【摘 要】
:
资源型城市的可持续发展问题是现今各学科的研究热点,黑龙江省大庆市作为典型的石油资源城市,在资源产业发展进程中出现各种生态问题制约了城市的可持续发展,为改善资源型城市土地利用及生态环境状况,同时促进资源产业积极转型,开展本次景观格局演变与人为干扰响应研究。本研究基于景观生态学原理,以黑龙江省大庆市主城区为研究对象,采用1990年、2000年、2010年与2018年4个时相的土地利用图像为基本数据源,
论文部分内容阅读
资源型城市的可持续发展问题是现今各学科的研究热点,黑龙江省大庆市作为典型的石油资源城市,在资源产业发展进程中出现各种生态问题制约了城市的可持续发展,为改善资源型城市土地利用及生态环境状况,同时促进资源产业积极转型,开展本次景观格局演变与人为干扰响应研究。本研究基于景观生态学原理,以黑龙江省大庆市主城区为研究对象,采用1990年、2000年、2010年与2018年4个时相的土地利用图像为基本数据源,分析区域内景观格局结构演变与景观格局指数变化过程,以人为干扰为视角,探究人为干扰度时空演变与景观格局变化过程的相关性,剖析大庆市主城区景观格局变化的驱动因素与现存问题,最终提出景观格局的优化策略以及生态规划对策。主要研究成果如下:(1)研究期间大庆市主城区人为干扰度显著增加。1990-2018年间大庆市主城区人为干扰度显著增加,严重干扰度区域逐步向东扩张,轻微干扰区域由团块式分布变为分散式分布,景观连续性降低。(2)近30年间大庆市主城区景观格局变化明显。研究期间大庆市主城区范围内草地与耕地类型面积占比较大,呈现聚集式分布,林地、湿地景观类型零星分布,研究期间建设用地向东北方向扩张。研究区景观格局整体上趋于整合,局部景观类型破碎化程度加深。(3)人为干扰度演变与景观格局具有显著相关性。人为干扰度与景观格局演变具有明显相关性.:随着人为干扰增强,景观形状复杂性降低,异质性与景观多样性降低,而景观破碎化增强,人为因素是景观格局演变的主要驱动因素。(4)规范人类活动、引导式自修复方案以及完善空间格局是景观格局优化的重要策略。具体包括从干扰源头分级控制人类活动,适度减少人类干扰活动对生态系统的影响,合理分配土地资源,提高资源利用率;分级采用引导式斑块自修复方案,保证各干扰等级区域破碎斑块能得到高效恢复的同时降低修复成本;从提升景观异质性、功能多样性与边缘缓冲区等方面入手,完善区域空间格局,同时提升中心城区绿地建设,实现景观格局的总体优化。通过对大庆市主城区景观格局及人为干扰度时空演变的响应研究,探究景观格局优化策略,为今后研究者及相关从业人员开展资源型城市景观格局优化研究提供理论参考;同时,本研究对大庆市未来城市化进程中实现健康可持续发展提供支持。
其他文献
人民幸福是中国共产党奋斗近百年的本质追求,是中国共产党人永远肩负的神圣使命,是坚持和发展中国特色社会主义的价值终旨。胡锦涛人民幸福思想是马克思主义幸福思想中国化的
长期以来,价格竞争一直是困扰我国国际贸易的难题,企业能否有效参与国际市场竞争,很大程度上取决于定价能力的强弱。企业定价能力的一个重要体现就是实行差异化定价,因此企业
近年来,随着城市化进程的加快,义务教育的实施,学生学习和生活压力与日递增,发生心理行为问题现象也日趋突出,因此学校已将学生心理健康教育当成教学工作中的重中之重。有效的表情分类可以协助心理学研究者们研究心理学等学科,通过对表情进行分类来分析儿童的心理活动和精神状态,从而减少心理行为问题的发生。其中,笑脸作为人类最常见的面部表情之一,反映了人的心理状态,传递着丰富的情感和意向信息。在学校里,通过鼓励学
Skyline查询算法,从被提出以来,就得到了大量的关注。该算法能够很好地描绘数据的概况,展现数据的走向。Skyline查询算法在多规则决策、实时在线服务以及商业数据分析等等的实际场景中都用着良好的应用。并且在互联网技术日新月异的时代,Skyline查询算法依然拥有可观的发展潜力。然而,在处理维数多、数据量大的数据集的时候,Skyline查询算法存在着返回结果过多的问题。因此结合经典的Top-k算
图像显著性检测就是将图像中最重要区域分割出来。解决图像显著性检测问题通常涉及计算机视觉、神经科学,认知心理学等领域的知识。近年来,随着深度学习在计算机视觉领域取得了巨大的成就,深度学习的应用在图像显著性检测课题中也发挥了良好的效果,因此基于深度卷积神经网络的算法已成为解决图像显著性检测的最有效的方法。但就目前的基于深度卷积神经网络的显著性算法而言,其大多采用非常复杂的深度卷积网络模型在做检测,这样
作为中国经济发展大省,同时也是全国首批循环经济的试点省,山东省一直以来都在不断调整产业结构,解决环境污染。研究和实践都表明,循环经济是实现资源、环境、经济和社会各个
点云即空间中大量点的集合,随着各种扫描工具的出现,我们可以越来越轻松地获取身边物体的点云信息。无论是从简单的摄像测量原理得到的低精度点云,还是从精密的激光雷达获得的高精度点云,都普遍存在点分布质量不高的问题。主要存在的问题有:受到观测点和测量面之间空间关系,导致点分布不均;受到动态物体的干扰,致使噪点的出现;受到遮挡物的掩盖,静态测量工具无法测量完整的物体,从而出现空洞等。怎样从有缺陷的大量点云数
对于民事债权双重让与来说,让与次序的优先性虽然保护了第一受让人的在先权利,却忽视了通知对债务人生效的必要性,而缺乏外观特征使得在先权利处于容易被动摇的状态。因此合意次序的优先无法落到实处。通知作为生效要件的模式中,通知发出者决定时间段引发的恶意危机容易造成次序公平被破坏,而通知所具备的特征使得其难以成为交付或者登记强度的公示,因此想要通过通知的生效来构成权利变动模式的关键存在致命不足。债权让与中的
深度学习从面世至今已经成为了互联网大数据和人工智能的一大热潮。以越来越深的结构和越来越复杂的连接方式构成的模型在各大深度学习课题上展现出了强大的性能。然而硬件计算资源的增长速度却无法满足模型规模和计算量的爆炸式增长。因此,如何合理地设计网络结构、提高计算效率是深度学习当前的一个重要研究方向。对于特定领域的问题,可以将领域相关知识集成到算法或者网络结构中,这为设计高效算法提供了启发。本文基于这个出发
本文研究了连续时间非线性Markov跳变系统的在线自适应优化控制算法。由于Markov跳变系统的各子系统之间存在着耦合关系,本文引入子系统转换技术,将跳变系统之间的耦合关系进行在线解耦。另一方面,考虑到神经网络具有任意近似的能力,本文引入神经网络线性微分包含(Linear Differential Inclusion,LDI)技术将非线性Markov跳变系统中的非线性项近似为线性项,并实现了 LD