基于格网的甘肃省生态经济分区研究

在讨论以往生态经济分区研究方法与理论的基础上,提出了新的研究思路——基于网格的生态经济分区。利用GIS格网技术和相关统计软件,从甘肃省生态与经济两大系统耦合发展的历程分析入手,选取2010年甘肃省的26个生态经济指标,以6 km×6 km的规则格网,将整个甘肃省分为12 243个研究单元。经过分析比较,甘肃省被分为4个生态经济区即西北干旱区(Ⅰ)、陇中冷温带半湿润区(Ⅱ)、甘南高寒带湿润区(Ⅲ)、陇南暖温带湿润区(Ⅳ)和21个生态经济亚区。结合DEM,进一步对研究区进行分区,以期为促进形成甘肃省可持续发展格局提供科学依据。研究表明,格网技术提高了分区的精度和速度,是进行生态经济分区的有效方式之一。

基于空间分析方法的甘肃省经济差异分析

以甘肃省为例,采用Moran’s I指数测定区域经济的空间自相关性,运用GIS技术和Deoda分析了甘肃省经济差异,对2000-2008年甘肃省县域经济总体发展差异和局部空间异质性的演变特征进行了实证研究,结果表明：①从时间上看,2000年以来甘肃省经济发展的空间集聚效应明显,2002年后县域经济总体差异呈扩大趋势,且极化现象严重;2008年县域经济的集聚性增强,总体差异减小,扩散效应增强。②从空间上看,甘肃经济发展呈＂哑铃＂型的空间格局,县域经济的集聚性程度可分为河西地区经济集聚性显著区域（HH）、中部集聚性变化较大区域（HL,LH）和陇东集聚性显著区域（LL）。③甘肃省县域经济空间集聚的总体地理分布分为4种类型。

基于Adaboost算法的田间猕猴桃识别方法

实现猕猴桃自动化采摘的关键是自然环境下果实的准确识别。为提高田间猕猴桃果实的识别效果,基于Adaboost算法,利用RGB、HSI、La*b*3个颜色空间中的1个或多个通道构建6个不同的弱分类器,用采集的猕猴桃果实和背景共300个样本点进行训练生成1个强分类器。然后选择655个测试样本点进行验证,强分类器分类精度为94.20%,高于任意弱分类器。对80幅图像中215个猕猴桃进行试验,结果表明:Adaboost算法可有效抑制天空、地表等复杂背景的影响,适合于自然场景下的猕猴桃图像识别,识别率高达96.7%。该技术大大提高了猕猴桃采摘机器人的作业效率。

北京地区植被盖度提取及其分布变化研究

基于2010年3个时期的TM遥感影像数据,应用像元二分模型进行北京地区的植被盖度反演。并根据野外实际测量数据研究植被盖度的季节变化情况。应用3个时相的TM数据,分别计算像元二分模型中的参数NDVIsoil和NDVIveg,获得了北京地区不同时间的植被盖度信息。进一步应用实地监测的植被盖度数据进行精度验证。结果表明:反演的植被盖度与实地测量植被盖度具有较好的相关性,从散点图上看,数据点多集中在1∶1线附近,3个时期两者间的相关系数均大于0.8,并且2010年的3期植被盖度图像显示的季节变化与地表实际测量的植被盖度季节变化类似。