论文部分内容阅读
鄂尔多斯地区是农牧交错带中段的典型地段,生态环境十分脆弱,土地沙化问题严重。对鄂尔多斯市生态环境近遥感监测的结果表明,1990~2003年的十三年间鄂尔多斯市8.60%的环境地物发生了变化,主要表现为土地沙化过程和草地退化过程。
基于遥感的鄂尔多斯农牧交错区生态环境变化研究
【摘 要】
：
鄂尔多斯地区是农牧交错带中段的典型地段,生态环境十分脆弱,土地沙化问题严重。对鄂尔多斯市生态环境近遥感监测的结果表明,1990~2003年的十三年间鄂尔多斯市8.60%的环境地物发生了变化,主要表现为土地沙化过程和草地退化过程。
【机 构】
：
东北师范大学城市与环境科学学院
【出 处】
：
农业与技术
【发表日期】
：
2005年05期
【基金项目】
：
生态功能区划与生态监控技术研究项目
其他文献
摘 要：《普通化学》是农林高校面向农林专业大一新生所开设的一门重要基础课。针对目前《普通化学》教学中教学思想、教学方法和教学手段等方面存在的问题，结合个人在教学中的经验，从绪论课教学、学生学习态度和兴趣的培养、化学知识与农林专业知识相结合、多媒体与板书相结合以及理论知识与实验知识相结合等5个方面出发，阐述了在《普通化学》教学过程中采取的一些教学方法和措施，以激发学生学习兴趣和动力，提高课堂教学质量
由于传感器节点能量有限且难以补充，无线传感器网络设计的一个重要目标就是在严格的能量约束下最大化网络的生存时间。网内数据融合是减少传感器节点数据传输量、降低网络总能
针对在杂草图像分割方面存在使用阈值分割需要选择分割阈值、图像分割精度不高等不足,本文结合超绿特征分割算法和SOFM网络,构造出一种杂草图像识别模型——G-SOFM空间聚类模型。该方法是一种无监督学习方式,不需要指定阈值,利用网络自组织、自竞争的特性,实现对杂草图像的分割。在对图像进行超绿特征处理之后,使用超绿特征的灰度和归一化两个特征向量,实现SOFM空间聚类。实验结果表明,改进的G-SOFM方法
模糊C-均值聚类是模式识别中的重要算法之一,很早就被应用到图像分割中。由于原始的模糊C-均值聚类算法没有考虑图像的空间信息,算法对图像中的噪音点十分敏感。针对这个问题,很多稳健模糊C-均值聚类算法被提出。通常的做法是在原来模糊C-均值聚类的目标函数中加入空间信息惩罚项。本文讨论这类方法,具体分析不同算法的空间信息加入方式,并指出其优缺点。