XiaoMi-AI文件搜索系统
World File Search System率图
高分辨率图像纹理作为鸟类物种丰富度的预测指标
我们测试了图像纹理作为新墨西哥州半干旱景观中鸟类物种丰富度的预测指标。鸟类物种丰富度是通过 1996 年至 1998 年在 42 个地块（每个 108 公顷）内的 12 个点进行的 10 分钟点计数总结出来的。我们在 1996 年获取的一组数字正射影像上，在八种不同的窗口大小中计算了 14 个一阶和二阶纹理测量值。对于 42 个地块中的每一个，我们都总结了多个窗口大小内每个纹理值的平均值和标准差。使用线性回归模型评估了图像纹理和平均鸟类物种丰富度之间的关系。单一图像纹理测量（例如标准差）可以描述物种丰富度高达 57% 的变异性。结合多种纹理测量或将海拔与单一纹理测量相结合可以描述鸟类物种丰富度高达 63% 的变异性。结合两种纹理测量和粗糙栖息地类型的模型可以描述鸟类物种丰富度 76% 的变异性。这些结果表明，图像纹理分析是一种非常有前途的工具，可用于描述半干旱生态系统的栖息地结构和预测物种丰富度模式。与依赖分类图像的方法相比，该方法具有多项优势，包括成本效益、纳入栖息地内植被变异性以及消除与边界划分相关的错误。© 2006 Elsevier Inc. 保留所有权利。
高分辨率图像纹理作为鸟类物种丰富度的预测指标
我们测试了图像纹理作为新墨西哥州半干旱景观中鸟类物种丰富度的预测指标。鸟类物种丰富度是通过 1996 年至 1998 年在 42 个地块（每个 108 公顷）内的 12 个点进行的 10 分钟点计数总结出来的。我们在 1996 年获取的一组数字正射影像上，在八种不同的窗口大小中计算了 14 个一阶和二阶纹理测量值。对于 42 个地块中的每一个，我们都总结了多个窗口大小内每个纹理值的平均值和标准差。使用线性回归模型评估了图像纹理和平均鸟类物种丰富度之间的关系。单一图像纹理测量（例如标准差）可以描述物种丰富度高达 57% 的变异性。结合多种纹理测量或将海拔与单一纹理测量相结合可以描述鸟类物种丰富度高达 63% 的变异性。结合两种纹理测量和粗糙栖息地类型的模型可以描述鸟类物种丰富度 76% 的变异性。这些结果表明，图像纹理分析是一种非常有前途的工具，可用于描述半干旱生态系统的栖息地结构和预测物种丰富度模式。与依赖分类图像的方法相比，该方法具有多项优势，包括成本效益、纳入栖息地内植被变异性以及消除与边界划分相关的错误。© 2006 Elsevier Inc. 保留所有权利。
高分辨率图像纹理作为鸟类物种丰富度的预测指标
我们测试了图像纹理作为新墨西哥州半干旱景观中鸟类物种丰富度的预测指标。鸟类物种丰富度是通过 1996 年至 1998 年在 42 个地块（每个 108 公顷）内的 12 个点进行的 10 分钟点计数总结出来的。我们在 1996 年获取的一组数字正射影像上，在八种不同的窗口大小中计算了 14 个一阶和二阶纹理测量值。对于 42 个地块中的每一个，我们都总结了多个窗口大小内每个纹理值的平均值和标准差。使用线性回归模型评估了图像纹理和平均鸟类物种丰富度之间的关系。单一图像纹理测量（例如标准差）可以描述物种丰富度高达 57% 的变异性。结合多种纹理测量或将海拔与单一纹理测量相结合可以描述鸟类物种丰富度高达 63% 的变异性。结合两种纹理测量和粗糙栖息地类型的模型可以描述鸟类物种丰富度 76% 的变异性。这些结果表明，图像纹理分析是一种非常有前途的工具，可用于描述半干旱生态系统的栖息地结构和预测物种丰富度模式。与依赖分类图像的方法相比，该方法具有多项优势，包括成本效益、纳入栖息地内植被变异性以及消除与边界划分相关的错误。© 2006 Elsevier Inc. 保留所有权利。
高分辨率图像纹理作为鸟类种类的预测指标...
我们测试了图像纹理作为新墨西哥州半干旱景观中鸟类物种丰富度的预测指标。鸟类物种丰富度是根据 1996 年至 1998 年在 42 个地块（每个 108 公顷）内的 12 个点进行的 10 分钟点计数总结出来的。我们对 1996 年获取的一组数字正射影像在八种不同的窗口大小中计算了 14 个一阶和二阶纹理测量值。对于 42 个地块中的每一个，我们总结了多个窗口大小内每个纹理值的平均值和标准差。使用线性回归模型评估了图像纹理与平均鸟类物种丰富度之间的关系。单一图像纹理测量（例如标准差）描述了物种丰富度高达 57% 的变异性。将多种纹理测量或高程与单一纹理测量相结合，可描述鸟类物种丰富度高达 63% 的变异性。结合两种纹理测量和粗略栖息地类型的模型可描述鸟类物种丰富度 76% 的变异性。这些结果表明，图像纹理分析是一种非常有前途的工具，可用于表征栖息地结构和预测半干旱生态系统物种丰富度模式。与依赖分类图像的方法相比，该方法具有多种优势，包括成本效益、纳入栖息地内植被变异性以及消除与边界划分相关的错误。© 2006 Elsevier Inc. 保留所有权利。
高分辨率图像纹理作为鸟类种类的预测指标...
我们测试了图像纹理作为新墨西哥州半干旱景观中鸟类物种丰富度的预测指标。鸟类物种丰富度是根据 1996 年至 1998 年在 42 个地块（每个 108 公顷）内的 12 个点进行的 10 分钟点计数总结出来的。我们对 1996 年获取的一组数字正射影像在八种不同的窗口大小中计算了 14 个一阶和二阶纹理测量值。对于 42 个地块中的每一个，我们总结了多个窗口大小内每个纹理值的平均值和标准差。使用线性回归模型评估了图像纹理与平均鸟类物种丰富度之间的关系。单一图像纹理测量（例如标准差）描述了物种丰富度高达 57% 的变异性。将多种纹理测量或高程与单一纹理测量相结合，可描述鸟类物种丰富度高达 63% 的变异性。结合两种纹理测量和粗略栖息地类型的模型可描述鸟类物种丰富度 76% 的变异性。这些结果表明，图像纹理分析是一种非常有前途的工具，可用于表征栖息地结构和预测半干旱生态系统物种丰富度模式。与依赖分类图像的方法相比，该方法具有多种优势，包括成本效益、纳入栖息地内植被变异性以及消除与边界划分相关的错误。© 2006 Elsevier Inc. 保留所有权利。
陆地伽马剂量率图、其汇编... - OSTI.gov
环境。测量技术、数据处理和辐射图的编制都会导致数据偏差。所用仪器的技术参数、校准设施和仪器校准方法、几何形状、密度和现场辐射测量模式、数据处理、数据调平及其图形表示都会对结果产生重大影响。如果使用地图评估天然辐射环境，则报告的伽马剂量率值的可靠性必须是可以接受的，并应进行检查。1995 年出版的捷克共和国 1:500 000 辐射图以伽马剂量率表示，基于区域和详细的机载总数（1957-1959 年）和伽马射线光谱法（从 1976 年起）测量，由地面调查完成。应用反向校准将数据转换为剂量率并调平地图。捷克共和国由岩浆岩、沉积岩和变质岩形成的区域陆地辐射范围为 6-245 nGy.h" 1 ，平均值为 65.6 ± 19.0 nGy.h" 1 。通过地面伽马射线光谱区域横断面对辐射测量图中报告的数据进行了初步验证，结果显示地图数据水平良好，而平均偏差 ± 13.8 nGy.h" 1 说明了各个地点和地质环境的预期差异。