消费视角下农村居民金融需求研究——基于广东的实证

本文针对农村消费的金融支持严重不足的现状,深入分析广东农村消费信贷发展面临的主要障碍,以及加快发展农村居民消费信贷的有利条件,由此提出促进广东农村消费市场发展的金融对策。

时间序列案例推理检测土地利用短期快速变化

在实际的地理环境中,不同的土地利用/土地覆盖类型往往具有特定的时/空变化特征,适合于采用案例匹配方法进行求解。但目前常用的案例推理多以静态推理为主,缺乏对动态变化过程的推理。论文利用案例的空间可重用性,提出了基于时间序列的案例推理方法,通过分层随机采样挑选案例点,建立了试验区同步观测案例库,并对2005～2006年试验区15景Radarsat图像进行了时间序列影像分割,利用案例点的时间序列特征值对分割后的图斑进行时间序列相似性测度,生成时间序列案例匹配矩阵,并进一步得到变化图斑的土地利用转化类型和变化时间。最后,结合野外实测资料,对案例匹配结果进行了误差评价,在所有地类变化检测结果中,菜地由于种植类型多样,物候差异大,变化检测误差最大,其次是平整土地;鱼塘(11.3%～13.2%)和果园(10.7%～16.9%)变化检测误差最小。和基于规则的变化检测方法相比,案例推理方法精度略高。

长时间序列Radarsat图像的神经网络模拟及土地覆盖变化的快速检测

土地覆盖的短期时空变化模式研究,对土地覆盖的快速、动态监测具有重要意义,也是遥感研究的新热点。本文利用2000—2001年的时间序列Radarsat图像,采用功率谱分析方法,对土地覆盖的短期时—空变化的周期特征进行了分析,由此建立了基于时间序列影像分析的神经网络预测模型,从植被主要生长季节的时间序列雷达卫星影像获取训练样本,对研究区域的典型土地覆盖的短期动态变化过程进行了学习。学习后的模型能够利用多个时间序列的Radarsat影像对下一时刻的影像进行模拟,并进一步检测变化。在模拟结果基础上,定义相对变化距离函数和检测门限,对模拟影像及实际影像中的变化区域进行了检测。检测精度范围在66.67%(农村居民点)—91.67%(水体)之间,平均检测精度为81.66%。由于时间序列信号的引入,神经网络模型能够较好地获取土地覆盖的短期动态变化信息。