高校毕业生创业意向影响因素研究——基于广东省6所高校的实证分析

基于广东省6所高校应届毕业生的抽样调查数据,运用二元Logistic回归模型实证分析个体特征、创业教育、创业环境、创业素质对高校毕业生创业意向的影响。结果表明,个人创业经历显著正向影响高校毕业生的创业意向,而家庭所在地和亲友创业经历的影响不显著;创业教育、创业环境和创业素质均显著正向影响高校毕业生的创业意向;性别、学历、专业和学业成绩四个控制变量也影响高校毕业生的创业意向,男生创业意向高于女生,专科学历学生的创业意向最高,人文社科类学生的创业意向最低,学生的学业成绩越好其创业意向越低。在此基础上,提出如下建议以促进高校毕业生创业:营造良好的创业环境,加强创业扶持政策的宣传力度;完善高校创业教育体系,打造多元化创业教育主体;提升高校毕业生的创业素质,激发其创业内生动力等。

基于Google Earth Engine的三峡库区土地利用与陆表参数变化研究

土地利用/覆盖变化(Land Use and Land Cover Change,LUCC)对全球有着重要影响,其已对植被覆盖、地表温度(Land Surface Temperature,LST)、反照率以及其它陆表参数产生显著影响。三峡工程自建设以来,库区的土地利用变化逐渐受到外界关注。利用欧空局300 m的土地覆盖分类数据分析三峡库区2000~2015年的土地利用变化;依托先进的Google Earth Engine(GEE)平台,获取MODIS(Moderate Resolution Imaging Spectroradiometer,MODIS)NDVI(Normalized Difference Vegetation Index,NDVI)、LST和反照率数据,并分析三者的时空变化趋势;此外,探究季节性归一化植被指数(Seasonally Integrated Normalized Difference Vegetation Index,SINDVI)与LST和反照率的关系;并分析土地利用变化对SINDVI、LST和反照率的影响。结果表明:2000~2015年,三峡库区土地利用变化显著,耕地、草地、灌木地分别减少2.4%,0.05%和0.62%;林地、水域和人造地表分别增加1.98%,0.04%和1.06%。研究期间SINDVI增加2.89,LST下降0.224℃,反照率减少0.002。总体来看,三峡库区SINDVI的空间分布格局与LST和反照率的相反,且库区大部分区域SINDVI与LST和反照率呈负相关。另外,不同土地类型对SINDVI、LST和反照率影响不同。该文系统地研究了LUCC与上述关键陆表参数的定量关系,可为更好地管理该地区自然环境和土地资源提供科学的依据。

Google Earth Engine在地球科学与环境科学中的应用研究进展

21世纪以来,随着全球信息化与工业化的高度集成发展,出现了物联网与云计算,人类进入大数据时代。在地学、环境科学及相关学科领域,海量地理、遥感及社会经济等数据产生,在本地平台存储、管理以及分析数据的传统方式已经较难满足当前需求。Google Earth Engine(GEE)云平台由Google云基建提供,是一个对海量地球科学数据集(尤其是遥感影像数据)进行全球尺度在线处理分析和可视化的云计算平台,它利用谷歌强大的计算能力,可以分析处理多种环境与社会问题,如气候变化、植被退化、粮食安全和水资源短缺等。首先对GEE云平台进行介绍,综述了近年来应用GEE云平台所做的相关研究,然后应用该平台及MODIS土地覆盖类型数据,研究了2002~2013年三峡库区主要土地覆盖类型的时空变化规律。结果表明:以林地、灌丛草地以及耕地变化最为明显。最后,经粗略统计得出GEE云平台无论在成本还是效益方面,其综合效率提升90%以上。GEE云平台不仅可以为地学及遥感领域专家提供强有力的支持,也能为相关学科领域人员进行科学研究提供帮助,是一个高效的科研工具。

耕地复种指数遥感监测研究进展

复种指数是进行粮食估产、耕地集约利用评价、农业生态系统模拟等的关键参数,及时、准确地提取复种指数对于粮食安全、土地管理和生态环境安全具有重要意义。在传统的研究中,复种指数主要来源于地面统计数据。使用统计数据来计算复种指数虽然过程简单,但是计算结果存在信息滞后、无法体现统计单元内部的空间异质性、精度低等不足。遥感技术因具有大范围、高时效、低成本等优点而被用于耕地复种指数监测,已有学者对耕地复种指数的遥感监测开展了大量工作。本文以复种指数遥感提取的关键环节为主线,对1997—2020年国内外相关研究进行综述:首先,梳理了已有研究中的监测方法、高质量时间序列遥感数据获取方法及提取结果精度验证方法,并对不同方法的优缺点进行了总结;其次,对已有研究中存在的不足进行了探讨,并提出未来研究的侧重点:①开展已有监测方法的对比和分析;②加强地形复杂地区、小农尺度的监测力度;③提高遥感数据时空分辨率及处理效率;④对提取结果进行多尺度验证。

西南地区2001~2019年森林损失特征遥感监测与时空分析

森林在生态系统服务中起着重要作用,例如提供清洁空气、保护生物栖息地以及减少全球温室气体的排放等。全球森林变化数据集(Global Forest Change,GFC)每年以30 m的高空间分辨率绘制森林覆盖变化图,成为监测森林覆盖时空变化特征的有效工具。利用谷歌地球引擎(Google Earth Engine,GEE),基于GFC产品,结合线性回归方法和空间自相关理论对西南地区2001~2019年森林变化情况进行研究,结果表明:近19 a来,西南地区森林损失面积为375.27万hm^(2),以2008年为拐点,2008年之前呈显著增加趋势(p<0.05),在此之后波动下降,损失主要集中分布在广西、贵州东南和云南南部地区;森林损失与地形分析的关系表明损失主要分布在海拔2000 m以下、坡度小于40°的区域,并逐渐向海拔更低坡度更缓的地方转移;森林损失面积具有一定的空间关联性,2001~2019年来Moran’s I指数均为正,平均值为0.406,空间高值聚集在广西和贵州南部,低值聚集在重庆、四川和云南北部;政策因素在土地利用方式转变过程中发挥着重要作用,林业活动和农业扩张是影响损失现象发生的主要驱动因素,今后制定森林保护和管理战略时应充分考虑多方面因素造成的森林损失现象,研究结果可以为森林监测和保护提供更科学的指导。