导读:本文包含了尺度选择论文开题报告文献综述及选题提纲参考文献，主要关键词:农用地,土壤环境质量标准,重金属,环境容量
尺度选择论文文献综述
吕悦风,谢丽,孙华,谷玮[1]（2019）在《县域尺度耕地土壤重金属污染评价中的标准选择研究》一文中研究指出为提升区域土壤重金属污染风险评价的科学性与准确性,本研究以太湖沿岸某产粮大县为研究对象,分别基于国家《土壤环境质量/农用地土壤污染风险管控标准(试行)》(GB15618-2018)与地区土壤环境负载容量对研究区耕地土壤中As、Hg、Cr、Cd、Pb五种重金属进行污染风险评价.结果显示,两种评价方式在区域整体评价结果上趋于一致,却在各类土壤重金属污染程度评价上存在一定差异.有别于"一刀切式"的浓度标准评价模式,土壤环境负载容量法通过"双界面"标准进行污染总量控制,可以在一定时空范围内较为准确的反映外源污染累积变化情况.为提升区域耕地土壤重金属污染评价的准确性,建议相关评价在普适性国标的基础上引入土壤环境负载容量评价作为有益补充,继而为县、镇尺度土壤污染责任主体认定与风险控制区划提供参考借鉴.(本文来源于《中国环境科学》期刊2019年11期）
吕悦风,孙华[2]（2019）在《县域尺度耕地土壤重金属污染评价中的标准选择研究》一文中研究指出农产品产地安全己然成为学界与社会关注的热点问题。为提升区域土壤重金属污染风险评价的准确性,本研究以太湖沿岸某产粮大县为研究对象,分别基于国家《土壤环境质量一农用地土壤污染风险管控标准(试行)》(GB15618-2018)与地区土壤环境负载容量对研究区农用地土壤中的As、Hg、Cr、Cd、Pb五种重金属进行污染风险评价。结果表明,尽管研究区各类土壤重金属的平均含量均符合国家筛选标准,然而结合地区土壤背景值与环境负载容量后发现,耕层表土中的Hg、Cd元素实际已经较大程度地占用当地土壤负载容量,并对地区农产品质量安全、土壤生态环境和人体健康产生风险危害。为提升区域耕地土壤重金属污染评价的准确性,建议相关评价在普适性国标的技术上引入地区背景值与土壤临界值的新型管控标准,从而为县、镇尺度土壤污染责任主体认定与风险控制区划提供参考借鉴。(本文来源于《2019年中国土壤学会土壤环境专业委员会、土壤化学专业委员会联合学术研讨会论文摘要集》期刊2019-07-21）
曹贤忠,曾刚[3]（2019）在《企业创新网络空间尺度选择及影响因素——以上海高技术企业为例》一文中研究指出企业是创新活动的主体,企业创新网络相关研究受到经济地理学者的高度关注。本文以基于区域创新系统、全球创新网络、全球生产网络等理论,尝试构建了全球、地方、全球—地方等不同空间尺度创新网络系统分析框架,并基于上海市科委高技术企业年报系统数据,运用数据包络分析、结构方程模型分析等方法,探讨了上海高技术企业创新网络空间尺度选择及影响因素,研究发现企业创新网络的空间尺度可划分为全球、地方(包括本国和本市)、全球-地方4类,且本国创新网络创新效率最高,其次是全球-地方创新网络,本市创新网络和全球创新网络创新效率相对较低;高技术企业创新网络形成过程中主要受到企业规模、企业发展阶段和企业影响力等因子的核心影响,且为正向促进作用,所有制、空间区位和中介服务等影响因子对高新技术企业创新结网的影响均较小,甚至不产生作用,不同空间尺度创新网络影响因子存在显着差异。通过研究,本文还从国家实施创新驱动发展战略的目标出发,结合本研究结论,提出了相应的对策建议。(本文来源于《2019年中国地理学会经济地理专业委员会学术年会摘要集》期刊2019-06-29）
王西龙,王继成,罗成,田秀霞[4]（2019）在《时间尺度与选择倾向性协同作用下的演化博弈模型》一文中研究指出针对合作行为的涌现与维持问题,基于演化博弈理论和网络理论,提出了一种促进合作的演化博弈模型。该模型同时将时间尺度、选择倾向性引入到演化博弈中。在初始化阶段,根据持有策略的时间尺度将个体分为两种类型:一种个体在每个时间步都进行策略更新;另一种个体在每一轮博弈后,以某种概率来决定是否进行策略更新。在策略更新阶段,模型用个体对周围邻居的贡献来表征他的声誉,并假设参与博弈的个体倾向于学习具有较好声誉邻居的策略。仿真实验结果表明,所提出的时间尺度与选择倾向性协同作用下的演化博弈模型中,合作行为能够在群体中维持;惰性个体的存在不利于合作的涌现,但是个体的非理性行为反而能够促进合作。(本文来源于《计算机应用》期刊2019年06期）
于沿泽,李倩,张明海,李宝国[5]（2019）在《多尺度模型在动物生境选择中的应用——以驼鹿为例》一文中研究指出以内蒙古大兴安岭根河地区冬季驼鹿为研究对象,采用多尺度模型框架研究驼鹿的生境选择,并比较了单尺度模型与多尺度模型在偏差解释率上的表现。结果表明:①单变量逻辑斯蒂回归分析显示,驼鹿对环境因子反应尺度在不同因子间差别很大,海拔、坡向、灌丛比例、白桦林比例、混交林比例与驼鹿的出现在相对小尺度上具有强相关性(≤1 000 m),而其他变量如坡度、归一化植被指数在相对较大尺度上(≥2 000 m)对驼鹿生境选择产生强影响。②经多模型平均后,对冬季驼鹿生境选择具有重要影响的环境因子为坡度、道路密度、白桦林比例与混交林比例。③模型平均偏差解释率比较发现,多尺度模型的偏差解释率为0.72,高于任何一个单尺度模型,说明多尺度模型更适于研究动物生境选择。(本文来源于《东北林业大学学报》期刊2019年08期）
李卫国,陈华,金正婷,张琤琤,葛广秀[6]（2018）在《基于适宜尺度选择的冬小麦赤霉病遥感监测》一文中研究指出为快速、准确获取江淮麦区县域冬小麦赤霉病发生信息,选用中、高空间分辨率卫星遥感影像做多尺度信息融合研究。在筛选适宜冬小麦田块分布特征的空间尺度遥感影像基础上,通过分析冬小麦长势指标和赤霉病病情指数之间的互作关系,构建基于多农学参数的冬小麦赤霉病估测模型,并对县域冬小麦赤霉病空间变化进行遥感监测。结果表明:(1)2m×2m、8m×8m和16m×16m叁种空间尺度融合影像的均值相差不大,平均梯度和标准差存在明显差异。16m×16m融合影像的清晰度最好,信息量也多,比较适合研究区域冬小麦田块分布特征。(2)16m×16m融合影像提取的归一化植被指数(NDVI)和比值植被指数(RVI)值明显高于2m×2m和8m×8m融合影像,说明16m×16m融合影像光谱信息量较丰富,有利于冬小麦的识别。(3)冬小麦叶面积指数、叶片叶绿素含量和地上部生物量是影响赤霉病发生的主要长势指标。基于主要长势指标构建冬小麦赤霉病估测模型,平方根误差(REMS)为10.5%,相对误差为14.6%。该方法可以实现对县域冬小麦赤霉病空间变化的有效监测。(本文来源于《麦类作物学报》期刊2018年11期）
魏巍,张嘉宇,陈千,崔军彪[7]（2018）在《基于熵的多尺度决策表最优尺度选择》一文中研究指出为了能表示数据的层次结构,Wu和Leung从粒计算的角度提出了一种新的数据表示方法称为多尺度决策表,并提出了最优尺度的定义,在最优尺度上进行属性约简、规则获取等任务可以提高知识发现效率.但是Wu和Leung所提出的基于协调性的最优尺度选择的方法在面对不协调的多尺度决策表的时候,仅考虑广义决策而忽视了不协调的多尺度决策表决策规则置信度的变化.针对这个问题,本文提出了基于熵的最优尺度选择的方法,该方法无需判断多尺度决策表的协调性,就可以获取保持决策规则置信度的最优尺度.(本文来源于《海南热带海洋学院学报》期刊2018年05期）
孙瑞,王洪光,李俊辉,朱昊[8]（2018）在《基于国产高分卫星面向对象城市地物最优尺度选择及评价研究》一文中研究指出针对面向对象分类中的分割尺度问题,本文以国产高分一号卫星(GF-1)、高分二号卫星(GF-2)影像为数据源,选取沈阳市两处城区影像作为实验数据,以典型城市地物为分割对象,选择分割质量函数法、均值方差法、RMAS指数法进行尺度分割,并利用欧几里得2指数(ED2)评价其最优尺度,从而确定不同影像不同地物对应的最优尺度分割方法与尺度。(本文来源于《测绘与空间地理信息》期刊2018年10期）
郑东玉,慎利,李志鹏[9]（2018）在《面向对象建筑物目标提取的最优分割尺度选择》一文中研究指出面向对象影像分析技术是高分辨率遥感影像自动解译的重要手段,影像分割作为面向对象信息提取的关键预处理步骤,其核心问题在于如何选择合适的影像分割尺度。现有的最优尺度自动确定方法均值方差法、同质性-异质性模型和最大面积法等仅通过建模影像的光谱和几何特征进行最优尺度选取,而忽略了地物纹理信息这一重要特征,难以适用于复杂影像场景的最优尺度选取。针对此问题,提出一种基于灰度共生矩阵的纹理均值法,开展面向对象建筑物目标提取的最优分割尺度选择研究。首先通过生成灰度共生矩阵来提取影像的纹理均值统计量,实现纹理特征和光谱特征的联合建模,继而利用纹理均值与分割尺度之间的变化曲线来自动确定最优尺度。居民住宅区、工业建筑区和教育用地建筑区叁类建筑物场景下开展的实验结果表明,本文所提出的方法针对面向对象建筑物目标提取任务能够获得更好的影像分割结果,并且对不同建筑物场景的适用性更强。(本文来源于《地理信息世界》期刊2018年05期）
张涵斌,李玉焕[10]（2018）在《基于尺度选择的区域集合预报初值构建方法研究》一文中研究指出为解决区域集合预报离散度发展问题,提高区域集合概率预报效果,本研究开展了基于尺度选择的区域集合预报初值扰动改进试验,得出如下结论:首先,为了了解扰动尺度对GRAPES-MEPS区域集合预报的影响,开展了滤波敏感性试验,滤波敏感性试验采用叁种方案,包括:ETKF初值扰动,较大尺度ETKF扰动以及更大尺度ETKF扰动。进行了批量试验,通过对比发现ETKF扰动增长最慢,较大尺度以及更大尺度ETKF扰动增长明显较快,而集合预报检验结果表明两种滤波后的ETKF扰动方案要明显优于未滤波的ETKF扰动。在GRAPES-MEPS模式分辨率设置不变的基础上,分析了GRAPES-Meso单模式预报不同变量不同层次预报误差的尺度特征,结果表明模式误差的发展,在高层是大尺度误差占主导,中小尺度误差比重较小,中小尺度误差在高层发展能力有限,模式中高层的预报不确定性主要受较大尺度的波动的影响。设计了基于尺度选择的ETKF扰动方法 ETKF-filter,通过分层滤波,对中高层仅保持较大尺度扰动,对低层则尽量保存更多的小尺度扰动。通过批量试验表明,ETKF-filter扰动增长要明显快于ETKF方法,说明大尺度ETKF扰动对模式整体预报离散度增长起到很好的促进作用。集合预报扰动-误差相关性分析结果显示,相对于ETKF扰动而言,ETKF-filter集合扰动质量更高,能够更好的识别预报场中哪些位置预报误差较大,而哪些位置预报误差较小。集合预报检验结果表明,ETKF-filter方法能有效改善GRAPES-REFS预报效果,集合离散度有所增加、均方根误差有所减少,其它概率预报评分显示ETKF-filter集合比ETKF集合在较长预报时效占优。降水个例分析结果表明ETKF-filter方法能显着改善大雨量级的降水概率预报效果。(本文来源于《第35届中国气象学会年会 S11 城市气象与环境——第七届城市气象论坛》期刊2018-10-24）
尺度选择论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
农产品产地安全己然成为学界与社会关注的热点问题。为提升区域土壤重金属污染风险评价的准确性,本研究以太湖沿岸某产粮大县为研究对象,分别基于国家《土壤环境质量一农用地土壤污染风险管控标准(试行)》(GB15618-2018)与地区土壤环境负载容量对研究区农用地土壤中的As、Hg、Cr、Cd、Pb五种重金属进行污染风险评价。结果表明,尽管研究区各类土壤重金属的平均含量均符合国家筛选标准,然而结合地区土壤背景值与环境负载容量后发现,耕层表土中的Hg、Cd元素实际已经较大程度地占用当地土壤负载容量,并对地区农产品质量安全、土壤生态环境和人体健康产生风险危害。为提升区域耕地土壤重金属污染评价的准确性,建议相关评价在普适性国标的技术上引入地区背景值与土壤临界值的新型管控标准,从而为县、镇尺度土壤污染责任主体认定与风险控制区划提供参考借鉴。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
尺度选择论文参考文献
[1].吕悦风,谢丽,孙华,谷玮.县域尺度耕地土壤重金属污染评价中的标准选择研究[J].中国环境科学.2019
[2].吕悦风,孙华.县域尺度耕地土壤重金属污染评价中的标准选择研究[C].2019年中国土壤学会土壤环境专业委员会、土壤化学专业委员会联合学术研讨会论文摘要集.2019
[3].曹贤忠,曾刚.企业创新网络空间尺度选择及影响因素——以上海高技术企业为例[C].2019年中国地理学会经济地理专业委员会学术年会摘要集.2019
[4].王西龙,王继成,罗成,田秀霞.时间尺度与选择倾向性协同作用下的演化博弈模型[J].计算机应用.2019
[5].于沿泽,李倩,张明海,李宝国.多尺度模型在动物生境选择中的应用——以驼鹿为例[J].东北林业大学学报.2019
[6].李卫国,陈华,金正婷,张琤琤,葛广秀.基于适宜尺度选择的冬小麦赤霉病遥感监测[J].麦类作物学报.2018
[7].魏巍,张嘉宇,陈千,崔军彪.基于熵的多尺度决策表最优尺度选择[J].海南热带海洋学院学报.2018
[8].孙瑞,王洪光,李俊辉,朱昊.基于国产高分卫星面向对象城市地物最优尺度选择及评价研究[J].测绘与空间地理信息.2018
[9].郑东玉,慎利,李志鹏.面向对象建筑物目标提取的最优分割尺度选择[J].地理信息世界.2018
[10].张涵斌,李玉焕.基于尺度选择的区域集合预报初值构建方法研究[C].第35届中国气象学会年会S11城市气象与环境——第七届城市气象论坛.2018