导读:本文包含了归一化分析论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:植被,模型,叶面积,玉米,积温,盾构,科研。
归一化分析论文文献综述
李振洲,贺正,贾彪,刘志,付江鹏[1]（2019）在《滴灌玉米叶面积指数归一化建模与特征分析》一文中研究指出【研究背景】叶片是作物进行光合作用的主要器官,叶面积指数(Leaf area index, LAI)是作物生长监测的重要指标。在作物生产中,理想的LAI是培养作物合理的群体结构和提高产量的基础。但传统测定法获取LAI预测作物的生长状况费时费力,破坏性强,推广应用受限。作物生长模拟模型是现代信息化手段获取作物生长发育状况的重要方法,利用叶面积估算模型是现在研究较为通用方法,可预测作物整个生长发育进程。农作物的叶面积动态易受光照和温度等条件影响,作物叶面积动态随有效积温的影响。有效积温作为作物生长的重要指标,用积温代替时间动态更具有代表性,更能反应玉米的生长状况。本研究在借鉴前人研究LAI模拟模型优点的基础上,应用"归一化"方法,以有效积温为自变量,玉米叶面积指数为因变量,建立不同氮素水平滴灌玉米LAI模型,分析平均叶面积指数(MLAI)与最大叶面积指数(LAImax)对玉米群体生长指标的影响,为宁夏滴灌玉米叶面积指数动态模拟精度提供技术途径。【材料与方法】2017年和2018年以宁夏玉米主栽品质(TC19)为试验材料,设置6个施氮水平N0(0 kg/hm~2)、N1(90 kg/hm~2)、N2(180 kg/hm~2)、N3(270 kg/hm~2)、N4(360 kg/hm~2)、N5(450 kg/hm~2)。玉米叶面积测算为叶长×叶宽×系数,展开叶系数为0.75,未完全展开叶系数为0.50。将整个生育期最大叶面积指数(LAImax)定为1,对生长期和LAI作归一化处理。【结果与分析】对玉米从苗期到成熟期的LAI和GDD进行归一化处理后,用Curve Expert 1.38软件对RLAI和RGDD模拟,得到有理方程方程模拟较好,相关系数达到0.982**。为进一步筛选玉米的RLAI随RGDD的动态模型变化结构,利用求极限值的方法对模型求拟合值。当x=0时,y=a,即为玉米出苗时RLAI值;当x=1时, y=(a+b)/(1+c+d),(a+b)/(1+c+d)即为成熟期的玉米的RLAI。方程只有一个峰值,且当x→∞时,y→0;即说明有理方程能够对玉米生长较合理地进行解释。故选择有理方程y=(a+bx)/(1+cx+dx~2)为不同N素处理玉米的生长过程。其模型参数a为出苗时的RLAI值,(a+b)/(1+c+d)为成熟时RLAI,方程模拟准确度高。如图1所示,由LAI动态模型模拟的方程为y=(-0.080+0.510x)/(1-2.191x+1.680x~2),由LAI动态模型模拟的2017年和2018年不同N素处理的玉米模拟值与实测值真实性较好,能够很好的反映这两年玉米的LAI动态变化,且相关系数高(r=0.982**)。LAI动态模型能很好的反应宁夏地区不同N素处理及不同年份栽培的玉米具有通用性。用试验2的玉米LAI测量值进行全生育期间的叶面积指数动态模拟,将得到的模拟值与实测值进行比较(图2)。分析图2得出,由RLAI模型模拟所得整个生育时期的模拟值与实测值比较接近真实,模拟结果的准确性(k)的变化范围在0.933～1.035之间,近似于1,越接近于1则准确度越高。模拟的精确度(R~2)在0.972～0.974之间。说明相对化动态模型的模拟准确度较高,模拟结果能很好地反映玉米群体LAI动态变化。【结论】对归一化处理后RLAI和RGDD来进行模拟,建立了LAI动态模型y=(a+bx)/(1+cx+dx~2),并对模型进行检验,结果表明此模型的准确度总体达到0.933以上,精确度在0.972-0.974之间,玉米LAI动态模型从玉米苗期就能准确地进行LAI动态预测。(本文来源于《2019年中国作物学会学术年会论文摘要集》期刊2019-10-27）
张坤勇,陈恕,王耀[2]（2019）在《盾构地表沉降的数值分析及归一化模型建立》一文中研究指出采用ABAQUS有限元分析软件,建立叁维弹塑性模型,分析了不同隧道埋深H、直径D、土体弹性模量E、应力释放率P、静止侧压力系数K_0条件下,盾构开挖对地表变形的影响。通过灰色关联分析,建立了各因素与地表沉降关系。综合考虑各种因素影响,采用归一化处理方法,建立了由于盾构施工导致地表沉降计算公式。分析表明,盾构施工过程中,不同因素与地面沉降关联强弱不同,由大到小依次为K_0>H>D>P>E,即静止侧压力系数K_0对地面沉降最为敏感。应用建立的归一化地表沉降计算公式,对实际盾构施工引起地层位移进行了计算,结果与实测地表沉降规律一致,可供类似工程参考。(本文来源于《地下空间与工程学报》期刊2019年03期）
张兵兵,吴航,杨璐,吕晓,张放[3]（2019）在《基于归一化法模拟分析东北地区春玉米干物质积累对播期和品种的动态响应》一文中研究指出为探讨东北地区不同播期的主栽品种春玉米的干物质(MDA)积累的生长特性,实现对春玉米干物质积累的有效预估,本研究基于2014-2015年3个春玉米品种(丹玉39、丹玉99和农华101)每年6个播期的试验资料,利用归一化处理方法建立了考虑相对积温(RAT_i)的干物质重动态模拟模型,并利用推导出的关键生长参数定量分析春玉米干物质积累对播期和品种的动态响应特征。结果表明:基于归一化法筛选并建立了以相对积温为自变量的干物质积累动态模型(Richards模型),方程表达式为y=a/(1+e~(b-cx))~((1/d)),决定系数R2在0.99以上,符合生物学意义,对东北地区春玉米有较好的模拟性能。试验验证表明,模型对早播春玉米干物质动态积累的模拟精确度更好,且丹玉39的模拟效果优于丹玉99及农华101。DMA总体表现为随着播期推迟而降低,品种间表现为丹玉39>丹玉99>农华101,差异达极显着水平;干物质积累过程分为积累渐增期、直线快增期和减速积累期3个阶段,其中直线快增期为干物质积累的主要阶段,随着播期的推迟,直线快增期经历的积温、干物质积累量、干物质积累平均速率、速率峰值及其对应的干物质积累量占干物质总量的积累比例都不同程度减小。丹玉39的快增期较丹玉99、农华101明显延长,干物质积累平均速率、速率峰值及其对应的干物质积累量较丹玉99、农华101显着提升。(本文来源于《中国农业气象》期刊2019年06期）
张春红,郑英姿[4]（2019）在《科研评价服务中归一化指标的应用情境与实效分析》一文中研究指出文章重点探讨了高校图书馆开展的科研评价和学科评估等服务中分析评价指标的选择、应用与价值。通过对绝对量化指标、相对量化指标、归一化指标的内涵和应用情境等进行综合对比,并选取北京大学学科国际评估和国家自然科学奖评奖项目进行案例分析,阐述和评估归一化指标在科研评价过程中的选取原则及分析效果。(本文来源于《情报理论与实践》期刊2019年09期）
Melkamu,Meseret,Alemu[5]（2019）在《埃塞俄比亚安达萨河流域地表温度和归一化植被指数时空变化分析（英文）》一文中研究指出本文分析了植被动态与地表温度等气候参数之间的关系,对环境和生态研究以及自然资源监测至关重要。本文首先利用Landsat数据探讨了1986年至2016年期间安达萨河流域地表温度(LST)和归一化植被指数(NDVI)的时空分布以及它们之间的关系,叁个气象站点的月平均气温数据用于验证结果。该研究的结果表明,Andassa流域的LST在研究期间有所增加。总体而言,平均LST一直在上升,年增长率为0.081℃yr~(-1)。该研究结果还表明,所有季节的流域植被覆盖都发生了变化。在所有研究年份中,LST和NDVI之间存在负相关;从1986年到2016年,研究区植被具有退化趋势,地表温度有所升高。(本文来源于《Journal of Resources and Ecology》期刊2019年01期）
刘姝熠[6]（2019）在《归一化植被指数时空动态变化及其与气候因子关系分析——以大凌河流域为例》一文中研究指出结合1985-2015年大凌河流域潜在蒸散发、温度、降雨以及归一化植被指数数据并利用相关性分析和趋势分析法进行该流域植被指数时空动态变化及其余气候因子关系分析,以期为揭示该区域植被生态系统与气候变化之间的作用规律。研究表明:大凌河流域归一化植被指数呈现出显着的空间差异性,并且在研究期间整体为增大趋势,指数增大和减少的区域分别占总面积的68.3%和31.7%;在流域尺度上大凌河流域植被覆盖动态变化存在显着的空间差异性并且影响该流域指数变化的关键性因素为温度和降雨,日照时数和潜在蒸散法对归一化植被指数的影响较低。(本文来源于《黑龙江水利科技》期刊2019年01期）
胡德陛[7]（2018）在《利用归一化植被指数分析地表植被覆盖的时空变化》一文中研究指出归一化植被指数和植被覆盖度是研究城市植被覆盖时空演变特征的常用遥感数据处理模型。利用Landsat卫星于2006、2010和2014年同时期获取的覆盖山东省青岛市的多光谱遥感影像数据,基于NDVI和植被覆盖度指数模型,开展了植被覆盖度时空动态变化特征及其演化过程的定量分析,并在此基础上分析了变化原因。(本文来源于《中国锰业》期刊2018年05期）
陶黎明,卢守峰,江勇东[8]（2018）在《归一化分割算法在路网划分中的敏感度分析》一文中研究指出基于实测路网数据,采用惩罚系数法,对归一化分割算法的敏感度进行了分析,得知该方法的划分结果依赖于相似函数的指数量级。通过计算子区划分的评价指标,对比不同惩罚系数量级下的路网划分结果,并采用相似函数曲线分析进行了验证。基于路网划分前、后的宏观基本图,证实了归一化分割算法在交通状态分析中的应用意义,提出对其相似函数进行数量级控制的必要性。(本文来源于《交通科学与工程》期刊2018年03期）
钟红平,王宏志[9]（2018）在《2007年～2016年湖北省归一化植被指数时空变化特征分析》一文中研究指出利用1km空间分辨率的MODIS数据,对2007年~2016年的归一化植被指数(NDVI)时间序列数据以及NDVI与气象因子、土地利用类型、海拔高度的相关关系进行分析,研究近10a湖北省植被覆盖度在时间和空间上的变化特征.结果表明:全省年平均NDVI波动上升,从各季节变化线性拟合结果来看,冬季上升程度最大;NDVI月变化呈单峰型,最高值出现在7月份,为0.758,最低值出现在1月份,为0.383;在空间分布上,湖北省西部地区NDVI较大于东部地区,十堰、恩施和神农架林区植被覆盖度高,武汉和鄂州植被覆盖度低;降水量、海拔高度和土地利用类型与NDVI均有较显着的相关性,植被生长对降水的响应具有滞后性;高海拔山地地形区林地大面积分布,是NDVI高值区,低山丘陵和平原上的城镇用地扩张和农业种植活动是NDVI较低的主要原因.(本文来源于《华中师范大学学报(自然科学版)》期刊2018年04期）
徐勤军,周同驰,周琳,吴镇扬[10]（2018）在《概率隐含语义分析模型在行为识别中的编码与归一化方法研究》一文中研究指出在视频中的行为识别的语境下,为了提高概率隐含语义分析模型的识别性能,研究了不同编码方法结合归一化方法对于分类性能的影响;还考察了主成分分析预处理原始特征对于性能的影响,在显着降低特征维度进而降低计算量的同时,当特征包含较多噪声成分的情况下性能甚至会有所提升。在KTH和UT-interaction数据库上的实验表明,编码和归一化方法的适当组合可以显着提高模型的性能。在UT-interaction数据库的两个子集上识别精度分别达到了当前最好的结果 96.44%、95%,其中在数据集1上采用稀疏的时空兴趣点特征,得到了94.24%的识别精度。(本文来源于《信号处理》期刊2018年07期）
归一化分析论文开题报告
（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：
采用ABAQUS有限元分析软件,建立叁维弹塑性模型,分析了不同隧道埋深H、直径D、土体弹性模量E、应力释放率P、静止侧压力系数K_0条件下,盾构开挖对地表变形的影响。通过灰色关联分析,建立了各因素与地表沉降关系。综合考虑各种因素影响,采用归一化处理方法,建立了由于盾构施工导致地表沉降计算公式。分析表明,盾构施工过程中,不同因素与地面沉降关联强弱不同,由大到小依次为K_0>H>D>P>E,即静止侧压力系数K_0对地面沉降最为敏感。应用建立的归一化地表沉降计算公式,对实际盾构施工引起地层位移进行了计算,结果与实测地表沉降规律一致,可供类似工程参考。
（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。
归一化分析论文参考文献
[1].李振洲,贺正,贾彪,刘志,付江鹏.滴灌玉米叶面积指数归一化建模与特征分析[C].2019年中国作物学会学术年会论文摘要集.2019
[2].张坤勇,陈恕,王耀.盾构地表沉降的数值分析及归一化模型建立[J].地下空间与工程学报.2019
[3].张兵兵,吴航,杨璐,吕晓,张放.基于归一化法模拟分析东北地区春玉米干物质积累对播期和品种的动态响应[J].中国农业气象.2019
[4].张春红,郑英姿.科研评价服务中归一化指标的应用情境与实效分析[J].情报理论与实践.2019
[5].Melkamu,Meseret,Alemu.埃塞俄比亚安达萨河流域地表温度和归一化植被指数时空变化分析（英文）[J].JournalofResourcesandEcology.2019
[6].刘姝熠.归一化植被指数时空动态变化及其与气候因子关系分析——以大凌河流域为例[J].黑龙江水利科技.2019
[7].胡德陛.利用归一化植被指数分析地表植被覆盖的时空变化[J].中国锰业.2018
[8].陶黎明,卢守峰,江勇东.归一化分割算法在路网划分中的敏感度分析[J].交通科学与工程.2018
[9].钟红平,王宏志.2007年～2016年湖北省归一化植被指数时空变化特征分析[J].华中师范大学学报(自然科学版).2018
[10].徐勤军,周同驰,周琳,吴镇扬.概率隐含语义分析模型在行为识别中的编码与归一化方法研究[J].信号处理.2018
论文知识图
