公共文化服务平台

程家昌: 作品数：11 被引量：131H指数：5; 供职机构：华南农业大学信息学院更多>>; 发文基金：国家自然科学基金广东省科技计划工业攻关项目国土资源公益性行业科研专项更多>>; 相关领域：农业科学经济管理历史地理环境科学与工程更多>>

合作作者

基于GPU的一类地理多智能体系统并行仿真研究被引量：1: 2015年; 针对当前地理多智能体建模存在着计算成本高、配置复杂、运算加速性能不高的问题,以杜能模型为例,提出基于GPU并行技术的一类地理多智能体仿真与优化方法。通过构建空间索引网格的方法,动态维持智能体与空间索引网格的关联关系,提高地理多智能体系统的仿真运行效率。研究结果表明:采用GPU并行技术,能够使多智能体系统的运行性能得到明显提升,对开展大规模数据下的空间系统多智能体仿真建模具有重要意义。; 赵元程家昌王璐胡月明; 关键词：多智能体系统并行计算 GPU

基于WSNs和地统计学的土壤水分空间变异研究: 2014年; 在华南农业大学增城教学科研基地进行试验,针对土壤水分的动态监测优化设计土壤采样点,建立基于WSNs的土壤水分数据实时采集网络,以GIS与地统计学方法相结合方式分析土壤水分空间变异。研究结果表明,土壤水分表现出低等变异特征,人为活动对土壤水分影响明显。; 李建华刘序缑武龙胡月明程家昌; 关键词：土壤水分无线传感器网络地理信息系统

空间自相关性对土壤属性插值的影响被引量：3: 2012年; 以广东省增城市为研究区,选取正态分布的土壤氮含量为试验数据,以按正态分布原则生成的随机数据作为对比数据,前者有空间自相关性,后者没有空间自相关性。在Arcgis软件平台下对两组数据进行克里格插值,在Matlab软件平台下用RBF方法对两组数据进行空间插值,分析空间自相关性对土壤属性插值的影响。将不同方法空间插值的预测数据与实际的数据进行对比,计算出插值结果的误差均方根,得到空间自相关性可以提高土壤属性的插值精度的结论。; 杨丽萍程家昌杨小威胡月明; 关键词：空间自相关克里格 RBF

基于生态位理论的耕地可持续利用评价被引量：6: 2013年; 基于生态位理论和前人对耕地可持续利用的认识和理解,从理论层面浅析了两者在本质上的一致性;尝试从生态位理论的视角去理解耕地可持续利用的内涵,从而利用生态位适宜度来定量测度耕地可持续利用水平。具体在以往生态位适宜度模型基于现实生态位与理想生态位之间"绝对距离"的测度思路之上,融入生态元现实生态位与相邻生态元之间"相对距离"对生态位适宜度影响的考虑,重构生态位适宜度模型。从耕地的自然、经济、社会三大属性层面,选取指标建立耕地可持续利用评价指标体系,以吴川市为研究对象的结果表明:镇级尺度上,耕地可持续利用处于中等水平;耕地自然、社会、经济可持续利用水平在空间上具有不同的分布特征,且空间差异性依次逐渐减弱。生态位理论和生态位适宜度模型的引入,为耕地可持续利用的内涵理解及其定量评价提供了新的认识论和方法论。; 熊昌盛胡月明程家昌刘媛媛; 关键词：生态位理论耕地可持续利用

基于GIS的耕地质量评价研究被引量：2: 2013年; 介绍了GIS在耕地质量评价中的研究现状,分析了GIS在耕地质量评价的初期基础数据和基础图形的应用、数据信息的提取以及数据运算和决策。最后指出了当前GIS在耕地质量评价中存在的一些问题和应用展望。; 李建华程家昌; 关键词：耕地质量

基于RBF神经网络的土壤铬含量空间预测被引量：34: 2013年; 以广东省增城市为实验基地,采用随机采样的方法采集土壤铬含量样点,并将其分为训练数据集和检验数据集。设计4种样点布局方案,对前三组数据用RBF神经网络方法进行土壤铬含量插值,分析预测误差。研究发现,当样点较少时,RBF神经网络方法的插值结果较精确。而当样点数据为50时,误差较大,不能满足插值要求。通过插值结果的对比发现,较传统的统计学插值方法,RBF神经网络方法克服了平滑效应,特别是在数据较少的情况下,进行空间预测效果较好,是一种适用范围更广的插值方法。; 陈飞香程家昌胡月明周永章赵元蚁佳纯; 关键词：RBF神经网络土壤属性克里格插值

Spatial Interpolation of Soil Nutrients Based on BP Neural Network被引量：3: 2014年; With Zengcheng City, Guangdong Province, as the object of study, 200 soil sampling points were col ected for the spatial interpolation prediction of soil properties by using Kriging method and BP neural network method. After comparing the interpolation results with the measured values, the root mean square error of the prediction data was obtained. The results showed that the interpolation accuracy of BP neural network was higher than that of Kriging method under the same cir-cumstances, and there was no smoothness in using BP neural network method when there were few sample points. In addition, with no requirement on the distri-bution of sample data, BP neural network method had stronger generalization ability than traditional interpolation method, which was an alternative interpolation method.; 李晴程家昌胡月明; 关键词：KRIGING

基塘农业研究概述被引量：8: 2014年; 农业发展不可避免要同时考虑资源和环境的约束,基塘农业作为一种环境友好型农业具有较大发展前景。分别从生态系统、水陆空间格局和物质能量流动3个角度介绍基塘农业,同时指出了由于经济快速发展给基塘农业带来的各种问题,并认为GIS和遥感技术作为更先进的计算机手段会在基塘农业的研究中发挥更大的作用。从用地综合评价和用地技术评价两个方面强调了发展基塘农业必须重视其土地利用的研究。; 袁兰胡月明程家昌; 关键词：生态系统土地利用

于都县土地资源可持续利用评价: 2013年; 从资源、环境、经济和社会4个方面构建了评价于都县土地资源可持续利用特征的指标体系,最终确定了9个参评因子。通过对都县土地资源可持续利用标准值数据进行定量分析发现,于都县土地资源可持续利用水平波动较小,并在同一层次上对比各个评价指标,分析了评价值最低的原因,找出于都县土地资源可持续利用存在的一些问题。; 彭磊程家昌胡月明; 关键词：土地资源可持续利用评价

省级高标准基本农田建设重点区域划定方法研究——基于广东省的实证分析被引量：71: 2012年; 研究目的:探讨省级高标准基本农田建设重点区域确定方法,为省级土地整治规划提供依据。研究方法:特尔斐法和因素成对比较法。研究结果:划定省级高标准基本农田建设重点区域的评价指标体系可以由4大因素(潜力、能力、财力、生态环境)、6大因子(耕地整治潜力、水土资源匹配程度、粮食生产政策、耕地连片程度、人均可支配财力、生态建设)构成。对广东省各县(市、区)的影响因子进行量化并计算,最终确定综合评价得分,并将得分较高的40个县(市、区)划作省级高标准基本农田建设重点区域。研究结论:有效量化高标准基本农田重点区域划定的影响因素,构建指标体系,可以使高标准基本农田重点建设区划定更科学合理,并有效指导省级高标准基本农田重点工程的确定。; 沈明陈飞香苏少青胡月明缑武龙程家昌吴顺辉; 关键词：土地整治高标准基本农田

程家昌

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

程家昌

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈