汽车的科技3000字论文篇一：《试谈汽车超载监测系统》
摘 要： 为了实时识别各种车型的超载车辆，该系统基于开源计算机视觉库(OpenCV)，先根据车辆照片库建立车型分类器，然后使用数字摄像机拍摄进入监控区域的车辆，在视频中使用分类器识别车型，根据所识别得到的车型去查询数据库获得该车型的核载，再通过动态称重技术获得车辆的实际载重，及时判别车辆是否超载。此 方法 可避免过去使用统一重量衡量不同车型是否超载的弊端，并可同时免线圈测量车速。测试结果表明系统能快速准确地识别出车型。配合动态称重系统，就能实时得出所通过的车辆是否超载，对公路养护和道路交通安全有相当大的实用意义。
关键词： 超载监测视频识别OpenCV动态称重
超载车辆的危害很大，主要表现在加速道路损坏和危害道路交通安全，人们都深知其危害性，所以治理超载一直是公路监管部门的工作重点。传统的自动超载信息系统都是使用统一标准，对所有车辆都应用同一个整车重量划分是否超载，这样会遗漏部分实际上已经超过该车型核载的超载车辆。实际上，这部分车辆对道路交通同样造成严重影响。鉴于此，本系统首先识别出车辆的车型，再查询得到该车型的核载重量，对比实测重量，便得知是否超载。理论上能够适用于所有车型。
利用摄像机较长的视域，附加设计了一个测速系统，能方便地得出超速数据，以便作为超速监测和供给动态称重系统作参考。
1 系统构成
1.1 系统方案
系统主要工作过程为：车辆驶入摄像机监视范围，视频流通过以太网传输到后台处理系统，处理系统通过处理视频识别出车辆的车型，然后根据车型从数据库中查出相应的核载重量同时，安装在地面的动态称重设备测出车辆的实际载重。两个数据对比即可得出车辆是否超载。系统流程如图1所示。
为了加快处理速率，在程序设计过程中多处使用了多线程并行处理。
1.2 OpenCV及其分类器介绍
传统的图像处理软件大多为Matlab，用于开发算法最为快捷，但是其处理速度慢，难以跟上视频处理的需求，所以选用了Intel牵头开发的开源计算机视觉库(OpenCV)。新版的OpenCV已经在易用性上已经接近Matlab，再加上其开源性，很多算法均已公开，加快了开发进程。另外，目前OpenCV已经提供C，C++，Python等语言接口，且支持Windows，Linux，Android和IOS等主流平台，资源相当丰富。对于计算机平台，OpenCV支持多线程并行计算和图形处理器(GPU)计算，这将能大大加快计算速率，用其开发本系统的demo是首选。
图1 系统流程图
为了从视频流中识别出车型，需要使用分类器[1]。所谓分类器，是利用样本的特征进行训练，得到一个级联分类器。分类器训练完成后，就可以应用于目标检测。分类器的级联是指最终的分类器是有几个简单分类器级联组成。每个特定的分类器所使用的特征用形状、感兴趣区域中的位置以及比例系数来定义(如图2所示)。
图2 特征分类
首先使用弱分类器分出货车和客车等车型，然后再分出大中小型货车，最后再精确分类，获得准确的车型。新版本的OpenCV已经支持多种特征的分类器，如SVM，LBP，PBM等。因为系统实时性要求较高，这里选取训练和分类速率都较高的LBP特征分类器。
1.3 训练分类器
使用分类器的需要首先训练，即让分类器“认识”目标，为了训练分类器，需要准备样本，样本包括正样本和负样本。正样本即包含目标的灰度图片，而且每张图片都要归一化大小，负样本则不要求归一化，只需要比正样本大即可(使得可以在负样本中滑动窗口检索)。
OpenCV提供了专门的工具opencv_createsample.exe用以整理训练样本的原始数据，只需准备好正、负样本，归一化然后转成灰度图，再使用两个描述文件分别记录这些样本集合，然后输入opencv_createsample.exe程序即可整理出原始数据。为了准备正样本，借助OpenCV提供的HighGUI模块，在此专门编写了一个GUI截图工具，界面如图3所示。为了能从不同角度识别车辆，准本正样本时需要准备从一定角度范围描述车辆的样本。
图3 GUI截图工具界面
接下来就是训练分类器，这部分工作直接关系到系统的鲁棒性。同样，OpenCV提供了专门工具训练分类器，既有旧版也有新版，为了有更多特性，在此选择新版本的训练程序opencv_traincascades.exe。
由于这是基于统计的方法，要对大量数据进行处理，如果选择Haar特性，训练周期会比较长，不利于系统的搭建，所以选择用LBP特性训练分类器。从机器性能方面考虑训练时间，使用英特尔线程构建模块(TBB)重新编译OpenCV，就能得到多核加速，且有利于接下来的程序性能。分类器分为三级，分别为：货车、客车分类器，大、中、小型货车分类器和具体车型分类器。由于客车按载客数区分是否超载，车辆总重不会对公路造成严重损坏，所以本系统无需对客车作出具体车型区分。但若然具体管理部门需要统计车型信息，可以进一步加上客车车型分类器。实际使用时，由于要应对车辆车身的喷漆变化或者小范围合法改装等情况，分类器的分类除了在系统筹建的时候大规模训练外，在系统运行时也应继续训练分类器，增加统计数据，使得识别结果更加精确。
1.4 识别车型及获得核定载重
训练好分类器后，最直观的测试方法是直接输入测试视频，检查识别效果。新版本OpenCV提供一个C++类CascadeClassifier，该类封装了基本的目标识别 *** 作，使得只需要使用该类的实例加载训练好的XML文件，然后逐帧检测即可。若发现目标，结果将会存放在C++标准模板库(STL)容器vector中。但直接对每帧图像使用CascadeClassifier：：detectMultiScale方法将会大大加重系统的工作量并且在多车辆的情况下无法区分开各车辆，为此，首先需要发现车辆，然后区分不同的车辆目标，再对每一个目标单独进行分类识别。
具体的主要 *** 作的顺序为：
(1) 系列的图像预处理 *** 作，降低图像噪音。
(2) 图像差分，发现车辆轮廓[2]，得到运动掩码。图像差分有两种主要方式，分别是帧间差分和背景差分。帧间差分速度快，但容易产生空洞，且无法分离出缓慢运动的车辆背景差分速度慢，但分离效果好。考虑到如果车辆是缓慢进入测速区，则称重数据可靠性高，而且没有超速，进入识别点的效果好，所以选择帧间差分，这里使用能有效减小前景空洞的三帧差分算法[2]。
(3) 结合运动掩码更新历史运动图像、计算历史运动图像的梯度。
(4) 分割运动目标，得到一辆一辆的车，并跟踪。为区分开图像中的每一辆车，需要对其进行标记，这里使用的方法为：
[Mkx，y=ID ifMk-1x，y≠0&k-1≠10 ifMk-1x，y=0 ]
式中：Mk(x，y)为分割出来的单独车辆目标的第k帧感兴趣区域矩形。这种方法虽然鲁棒性较好，但是因为重复计算量大，运算速度有限，所以在确定每辆车的ID后，使用OpenCV提供的更为快速的Camshift算法[3]继续跟踪。
(5) 计算每辆车的运动方向。这部分关系到运动目标筛选，在部分场合，摄像机的视野可能会涉及逆向车道。在这种情况下，可以通过筛选符合主要行驶方向的车辆来排除其他车辆或无关运动目标的干扰。
(6) 车辆进入测速区，开始测速。
(7) 车辆离开测速区，结束测速并计算速度。使用TBB进行并行分类识别车型。由于OpenCV新版矩阵结构Mat的所有 *** 作使用原子 *** 作，大大减轻了多线程编程的工作量，所以这里使用多线程并行 *** 作是最佳选择。
(8) 根据所安装动态称重系统的车速要求，判断是否需要引导车辆到检测站进行检查。
1.5 获得实际载重
在视频分析中发现车辆后，对比动态测重模块中测得的实际载重。这里需要把应用场合分为两种情况：高速测重和低速测重，至于高低速的阀值，这根据不同动态称重系统的性能而定[4]，在系统安装时根据动态称重系统参数设置即可。由于目前高速测重技术的精度未达到作为证据的要求，所以在高速测重的场合，所得车重数据只能作为初步判断，若初步发现车辆超载，需要进一步引导车辆到大型地磅再次静态测量，并作其他处理。在低速测重场合，测得的动态数据可靠，可直接作为证据使用。所以系统的运行需要测速模块的配合。 无论高速场合与低速场合，本系统都能实现视频测速功能，可以直接用作超速抓拍系统，降低了公路部门的重复投入成本。
1.6 测速方法
测速测量车辆通过测速区所用的时间，然后用测速区长度除以时间而粗略估计得到。考虑到摄像机视域限制，设定的测速区域并不长，只有20 m左右，而且速度是用于参考载重信息是否有效的，所以无需太精确，因而可认为车辆是直线经过测速区域的。测速区的长度需在系统安装时手工进行长度映射。另外，确定通过测速区域的时间差使用帧率和帧计数得出，这样在多线程处理的情况下，可以排除系统时钟和处理速率的干扰，得出准确时间差。
2 测量结果
为快速测试系统性能，直接使用测试视频替代摄像机输入。使用微软Visual Studio 2010 MFC + OpenCV 2.44 编写一个即时处理程序，界面如图4所示。
图4 运行在Windows平台上的系统
测试使用一台Intel Core i5M处理器(主频2.3 GHz+智能变频技术)、6 GB内存、 *** 作系统 为Windows 7 64 b的普通 笔记本 计算机，测试代码尚未使用图形处理器(GPU)计算，但代码在识别部分应用了TBB进行多核并行加速计算。
测试视频共两段，分别在两个不同的场景拍摄，第一段只有一辆公交车，场景较为简单第二段则是多车多人环境，并且有车辆并行的情况，场景较为复杂，干扰较多。
第一段视频主要用于测试系统的极限性能，在测试开始前，先用转码工具把同一段视频转成不同帧率和分辨率的几段视频，其中视频的宽高比不变。输入视频测试后的结果如表1所示。
视频原始长度为6 s，双斜线为该场景的称重和测速区域。
测试结果表明：系统能实时处理标清视频流，但对高清视频还需进一步优化。
第二段视频主要测试系统的车型识别能力，测试数据如图5所示。
表1 输入视频测试后结果
图5 多车并行时能够准确区分
第二段视频夹杂较多无关目标，如行人、抖动的树枝横向行驶的车辆等，其中双白线之间区域为本场景的称重测速区域。
通过测试，可以看出无关目标能被全部排除，体现了车辆筛选很好的鲁棒性。视频中共通过9辆汽车，所有车辆均本正确识别车型。
3 结 语
通过测试数据可以看出，本系统提出的车型识别算法能适应不同场景和一定的环境变化，具有较高的效率和鲁棒性。随着计算机及其他数字信号处理(DSP)设备的信息处理能力不断提高，应用实时视频处理技术促进智能交通的能力将更大更稳定。若本系统能真正应用在智能交通系统上，有望对遏制道路超载超速现象做出贡献。
参考文献
[1] LIENHART Rainer， MAYDT Jochen. An extended set of Haar?like features for rapid object detection [J]. IEEE ICIP， 2002 (1)： 900?903.
[2] 徐卫星，王兰英，李秀娟.一种基于OpenCV实现的三帧差分运动目标检测算法研究[J].计算机与数字工程，2011(11)：141?144.
[3] BRADSKI G R. Computer vision face tracking for use in a perceptual user interface [EB/OL]. [2010?12?02].
[4] 张波，鲁新光，邓铁六，等.动态车辆称重物理模型与提高动态称重准确度研究[J].计量学报，2009(5)：426?430.
[5] 唐双发.基于OpenCV的车辆视频检测技术研究[D].武汉：华中科技大学，2009.
[6] 詹群峰.基于OpenCV的视频道路车辆检测与跟踪[D].厦门：厦门大学，2009.
[7] 郭旭，张丽杰.运动目标检测视频监控软件的设计与实现[J]. 计算机技术与发展，2010，20(8)：200?207.
[8] 周品，李晓东.Matlab数字图像处理[M].北京：清华大学出版社，2012.
[9] 陈胜勇，刘盛.基于OpenCV的计算机视觉技术实现[M].北京：科学出版社，2008.
[10] 刘瑞祯，于仕琪.OpenCV教程基础篇[M].北京：北京航空航天大学出版社，2007.
[11] 范伊红，彭海云，张元.基于SVM 的车型识别系统的设计与实现[J].微计算机信息，2007，23(5)：296?297.
[12] 李庆忠，陈显华，王立红.一种视频运动目标的检测与识别方法[J].模式识别与人工智能，2006，19(2)：238?243.
[13] [美]REINDERS J， 聂雪军. Intel Threading Building Blocks编程指南[M].北京：机械工业出版社，2009.
[14] 刘慧英，王小波.基于OpenCV的车辆轮廓检测[J].科学技术与工程，2010，10(12)：2987?2991.
汽车的科技3000字论文篇二：《试谈现代科技在汽车焊接工艺中的应用》
摘 要：随着我国汽车保有量的不断增加，汽车售后市场呈现了井喷式的发展趋势，与汽车相关的售后市场服务行业开始兴起。其中汽车维修是后市场比较火爆的行业，汽车的使用必然会涉及汽车的维修。因此，为了能够更好的实现汽车维修效率，提高汽车维修的质量，应该加强对于汽车维修行业的行业监管以及对汽车维修技术的提升。目前，诸多的现代化技术开始不断的应用到汽车维修之中，其中尤其以焊接工艺为主。因此，本文重点对汽车焊接工艺中现代科技的应用进行分析，从而探讨其未来的发展趋势。
关键词：现代科技汽车焊接技术工艺
引言
汽车加工与制造以及汽车维修领域，都会涉及汽车的焊接技术。目前，随着技术的不断发展，尤其是汽车生产制造业的蓬勃发展，已经可以实现汽车车身以及车辆配件的无缝焊接技术。车身的加工甚至采用模具化加工的形式，从而减少了因为焊接造成的不足。因此，目前，焊接工艺在汽车后市场应用比较广泛，尤其是在汽车的维修市场中，当汽车出现事故的时候，就会采用焊接技术进行维修，从而让汽车能够保证正常的使用。此外，在汽车的加装方面，焊接技术更加的适用，并且通过引进先进的现代科技，从而让焊接效果与质量都更加完善。
一、汽车焊接工艺的应用领域分析
在汽车领域中，由于越来越多的高新技术被应用，是的汽车生活更加丰富。对于我国而言，随着汽车保有量的不断增加，汽车售后市场出现了井喷的状态。在汽车售后市场中，汽车的维修与保养占据着非常重要的地位，也让汽车的服务产业有了较大的发展。对于汽车的焊接工艺而言，最早是应用于汽车的车身焊接。但是，随着技术的发展以及车身制造工艺的发展，汽车车身开始使用模具制作，从而降低了因为焊接而造成的车身问题。那么，下面就对现代化的汽车的焊接工艺主要应用领域进行分析：
1、在汽车的维修领域中有非常广泛的应用汽车维修属于汽车售后市场领域，由于汽车驾驶的过程中，难免会出现碰撞的现象，从而造成了汽车车身或者是相关配件的损坏。因此，在这种情况下，就可以使用汽车的焊接工艺，将损坏的部分采用焊接的方式，从而进行汽车的维修工艺。
2、人们对于汽车的装饰和改装越来越感兴趣。虽然在汽车检测的过程中，对于擅自改装会进行处罚，但是有车一族们仍然热衷于对于汽车的改装和装饰。其中，对于汽车尾翼的安装非常常见。汽车安装尾翼以后，就显得非常运动动感，有一种非常霸气的感觉。因此，为了让汽车的外观更加个性鲜明，需要对汽车的外观进行相关的改装，从而实现车主所需要的效果。而对于尾翼的加装而言，就一定要采用焊接技术，从而使得汽车的尾翼牢固坚实。因为安装尾翼还是存在一定的风险的，当车速达到一定程度的时候，就需要保证汽车的尾翼的稳定性。
3、对于汽车的车身配件的焊接工艺汽车在使用的过程中，经常需要在配件方面进行焊接，此外对于在配件之间的结合方面，也需要在适当的情况下使用汽车焊接技术。因此，对于汽车的焊接工艺而言，主要在车身焊接、汽车改装以及汽车配件之间主要进行应用。
二、现代科技在汽车焊接工艺中的应用
随着现代科技的不断发展，汽车焊接工艺中也不断的引入了现代的科技技术。其中最为重要的就是计算机技术，计算机的单片机远程通信技术以及3Dmax等技术开焊接始不断应用到汽车的焊接工艺中。由于人工焊接技术容易在焊接的过程中出现失误，无法实现循迹 *** 作，从而造成焊接的不完美。因此，采用计算机单片机技术，可以进行程序编译，将需要焊接的部分利用3Dma x的进 行仿真，从而保证在焊接的过程中，其能够实现完美的循迹焊接，降低了焊接过程中出现的失误。
此外，在焊接的工艺方面，又引入了一些工艺以及化工技术。传统的高温焊接技术，不仅仅容易造成伤害，更是对 *** 作人员有一定的影响。因此，使用现在的氩弧焊焊接技术，虽然温度更高，但是焊接的质量有所提高。对于焊接的接口以及焊面的平整度，都有了显著的提高。因此，随着现代科技的不断发展，促进了多个行业工艺的提升。对于汽车的焊接工艺而言，引入计算机技术并且实现真正的智能化以及自动化焊接，从而让焊接工艺更加安全方便，有效的提升焊接的效率，保证在焊接的过程中，达到质量的提升以及客户的满意提升。总之，要充分适应时代的发展，让更多的现代科技不断的应用到汽车的焊接工艺之中，从而保证其在不断的发展过程中，符合现有时代的发展理念，满足客户不断提升的硬性要求，实现现代化的汽车焊接工艺。
三、机器人焊接工艺是现代汽车焊接技术的发展前景
汽车焊接最主要的是车身的焊接。在汽车制造公司车身的主要焊接方法为弧焊、点焊、二氧化碳保护焊等。随着社会的发展，人民生活水平的提高，用户个性化需求的日益强烈，对汽车的安全性、美观性与舒适性的要求越来越高，同时汽车制造企业为了追求更大的经济效益，对焊接精度、焊接质量和焊接速度等的要求越来越高，因此建立一条现代化的生产流水线就显得非常重要。而焊接机器人的应用促进了现代化流水线的建立。现代化的焊接流水线主要是满足多车型、多批次的市场需求，提高车身车间生产能力的柔性和d性。因此现代焊接线必须具有柔性。那么如何才能使焊接线具有柔性呢?普通的焊接线是刚性的，主要由焊接夹具、悬挂点焊机、弧焊机和多点焊机等组成。
这种焊接线一般只能焊接一种车型的车身，那么为了满足市场多元化的需求，就需要重新建立焊接流水线。这对企业来说是非常不利的，企业是追求利润为目的的，并且重新建立流水线造成了财力、人力、物力的浪费。于是建立柔性化焊接生产线摆在了企业面前。机器人的出现与应用满足了汽车企业的现代化的需求，实现了焊接生产线的柔性化。那么在车身焊接线上应用的机器人主要有几种:点焊机器人、弧焊机器人和激光焊机器人。这些机器人的应用，使焊接实现了机器人代替工人工作。
1、点焊机器人：主要进行的是点焊作业，在点与点之间移位时速度比较快，从而减少了移位的时间，通过平稳的动作、长时间的重复工作和准确的定位，取代了笨重、单调、重复的体力劳动，更好地保证了焊点质量，使工作效率得到了很大的提高。它是柔性自动生产系统的重要组成部分，增强了企业应变能力。
2、弧焊机器人：弧焊过程比点焊过程要复杂得多，对焊丝端头的运动轨迹、焊q姿态、焊接参数都要求精确控制。具有较高的抗干扰能力和高的可靠性。能实现连续轨迹控制，并可以利用直线插补和圆弧插补功能焊接由直线及圆弧所组成的空间焊缝，还应具备不同摆动样式的软件功能，供编程时选用，以便作摆动焊，而且摆动在每一周期中的停顿点处，机器人也应自动停止向前运动，以满足工艺要求。此外，还应有接触寻位、自动寻找焊缝起点位置、电弧跟踪及自动再引弧功能等。
3、激光焊接机器人：激光焊接是与传统焊接本质不同的一种焊接方法，是将两块钢板的分子进行了重新组合，使两块钢板融为了一体变为一块钢板，从而提升了车身结构强度。同时在焊接过程中焊接工件变形非常小，一点连接间隙都没有，焊接深度/宽度比高，焊接质量高。从而提升了车身的结合精度。可见机器人的应用，实现了焊接流水线的智能化，实现了焊接生产线的自动化与现代化。
结束语
汽车维修行业中的汽车焊接行业，其技术要求相对较高，并且直接影响着汽车的维修效果。焊接技术，一般是针对出现重大事故或者是问题车辆等进行焊接。为了让焊接的痕迹最小化，实际上就是为了能够更好的实现高精度焊接，需要不断引入现代科技技术。计算机技术的引入，让焊接工艺能够以一种循迹的方式进行，从而避免了焊接过程中出现的认为失误。此外，在汽车的生产以及制造的过程中，依然需要不断的引入高新科学技术，让焊接工艺更加精湛，从而实现汽车的高精度和高密度，实现汽车质量的全面提升。
参考文献
[1]刘鸣斌.煤层气发动机爆震的检测与控制[J].内燃机与动力装置,2011(02)：45-46.
[2]吴扬帆.汽油发动机爆震分析与控制[J].传动技术,2010(13):36-38.
[3]高玉明.点燃式发动机临界爆震控制及其特性[J].吉林大学学报,2012(14)：77-79.
>>>下一页更多精彩的“汽
陈松林 庄剑顺
（福建师范大学地理科学学院，福州，350007）
摘要：选取晋江市1988、2001年两个时段的遥感影像数据，结合相关的统计资料以及已有的地学知识经验建立判读标志，建立了晋江市生态环境的分类系统。通过对两个时段图像进行解译及对晋江市土地利用现状分析，得到了两个不同时段的生态环境类型图。在对生态环境数量、分布特征和动态变化规律进行分析的基础上，构建度量生态环境变化的时空分析模型。研究结果表明晋江市城镇居民点和农村居民点这两个生态环境类型在监测期内变化明显，新增速率非常迅猛，而旱地生态环境类型在监测期内急剧减少。
关键词：生态环境；动态变化；空间分析模型；马尔柯夫模型；“3S”一体化技术
任何自然生态环境都有一个不断进化过程，该过程是通过组成生态环境各组分的不断变化逐步实现的。在多种不同的尺度上，人类愈加强烈的影响的结果形成了不同的生态环境类型。而生态环境变化能影响许多生态现象，如动物的迁徙，地表水的流动、侵蚀，物种的多样性以及干扰的传播或边缘效应等［1］。因此，研究生态环境动态变化具有极其重要的意义。
1 研究区概况
晋江市位于福建省东南沿海，位于北纬24°30′23″～24°54′26″，东经118°24′16″～118°41′16″之间，属于南亚热带，气候温暖，水热丰沛，年平均气温 20.4℃，年降雨量1094 mm。晋江市依山临海，地貌类型以平原和丘陵台地为主，全市土地总面积656.63 km2。2002年总人口约102.1 万人。改革开放以来，晋江市社会经济飞速发展。到2002年，其国内生产总值达 328.16 亿元，人均国内生产总值达 31876 元，分别是1990年的23.97 倍和20.79倍。经济的高速发展促进了晋江市城市化进程的加快，其内部各个生态环境的变化具有一定的典型性。通过应用“3S”技术对晋江的生态环境进行动态监测，对于了解中国小城镇经济发展、城市化发展所引起的生态环境变化具有借鉴作用。
2 数据与方法
通过GPS技术对空间数据快速定位，利用RS技术提供航天、航空遥感的航片、卫片等影像资料，以较高的精度定位、定量到地块，直观地判读地物特性和资源的现势信息，再采用 GIS 空间数据库技术，把 GPS、RS 获取的地物信息及其他手段补充的各种信息汇总成可以存储和分析处理多种性质的数据（如图形、影像、统计数据及反映实体空间相关性的拓扑数据等）［1］，这是区域生态环境信息采集的重要方法。
2.1 数据来源与处理
以晋江市1988年、2001年两个时段时相相对一致的 Land sat TM 数据作为生态环境信息获取的基本资料，其分辨率为30m×30m，同时采集了大量相关的图形、统计资料来建立研究区的本底数据库。利用地形图对 TM 影像进行几何纠正、多波段合成和镶嵌处理，并进行图像增强处理，以提高解译的精度。
2.2 生态环境分类系统和图像解译标志
从晋江市的生态环境特点出发，根据地形地貌、土壤、植被和土地利用的差异，将该区生态环境类型分为两级类型（表1）。依据 TM 图像上一般地物类型的光谱特征，结合相应的土地利用类型图、当地生物生长特点和规律，以及已有的知识经验和图像上同类型地物对比分析，找出类间差异性和类内一致性最显著的图像特征，建立各地类的直接和间接的解译标志［2］。就晋江市而言，地表主要覆盖物有水体、绿色植被、居民点、水田、旱地、沙地等，体现在 TM5、4、3 波段合成的真彩色数字遥感图像上：水体呈片状的蓝色调或近黑色调；绿色植被，包括郁闭度较大的林草地和农作物呈片状或片状夹斑的绿色调，且随地上部分生物量多少和下覆土壤背景显露程度的差异而表现出色调深浅的变化；居民点呈斑块状的红紫色调；水田呈片状夹斑或斑块状的淡紫红或蓝色调；沙地呈白色调。
表1 晋江市生态环境分类系统
2.3 生态环境信息的提取
利用Arcview GIS软件对两个时段图像进行解译，根据不同的地形地貌、土壤、植被、土地利用类型确定最小单元，并以此划分出不同的生态环境类型。利用ArcGIS将1988年和2001年生态环境类型图层叠加，获得两个时期生态环境变化图层。然后进行各生态环境类型面积的统计、数据信息提取和数据库的建立。
3 生态环境动态变化分析
3.1 生态环境演变时空建模
考虑到该生态环境分类系统是建立在各个自然要素的基础上，在建立生态环境时空演变模型时，强调其时间和空间的立体变化，因而模型中将生态环境的动态变化分为未变化部分、转移变化部分和新增变化部分［3］。第 i 类生态环境类型从研究期初 t1 （S （i，t1））到研究期末t2 （S （i，t2））的空间格局变化，可划分为：①未变化部分（USi），即生态环境与空间区位在研究期初和期末是一致的；②转移变化部分（CSi＝S （i，t1）－USi），第 i 类生态环境类型转变为其他非i类生态环境类型；③新增变化部分（NSi＝S （i，t2）－USi），其他非i类生态环境类型转变为第i类生态环境类型。
为了更为精细和准确地刻画和测算生态环境动态变化的空间过程和强烈程度，建立了理想状态下生态环境动态变化的空间分析模型：
TRSi＝CSi/USi/（t2 －t1）
IRSi＝NSi/USi/（t2 －t1）
CCSi＝（CSi＋NSi）/USi/（t2 －t1）＝TRSi ＋IRSi
式中，TRSi为第i种生态环境类型在监测期t1 至t2 期间的转移变化率；IRSi为其新增变化率；CCSi 为其总变化率；n为区域内生态环境类型的分类数，i∈（1，n）。
3.2 晋江市生态环境的动态变化
图1和图2是1988年和2001年晋江市生态环境类型分布图。通过两者叠加分析，可以得到晋江市生态环境未变化部分的面积为38163.1hm2，占晋江市土地总面积的41%；转移部分的面积为27499.5hm2；新增部分的面积为27499.5hm2，两者面积相等，分别占晋江市土地总面积的29.5%。表2是根据生态环境空间变化分析模型对晋江市整个地域范围在1988～2001年间的生态环境变化程度的测算结果。从中可以看出：台地生态环境的变化率最高，转移的面积和份额最大，分别为5046.0hm2 和87.9%。变化率最小的是水域生态环境，其转移的面积和份额亦最小，分别为104.2hm2 和9.1%。相反，人工建筑生态环境的新增面积最大，为6876.7hm2。
从表2可以看出，台地旱地生态环境的变化尤为突出，在这一监测时期，该类型的转移面积占区域所有生态环境类型转移总面积的近一半，其转移速度明显快于其他类型，并且其转移率是其新增率的2.5 倍，台地旱地生态环境类型是其他生态环境类型新增部分的主要来源。在人工建筑生态环境中，城镇居民点生态环境增加面积占该大类总增加面积的68%，若加上农村居民点生态环境的增加面积，则占到该大类总增加面积的 99.6%。因而，在这一监测时期，几乎所有生态类型的转移面积均转变为该生态环境类型的新增面积。
图1 1988年晋江市生态环境类型图
图2 2001年晋江市生态环境类型图
表2 晋江市生态环境动态变化率 （1988～2001年）
3.3 晋江市生态环境类型的空间变化
通过 Arcview 的缓冲区分析，发现晋江市城镇扩张特点是沿原有的旧镇区向四周辐射扩散，并且小的乡镇镇区受到大的乡镇镇区城市化进程的牵引，有被其兼并的趋势。因而在图1和图2上出现部分畸形发展的城镇生态环境类型和农村生态环境类型，如龙湖镇区、英林镇区和金井镇区的城市化发展均呈现出狭长的形态，其周边农村居民点的变化也有相似形状出现，并且该种变化的扩张方向趋向于主要镇区所在地或社会经济较发达的区域，如东石镇区向安海镇区的延伸。而这种扩张主要占用的是农业用地，其中台地旱地生态环境的净面积减少最多。从1988～2001年台地旱地生态环境共减少了8816.4hm2，转移12556.5hm2，而转移的主要去向是人工建筑生态环境，转移了7446.6hm2，占转移部分的59.3%，其中转移为建设用地的有7100.0hm2，占转移部分的56.5%。通过该类面积变化矩阵分析可得，新增部分的来源主要为台地有林地生态环境，新增面积3740.1hm2，新增率仅为1%。转移部分的面积远大于新增部分的面积，另外，新增台地旱地生态环境的区位和质量均明显劣于其转移的部分。但由于旱地生态环境的原始面积较大，因而其转移率和变化率均较小，分别为3%和4%（图3）。
图3 晋江市生态环境类型动态变化 （1998～2001年）
4 生态环境变化的马尔柯夫过程模拟和预测
4.1 马尔柯夫过程转移概率的确定
马尔柯夫过程是一种特殊的随机运动过程，指每次状态的转移都只与前一刻的状态有关，而与过去的状态无关，或者说是无后效性的状态转移过程［4］。将生态环境变化分成一系列的离散的演化状态，从一个状态到另一个状态的转化速率即转移概率，可以通过1988～2001年时间段内某类生态环境类型的年平均转化率获得。其数学表达式为：
P11 P12 P13 …… P1n
P21 P22 P23 …… P2n
… … … …… …
Pn1 Pn2 Pn3 …… Pnn
上式中n 为研究区生态环境类型的数目，Pij为初始到末期时类型i 转移为类型j 的概率。并满足以下两个条件：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
4.2 晋江市生态环境格局变化趋势
以1988～2001年时间段来确定转移概率（表3）。根据2001年各种生态环境类型的面积百分比，得到初始状态概率，借助 Matlab 和 Excel 进行马尔柯夫过程运算，每经过13年即为一步，当n＝1 时，预测年份为2014年；当n＝2 时，预测年份2027年，依次类推。预测结果如表4。
预测结果表明，未来26年内晋江市生态环境变化的趋势是，水田、旱地等生态环境类型的面积呈逐渐减少的趋势，其中旱地生态环境减少较为明显。农村居民点生态环境增加到一定程度后逐渐减少；而城镇居民点生态环境在逐渐增加，其他类型都在逐渐减少，但速度相当缓慢。这种变化将持续很长的时间，直到达到相对稳定状态，这表明人工建筑生态环境在逐渐吞并其他生态环境类型，最终形成一种城乡经济一体化的新生态环境格局。
表3 晋江市生态环境类型变化转移概率矩阵 （1988～2001）单位：%
表4 晋江市生态环境变化的马尔柯夫过程预测值单位：hm2
5 结论
（1）晋江市的林地、园地、城镇居民点、农村居民点等生态环境类型均属于扩展型，其新增速度一般大于同期的转移速度，总面积在增长。其中城镇居民点和农村居民点生态环境在监测期内的新增速率非常迅猛，而水田、旱地、有林地等生态环境类型属于缩减型，总面积在减少，其中旱地生态环境类型在监测期内急剧减少。
（2）根据晋江市生态环境变化特点，可将晋江市的生态环境分为东北发展区、西南发展区和中部新生区。东北和西南发展区的生态环境变更的活力最大，建设用地的扩展最快，生态环境的变更主要是在交通干线（沿江、沿道）两侧向外围辐射扩散，其中表现较为明显的是沿泉安公路（泉州至晋江安海）和世纪大道（青阳至罗山）等主要交通干道为中心轴线向两侧呈哑铃型扩散，兼并晋江市城区和安海镇镇区。中部新生区则以农业用地为主，耕地相对得到较好保护，土地利用变更活力较大，单位空间容量远未得到充分利用［5］。其突出的特点是以单个生态环境单元的突变为主，再以突变单元为中心向周围辐射扩散。
（3）从马尔柯夫过程预测结果看，晋江市的生态环境格局处在一种变化状态，旱地、水田生态环境逐渐减少，人工建筑生态环境特别是城镇居民点生态环境逐渐增加，而且这种变化将持续很长时间，但最后可达到一个相对稳定状态，这预示着晋江市最终将形成城乡经济一体化的新生态环境格局。
参考文献
［1］陈述彭，鲁学军，周成虎.地理信息系统导论.北京：科学出版社，2000
［2］范月娇.基于遥感和 GIS 一体化技术的三峡库区土地利用变化研究.地理科学，2002，22 （5）：599～603
［3］刘盛和，何书金.土地利用动态变化的空间分析测算模型.自然资源学报，2002，17 （5）：533～540
［4］徐建华.现代地理学中的数学方法.北京：高等教育出版社，1996
［5］张新长，赵玲玲，袁绍晚.地理信息系统支持下的城市土地利用变化研究.资源科学，2002，24 （5）：70～74
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）