 |
| 5.2.1 体系结构设计 |
| 5.2.2 功能设计 |
| 5.2.3 系统接口设计 |
| 5.3 系统开发关键技术 |
| 5.3.1 离线地图SDK的设计与实现 |
| 5.3.2 数据采集技术 |
| 5.4 系统实现及应用 |
| 5.4.1 地图操作功能实现 |
| 5.4.2 数据采集功能实现 |
| 5.4.3 统计分析功能实现 |
| 5.4.4 数据访问功能实现 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 存在问题与展望 |
| 攻读学位期间发表的学术论文 |
| 参考文献 |
四、在MapInfo中实现区域对象样点布设功能（论文参考文献）
- [1]基于MSN方法的土壤重金属监测点位优化研究[D]. 连雅. 北京建筑大学, 2021(01)
- [2]祁连山排露沟流域植被类型变化对径流过程的影响[D]. 芦倩. 甘肃农业大学, 2021
- [3]基于机器学习的场地Cr（Ⅵ）污染特征分析研究[D]. 卢剑. 北京建筑大学, 2021(01)
- [4]北部湾近海沉积物微塑料污染时空格局及源—汇关系研究[D]. 薛保铭. 广西大学, 2021(01)
- [5]基于深度学习的岩石破裂信号处理方法及岩石裂隙演化规律研究[D]. 郭超. 北京科技大学, 2021(08)
- [6]基于深度学习的隧道微震信号处理及岩爆智能预警研究[D]. 张航. 成都理工大学, 2020(04)
- [7]多视角下精准农业农田网格划分及其应用研究[D]. 耿霞. 山东农业大学, 2020(08)
- [8]利用无人机遥感的矿区复垦耕地的作物生物量精细化评价[D]. 张建勇. 中国矿业大学(北京), 2020
- [9]北方沙地条件下苹果树与花生间作的种间关系研究[D]. 于吉. 辽宁工程技术大学, 2019(07)
- [10]基于小班对象的不等概抽样方法及其系统研建[D]. 华一枝. 南京林业大学, 2019(05)