排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
城市道路是城市快速扩张的重要驱动因素。为了探究城市路网对城市扩张的影响力,本文以武汉为研究区,选取2000~2020年相关数据,利用贝叶斯网络、空间句法和地理探测器三种方法相结合来探究道路网络的影响力。研究共选用了13个驱动因子,其中,与道路相关的因子分别是道路密度、距道路距离、接近度和中间度。结果表明:道路密度、接近度、中间度3个因子在整个研究期间表现出对城市扩张有较强的影响力,距道路距离这一因子影响较弱;当这些因子强度达到阈值后,对城市扩张可能性影响是相近的。道路密度、接近度、中间度3个指标相比于距道路距离对城市扩张有较好的预测效果,希望在未来城市化扩张模拟研究中,重视这3个指标的作用,提高模拟精度,为规划提供指导,实现城市道路与城市用地建设的相互促进发展。 相似文献
2.
基于FY-3 MWRI数据的北极海冰密集度反演研究 总被引:1,自引:1,他引:0
以ASI算法(ARTIST sea ice algorithm)为基础, 得到基于风云3C气象卫星(FY-3C)微波辐射计(MWRI)数据的纯水与纯冰系点值, 利用插值方法确定基于FY-3 MWRI数据的ASI海冰密集度计算公式, 采用大津法(Otsu算法)得到基于MWRI数据的天气滤波器阈值。以2016年1月数据为例, 对北极海冰密集度进行反演, 并与美国国家冰雪数据中心(NSIDC)以及德国不莱梅大学提供的海冰密集度产品进行对比验证。结果表明: 基于MWRI数据得到的1月平均海冰面积以及平均密集度均介于二者之间, 其中平均密集度与不莱梅产品更接近, 仅相差1.310%。与风云卫星空间分辨率为250 m的中分辨率光谱成像仪(MERSI)数据得到的结果进行对比, 发现二者的海冰外缘线基本一致, MERSI数据得到的海冰密集度以及海冰面积比MWRI数据得到的结果分别高出5.029%、 9.318%。因此, 应用该方法可有效推进MWRI数据反演北极海冰密集度, 进而监测北极海冰分布和变化。 相似文献
3.
基于19GHz修正91GHz频段改进的ASI海冰密集度算法 总被引:1,自引:1,他引:0
基于数据融合算法思想,利用低频修正高频微波数据提出改进的ASI海冰密集度反演算法,对北极海冰进行反演研究。目前用于整体海冰密集度反演的算法中,使用低频数据的算法受天气影响较弱,但空间分辨率相对较低;而使用高频数据的算法,空间分辨率相对较高,但受天气影响较大,虽然使用天气滤波器处理,能消除那些被误判成海冰的水点,但并没有改变冰点的密集度。改进的ASI算法,利用低频数据(19GHz)修正高频数据(85.5GHz),进而得到修正后的85.5GHz的极化差P'',将P带入ASI算法,最终得到以2008-2016年每年的1月3日SSMIS数据为例的北冰洋整体海冰密集度反演结果。结果表明,改进后的ASI算法得到的总体海冰面积介于ASI与NASA Team两个结果之间;在边缘海冰区,改进后的ASI算法结果与传统的ASI算法结果在海冰面积与平均海冰密集度上都有较大差异,且前者更接近NASA Team算法。因此改进后的ASI算法,在空间分辨率上优于NASA Team算法,在受天气影响程度上更弱于ASI算法,并且有效变了边缘海冰区像元的海冰密集度。 相似文献
1