山东省旅游节庆时空分异及驱动力

采用3次样条插值法、Pearson相关分析等方法,研究1990—2011年山东省旅游节庆时空分异及驱动力。结果表明:(1)旅游节庆类型丰富,地方特产型和自然景观型节庆占比为50%。(2)4-10月是旅游节庆的多发频段。秋季的数量占比达40%,而春夏之交的比例约为38%。年内季节性分布从前期的"三峰三谷"型逐渐演变为中、后期的"双峰双谷"型。(3)旅游节庆持续时间的峰值有8个,持续时间在一周之内的节庆数量约为55%。(4)旅游节庆数量以及持续时间的空间分布均呈现"西弱东强"的特点,从西到东呈低、中、高"三级阶梯状"。(5)资源禀赋、交通可达性、旅游发展水平是引起山东省旅游节庆时空分异的主要驱动力。     

山东省旅游节庆时空演变特征及影响因素

选取山东省为研究区,采用Pearson相关分析、Kriging空间插值方法研究了1990年～2014年全省旅游节庆的时空演变特征及影响因素.结果表明：1)山东省旅游节庆按其发展的差异程度划分为萌芽期、发展期、腾飞期3个阶段.2)节庆活动的多发频段是4～10月,其中,秋季最多,春夏之交居其次,两者比重合计超过全年的75%.年内季节性分布从萌芽期的“三峰三谷”型逐渐演变为发展期、腾飞期的“双峰双谷”型.3)旅游节庆持续时间的峰值多达8个,其长度在1周之内的节庆比重约为55%.4)旅游节庆持续时间及数量的空间格局均呈现“西弱东强”的特点,从西到东呈低、中、高 “三级阶梯状”.5)造成山东省旅游节庆时空演变的影响因素主要是节庆资源禀赋、区域交通可达性和旅游发展水平.     

基于不同模型的土壤有机质含量高光谱反演比较分析

以新疆奇台县为研究区域,选取该县40个土壤样本,采用多元线性逐步回归法和人工神经网络法两种方法分别建立了土壤有机质含量的反演模型,并对模型进行了检验。结果发现：不同模型的精度值各异,其拟合效果从高到低依次为人工神经网络(ANNs)集成模型＞单个人工神经网络(ANNs)模型＞多元逐步回归(MLSR)模型。人工神经网络的线性和非线性逼近能力较强,而其集成模型作为提高反演模型精度的重要手段,相关系数高达0.938,均方根误差和总均方根误差最小,分别仅为2.13和1.404,对土壤有机质含量的预测能力与实测光谱非常接近,分析结果达到了较实用的预测精度,为最优拟合模型。     

基于小波分析的土壤碱解氮含量高光谱反演

选取新疆奇台县的134个土壤样本,利用土壤反射率对数的一阶导数光谱分别对四种小波函数进行多层离散分解,采用PLSR方法分别建立了土壤碱解氮含量的反演模型,并对其精度值进行检验。结果表明：小波分解获得的各层低频系数以1～3层较高,而其余各层则较低。所有函数分解的6层中,均以第2层低频系数建模的精度最高,随着分解层数的增加,其精度值和显著性明显降低。相同尺度下,采用四种小波函数的低频系数构建的反演模型的精度差异较小,而Bior1.3为最优函数;基于Bior1.3分解的ca2低频系数建模的R2达0.977,RMSE仅为7.51 mg·kg-1,且为极显著,为最佳反演模型,经检验,可用以快速、准确估算土壤高光谱碱解氮含量。