XiaoMi-AI文件搜索系统
World File Search System空间变化
通过空间变化系数占用模型对复杂的物种环境关系进行建模
Occupancy models are frequently used by ecologists to quantify spatial variation in species distributions while accounting for observational biases in the collection of detection-nondetectiondata.However,thecommonassumptionthatasinglesetofregres- sion coefficients can adequately explain species-environment relationships is often unre- alistic, especially across large spatial domains.在这里，我们开发了单物种（即单品）和多种物种（即多变量）空间变化的系数（SVC），以解释空间变化的物种环境关系。我们在层次的贝叶斯框架中采用最近的邻居高斯流程和pólya-gamma数据增强，以产生计算清晰的Gibbs采样器，我们在Spoccupancy R软件包中实现了这些样本。对于多种物种模型，我们使用缩小空间因子维度对具有大量物种（例如，> 10）的有效模型数据集。分层贝叶斯框架很容易使SVC的后验预测图产生，并具有完全传播的不确定性。我们应用我们的SVC模型来量化最大繁殖季节温度与全美21种草地鸟类物种的发生概率之间的关系。共同建模物种通常优于单物种模型，这均显示出与最高温度的物种发生关系的显着空间变异性。在线提供了本文的补充材料。我们的模型与使用大规模监测计划中的检测非探测数据量化物种环境关系特别重要，这些数据越来越普遍回答有关野生生物对全球变化的宏观生态问题的回答。
由于印刷功能梯度组件中的成分变化导致沉积几何形状和氧浓度空间变化
具有特定位置化学成分的功能梯度材料 (FGM) 通常通过定向能量沉积 (DED) 制造。尽管之前的工作制造了一种成分在铁素体和奥氏体合金之间变化的 FGM，但是由于成分变化导致沉积物形状发生变化，因此出现了困难。文献中的 FGM 也存在此问题；然而，与其他情况不同，这两种合金在整个构建过程中的热物理性质相似。在这里，我们研究了在通过激光 DED 制造 FGM 过程中化学成分和表面活性元素对沉积物几何形状的作用。使用经过充分测试的三维瞬态数值传热和流体流动模型和热力学计算的结果，分析了相关 FGM 成分的单轨实验。实验表明，在恒定的激光功率和扫描速度下，沉积物形状随成分而变化。热力学分析表明，熔合区中氧的溶解度对于用于 FGM 的每种成分都存在显著差异。数值建模表明，熔合区中溶解氧引起的 Marangoni 对流引起的流体流动变化是实验中观察到的沉积物形状变化的主要原因。由于氧气可以通过原料以及周围大气进入熔合区，这些发现阐明了 FGM DED 制造过程中以前未考虑的工艺控制方面。
由于印刷功能梯度组件中的成分变化导致沉积几何形状和氧浓度空间变化
熔化潜热，ΔHJ kg -1 2.62x10 5 2.58x10 5 2.51x10 5 2.56x10 5 2.57x10 5 2.56x10 5 2.59x10 5 液体粘度，μ kg m -1 s -1 6.67x10 -3 6.81x10 -3 6.89x10 -3 6.97x10 -3 7.03x10 -3 7.09x10 -3 7.21x10 -3 热膨胀系数，αK -1 1.78x10 -6 1.78x10 -6 1.96x10 -6 2.16x10 -6 2.31x10 -6 2.26x10 -6 2.22x10 -6 1064nm波长的吸收系数，η - 0.351 0.344 0.337 0.329 0.322 0.315 0.308
基于影像对象的植被制图分类不确定性空间变化的影响因素
摘要 人们花费了大量精力来研究基于像素的分类精度和相关因素的空间变化。在过去的几年中，基于对象的分类引起了越来越多的关注。本文研究了影响基于对象的植被制图中分类不确定性空间变化的因素。我们研究了基于对象的分类中的六类因素：一般成员资格、地形、样本对象密度、空间组成、样本对象可靠性和对象特征。首先，使用引导方法得出分类不确定性（基于每个案例的分类精度）。然后，用分类或连续变量量化六类因素。在此步骤中，还讨论了计算样本对象空间组成指标的适当半径。最后，使用混合线性模型将分类不确定性建模为这些因素的函数。确定了重要因素，并从限制性最大似然拟合中估计了它们的参数。建模结果表明，海拔、样本对象大小、样本对象可靠性、样本对象密度和样本空间组成显著影响基于对象的分类不确定性。其中许多因素与基于对象的方法密切相关。本研究的结果有助于理解分类错误，并建议进一步改进分类。