集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织 - 用户贡献 [zh-cn]

用户:13433605205

2023-07-25T14:58:58Z

13433605205：

[[空间显式模型（Spatial Explicit Models）]]
*[[空间显式模型（Spatial Explicit Models）|此词条由城市科学读书会词条梳理志愿者（你的用户ID）翻译审校，未经专家审核，带来阅读不便，请见谅。]]
==介绍==
'''空间显式模型（Spatial Explicit Models）'''是一种用于研究地理空间和地理现象的数学模型。该模型将地理空间划分为离散的单元或单元格，并通过在这些单元之间定义关系和交互来描述地理现象的分布和变化。通过使用空间显式模型，我们可以更好地理解和解释地理现象的空间分布和相互作用，从而对地理空间进行更精确的建模和分析。{{short description|Motion characterized by chaotic changes in pressure and flow velocity}}
空间显式模型的结构包括两个主要部分：'''人口模拟器'''和'''景观地图'''。人口模拟器是一种计算机程序，用于模拟种群的动态，包括出生、死亡、迁移和繁殖等过程。景观地图描述了研究区域的空间分布，包括栖息地斑块、景观边界、走廊和其他景观特征。这些模型可以用于研究种群或群落如何受到景观结构变化的影响，包括景观组成（景观中不同栖息地类型或特征的相对或绝对数量）和景观形态（栖息地斑块和其他特征在景观中的精确位置）的变化。

具体来说，如果一个人工智能模型满足以下检验中的一条，则可以称为空间显式模型（Spatial Explicit Models）：

1）不变性检验。空间显式模型的结果在所研究的对象重新定位迁移的情况下不是不变的。这个特性可以用空间异质性和空间回归模型的思路去理解，即如果一个变量的影响是与空间无关的，那么随机变化对象的位置后，其空间回归模型结果不变；反之则变。

2）表征检验。空间显式模型在其实现中包含了所研究现象的空间表征形式（可以采用整合地理坐标、空间关系、地名等形式），比如把深度学习模型的数据输入先用地理编码表征。

3）公式化检验：空间显式模型在其概念化和公式化中明确使用了空间概念，例如考虑空间邻域和方向、把空间属性引入深度学习模型的损失函数设计。

4）结果检验：空间显式模型的输入和输出包含的空间结构（或形式）不同。例如，一个包含城市地理位置和人口的数据集，如果是让机器仅基于人口数量进行城市排名，因为地理位置不属于分析对象的一部分，所以不是一个空间显式模型。相反，如果要回答人口密度高的城市是否在空间聚集在一起的问题，则需要明确的空间分析视角。

==研究现状==
空间显式模型通常使用空间统计方法和地理信息系统（GIS）技术来分析和建模地理数据。它考虑了地理位置对地理现象的影响，并允许对地理空间中的相邻单元或区域之间的相互作用进行建模。这些模型可以用于研究许多地理现象，如人口分布、自然资源分布、环境污染、城市规划等。它们提供了一种理解地理现象的方法，并可以用于预测、规划和决策支持等应用领域。

空间显式模型在种群生态学、保护生物学和土地管理方面具有重要的应用价值。这些模型可以用于预测种群的动态，评估不同管理策略的效果，以及指导保护和恢复生物多样性的决策。例如，空间显式模型可以用于评估不同的栖息地管理策略对物种的影响，包括栖息地面积、栖息地质量和栖息地连通性等。

在生态学研究中，空间显式模型已经得到了广泛应用。它们可以帮助生态学家更好地理解生态系统中的空间交互作用和生态过程，并提供更准确的预测和管理建议。空间显式模型是研究种群生态学中与尺度相关的问题的重要工具，特别是研究生境变化在各种空间和时间尺度上对生物的影响。目前，空间显式模型的研究正在不断发展，包括模型的改进、应用范围的扩大和新技术的应用等。

==模式类型==
===从技术角度===
SEM 有多种类型，包括'''[[连续空间反应扩散偏微分方程]]'''（Cantrell 和 Cosner 2003）<ref name="Batchelor">Cantrell RS, Cosner C. 2003. Spatial Ecology via Reaction-Diffusion Equations. Chichester: Wiley. p 411.</ref>、'''[[面片模型]]'''（Hanski 和 Thomas 1994<ref>Hanski I, Thomas CD. 1994. Metapopulation dynamics and conservation: a spatially explicit model applied to butterflies.Biol Conserv 68:167–80.</ref>；Wu 和 Levin 1997<ref name="测试">Wu J, Levin SA. 1997. A patch-based spatial modeling approach: conceptual framework and simulation scheme. Ecol Model 101:325–46.</ref>）、'''[[元胞自动机 Cellular Automata|元胞自动机]]（CA）'''邻域模型（霍格维格 1988<ref>Hogeweg P. 1988. Cellular automata as a paradigm for ecological modeling. Appl Math Comput 27:81–100.</ref>)，和'''基于个人的邻里模型'''（Pacala 和 Silander 1985<ref>Pacala SW, Silander JA Jr. 1985. Neighborhood models of plant population dynamics. I. Single-species models of annuals. Am Nat 125:385–411.</ref>）。

1、连续空间反应扩散偏微分方程：这种类型的模型使用偏微分方程来描述物种在连续空间中的扩散和反应过程。它们通常涉及到物种的扩散、交互和生长等机制。

2、面片模型：面片模型将空间划分为离散的面片或补丁，并在每个面片上建立方程来描述物种的动态。这种模型通常基于面片之间的交互和移动来模拟物种的扩散和种群变化。

3、元胞自动机邻域模型：元胞自动机模型将空间划分为离散的元胞，并根据局部规则来模拟物种的行为。每个元胞可以表示一个地理位置或个体，并与其相邻的元胞进行交互和状态更新。

4、基于个体的邻里模型：这种模型注重个体的行为和相互作用，在空间中考虑个体的邻里关系。它通常使用统计方法来描述个体间的空间依赖性，并模拟物种的分布和演化过程。

===从建模方法===
空间显式模型根据建模方法进行分类，以下是一些常见的空间显式模型分类：

1、空间回归模型：空间回归模型考虑了地理空间中的相互作用，并通过将空间权重引入传统回归模型来建模。常见的空间回归模型包括地理加权回归模型（Geographically Weighted Regression, GWR）和空间滞后模型（Spatial Lag Model）。

2、空间自回归模型：空间自回归模型基于空间自相关性的概念，即一个地理单元的观测值与其相邻单元的观测值之间存在相关性。常见的空间自回归模型包括地理自回归模型（Spatial Autoregressive Model, SAR）和地理自回归滑动平均模型（Spatial Autoregressive Moving Average Model, SARMA）。

3、空间插值模型：空间插值模型用于预测或估算未观测地理位置的现象值。常见的空间插值方法包括克里金插值（Kriging）、反距离权重插值（Inverse Distance Weighting, IDW）和径向基函数插值（Radial Basis Function Interpolation）。

4、空间群聚模型：空间群聚模型用于检测和描述地理空间中的群聚现象。它们通过统计分析方法来识别具有相似性或相关性的地理区域。常见的空间群聚模型包括Moran's I指数、Getis-Ord Gi*指数等。

5、空间交互模型：空间交互模型用于描述地理空间中的相互作用和影响关系。它们可以用来研究空间扩散、地理现象之间的空间依赖关系等。常见的空间交互模型包括Gravity模型和随机网络模型。

这些分类仅涵盖了一部分常见的空间显式模型类型，实际上还有其他模型和方法可用于不同的地理问题和应用领域。选择适当的模型取决于研究目的、数据特征和建模需求。

==模式特性==
'''1、考虑地理位置和相邻关系'''：SEM明确考虑地理空间中不同位置之间的关系，通过地理坐标系统将地理空间划分为离散的单位或单元，并将这些单位与特定的地理位置相关联。它们基于位置信息和相邻关系来描述和模拟地理现象和过程，有助于更高地理解地理现象的传播、扩散和影响范围。

'''2、处理空间关联性和依赖性：'''SEM能够捕捉地理空间中不同区域之间的关联性和依赖性。它们通过考虑相邻区域之间的交互作用，将空间维度纳入模型中。这使得SEM能够更好地解释地理现象的空间变异性和空间关联性。

'''3、考虑地理异质性：'''地理空间中的区域通常具有不同的特征和属性。SEM可以考虑这种地理异质性，并根据不同区域的特点进行建模和分析。这样可以提高模型的准确性和适用性，更好地描述地理现象在不同区域的差异和变化。

'''4、利用地理数据源'''：SEM利用地理信息系统（GIS）和其他空间数据源，结合统计学和机器学习等方法进行分析和建模。它们可以利用地理数据中的位置信息和属性信息，提高模型的空间解释能力，并得出更准确的结论。

'''5、支持决策制定和规划：'''SEM可以应用于地理空间规划和决策支持系统。通过提供准确的空间分析结果和模拟预测，它们可以帮助决策者理解和评估不同方案对地理空间的影响，并支持决策制定者做出明智的决策。它可以优化资源分配、评估环境风险、规划城市发展等。

==相关模型代码参考==
[https://github.com/PredictiveEcology/SpaDES] https://github.com/PredictiveEcology/SpaDES
==参考文献==
参考文献：<references />进一步阅读：

[1] GAO Song. A Review of Recent Researches and Reflections on Geospatial Artificial Intelligence[J]. Geomatics and Information Science of Wuhan University, 2020, 45(12): 1865-1874. doi: 10.13203/j.whugis20200597

[2] 王圣音, 高勇, 陆锋, 刘瑜. 场所模型及大数据支持下的场所感知[J]. 武汉大学学报 ( 信息科学版), 2020, 45(12): 1930-1941. doi: 10.13203/j.whugis20200491

[3] 徐中民; 焦文献. 景观模拟模型: 空间显式的动态方法. 中国, 黄河水利出版社, 2006.

==留名==
翻译完成词条一定不要忘记留下自己的姓名哦！方便后台记录大家的进度。

需要将词条抬头信息：
*”此词条暂由彩云小译翻译，未经人工整理和审校，带来阅读不便，请见谅。”
调整为：
*“此词条暂由彩云小译翻译，（你的账号名称）整理和审校。”

用户:13433605205

2023-07-25T14:25:02Z

13433605205：

[[空间显式模型（Spatial Explicit Models）]]
*[[空间显式模型（Spatial Explicit Models）|此词条由城市科学读书会词条梳理志愿者（你的用户ID）翻译审校，未经专家审核，带来阅读不便，请见谅。]]
==介绍==
空间显式模型（Spatial Explicit Models）是一种用于研究地理空间和地理现象的数学模型。该模型将地理空间划分为离散的单元或单元格，并通过在这些单元之间定义关系和交互来描述地理现象的分布和变化。通过使用空间显式模型，我们可以更好地理解和解释地理现象的空间分布和相互作用，从而对地理空间进行更精确的建模和分析。{{short description|Motion characterized by chaotic changes in pressure and flow velocity}}
空间显式模型的结构包括两个主要部分：人口模拟器和景观地图。人口模拟器是一种计算机程序，用于模拟种群的动态，包括出生、死亡、迁移和繁殖等过程。景观地图描述了研究区域的空间分布，包括栖息地斑块、景观边界、走廊和其他景观特征。这些模型可以用于研究种群或群落如何受到景观结构变化的影响，包括景观组成（景观中不同栖息地类型或特征的相对或绝对数量）和景观形态（栖息地斑块和其他特征在景观中的精确位置）的变化。<references />
==研究现状==
空间显式模型通常使用空间统计方法和地理信息系统（GIS）技术来分析和建模地理数据。它考虑了地理位置对地理现象的影响，并允许对地理空间中的相邻单元或区域之间的相互作用进行建模。这些模型可以用于研究许多地理现象，如人口分布、自然资源分布、环境污染、城市规划等。它们提供了一种理解地理现象的方法，并可以用于预测、规划和决策支持等应用领域。

空间显式模型在种群生态学、保护生物学和土地管理方面具有重要的应用价值。这些模型可以用于预测种群的动态，评估不同管理策略的效果，以及指导保护和恢复生物多样性的决策。例如，空间显式模型可以用于评估不同的栖息地管理策略对物种的影响，包括栖息地面积、栖息地质量和栖息地连通性等。

在生态学研究中，空间显式模型已经得到了广泛应用。它们可以帮助生态学家更好地理解生态系统中的空间交互作用和生态过程，并提供更准确的预测和管理建议。空间显式模型是研究种群生态学中与尺度相关的问题的重要工具，特别是研究生境变化在各种空间和时间尺度上对生物的影响。目前，空间显式模型的研究正在不断发展，包括模型的改进、应用范围的扩大和新技术的应用等。

==模式类型==
===从技术角度===
SEM 有多种类型，包括'''连续空间反应扩散偏微分方程'''（Cantrell 和 Cosner 2003）<ref name="Batchelor">Cantrell RS, Cosner C. 2003. Spatial Ecology via Reaction-Diffusion Equations. Chichester: Wiley. p 411.</ref>、'''面片模型'''（Hanski 和 Thomas 1994<ref>Hanski I, Thomas CD. 1994. Metapopulation dynamics and conservation: a spatially explicit model applied to butterflies.Biol Conserv 68:167–80.</ref>；Wu 和 Levin 1997<ref name="测试">Wu J, Levin SA. 1997. A patch-based spatial modeling approach: conceptual framework and simulation scheme. Ecol Model 101:325–46.</ref>）、'''元胞自动机（CA）'''邻域模型（霍格维格 1988<ref>Hogeweg P. 1988. Cellular automata as a paradigm for ecological modeling. Appl Math Comput 27:81–100.</ref>)，和'''基于个人的邻里模型'''（Pacala 和 Silander 1985<ref>Pacala SW, Silander JA Jr. 1985. Neighborhood models of plant population dynamics. I. Single-species models of annuals. Am Nat 125:385–411.</ref>）。

1、连续空间反应扩散偏微分方程：这种类型的模型使用偏微分方程来描述物种在连续空间中的扩散和反应过程。它们通常涉及到物种的扩散、交互和生长等机制。

2、面片模型：面片模型将空间划分为离散的面片或补丁，并在每个面片上建立方程来描述物种的动态。这种模型通常基于面片之间的交互和移动来模拟物种的扩散和种群变化。

3、元胞自动机邻域模型：元胞自动机模型将空间划分为离散的元胞，并根据局部规则来模拟物种的行为。每个元胞可以表示一个地理位置或个体，并与其相邻的元胞进行交互和状态更新。

4、基于个体的邻里模型：这种模型注重个体的行为和相互作用，在空间中考虑个体的邻里关系。它通常使用统计方法来描述个体间的空间依赖性，并模拟物种的分布和演化过程。

===从建模方法===
空间显式模型根据建模方法进行分类，以下是一些常见的空间显式模型分类：

1、空间回归模型：空间回归模型考虑了地理空间中的相互作用，并通过将空间权重引入传统回归模型来建模。常见的空间回归模型包括地理加权回归模型（Geographically Weighted Regression, GWR）和空间滞后模型（Spatial Lag Model）。

2、空间自回归模型：空间自回归模型基于空间自相关性的概念，即一个地理单元的观测值与其相邻单元的观测值之间存在相关性。常见的空间自回归模型包括地理自回归模型（Spatial Autoregressive Model, SAR）和地理自回归滑动平均模型（Spatial Autoregressive Moving Average Model, SARMA）。

3、空间插值模型：空间插值模型用于预测或估算未观测地理位置的现象值。常见的空间插值方法包括克里金插值（Kriging）、反距离权重插值（Inverse Distance Weighting, IDW）和径向基函数插值（Radial Basis Function Interpolation）。

4、空间群聚模型：空间群聚模型用于检测和描述地理空间中的群聚现象。它们通过统计分析方法来识别具有相似性或相关性的地理区域。常见的空间群聚模型包括Moran's I指数、Getis-Ord Gi*指数等。

5、空间交互模型：空间交互模型用于描述地理空间中的相互作用和影响关系。它们可以用来研究空间扩散、地理现象之间的空间依赖关系等。常见的空间交互模型包括Gravity模型和随机网络模型。

这些分类仅涵盖了一部分常见的空间显式模型类型，实际上还有其他模型和方法可用于不同的地理问题和应用领域。选择适当的模型取决于研究目的、数据特征和建模需求。

==模式特性==
'''1、考虑地理位置和相邻关系'''：SEM明确考虑地理空间中不同位置之间的关系，通过地理坐标系统将地理空间划分为离散的单位或单元，并将这些单位与特定的地理位置相关联。它们基于位置信息和相邻关系来描述和模拟地理现象和过程，有助于更高地理解地理现象的传播、扩散和影响范围。

'''2、处理空间关联性和依赖性：'''SEM能够捕捉地理空间中不同区域之间的关联性和依赖性。它们通过考虑相邻区域之间的交互作用，将空间维度纳入模型中。这使得SEM能够更好地解释地理现象的空间变异性和空间关联性。

'''3、考虑地理异质性：'''地理空间中的区域通常具有不同的特征和属性。SEM可以考虑这种地理异质性，并根据不同区域的特点进行建模和分析。这样可以提高模型的准确性和适用性，更好地描述地理现象在不同区域的差异和变化。

'''4、利用地理数据源'''：SEM利用地理信息系统（GIS）和其他空间数据源，结合统计学和机器学习等方法进行分析和建模。它们可以利用地理数据中的位置信息和属性信息，提高模型的空间解释能力，并得出更准确的结论。

'''5、支持决策制定和规划：'''SEM可以应用于地理空间规划和决策支持系统。通过提供准确的空间分析结果和模拟预测，它们可以帮助决策者理解和评估不同方案对地理空间的影响，并支持决策制定者做出明智的决策。它可以优化资源分配、评估环境风险、规划城市发展等。

==相关模型代码参考==
[https://github.com/PredictiveEcology/SpaDES] https://github.com/PredictiveEcology/SpaDES
==参考文献==
[1] Cantrell RS, Cosner C. 2003. Spatial Ecology via Reaction-Diffusion Equations. Chichester: Wiley. p 411.

[2] Hanski I, Thomas CD. 1994. Metapopulation dynamics and conservation: a spatially explicit model applied to butterflies.Biol Conserv 68:167–80.

[3] Wu J, Levin SA. 1997. A patch-based spatial modeling approach: conceptual framework and simulation scheme. Ecol Model 101:325–46.

[4] Hogeweg P. 1988. Cellular automata as a paradigm for ecological modeling. Appl Math Comput 27:81–100.

[5] Pacala SW, Silander JA Jr. 1985. Neighborhood models of plant population dynamics. I. Single-species models of annuals. Am Nat 125:385–411.

==留名==
翻译完成词条一定不要忘记留下自己的姓名哦！方便后台记录大家的进度。

需要将词条抬头信息：
*”此词条暂由彩云小译翻译，未经人工整理和审校，带来阅读不便，请见谅。”
调整为：
*“此词条暂由彩云小译翻译，（你的账号名称）整理和审校。”
<references />

用户:13433605205

2023-07-25T14:17:51Z

13433605205：

[[空间显式模型（Spatial Explicit Models）]]
*[[空间显式模型（Spatial Explicit Models）|此词条由城市科学读书会词条梳理志愿者（你的用户ID）翻译审校，未经专家审核，带来阅读不便，请见谅。]]
==介绍==
空间显式模型（Spatial Explicit Models）是一种用于研究地理空间和地理现象的数学模型。该模型将地理空间划分为离散的单元或单元格，并通过在这些单元之间定义关系和交互来描述地理现象的分布和变化。通过使用空间显式模型，我们可以更好地理解和解释地理现象的空间分布和相互作用，从而对地理空间进行更精确的建模和分析。{{short description|Motion characterized by chaotic changes in pressure and flow velocity}}
空间显式模型的结构包括两个主要部分：人口模拟器和景观地图。人口模拟器是一种计算机程序，用于模拟种群的动态，包括出生、死亡、迁移和繁殖等过程。景观地图描述了研究区域的空间分布，包括栖息地斑块、景观边界、走廊和其他景观特征。这些模型可以用于研究种群或群落如何受到景观结构变化的影响，包括景观组成（景观中不同栖息地类型或特征的相对或绝对数量）和景观形态（栖息地斑块和其他特征在景观中的精确位置）的变化。<references />
==研究现状==
空间显式模型通常使用空间统计方法和地理信息系统（GIS）技术来分析和建模地理数据。它考虑了地理位置对地理现象的影响，并允许对地理空间中的相邻单元或区域之间的相互作用进行建模。这些模型可以用于研究许多地理现象，如人口分布、自然资源分布、环境污染、城市规划等。它们提供了一种理解地理现象的方法，并可以用于预测、规划和决策支持等应用领域。

空间显式模型在种群生态学、保护生物学和土地管理方面具有重要的应用价值。这些模型可以用于预测种群的动态，评估不同管理策略的效果，以及指导保护和恢复生物多样性的决策。例如，空间显式模型可以用于评估不同的栖息地管理策略对物种的影响，包括栖息地面积、栖息地质量和栖息地连通性等。

在生态学研究中，空间显式模型已经得到了广泛应用。它们可以帮助生态学家更好地理解生态系统中的空间交互作用和生态过程，并提供更准确的预测和管理建议。空间显式模型是研究种群生态学中与尺度相关的问题的重要工具，特别是研究生境变化在各种空间和时间尺度上对生物的影响。目前，空间显式模型的研究正在不断发展，包括模型的改进、应用范围的扩大和新技术的应用等。

==模式类型==
===从技术角度===
SEM 有多种类型，包括连续空间反应扩散偏微分方程（Cantrell 和 Cosner 2003）<ref name="Batchelor">Cantrell RS, Cosner C. 2003. Spatial Ecology via Reaction-Diffusion Equations. Chichester: Wiley. p 411.</ref>、面片模型（Hanski 和 Thomas 1994；Wu 和 Levin 1997）、元胞自动机（CA）邻域模型（霍格维格 1988)，和基于个人的邻里模型（Pacala 和 Silander 1985）。

1、连续空间反应扩散偏微分方程：这种类型的模型使用偏微分方程来描述物种在连续空间中的扩散和反应过程。它们通常涉及到物种的扩散、交互和生长等机制。

2、面片模型：面片模型将空间划分为离散的面片或补丁，并在每个面片上建立方程来描述物种的动态。这种模型通常基于面片之间的交互和移动来模拟物种的扩散和种群变化。

3、元胞自动机邻域模型：元胞自动机模型将空间划分为离散的元胞，并根据局部规则来模拟物种的行为。每个元胞可以表示一个地理位置或个体，并与其相邻的元胞进行交互和状态更新。

4、基于个体的邻里模型：这种模型注重个体的行为和相互作用，在空间中考虑个体的邻里关系。它通常使用统计方法来描述个体间的空间依赖性，并模拟物种的分布和演化过程。

===从建模方法===
空间显式模型根据建模方法进行分类，以下是一些常见的空间显式模型分类：

1、空间回归模型：空间回归模型考虑了地理空间中的相互作用，并通过将空间权重引入传统回归模型来建模。常见的空间回归模型包括地理加权回归模型（Geographically Weighted Regression, GWR）和空间滞后模型（Spatial Lag Model）。

2、空间自回归模型：空间自回归模型基于空间自相关性的概念，即一个地理单元的观测值与其相邻单元的观测值之间存在相关性。常见的空间自回归模型包括地理自回归模型（Spatial Autoregressive Model, SAR）和地理自回归滑动平均模型（Spatial Autoregressive Moving Average Model, SARMA）。

3、空间插值模型：空间插值模型用于预测或估算未观测地理位置的现象值。常见的空间插值方法包括克里金插值（Kriging）、反距离权重插值（Inverse Distance Weighting, IDW）和径向基函数插值（Radial Basis Function Interpolation）。

4、空间群聚模型：空间群聚模型用于检测和描述地理空间中的群聚现象。它们通过统计分析方法来识别具有相似性或相关性的地理区域。常见的空间群聚模型包括Moran's I指数、Getis-Ord Gi*指数等。

5、空间交互模型：空间交互模型用于描述地理空间中的相互作用和影响关系。它们可以用来研究空间扩散、地理现象之间的空间依赖关系等。常见的空间交互模型包括Gravity模型和随机网络模型。

这些分类仅涵盖了一部分常见的空间显式模型类型，实际上还有其他模型和方法可用于不同的地理问题和应用领域。选择适当的模型取决于研究目的、数据特征和建模需求。

==模式特性==
'''1、考虑地理位置和相邻关系'''：SEM明确考虑地理空间中不同位置之间的关系，通过地理坐标系统将地理空间划分为离散的单位或单元，并将这些单位与特定的地理位置相关联。它们基于位置信息和相邻关系来描述和模拟地理现象和过程，有助于更高地理解地理现象的传播、扩散和影响范围。

'''2、处理空间关联性和依赖性：'''SEM能够捕捉地理空间中不同区域之间的关联性和依赖性。它们通过考虑相邻区域之间的交互作用，将空间维度纳入模型中。这使得SEM能够更好地解释地理现象的空间变异性和空间关联性。

'''3、考虑地理异质性：'''地理空间中的区域通常具有不同的特征和属性。SEM可以考虑这种地理异质性，并根据不同区域的特点进行建模和分析。这样可以提高模型的准确性和适用性，更好地描述地理现象在不同区域的差异和变化。

'''4、利用地理数据源'''：SEM利用地理信息系统（GIS）和其他空间数据源，结合统计学和机器学习等方法进行分析和建模。它们可以利用地理数据中的位置信息和属性信息，提高模型的空间解释能力，并得出更准确的结论。

'''5、支持决策制定和规划：'''SEM可以应用于地理空间规划和决策支持系统。通过提供准确的空间分析结果和模拟预测，它们可以帮助决策者理解和评估不同方案对地理空间的影响，并支持决策制定者做出明智的决策。它可以优化资源分配、评估环境风险、规划城市发展等。

==相关模型代码参考==
[https://github.com/PredictiveEcology/SpaDES] https://github.com/PredictiveEcology/SpaDES
==参考文献==
[1] Cantrell RS, Cosner C. 2003. Spatial Ecology via Reaction-Diffusion Equations. Chichester: Wiley. p 411.

[2] Hanski I, Thomas CD. 1994. Metapopulation dynamics and conservation: a spatially explicit model applied to butterflies.Biol Conserv 68:167–80.

[3] Wu J, Levin SA. 1997. A patch-based spatial modeling approach: conceptual framework and simulation scheme. Ecol Model 101:325–46.

[4] Hogeweg P. 1988. Cellular automata as a paradigm for ecological modeling. Appl Math Comput 27:81–100.

[5] Pacala SW, Silander JA Jr. 1985. Neighborhood models of plant population dynamics. I. Single-species models of annuals. Am Nat 125:385–411.

==留名==
翻译完成词条一定不要忘记留下自己的姓名哦！方便后台记录大家的进度。

需要将词条抬头信息：
*”此词条暂由彩云小译翻译，未经人工整理和审校，带来阅读不便，请见谅。”
调整为：
*“此词条暂由彩云小译翻译，（你的账号名称）整理和审校。”
<references />

用户:13433605205

2023-07-25T14:13:14Z

13433605205：空间显式模型

[[空间显式模型（Spatial Explicit Models）]]
*[[空间显式模型（Spatial Explicit Models）|此词条由城市科学读书会词条梳理志愿者（你的用户ID）翻译审校，未经专家审核，带来阅读不便，请见谅。]]
==介绍==
空间显式模型（Spatial Explicit Models）是一种用于研究地理空间和地理现象的数学模型。该模型将地理空间划分为离散的单元或单元格，并通过在这些单元之间定义关系和交互来描述地理现象的分布和变化。通过使用空间显式模型，我们可以更好地理解和解释地理现象的空间分布和相互作用，从而对地理空间进行更精确的建模和分析。{{short description|Motion characterized by chaotic changes in pressure and flow velocity}}
空间显式模型的结构包括两个主要部分：人口模拟器和景观地图。人口模拟器是一种计算机程序，用于模拟种群的动态，包括出生、死亡、迁移和繁殖等过程。景观地图描述了研究区域的空间分布，包括栖息地斑块、景观边界、走廊和其他景观特征。这些模型可以用于研究种群或群落如何受到景观结构变化的影响，包括景观组成（景观中不同栖息地类型或特征的相对或绝对数量）和景观形态（栖息地斑块和其他特征在景观中的精确位置）的变化。<references />
==研究现状==
空间显式模型通常使用空间统计方法和地理信息系统（GIS）技术来分析和建模地理数据。它考虑了地理位置对地理现象的影响，并允许对地理空间中的相邻单元或区域之间的相互作用进行建模。这些模型可以用于研究许多地理现象，如人口分布、自然资源分布、环境污染、城市规划等。它们提供了一种理解地理现象的方法，并可以用于预测、规划和决策支持等应用领域。

空间显式模型在种群生态学、保护生物学和土地管理方面具有重要的应用价值。这些模型可以用于预测种群的动态，评估不同管理策略的效果，以及指导保护和恢复生物多样性的决策。例如，空间显式模型可以用于评估不同的栖息地管理策略对物种的影响，包括栖息地面积、栖息地质量和栖息地连通性等。

在生态学研究中，空间显式模型已经得到了广泛应用。它们可以帮助生态学家更好地理解生态系统中的空间交互作用和生态过程，并提供更准确的预测和管理建议。空间显式模型是研究种群生态学中与尺度相关的问题的重要工具，特别是研究生境变化在各种空间和时间尺度上对生物的影响。目前，空间显式模型的研究正在不断发展，包括模型的改进、应用范围的扩大和新技术的应用等。

==模式类型==
===从技术角度===
SEM 有多种类型，包括连续空间反应扩散偏微分方程（Cantrell 和 Cosner 2003）<ref name="Batchelor">Cantrell RS, Cosner C. 2003. Spatial Ecology via Reaction-Diffusion Equations. Chichester: Wiley. p 411.</ref>、面片模型（Hanski 和 Thomas 1994；Wu 和 Levin 1997）、元胞自动机（CA）邻域模型（霍格维格 1988)，和基于个人的邻里模型（Pacala 和 Silander 1985）。

1、连续空间反应扩散偏微分方程：这种类型的模型使用偏微分方程来描述物种在连续空间中的扩散和反应过程。它们通常涉及到物种的扩散、交互和生长等机制。

2、面片模型：面片模型将空间划分为离散的面片或补丁，并在每个面片上建立方程来描述物种的动态。这种模型通常基于面片之间的交互和移动来模拟物种的扩散和种群变化。

3、元胞自动机邻域模型：元胞自动机模型将空间划分为离散的元胞，并根据局部规则来模拟物种的行为。每个元胞可以表示一个地理位置或个体，并与其相邻的元胞进行交互和状态更新。

4、基于个体的邻里模型：这种模型注重个体的行为和相互作用，在空间中考虑个体的邻里关系。它通常使用统计方法来描述个体间的空间依赖性，并模拟物种的分布和演化过程。

===从建模方法===
空间显式模型根据建模方法进行分类，以下是一些常见的空间显式模型分类：

1、空间回归模型：空间回归模型考虑了地理空间中的相互作用，并通过将空间权重引入传统回归模型来建模。常见的空间回归模型包括地理加权回归模型（Geographically Weighted Regression, GWR）和空间滞后模型（Spatial Lag Model）。

2、空间自回归模型：空间自回归模型基于空间自相关性的概念，即一个地理单元的观测值与其相邻单元的观测值之间存在相关性。常见的空间自回归模型包括地理自回归模型（Spatial Autoregressive Model, SAR）和地理自回归滑动平均模型（Spatial Autoregressive Moving Average Model, SARMA）。

3、空间插值模型：空间插值模型用于预测或估算未观测地理位置的现象值。常见的空间插值方法包括克里金插值（Kriging）、反距离权重插值（Inverse Distance Weighting, IDW）和径向基函数插值（Radial Basis Function Interpolation）。

4、空间群聚模型：空间群聚模型用于检测和描述地理空间中的群聚现象。它们通过统计分析方法来识别具有相似性或相关性的地理区域。常见的空间群聚模型包括Moran's I指数、Getis-Ord Gi*指数等。

5、空间交互模型：空间交互模型用于描述地理空间中的相互作用和影响关系。它们可以用来研究空间扩散、地理现象之间的空间依赖关系等。常见的空间交互模型包括Gravity模型和随机网络模型。

这些分类仅涵盖了一部分常见的空间显式模型类型，实际上还有其他模型和方法可用于不同的地理问题和应用领域。选择适当的模型取决于研究目的、数据特征和建模需求。

==模式特性==
'''1、考虑地理位置和相邻关系'''：SEM明确考虑地理空间中不同位置之间的关系，通过地理坐标系统将地理空间划分为离散的单位或单元，并将这些单位与特定的地理位置相关联。它们基于位置信息和相邻关系来描述和模拟地理现象和过程，有助于更高地理解地理现象的传播、扩散和影响范围。

'''2、处理空间关联性和依赖性：'''SEM能够捕捉地理空间中不同区域之间的关联性和依赖性。它们通过考虑相邻区域之间的交互作用，将空间维度纳入模型中。这使得SEM能够更好地解释地理现象的空间变异性和空间关联性。

'''3、考虑地理异质性：'''地理空间中的区域通常具有不同的特征和属性。SEM可以考虑这种地理异质性，并根据不同区域的特点进行建模和分析。这样可以提高模型的准确性和适用性，更好地描述地理现象在不同区域的差异和变化。

'''4、利用地理数据源'''：SEM利用地理信息系统（GIS）和其他空间数据源，结合统计学和机器学习等方法进行分析和建模。它们可以利用地理数据中的位置信息和属性信息，提高模型的空间解释能力，并得出更准确的结论。

'''5、支持决策制定和规划：'''SEM可以应用于地理空间规划和决策支持系统。通过提供准确的空间分析结果和模拟预测，它们可以帮助决策者理解和评估不同方案对地理空间的影响，并支持决策制定者做出明智的决策。它可以优化资源分配、评估环境风险、规划城市发展等。

=='''相关模型代码参考'''==
[https://github.com/PredictiveEcology/SpaDES] https://github.com/PredictiveEcology/SpaDES
==参考文献==
[1] Cantrell RS, Cosner C. 2003. Spatial Ecology via Reaction-Diffusion Equations. Chichester: Wiley. p 411.

[2] Hanski I, Thomas CD. 1994. Metapopulation dynamics and conservation: a spatially explicit model applied to butterflies.Biol Conserv 68:167–80.

[3] Wu J, Levin SA. 1997. A patch-based spatial modeling approach: conceptual framework and simulation scheme. Ecol Model 101:325–46.

[4] Hogeweg P. 1988. Cellular automata as a paradigm for ecological modeling. Appl Math Comput 27:81–100.

[5] Pacala SW, Silander JA Jr. 1985. Neighborhood models of plant population dynamics. I. Single-species models of annuals. Am Nat 125:385–411.

==留名==
翻译完成词条一定不要忘记留下自己的姓名哦！方便后台记录大家的进度。

需要将词条抬头信息：
*”此词条暂由彩云小译翻译，未经人工整理和审校，带来阅读不便，请见谅。”
调整为：
*“此词条暂由彩云小译翻译，（你的账号名称）整理和审校。”
<references />

用户:13433605205

2023-07-25T14:10:10Z

13433605205：空间显式模型

[[空间显式模型（Spatial Explicit Models）]]
*[[空间显式模型（Spatial Explicit Models）|此词条由城市科学读书会词条梳理志愿者（你的用户ID）翻译审校，未经专家审核，带来阅读不便，请见谅。]]
==介绍==
空间显式模型（Spatial Explicit Models）是一种用于研究地理空间和地理现象的数学模型。该模型将地理空间划分为离散的单元或单元格，并通过在这些单元之间定义关系和交互来描述地理现象的分布和变化。通过使用空间显式模型，我们可以更好地理解和解释地理现象的空间分布和相互作用，从而对地理空间进行更精确的建模和分析。{{short description|Motion characterized by chaotic changes in pressure and flow velocity}}
空间显式模型的结构包括两个主要部分：人口模拟器和景观地图。人口模拟器是一种计算机程序，用于模拟种群的动态，包括出生、死亡、迁移和繁殖等过程。景观地图描述了研究区域的空间分布，包括栖息地斑块、景观边界、走廊和其他景观特征。这些模型可以用于研究种群或群落如何受到景观结构变化的影响，包括景观组成（景观中不同栖息地类型或特征的相对或绝对数量）和景观形态（栖息地斑块和其他特征在景观中的精确位置）的变化。<references />
==研究现状==
空间显式模型通常使用空间统计方法和地理信息系统（GIS）技术来分析和建模地理数据。它考虑了地理位置对地理现象的影响，并允许对地理空间中的相邻单元或区域之间的相互作用进行建模。这些模型可以用于研究许多地理现象，如人口分布、自然资源分布、环境污染、城市规划等。它们提供了一种理解地理现象的方法，并可以用于预测、规划和决策支持等应用领域。

空间显式模型在种群生态学、保护生物学和土地管理方面具有重要的应用价值。这些模型可以用于预测种群的动态，评估不同管理策略的效果，以及指导保护和恢复生物多样性的决策。例如，空间显式模型可以用于评估不同的栖息地管理策略对物种的影响，包括栖息地面积、栖息地质量和栖息地连通性等。

在生态学研究中，空间显式模型已经得到了广泛应用。它们可以帮助生态学家更好地理解生态系统中的空间交互作用和生态过程，并提供更准确的预测和管理建议。空间显式模型是研究种群生态学中与尺度相关的问题的重要工具，特别是研究生境变化在各种空间和时间尺度上对生物的影响。目前，空间显式模型的研究正在不断发展，包括模型的改进、应用范围的扩大和新技术的应用等。

==模式类型==
===从技术角度===
SEM 有多种类型，包括连续空间反应扩散偏微分方程（Cantrell 和 Cosner 2003）、面片模型（Hanski 和 Thomas 1994；Wu 和 Levin 1997）、元胞自动机（CA）邻域模型（霍格维格 1988)，和基于个人的邻里模型（Pacala 和 Silander 1985）。

1、连续空间反应扩散偏微分方程：这种类型的模型使用偏微分方程来描述物种在连续空间中的扩散和反应过程。它们通常涉及到物种的扩散、交互和生长等机制。

2、面片模型：面片模型将空间划分为离散的面片或补丁，并在每个面片上建立方程来描述物种的动态。这种模型通常基于面片之间的交互和移动来模拟物种的扩散和种群变化。

3、元胞自动机邻域模型：元胞自动机模型将空间划分为离散的元胞，并根据局部规则来模拟物种的行为。每个元胞可以表示一个地理位置或个体，并与其相邻的元胞进行交互和状态更新。

4、基于个体的邻里模型：这种模型注重个体的行为和相互作用，在空间中考虑个体的邻里关系。它通常使用统计方法来描述个体间的空间依赖性，并模拟物种的分布和演化过程。

===从建模方法===
空间显式模型根据建模方法进行分类，以下是一些常见的空间显式模型分类：

1、空间回归模型：空间回归模型考虑了地理空间中的相互作用，并通过将空间权重引入传统回归模型来建模。常见的空间回归模型包括地理加权回归模型（Geographically Weighted Regression, GWR）和空间滞后模型（Spatial Lag Model）。

2、空间自回归模型：空间自回归模型基于空间自相关性的概念，即一个地理单元的观测值与其相邻单元的观测值之间存在相关性。常见的空间自回归模型包括地理自回归模型（Spatial Autoregressive Model, SAR）和地理自回归滑动平均模型（Spatial Autoregressive Moving Average Model, SARMA）。

3、空间插值模型：空间插值模型用于预测或估算未观测地理位置的现象值。常见的空间插值方法包括克里金插值（Kriging）、反距离权重插值（Inverse Distance Weighting, IDW）和径向基函数插值（Radial Basis Function Interpolation）。

4、空间群聚模型：空间群聚模型用于检测和描述地理空间中的群聚现象。它们通过统计分析方法来识别具有相似性或相关性的地理区域。常见的空间群聚模型包括Moran's I指数、Getis-Ord Gi*指数等。

5、空间交互模型：空间交互模型用于描述地理空间中的相互作用和影响关系。它们可以用来研究空间扩散、地理现象之间的空间依赖关系等。常见的空间交互模型包括Gravity模型和随机网络模型。

这些分类仅涵盖了一部分常见的空间显式模型类型，实际上还有其他模型和方法可用于不同的地理问题和应用领域。选择适当的模型取决于研究目的、数据特征和建模需求。

==模式特性==
'''1、考虑地理位置和相邻关系'''：SEM明确考虑地理空间中不同位置之间的关系，通过地理坐标系统将地理空间划分为离散的单位或单元，并将这些单位与特定的地理位置相关联。它们基于位置信息和相邻关系来描述和模拟地理现象和过程，有助于更高地理解地理现象的传播、扩散和影响范围。

'''2、处理空间关联性和依赖性：'''SEM能够捕捉地理空间中不同区域之间的关联性和依赖性。它们通过考虑相邻区域之间的交互作用，将空间维度纳入模型中。这使得SEM能够更好地解释地理现象的空间变异性和空间关联性。

'''3、考虑地理异质性：'''地理空间中的区域通常具有不同的特征和属性。SEM可以考虑这种地理异质性，并根据不同区域的特点进行建模和分析。这样可以提高模型的准确性和适用性，更好地描述地理现象在不同区域的差异和变化。

'''4、利用地理数据源'''：SEM利用地理信息系统（GIS）和其他空间数据源，结合统计学和机器学习等方法进行分析和建模。它们可以利用地理数据中的位置信息和属性信息，提高模型的空间解释能力，并得出更准确的结论。

'''5、支持决策制定和规划：'''SEM可以应用于地理空间规划和决策支持系统。通过提供准确的空间分析结果和模拟预测，它们可以帮助决策者理解和评估不同方案对地理空间的影响，并支持决策制定者做出明智的决策。它可以优化资源分配、评估环境风险、规划城市发展等。

=='''相关模型代码参考'''==
[https://github.com/PredictiveEcology/SpaDES] https://github.com/PredictiveEcology/SpaDES
==参考文献==
Cantrell RS, Cosner C. 2003. Spatial Ecology via Reaction-Diffusion Equations. Chichester: Wiley. p 411.

Hanski I, Thomas CD. 1994. Metapopulation dynamics and conservation: a spatially explicit model applied to butterflies.Biol Conserv 68:167–80.

Wu J, Levin SA. 1997. A patch-based spatial modeling approach: conceptual framework and simulation scheme. Ecol Model 101:325–46.

Hogeweg P. 1988. Cellular automata as a paradigm for ecological modeling. Appl Math Comput 27:81–100.

Pacala SW, Silander JA Jr. 1985. Neighborhood models of plant population dynamics. I. Single-species models of annuals. Am Nat 125:385–411.

==留名==
翻译完成词条一定不要忘记留下自己的姓名哦！方便后台记录大家的进度。

需要将词条抬头信息：
*”此词条暂由彩云小译翻译，未经人工整理和审校，带来阅读不便，请见谅。”
调整为：
*“此词条暂由彩云小译翻译，（你的账号名称）整理和审校。”
<references />

用户:13433605205

2023-07-25T13:56:57Z

13433605205：

[[空间显式模型（Spatial Explicit Models）]]
==介绍==
空间显式模型（Spatial Explicit Models）是一种用于研究地理空间和地理现象的数学模型。该模型将地理空间划分为离散的单元或单元格，并通过在这些单元之间定义关系和交互来描述地理现象的分布和变化。通过使用空间显式模型，我们可以更好地理解和解释地理现象的空间分布和相互作用，从而对地理空间进行更精确的建模和分析。{{short description|Motion characterized by chaotic changes in pressure and flow velocity}}
空间显式模型的结构包括两个主要部分：人口模拟器和景观地图。人口模拟器是一种计算机程序，用于模拟种群的动态，包括出生、死亡、迁移和繁殖等过程。景观地图描述了研究区域的空间分布，包括栖息地斑块、景观边界、走廊和其他景观特征。这些模型可以用于研究种群或群落如何受到景观结构变化的影响，包括景观组成（景观中不同栖息地类型或特征的相对或绝对数量）和景观形态（栖息地斑块和其他特征在景观中的精确位置）的变化。{{For2|the turbulence felt on an [[airplane]]|[[Clear-air turbulence]]|other uses|[[Turbulence (disambiguation)]]}}<references />
==开始编辑==
'''认领到词条的第一时间请志愿者务必修改词条抬头留下自己的信息。'''

如果是来自'''百科自有团队'''请将抬头修改为：
*此词条由（你的用户ID）翻译审校，未经专家审核，带来阅读不便，请见谅。
如果是来自'''读书会词条梳理'''请将抬头修改为：
*此词条由XXX读书会词条梳理志愿者（你的用户ID）翻译审校，未经专家审核，带来阅读不便，请见谅。
在进行编辑审校工作时，志愿者需要对已经初步翻译过的稿件进行再修改、润色。特别注意：错译、省译、漏译、不通顺、不符合语言习惯、不符合原文逻辑的地方。如果初译者已经做了标注，根据自己的理解判断该种翻译方式是否表达了应该表达的内容，是否合适。检查译文是否符合汉语习惯，在初步了解相关背景的同时添加自己的思考。

例如，以上来自于湍流词条的第一段落，词条的内容来自于同英文的维基百科原文（https://en.wikipedia.org/wiki/Turbulence<nowiki/>）在我们整理原文内容时，采用了彩云小译机翻助手生成，生成的页面保有英文维基百科原文的全部内容（包括超链接跳转，引用文章等。）

第一段英文为原维基百科的内容，第二段英文为摘除多余格式的英文原文，方便大家审校，以及第三段为机器翻译的中文。这是大家需要翻译审校的工作。

 注意事项：

翻译审校环节的同学仅且只需要保证文字内容的通顺，所有格式上的问题（包括且不限于图片，公式，引用，等）都不需要修改，后期会由编辑排版专门负责整理。避免存在漏译的情况，特别注意图注、“see also”部分、章节名的翻译完整。
===专业性===
译者通过英文原文中含有链接的英文、小标题对应的英文确定哪些为专业名词。在确定过程中注意人名、机构、与词条本身的专业领域关系不大的名词不在考虑范围内，通过加粗指明。且将专业名词的格式写为“中文+英文”（注：不加括号,英文首字母均大写），示例（专有名词一般为英文原文中的红字，可以复制到对应中文翻译的后面）:

专业名词示范：

'''专业名词 Term Example'''

复杂科学相关的词汇翻译易错表可以参考[[复杂科学机翻易错表]]。对于筛选出来的专业名词请在翻译词库（'''https://campus.swarma.org/translation/'''）中进行查询，不论是否查询得到，均需将专业名词加粗表示。对于查询到的释义，采用该专业名词释义；对于未查询到的释义，点击“新增翻译词”，补充上未查询到的英文，中文填为“待补充”。

此外，还可在cnki翻译助手里面初步检索专业名词，选取引用量最高的释义，待后续专家审校进行反馈纠正释义后，再将纠正的准确释义添加在翻译词库中。

对于不能确定、存疑的疑难句需要将字体标绿，具体语法为：

 不确定语句示范：

<nowiki>'''</nowiki><nowiki> 不确定语句 </nowiki><nowiki>'''</nowiki>

'''例如案例中的中文，我们将其拆解为两句话：'''
#在'''流体力学Fluid Dynamics'''中，紊流或'''湍流Turbulent Flow'''是指压力和流速不规则运动的流体团运动。
#这与层流形成了鲜明的对比，'''层流Laminar Flow'''是指流体在平行层中流动，层与层之间没有中断。
'''第一句话中语句不通顺，可以改为：'''
*在'''流体力学Fluid Dynamics'''中，紊流或'''湍流Turbulent Flow'''的特征表现为压力和流速具有混沌变化。
'''第二句话中主语指代不明，可以修改为：'''
*湍流与层流形成了鲜明的对比，而'''层流Laminar Flow'''是指流体在平行层中流动，层与层之间没有相互干扰。
如果对于以上的翻译都不够自信，可以将不确定语句调整为绿色：
*在'''流体力学Fluid Dynamics'''中，紊流或'''湍流Turbulent Flow'''的 特征表现为压力和流速具有混沌变化。
==='''统一性'''===
人名，书名等需要统一的翻译，需要检查上下文是否统一。
==='''通顺性'''===
通读全文一至两遍，保证全文的语句通顺，符合语言表达，且释义统一。
==格式要求==
在翻译审校的过程中，同学们除了保证翻译语句的通顺可读以外，还需要将原文中的格式搬运到中文段落。
===文本格式===
1、中文文本用中文对应括号（）英文数学文本用英文对应括号()

2、人名译名缩写大写如j.a 实际上应为J.A

3、排除多余的句点"。。"→"。"

4、中文文本用“。”而不是“.”

5、变量采用斜体 ''N''
===章节名===
特别注意章节名也需要进行翻译，将翻译内容直接添加到章节名之后，如：

将
==Examples of turbulence==
湍流的例子

改为
==Examples of turbulence湍流的例子==
===超链接===
原文中的超链接('' 红色或蓝色的超链接字体。红色表示当前不可查到此词条、蓝色表示当前可查到该词条，点击可跳转'')可以选择性的添加到中文段落。

例如案例中的flow velocity，红色字体表示当前的百科是没有此词条，在我们翻译中文内容时，可以选择添加上流速的超链接，具体语法为：<nowiki>[[流速]]</nowiki>

如果百科的词条库中有该词条，超链接会自动跳转到页面，如果没有则显示空页面。

超链接的添加视大家的需求而定，没有指定要求，如果您觉得此词条值得创建并且跳转，可以添加上超链接，日后随着百科词库的扩充会完善。
===公式===
在机器搬运的过程中容易出现公式语句丢失的情况。通常情况下志愿者需要对照英文维基百科的页面对比辅助翻译。

也可参考维基百科公式编辑来修改。

如果实在因为公式混乱的问题严重影响翻译进度，可在进行初步文字翻译过后反馈给负责人优先将页面进行编辑排版，整理好公式问题后再次翻译审核。
===图片===
图片不需要搬运，只需将图注翻译，格式为：【图1：英文原文＋翻译内容】
===参考文献引用===
例如以上案例中，参考文献<ref name="Batchelor" />在源代码编辑格式中为：

<nowiki><ref>引用文章信息</ref></nowiki>

系统会自动根据内容自动在词条的末尾按顺序生成引用目录，而段落中添加引用的部分会自动在右上角生成蓝色角标。

在编辑模式中，译者可直接将英文段落中出现的右上角引用蓝色角标复制到对应中文处。
*with no disruption between those layers.<ref name="Batchelor" />

*层与层之间没有相互干扰。<ref name="Batchelor" />
在编辑原代码模式中则需要将<nowiki><ref>中的全部内容放置对应中文处。</nowiki>

 若出现红色字体显示引用错误可跳过不管，此处为编辑排版的工作。

在完成一个段落的审校后，可以选择将第二段英文删除， 注意一定保留第一段带格式的英文方便编辑排版的同学校对。
==进阶需求==
在翻译审校词条的过程中，为反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准，请参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。所有的内容应客观，来源注明出处。例如在词条中加一个目录补充专家对于该术语/概念的一些描述（从书籍资源中补充概念）
*如果是参考的一些中文资料和内容，一定要在对应的位置，注明参考出处。格式参考引用格式。
*可以另起新的目录命名为“外部链接”“参考阅读”“推荐阅读”等等。
==内容复查==
至少通读一至两遍译文，按照以上规范进行自审，寻找是否有语序、逻辑不通的地方，前后表述并不一致的地方，以及同一单词尽量用同一释义；

注意检查相关的术语加粗，变量斜体，公式是否显示正常，图片图注序号是否正确等格式问题；

在确保自己已达到上述的生产要求后，递交给负责人，负责人进行通读，检查，反馈，译者进行修改。

在规定时间内，负责人提交给审校，审校会添加讨论以及反馈，译者查看进行复核与复修改。'''（注：若被审校打回重译，所得积分减半）'''
==留名==
翻译完成词条一定不要忘记留下自己的姓名哦！方便后台记录大家的进度。

需要将词条抬头信息：
*”此词条暂由彩云小译翻译，未经人工整理和审校，带来阅读不便，请见谅。”
调整为：
*“此词条暂由彩云小译翻译，（你的账号名称）整理和审校。”
<references />

用户:13433605205

2023-07-25T13:53:02Z

13433605205：空间显式模型

本词条案例来源于未编辑完成的[[湍流]]。
==湍流节选==
此词条暂由彩云小译翻译，未经人工整理和审校，带来阅读不便，请见谅。{{short description|Motion characterized by chaotic changes in pressure and flow velocity}}{{For2|the turbulence felt on an [[airplane]]|[[Clear-air turbulence]]|other uses|[[Turbulence (disambiguation)]]}}

In [[fluid dynamics]], '''turbulence''' or '''turbulent flow''' is fluid motion characterized by [[Chaos theory|chaotic]] changes in [[pressure]] and [[flow velocity]]. It is in contrast to a [[laminar flow]], which occurs when a fluid flows in parallel layers, with no disruption between those layers.<ref name="Batchelor">{{cite book | last=Batchelor | first=G. | title=Introduction to Fluid Mechanics | year=2000}}</ref>

In fluid dynamics, turbulence or turbulent flow is fluid motion characterized by chaotic changes in pressure and flow velocity. It is in contrast to a laminar flow, which occurs when a fluid flows in parallel layers, with no disruption between those layers.

在''' 流体力学fluid dynamics'''中，紊流或''' 湍流turbulent flow'''是指压力和流速不规则运动的流体团运动。这与层流形成了鲜明的对比，''' 层流laminar flow'''是指流体在平行层中流动，层与层之间没有中断。<references />
==开始编辑==
'''认领到词条的第一时间请志愿者务必修改词条抬头留下自己的信息。'''

如果是来自'''百科自有团队'''请将抬头修改为：
*此词条由（你的用户ID）翻译审校，未经专家审核，带来阅读不便，请见谅。
如果是来自'''读书会词条梳理'''请将抬头修改为：
*此词条由XXX读书会词条梳理志愿者（你的用户ID）翻译审校，未经专家审核，带来阅读不便，请见谅。
在进行编辑审校工作时，志愿者需要对已经初步翻译过的稿件进行再修改、润色。特别注意：错译、省译、漏译、不通顺、不符合语言习惯、不符合原文逻辑的地方。如果初译者已经做了标注，根据自己的理解判断该种翻译方式是否表达了应该表达的内容，是否合适。检查译文是否符合汉语习惯，在初步了解相关背景的同时添加自己的思考。

例如，以上来自于湍流词条的第一段落，词条的内容来自于同英文的维基百科原文（https://en.wikipedia.org/wiki/Turbulence<nowiki/>）在我们整理原文内容时，采用了彩云小译机翻助手生成，生成的页面保有英文维基百科原文的全部内容（包括超链接跳转，引用文章等。）

第一段英文为原维基百科的内容，第二段英文为摘除多余格式的英文原文，方便大家审校，以及第三段为机器翻译的中文。这是大家需要翻译审校的工作。

 注意事项：

翻译审校环节的同学仅且只需要保证文字内容的通顺，所有格式上的问题（包括且不限于图片，公式，引用，等）都不需要修改，后期会由编辑排版专门负责整理。避免存在漏译的情况，特别注意图注、“see also”部分、章节名的翻译完整。
===专业性===
译者通过英文原文中含有链接的英文、小标题对应的英文确定哪些为专业名词。在确定过程中注意人名、机构、与词条本身的专业领域关系不大的名词不在考虑范围内，通过加粗指明。且将专业名词的格式写为“中文+英文”（注：不加括号,英文首字母均大写），示例（专有名词一般为英文原文中的红字，可以复制到对应中文翻译的后面）:

专业名词示范：

'''专业名词 Term Example'''

复杂科学相关的词汇翻译易错表可以参考[[复杂科学机翻易错表]]。对于筛选出来的专业名词请在翻译词库（'''https://campus.swarma.org/translation/'''）中进行查询，不论是否查询得到，均需将专业名词加粗表示。对于查询到的释义，采用该专业名词释义；对于未查询到的释义，点击“新增翻译词”，补充上未查询到的英文，中文填为“待补充”。

此外，还可在cnki翻译助手里面初步检索专业名词，选取引用量最高的释义，待后续专家审校进行反馈纠正释义后，再将纠正的准确释义添加在翻译词库中。

对于不能确定、存疑的疑难句需要将字体标绿，具体语法为：

 不确定语句示范：

<nowiki>'''</nowiki><nowiki> 不确定语句 </nowiki><nowiki>'''</nowiki>

'''例如案例中的中文，我们将其拆解为两句话：'''
#在'''流体力学Fluid Dynamics'''中，紊流或'''湍流Turbulent Flow'''是指压力和流速不规则运动的流体团运动。
#这与层流形成了鲜明的对比，'''层流Laminar Flow'''是指流体在平行层中流动，层与层之间没有中断。
'''第一句话中语句不通顺，可以改为：'''
*在'''流体力学Fluid Dynamics'''中，紊流或'''湍流Turbulent Flow'''的特征表现为压力和流速具有混沌变化。
'''第二句话中主语指代不明，可以修改为：'''
*湍流与层流形成了鲜明的对比，而'''层流Laminar Flow'''是指流体在平行层中流动，层与层之间没有相互干扰。
如果对于以上的翻译都不够自信，可以将不确定语句调整为绿色：
*在'''流体力学Fluid Dynamics'''中，紊流或'''湍流Turbulent Flow'''的 特征表现为压力和流速具有混沌变化。
==='''统一性'''===
人名，书名等需要统一的翻译，需要检查上下文是否统一。
==='''通顺性'''===
通读全文一至两遍，保证全文的语句通顺，符合语言表达，且释义统一。
==格式要求==
在翻译审校的过程中，同学们除了保证翻译语句的通顺可读以外，还需要将原文中的格式搬运到中文段落。
===文本格式===
1、中文文本用中文对应括号（）英文数学文本用英文对应括号()

2、人名译名缩写大写如j.a 实际上应为J.A

3、排除多余的句点"。。"→"。"

4、中文文本用“。”而不是“.”

5、变量采用斜体 ''N''
===章节名===
特别注意章节名也需要进行翻译，将翻译内容直接添加到章节名之后，如：

将
==Examples of turbulence==
湍流的例子

改为
==Examples of turbulence湍流的例子==
===超链接===
原文中的超链接('' 红色或蓝色的超链接字体。红色表示当前不可查到此词条、蓝色表示当前可查到该词条，点击可跳转'')可以选择性的添加到中文段落。

例如案例中的flow velocity，红色字体表示当前的百科是没有此词条，在我们翻译中文内容时，可以选择添加上流速的超链接，具体语法为：<nowiki>[[流速]]</nowiki>

如果百科的词条库中有该词条，超链接会自动跳转到页面，如果没有则显示空页面。

超链接的添加视大家的需求而定，没有指定要求，如果您觉得此词条值得创建并且跳转，可以添加上超链接，日后随着百科词库的扩充会完善。
===公式===
在机器搬运的过程中容易出现公式语句丢失的情况。通常情况下志愿者需要对照英文维基百科的页面对比辅助翻译。

也可参考维基百科公式编辑来修改。

如果实在因为公式混乱的问题严重影响翻译进度，可在进行初步文字翻译过后反馈给负责人优先将页面进行编辑排版，整理好公式问题后再次翻译审核。
===图片===
图片不需要搬运，只需将图注翻译，格式为：【图1：英文原文＋翻译内容】
===参考文献引用===
例如以上案例中，参考文献<ref name="Batchelor" />在源代码编辑格式中为：

<nowiki><ref>引用文章信息</ref></nowiki>

系统会自动根据内容自动在词条的末尾按顺序生成引用目录，而段落中添加引用的部分会自动在右上角生成蓝色角标。

在编辑模式中，译者可直接将英文段落中出现的右上角引用蓝色角标复制到对应中文处。
*with no disruption between those layers.<ref name="Batchelor" />

*层与层之间没有相互干扰。<ref name="Batchelor" />
在编辑原代码模式中则需要将<nowiki><ref>中的全部内容放置对应中文处。</nowiki>

 若出现红色字体显示引用错误可跳过不管，此处为编辑排版的工作。

在完成一个段落的审校后，可以选择将第二段英文删除， 注意一定保留第一段带格式的英文方便编辑排版的同学校对。
==进阶需求==
在翻译审校词条的过程中，为反映专业认知，并以事实为根据，同时遵守良好的学术和逻辑标准，请参考多个相关网站，综合多方面的信息。推荐的网站有wikipedia、scholarpedia、中文集智百科、百度百科、官网、主页信息。所有的内容应客观，来源注明出处。例如在词条中加一个目录补充专家对于该术语/概念的一些描述（从书籍资源中补充概念）
*如果是参考的一些中文资料和内容，一定要在对应的位置，注明参考出处。格式参考引用格式。
*可以另起新的目录命名为“外部链接”“参考阅读”“推荐阅读”等等。
==内容复查==
至少通读一至两遍译文，按照以上规范进行自审，寻找是否有语序、逻辑不通的地方，前后表述并不一致的地方，以及同一单词尽量用同一释义；

注意检查相关的术语加粗，变量斜体，公式是否显示正常，图片图注序号是否正确等格式问题；

在确保自己已达到上述的生产要求后，递交给负责人，负责人进行通读，检查，反馈，译者进行修改。

在规定时间内，负责人提交给审校，审校会添加讨论以及反馈，译者查看进行复核与复修改。'''（注：若被审校打回重译，所得积分减半）'''
==留名==
翻译完成词条一定不要忘记留下自己的姓名哦！方便后台记录大家的进度。

需要将词条抬头信息：
*”此词条暂由彩云小译翻译，未经人工整理和审校，带来阅读不便，请见谅。”
调整为：
*“此词条暂由彩云小译翻译，（你的账号名称）整理和审校。”