基于改进区位配置模型的农村就医空间优化布局研究——以湖北省仙桃市为例

以湖北省仙桃市为研究区域,运用改进区位配置模型,通过调整设施数量和规模实验,研究农村就医空间优化布局。首先对比分析传统区位配置模型(LA模型),引入等级规模偏好系数,构建改进区位配置模型。然后基于Arc GIS10.2 Geoprocessing框架,整合GIS网络分析,运用程序设计语言Python和线性规划建模工具Pu LP实现模型构建,运用线性规划软件Cplex实现模型求解,运用Arc GIS10.2进行地理空间可视化表达。最后通过调整设施数量和规模对比实验发现:医疗机构布局调整后更加合理,居民就医效率明显提高,居民获得医疗服务时间成本减少,且15 min内满足更多医疗需求,验证了改进区位配置模型在农村就医空间优化布局的实用性。

中国少数民族特色村寨空间结构识别及影响机理研究

以全国1 057个少数民族特色村寨为对象,探究民族村寨空间结构及相关影响机理。研究表明：民族村寨空间分布上呈凝聚型分布,且空间分异较为明显;核密度格局以湘黔桂交界为单核集聚中心的等级分布特征,呈＂山＂字形坐落态势;民族村寨系统分形特征显著,自组织演化中围绕武夷山、峨眉山、长白山等不同山脉地带展开,分形结构复杂;民族村寨正空间相关,冷热点区呈东西两极分化现象;地形起伏及地貌多样的中高海拔山地、主要水系及河流上游等是民族村寨内生发展基础;距离中心城市较远、高素质高技能专业人才、民族文化及民族分布等促进了民族村寨的留存和发展。

土壤有机质高光谱特征与波长变量优选方法

【目的】探究土壤有机质的高光谱特征及响应规律,优选土壤有机质的敏感波长,降低土壤有机质高光谱估测模型复杂度,提高模型稳健性,为利用高光谱技术对农田土壤肥力的定量监测提供理论支撑。【方法】采集江汉平原潮土土样130个,将其中40个样本作为训练集,测量其去有机质前、后的土壤有机质含量及光谱数据,计算差值及变化率,分析土壤有机质含量变化对光谱特征的影响,结合无信息变量消除(uninformative variables elimination,UVE)、竞争适应重加权采样(competitive adaptive reweighted sampling,CARS)变量优选方法确定土壤有机质敏感波长;采用45个建模集样本,基于偏最小二乘回归(partial Least Squares Regression,PLSR)和反向传播神经网络(back propagation neural network,BPNN)建立土壤有机质含量的估算模型;利用45个验证集样本检验敏感波长对同类土壤的适用性。【结果】通过有机质去除试验,供试土壤的平均光谱反射率在全波段均有所增加,在可见光波段变化率高于近红外波段;比较UVE、CARS、UVE-CARS、CARS-UVE这4种变量优选方法,得到最佳变量优选方法为UVE-CARS,该方法从2001个波长变量中优选得到84个变量作为土壤有机质的敏感波长,分布于561—721、1 920—2 280 nm波段覆盖范围;基于敏感波长的PLSR、BPNN模型性能均优于全波段模型,其中,基于敏感波长的BPNN模型的估测能力高于PLSR,模型验证集R^2、RMSE、RPD、MAE、MRE值分别为0.74、1.33 g·kg^(-1)、2.02、1.04 g·kg^(-1)、6.2%,可实现土壤有机质含量的有效估测。【结论】通过训练集获得的土壤有机质敏感波长,能够实现对该试验区同种土壤类型样本土壤有机质含量的有效估测;利用去有机质试验结合变量优选方法确定的敏感波长建模,不仅将输入波长压缩至全波段波长数目的 4.2%,而且提升了模型估测精度,降低了变量维度和模型复杂度,为快速准确评估农田土壤有机质含量提供了新途径。