驱动力因子分析法论文-吕伟,周宏飞,柴晨好,马进博

驱动力因子分析法论文-吕伟,周宏飞,柴晨好,马进博

导读:本文包含了驱动力因子分析法论文开题报告文献综述及选题提纲参考文献,主要关键词:新疆生产建设兵团,生态足迹,可持续发展,驱动力

驱动力因子分析法论文文献综述

吕伟,周宏飞,柴晨好,马进博[1](2019)在《新疆生产建设兵团2001—2015年生态足迹及其驱动力因子分析》一文中研究指出基于生态足迹模型对新疆生产建设兵团2001—2015年生态足迹进行计算,并运用偏最小二乘回归以及Pearson相关分析两种方法分析生态足迹的经济社会驱动力因子。结果显示:2001—2015年,兵团人均生态足迹从2.765 hm~2·cap~(-1)增加到14.329 hm~2·cap~(-1),人均生态承载力保持较低稳定状态,人均生态赤字从0.355 hm~2·cap~(-1)增加到11.670 hm~2·cap~(-1)。表明兵团经济快速增长过程中,生态压力持续增加,可持续发展面临挑战。人均GDP、第二产业增加值、城镇居民人均可支配收入、社会消费品零售总额、城镇化水平、第一产业增加值对兵团人均生态足迹变化有显着正向驱动作用,而万元GDP生态足迹、第叁产业增加值比重则表现出对人均生态足迹相对较弱的逆向驱动作用。调整产业结构以及保证生态用水是降低生态足迹,提高生态承载力,实现兵团可持续发展的有效途径。(本文来源于《生态科学》期刊2019年01期)

马瑞峰[2](2018)在《珠叁角城市群空间扩展格局及其驱动力因子分析——基于DMSP/OLS和NPP/VIIRS影像》一文中研究指出目的揭示珠叁角城市群空间扩展格局及其驱动力因子。方法以珠叁角城市群9个主体城市为例,采用1992,1997,2002,2007,2012,2017年6期夜间灯光数据为数据源,提取出珠叁角城市群空间范围,分别从扩展强度指数、扩展关联模型及多维驱动力机制3方面探索了珠叁角城市群空间扩展过程、格局及动力机制。结果 1992-2017年珠叁角城市群空间扩展格局表现为圈层辐射状扩展模式,且热点区与冷点区分布相对稳定;从珠叁角城市群扩展的驱动力演化趋势看,表现出以市场力为主要驱动力因子的特征,其次是行政力与内源力,外向力的影响作用最弱,从2002-2012年动态变化角度看,后一阶段经济及社会因素对城市群空间扩展影响作用均有所减弱。结论提出持续深化改革、加大市场主导机制、降低行政干预的政策建议,促进城市群空间结构持续优化及优势互补。(本文来源于《宝鸡文理学院学报(自然科学版)》期刊2018年03期)

陈磊,吕鑫,陈明珠,汪泽锋[3](2017)在《滁州市空气质量指数及其驱动力因子分析》一文中研究指出针对皖江城市带的代表性城市安徽省滁州市,利用2015年初新建成的叁处空气质量监测站提供的空气质量指数和空气污染物监测数据,采用统计学分析方法,初步获得滁州市空气质量的时空动态分布格局。分析结果表明:滁州市空气质量指数存在不同程度的月际波动性和日际波动性,空气质量以冬季月份的1月为最差,以春季月份的3月为最优;叁处空气质量监测站点中,位于市区北部的老年大学监测站点的空气质量相对较差;细颗粒物是滁州市的首要污染物,其浓度对滁州市空气质量起到决定性作用。(本文来源于《滁州职业技术学院学报》期刊2017年03期)

王泽辉[4](2017)在《九江市植被覆盖时空动态变化及驱动力因子分析》一文中研究指出植被与人类生存和发展休戚相关,严重影响人类的可持续发展。对植被覆盖度的监测是人类长期面临的焦点问题。而植被的生长发育与外界环境因素密切相关,所以通过选取不同影响因子对植被的时空格局进行分析,挖掘植被变化的潜在因素能更加有效保持生态坏境的稳定性。本文通过2000年、2005年、2010年、2015年四期Landsat遥感影像,应用像元二分模型提取九江市的植被分布,并对其进行分类,通过标准差分析法,转移矩阵法,差值法分析植被在时空中的演变。并结合气候与地形因子综合考虑植被在时空上的演变规律。研究得出以下结果:(1)2000年研究区域的植被覆盖度在总体角度上以中高植被覆盖度为主,占总植被覆盖的74%;2005年九江市植被以高植被覆盖度为主,大于60%覆盖度的超过总体面积的2/3;2010年与2015年和2005年分布趋势类似。(2)研究区域植被的稳定性在整体角度上以较强和中稳定性为主,整体上研究区域的植被的稳定性较强,植被的波动变化幅度不大。2000-2015年时间段内,低植被覆盖面积减少1104平方公里,中植被覆盖面积减少1302平方公里;高植被覆盖面积增加3467平方公里;全植被覆盖面积增加7340平方公里。(3)通过与平均温度,温差与降水气候因子分析,研究区域植被与降水的相关系数-0.27呈弱的负相关关系;九江市的植被与温度之间的相关系数为0.24,呈低度的线性相关性;基于像元对植被与温差的相关系数统计得出相关系数是0.11,呈低度线性正相关。(4)植被与地形因子的关系主要表现在,低海拔植被平均密度低,波动性强;坡度较低区域的植被稳定性差,密度低;在南坡,东南坡,东坡分布的植被密度更大。(本文来源于《四川师范大学》期刊2017-03-10)

孙兆峰,王双银,刘晶,顾金普,公维龙[5](2017)在《秃尾河流域径流衰减驱动力因子分析》一文中研究指出掌握流域径流演变规律,探讨其影响因子,对流域水资源合理开发利用和科学管理具有重要的意义。论文依据秃尾河流域1956—2010年径流、降水资料以及榆林站1956—2010年气温资料,采用高桥浩一郎公式计算了流域蒸散发量,利用Kendall秩次检验法分析了流域降雨、径流和蒸发的趋势演变特性;采用主成分分析法研究了多因子对流域径流衰减的影响;建立了径流衰减量与主要影响因子之间的统计模型。结果表明:1)流域径流量呈显着减少趋势,而蒸发量和降水量减少趋势不显着;2)在径流衰减驱动力因子中,人类活动因子权重为71.1%,而气候因子权重为28.9%,各驱动力因子对径流衰减的贡献率由大到小依次为:林草>梯田>坝地>流域用水量>年降水量>年蒸发量;3)径流衰减量与林草、梯田的指数回归模型能较好地反映径流衰减量与驱动力因子之间的定量关系,可以为流域治理和水资源开发利用提供科学依据。(本文来源于《自然资源学报》期刊2017年02期)

崔嫱,赵鹏宇,步秀芹,郑庆荣[6](2015)在《基于信息熵的忻州市用水结构演变及其驱动力的因子分析》一文中研究指出基于1983-2012年的忻州市的用水数据,应用信息熵理论分析用水结构的演变,同时采用因子分析法分析用水结构演变的驱动力。结果表明,忻州市的用水结构特点是以农业用水为主,工业、生活用水比例较小;1983年以来总用水量基本稳定,农业用水量与总用水量保持一致的变化趋势,且呈极显着的正相关关系。农业用水比例总体呈波动下降趋势,工业用水、生活用水比例总体呈现波动缓慢上升趋势;用水结构信息熵结果表明:忻州市用水系统信息熵、均衡度变化趋势不明显;因子分析结果显示总人口、城镇人口、农业产值、地区生产总值、灌溉面积和气温是忻州市用水结构演变的主要驱动力。因此,忻州市应继续加大用水结构调整力度,发展高效节水农业,降低农业用水比例,提高该地区水资源开发利用结构的稳定性和均衡性。(本文来源于《节水灌溉》期刊2015年06期)

于珊珊[7](2015)在《小兴凯湖水质变化及驱动力因子分析》一文中研究指出兴凯湖作为中俄界湖,其水质状况一直受到两国的密切关注。然而,随着经济的发展、人类活动的增加,其水质从1998年的Ⅱ类下降到2009年的Ⅲ类,进入贫级富营养化水平。本研究于2013年在小兴凯湖布设14个水质监测点,监测16项水质指标,并分别在5月、7月、9月和11月采样进行水质研究。运用地统计分析功能及Kriging插值进行数据处理,揭示水质空间分布特征及变化趋势,并找出影响水质的主要因子。结果表明,全年湖区TOC和浊度均值较高、BOD5和氨氮均值较低。根据《地表水环境质量标准GB838-2002》,COD除7月份为V类水,其他月份均劣于V类水标准;TP在5月份和9月份为II类水质,7月份和11月份分别呈III类和IV类水质;TN全年表现不佳,一直在V类水上下浮动。小兴凯湖各污染水平的空间变异特征明显。其中,透明度、浊度、BOD5、TP、Fe2+、Fe3+在时间尺度和空间尺度上都是强变异,p H值全年在空间上都为弱变异,TOC全年呈中等变异,其余水质指标在时间和空间分布规律都不一致。电导率、Fe2+、Fe3+的空间变异情况受人为因素干扰明显。除Fe2+和Fe3+外的水质监测指标随春、夏、秋、冬季节变化监测值逐渐变大。TN、TP、Fe2+、Fe3+是影响小兴凯湖水质的主要因子;5月的承紫河-857农场-新开流小流域是重污染区域,西地河次之,东新开5公里水质最好;而7月和9月在新开口、湖心污染严重,二闸次之,新开口水质状况最佳。小兴凯湖水质空间变异主要影响因素为人类活动,其中农业面源污染和居民生活废物输入的氮、磷以及有机物是主要污染源,旅游业的兴起对水质影响逐渐增加。(本文来源于《中国科学院研究生院(东北地理与农业生态研究所)》期刊2015-06-01)

刘苏衡,刘春[8](2014)在《基于因子分析的武汉城市圈乡村旅游驱动力研究》一文中研究指出文章以武汉城市圈27家省级休闲农业示范点为样本,建立乡村旅游驱动力12项指标,运用描述性分析、因子分析等统计分析方法对收集数据进行分析,揭示乡村旅游发展的驱动力,在此基础上提出武汉城市圈乡村旅游发展的建议。(本文来源于《统计与决策》期刊2014年24期)

邵琳,翟国方,丁琳[9](2013)在《安徽省城市化质量时空演变及驱动力因子分析》一文中研究指出改革开放以来,我国城市化进入快速发展时期,城市化的发展不应仅是城市人口比例的增加,而应是"量""质"齐升的过程。本文从经济、社会、生态、居民的层面建立城市化质量评价指标体系,以安徽省为例,选取2000、2004、2007、2010四年数据,对安徽省各市城市化质量时空演变特征进行了分析。并运用要素贡献率和贡献弹性的方法分析了安徽省各市城市化质量发展的内在驱动力,以便制定合理决策,更好更快地推动城市化质量发展。(本文来源于《现代城市研究》期刊2013年10期)

赤旦多杰,淡乐蓉[10](2009)在《青海湖地区耕地利用变化驱动力模型与驱动因子分析(摘要)(英文)》一文中研究指出[目的]研究青海湖地区耕地变化驱动力,为该区土地资源可持续利用和管理提供决策依据。[方法]利用多元统计学当中的相关分析、通径分析及偏相关分析对青海湖地区耕地变化驱动力进行研究。利用DPS数据处理软件对青海湖地区1985~2002年国民生产总值(X_1)、总人口(X_2)、农业人口(X_3)、藏族人口(X_4)、在校人数(X_5)、年末存栏羊数(X_6)、年末存栏牛头数(X_7)、牲畜商品率(X_8)和耕地面积变化(Y)之间的关系进行逐步回归分析,建立该区耕地利用变化驱动力模型,对耕地利用变化的驱动因子及其作用机理和过程进行分析,并就各县驱动因子的差异性进行比较。[结果]青海湖地区耕地利用变化驱动力模型为:Y=103 379.48-1.490 1X_2+1.640 5X_3-89.3854X_7-96.178 3X_8。该方程是显着的,Durbin-Watson统计量d=2.705 900 30,说明模型拟合性较强且可用。由相关分析可知:①各驱动因子与耕地变化之间的相关系数绝对值从大到小依次为X_3>X_4>X_8>X_1>X_6>X_5>X_2>X_7;X_2和X_6耕地面积变化呈负相关关系。②X_6和X_7与其他驱动因子之间呈负相关关系,X_7与除X_6以外的其他驱动因子之间的负相关绝对值从大到小依次为:X_2>X_4>X_3>X_8>X_1>X_5;X_6与除X_7以外的其他驱动因子之间的负相关绝对值从大到小依次为:X_4>X_2>X_3>X_8>X_1>X_5。这说明在青海湖地区人地矛盾、草畜矛盾和人畜矛盾十分严重。③X_6和X_7在与其他驱动因子之间呈负相关关系的同时,X_6与X_7之间也呈显着正相关,相关系数为0.87976。说明在青海湖地区制定相关政策和战略措施时,要充分考虑牛羊之间的平衡关系。④X_5与X_6和X_7之间相关性都不显着,相关系数分别为-0.00978和-0.05964;X_4与X_6和X_7之间相关性都比较高,相关系数分别为-0.81282和-0.769 12。说明在校学生人数与牲畜平衡头数关系不大,但藏族人口数与该区牲畜平衡头数有显着关系,与青海湖地区社会经济状况相吻合。⑤X_8与X_6和X_7之间呈负相关关系,而与其他驱动因子呈正相关关系,其中,尤与X_3和X_4呈显着正相关,相关系数分别为0.94691和0.93483。说明在青海湖地区牲畜商品率与牲畜年末存栏数密切相关,可以通过人为增加牲畜的商品率来控制牲畜年末存栏数,从而达到缓解草畜矛盾的目的。由通径分析可知:①各驱动因子对耕地变化的直接作用大小依次为X_3>X_2>X_8>X_7;但对耕地变化的总作用大小依次为X_3>X_8>X_2>X_7。②X_2、X_7、X_8、X_3 4个驱动因子中,X_3对区域耕地面积变化影响极显着,说明农业人口是影响青海湖地区耕地面积变化最重要的因子。③X_3对Y主要为直接作用。X_2对Y的直接作用为-2.8166,通过其他驱动因子对Y的间接作用之和为2.7959,其绝对值大小无明显变化,说明总人口对耕地面积变化的直接作用是使耕地面积减少,间接作用则是使耕地面积增加,且间接作用和直接作用基本保持平衡(总作用为-0.0207),其原因可能是人口数量的增加导致建设用地的增加,占用了大量的耕地;而人口数量的增加,必然引起农业人口的增多,从而导致耕地面积增加。X_8对Y的直接作用为-0.2919,通过其他驱动因子对Y的间接作用为0.56782。因此,牲畜商品率对耕地面积变化的作用主要为间接作用,这也与牲畜商品率本身的性质有关,而牲畜商品率主要表现为市场对土地利用变化的调节机制。④决定程度分析表明,各驱动因子对耕地变化总作用大小依次为X_3>X_8>X_2>X_7。X_2对Y的直接作用为负(-2.8166),X_2与X_3共同对Y的相对决定程度最大,其次是X_3。说明在青海湖地区进行土地可持续利用规划和实施土地政策时,既要注意总人口,还应注意农业人口。在总人口增长的同时,适当控制农业人口,有利于资源、环境和经济的可持续发展。⑤决策系数大小依次为:ε>X_7>X_8>X_2>X_3,且X_7、X_8、X_2、X_3均小于0,故ε为主要决策变量,说明青海湖地区耕地面积变化除了农业人口、总人口、牲畜商品率、年末羊存栏数外,还有其他更重要的因子需考虑,这些因子主要为国家宏观土地政策、地方经济调整和自然因子等。由偏相关分析可知:①X_3、X_8、X_2、X_7 4个因子中,除X_7对Y不显着外,X_3、X_2与Y呈极显着相关,显着水平为0,X_8与Y呈显着相关,显着水平为0.05453。②X_2与Y呈显着负相关,说明在青海湖地区总人口的增长会导致耕地面积减少;X_3与Y呈显着正相关,说明在该地区农业人口的增长会使耕地面积增多。该结果与通径分析结果相一致。[结论]青海湖地区人地矛盾、草畜矛盾和人畜矛盾十分严重;农业人口是影响青海湖地区耕地面积变化最重要的因子;市场机制对该区耕地利用变化的调节作用相对微弱;国家宏观土地政策、地方经济调整和自然因子等对研究区耕地利用变化影响巨大。(本文来源于《Agricultural Science & Technology》期刊2009年06期)

驱动力因子分析法论文开题报告

(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:

目的揭示珠叁角城市群空间扩展格局及其驱动力因子。方法以珠叁角城市群9个主体城市为例,采用1992,1997,2002,2007,2012,2017年6期夜间灯光数据为数据源,提取出珠叁角城市群空间范围,分别从扩展强度指数、扩展关联模型及多维驱动力机制3方面探索了珠叁角城市群空间扩展过程、格局及动力机制。结果 1992-2017年珠叁角城市群空间扩展格局表现为圈层辐射状扩展模式,且热点区与冷点区分布相对稳定;从珠叁角城市群扩展的驱动力演化趋势看,表现出以市场力为主要驱动力因子的特征,其次是行政力与内源力,外向力的影响作用最弱,从2002-2012年动态变化角度看,后一阶段经济及社会因素对城市群空间扩展影响作用均有所减弱。结论提出持续深化改革、加大市场主导机制、降低行政干预的政策建议,促进城市群空间结构持续优化及优势互补。

(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。

驱动力因子分析法论文参考文献

[1].吕伟,周宏飞,柴晨好,马进博.新疆生产建设兵团2001—2015年生态足迹及其驱动力因子分析[J].生态科学.2019

[2].马瑞峰.珠叁角城市群空间扩展格局及其驱动力因子分析——基于DMSP/OLS和NPP/VIIRS影像[J].宝鸡文理学院学报(自然科学版).2018

[3].陈磊,吕鑫,陈明珠,汪泽锋.滁州市空气质量指数及其驱动力因子分析[J].滁州职业技术学院学报.2017

[4].王泽辉.九江市植被覆盖时空动态变化及驱动力因子分析[D].四川师范大学.2017

[5].孙兆峰,王双银,刘晶,顾金普,公维龙.秃尾河流域径流衰减驱动力因子分析[J].自然资源学报.2017

[6].崔嫱,赵鹏宇,步秀芹,郑庆荣.基于信息熵的忻州市用水结构演变及其驱动力的因子分析[J].节水灌溉.2015

[7].于珊珊.小兴凯湖水质变化及驱动力因子分析[D].中国科学院研究生院(东北地理与农业生态研究所).2015

[8].刘苏衡,刘春.基于因子分析的武汉城市圈乡村旅游驱动力研究[J].统计与决策.2014

[9].邵琳,翟国方,丁琳.安徽省城市化质量时空演变及驱动力因子分析[J].现代城市研究.2013

[10].赤旦多杰,淡乐蓉.青海湖地区耕地利用变化驱动力模型与驱动因子分析(摘要)(英文)[J].AgriculturalScience&Technology.2009

标签:;  ;  ;  ;  

驱动力因子分析法论文-吕伟,周宏飞,柴晨好,马进博
下载Doc文档

猜你喜欢