基于机器学习的东非植被变化因子重要性分析

[目的] 基于机器学习算法对东非植被变化进行因子重要性分析,测度不同算法在各情况下的精度差异及适用性,为保护、恢复和促进可持续森林管理、水土流失综合防治提供科学依据。[方法] 以东非9个国家2001—2020年的归一化植被指数（normalized difference vegetation index,NDVI）变化为研究对象,选取影响东非植被变化的2个气候因子及5个人类活动因子作为自变量,利用随机森林（random forest,RF）、BP神经网络（BP neural networks,BP）、支持向量机（support vector machines,SVM）、遗传算法（genetic algorithm,GA）、径向基神经网络（radial basis function,RBF）、卷积神经网络（convolutional neural networks,CNN）6种机器学习算法建立NDVI预测模型,以决定系数（R²）、平均绝对误差（MAE,mean absolute error）、平均相对误差（MRE,mean relative error）3个指标评价评估6种机器学习算法预测NDVI变化的潜力,并基于所得的最优模型即对选取的7个因子进行重要性分析。[结果] 精度验证结果表明,研究区内在全因子的情况下,CNN算法的回归精度最差;经逐轮删除一个综合表现不佳的算法后,RF算法建立的模型在东非NDVI变化分析中回归精度较高;基于随机森林算法的不同因子变量对NDVI变化的重要性表明,年降水量、N₂O排放量、CH₄排放量、牲畜数量4个变量对NDVI变化回归的结果影响较大。[结论] 随机森林算法的回归能力在东非NDVI模拟中具有相对优势,降水量是影响植被变化最重要的气候因子,同时,温室气体的排放对于东非植被的变化也具有一定的影响。东非各国应提高植被变化对气候环境、社会经济和政治制度相互依存关系的认识和理解,并制定适当的政策以促进可持续森林管理、防治荒漠化。     

基于地理加权回归模型的长江中游地区人均耕地面积变化影响因素分析

[目的]利用GWR模型揭示长江中游地区人均耕地面积变化影响因素的空间异质性,为今后管理该区域耕地资源提供科学依据。[方法]在总结该地区人均耕地面积现状的基础上,分析人均耕地的Moran’s I指数,利用相关年份数据分析了最小二乘法(OLS)和地理加权回归方法(GWR)的差异,采用GWR模型对该区域各市人均耕地面积的影响因素进行分析。[结果](1)城镇化率对人均耕地的影响由正相关向负相关变化,影响程度增强,系数值空间差异较大;(2)人口增长率与人均耕地大部分地区呈负相关,局部地区呈正相关,影响程度减小,空间差异较大;(3)第一产业总产值比重与人均耕地大部分地区呈正相关,局部呈负相关,影响程度下降,空间差异较大;(4)粮食单产与人均耕地由负相关向正相关变化,影响程度增强。[结论]GWR比OLS更能反映影响因素的空间异质性,成功揭示了各因素对人均耕地的影响程度和区域差异。     

2015—2020年山西省晋中市耕地资源价值空间差异及其影响因素

[目的] 分析山西省晋中市耕地资源价值时空变化特征及影响因素,为实现耕地资源合理利用和科学管理提供科学依据。[方法] 运用耕地资源价值核算体系对晋中市2015—2020年耕地价值进行核算,采用冷热点分析、地理加权回归等方法分析晋中市耕地资源价值空间变化特征及影响因素。[结果] ①2015—2020年,晋中市耕地资源综合价值呈现出北高南低的总体特征,高值区(396.57~490.3)分布在寿阳县、榆次区,低值区(95.01~101.87)分布在和顺县、左权县,高值区与其他地区均存在显著性差异(p＜0.05); ②晋中市耕地资源价值在空间上存在集聚性,低值区分布在左权县、和顺县、榆社县、灵石县,高值区分布在榆次区、寿阳县。[结论] 晋中市耕地资源价值影响因素有明显的空间异质性特征,呈现正相关的有集镇影响度、道路通达度、灌溉保证率、农村路网密度、复种指数、人均耕地面积,呈现负相关的为地形位指数。     

中国第二次土地调查以来省域耕地利用时空变化

[目的]分析和研究全国第二次土地调查(简称"二调")以来各省级空间地域单元的耕地利用现势分布和省域耕地利用的时空特征,以期寻求促进耕地资源可持续利用的针对性政策改进措施。[方法]基于2009—2016年全国和省级年度土地利用现状数据,利用GIS空间分析、数学指数模型等方法进行研究。[结果]①2009—2016年间中国耕地面积总体呈减少趋势,其中旱地减少面积多于水田、水浇地增加面积,耕地总面积共减少4.64×10~5 hm~2,但基于各省域间资源禀赋的异质性和社会经济发展差异,耕地面积分布与利用呈现出明显的差异性。②受不同阶段耕地保护政策的影响,耕地面积在时间和空间不同维度上均或多或少受政策调控,这是形成耕地利用时空变化格局的重要原因。③中国的耕地保护政策需要在耕地利用的时空变化分析基础上进一步加以科学优化,并积极引导区域耕地利用与资源环境协调发展。[结论]现阶段耕地资源利用具有较强的空间、时间异质性和动态变动性特征,而全国省域耕地利用变化过程受到全局性和区域性政策演进与人类活动定向干预的双重作用,亟需在及时跟进和把控耕地变化特征差异的基础上,通过适时合理的政策调控实现对省域耕地资源差异化保护和利用,以保障粮食安全和协调资源匹配,促进区域可持续发展。     

基于数量化理论和BP神经网络的滑坡体积预测

[目的]探讨数量化理论Ⅲ和BP神经网络在滑坡中综合应用的效果,为滑坡体积的预测提供一种新的思路。[方法]采用数量化理论Ⅲ分析滑坡体积的影响因素及其耦合作用强度,并结合其分析结果,将次要因素和强耦合程度样本进行剔除,再依据其剔除的不同阶段构建3种滑坡体积的BP神经网络预测模型。[结果]滑坡体积的主要影响因素是坡角、坡向、植被覆盖率和坡高,次要影响因素是岩层倾角、斜坡高程和岩层倾向因素,且在不同样本中,体积影响因素之间的耦合程度具有一定的差异。[结论]该预测方法可行,对次要因素和强耦合程度样本的剔除,提高了预测精度。     

塔里木河流域耕地面积动态变化特征及驱动因子

[目的]对塔里木河流域耕地面积动态变化特征及驱动因子进行分析,为实现区域内耕地保护与可持续利用提供理论依据。[方法]依据1990—2014年塔里木河"九源一干"区域各地州的统计资料,分析塔里木河流域耕地面积和重心的变化特点,将主成分分析与多元回归分析相结合,探讨耕地面积变化的驱动因子。[结果](1)1990—2014年,耕地总面积由1.01×106 hm~2增加到2.05×106 hm~2,人均耕地面积由0.131hm~2增加到0.194hm~2,耕地面积重心向东偏北方向移动61.10km;(2)社会经济发展、人口增加和农业生产发展是耕地面积变化的主要驱动因子;(3)建立了耕地面积与驱动因子之间的多元线性回归模型(R2=0.960),检验结果表明模拟值与实际值之间没有显著差异(p0.05)。[结论]耕地的面积和重心始终处于一个动态变化的过程中,人文因素是影响耕地特征变化的主要原因。     

基于核函数支持向量回归机的耕地面积预测

科学预测耕地保有量是耕地保护的基础,对缓解用地矛盾、保证粮食安全具有重要指导意义。为探讨不同核函数支持向量回归机(support vector regression,SVR)对耕地面积预测的影响,该文以惠州市为例,分别采用多元回归、BP神经网络及3种不同核函数SVR建立耕地面积预测模型并进行对比试验。预测结果精度分析显示,RBF核函数SVR预测结果平均相对误差为0.54%,均方根误差为0.007,精度最高;Sigmoid核函数SVR预测结果对应误差分别为1.12%及0.012,精度次之;多项式核函数SVR预测结果对应误差为分别为2.71%及0.032,高于BP神经网络模型,但低于多元回归模型。研究表明,在现有3种常用核函数SVR耕地面积预测模型中,基于RBF核函数SVR模型预测能力最强,其次是sigmoid核函数;而多项式核函数则效果较差。     

基于耕地压力指数的山东省粮食生产动态分析与预测

[目的]对山东省1994—2014年的粮食生产进行动态分析,并对2015—2025年的粮食安全状况进行预测,为该省制定合理的粮食生产规划和农业经济政策提供科学依据。[方法]从耕地压力角度出发,采用最小人均耕地面积和耕地压力指数模型,通过对文献资料进行搜集、整理与统计,并运用Logistic人口预测模型和灰色GM(1,1)模型开展研究。[结果](1)山东省1994—2014年中的大多数年份耕地压力指数大于1,处于粮食不安全状态;(2)1994—2014年耕地压力指数呈现出缓慢上升趋势,且其变化具有明显的周期性,每个波动周期大约为4~5a;(3)未来10a粮食产量、年末人口总数呈增加的态势,而耕地面积、人均耕地面积、最小人均耕地面积和耕地压力指数均呈现出降低趋势,且大多数年份的耕地压力指数值小于1。[结论]通过大力发展粮食经济,未来10a山东省粮食生产与供给都将处于安全状态。     

湖南省耕地资源动态变化及其驱动力

[目的]研究湖南省1996—2011年耕地资源的变化过程,定量分析耕地变化的驱动因子,并对该区域耕地的变化趋势进行预测,为合理利用和保护耕地资源,促进区域经济的可持续发展和粮食安全生产提供重要参考。[方法]利用湖南省近16a的土地利用调查数据及相关社会经济资料,根据研究区域的特点选取了总人口、地区生产总值、农业机械化水平等14个指标,利用主成分分析法对耕地变化的驱动力进行分析,最后采用灰色系统GM(1,1)模型对研究区域耕地的变化趋势进行预测。[结果]1996—2011年湖南省人均耕地面积下降趋势明显,由1996年的0.066 9hm2减少到2011年的0.058 0hm2,该省耕地数量变化存在明显的区域差异。耕地面积变化驱动力主要由人口增长、社会发展、农业生产能力、人民生活水平4个方面构成。预测结果表明,研究区域2014—2020年的耕地面积继续呈下降趋势。[结论]湖南省耕地减少速度快,土地垦殖率高,且后备资源贫乏,应加大耕地的保护力度,以促进区域的粮食安全和可持续发展。     

基于支持向量机和BP神经网络的滑坡变形复合式预测

[目的]探讨复合式组合预测模型对滑坡两变形时间序列的预测效果,为滑坡的变形预测提供一种新的思路。[方法]基于支持向量机和BP神经网络,构建滑坡位移序列和速率序列的复合式预测模型,首先,对滑坡环境因素进行分析,提取其基本信息;其次,利用2种预测方法构建回归结构预测模型和多因素预测模型,并对两时间序列进行一重预测;最后,利用BP神经网络对一重预测结果进行了二重组合优化。[结果]滑坡库水位与滑坡两变形序列均具有较大的相关性,滑坡的稳定性很大程度上会出现周期性疲劳减弱的可能,且通过对滑坡变形的复合式预测。[结论]该方法的相对预测误差均较小,很大程度上提高了滑坡变形的预测精度和稳定性,证明了该预测模型的有效性。     

基于PLUS的耕地驱动因素分析与未来预测——以图们江流域为例

[目的] 探究图们江流域耕地时空演化特征及其驱动因素并预测与《吉林省国土空间规划(2021—2035年)》(以下简称《规划》)相关的耕地变化状况,为图们江流域耕地资源合理规划与利用提供依据和决策支持。[方法] 通过土地利用转移矩阵与重心转移分析其时空演化特征,耦合马尔可夫模型和PLUS模型,预测不同情景下耕地数量和空间变化。[结果] ①1990年以来研究区耕地面积呈持续减少趋势但整体处于可控状态,到2020年总量共减少了440.42 km²,减少的耕地主要转化为林地和建设用地。②耕地的空间分布具有明显的差异性,主要集中在中下游区域,并且耕地重心以每年43.1 m的速度逐渐向西南偏移。③社会经济因素中的GDP值、道路交通和人口等与自然因素中的坡度和降水是影响过去耕地变化的主要驱动因素。④预测结果表明,两种情景下耕地总量均呈现逐年减少的趋势,目标导向情景下2035年耕地总量比2020年将减少128.57 km²,减少的耕地主要集中在规划的开发区与保护区。[结论] 过去30 a随着社会经济的快速发展,研究区内耕地承载的压力越来越大,而且当前的状况不利于《规划》目标的实现。为了实现耕地数量、质量与生态三位一体保护与耕地资源的可持续发展,可以适当开发研究区上游与西部地区的耕地资源,推动原有农业实现规模化、科技化。此外,目标导向情景更有利于图们江流域耕地资源的可持续发展,应当继续实施《规划》目标。     

BP神经网络和GM（1，n）模型在吉林省四平市建设用地面积预测中的应用比较

[目的]科学准确地预测城市建设用地,有利于把握城市发展的速度,了解城市化发展进程,为相关政府部门掌握土地利用情况,制定土地总体规划提供科学依据。[方法]把四平市作为研究对象,从"城市—农村"合力视角构建影响因子,利用因子分析探讨影响建设用地扩张的相关性,对指标进行筛选,在此基础上利用BP神经网络和灰色模型对四平市2012,2013和2014年建成区面积进行预测,最后对预测结果进行比较分析。[结果]通过预测与比较分析可知,BP神经网络结果的相对误差分别为0.8%,1.1%和2%,而灰色GM(1.1)模型预测结果相对误差分别为0.04%,0%和3.2%。可以看出,BP神经网络预测出的结果与实际相比较误差均在2%以内。[结论]BP神经网络预测的结果较精确,运用该方法可以有效提高预测的精度。     

基于自适应进化相关向量机的耕地面积预测模型

为解决耕地面积预测模型建立过程中的非线性、稀疏化及结果可靠性评价等问题,该文将相关向量机与差分进化优化算法进行融合及改进,提出基于自适应进化相关向量机的耕地面积预测模型。该文以黄石市为例,建立基于自适应进化相关向量机的短期、中期耕地预测模型,并与多元线性回归、BP神经网络、支持向量机算法在精度、计算效率及可靠性方面进行对比分析。试验验数据表明,自适应进化相关向量机的预测精度大约是其余3种方法的2倍以上;模型的计算效率是多元线性回归方法的2倍,比BP神经网络、支持向量机高出2个数量级;测试数据的实际耕地面积均在自适应进化相关向量机估计的95%置信度的置信区间内,并且由后验差比、小误差概率判定模型等级属于"好"。基于以上数据,证实该模型是一种精度高、计算快、可靠性强的耕地预测新方法。     

四川省宜宾市1980-2018年耕地时空格局变化及其驱动因素

[目的] 分析四川省宜宾市耕地时空演化特征及其驱动因素,为区域土地资源管理和农业发展规划提供决策参考。[方法] 基于土地利用数据和社会经济数据,借助土地利用转移矩阵、核密度分析、景观指数和PLUS模型,探究了宜宾市1980—2018年耕地的时空格局变化特征及其驱动机制。[结果] ①1980年以来,耕地面积呈持续减少趋势,共减少了247.92 km²,主要转出至建设用地与林地之中。②耕地的空间分布具有明显的差异性,呈“北密南疏”的空间分布格局,且空间密度逐年下降。③耕地的空间聚集程度不断下降,而分散程度持续增加,造成耕地破碎化程度加剧。④人口、GDP、道路等社会经济因素和高程、水域等自然环境因子是影响耕地变化的主要驱动力。[结论] 在高程、水域等自然因素的限制下,人口、经济和交通条件等社会经济因素共同作用,驱使耕地发生变化,面积持续减少,细碎化程度逐渐增加。     

下辽河平原典型区耕地格局变化及其空间要素驱动

为明确粮食主产区耕地格局动态变化特征及其空间驱动因素。该研究以下辽河平原典型区沈阳市为研究区,运用变化轨迹分析法、重心迁移模型和景观格局指数,揭示1980-2000年和2000-2018年耕地格局变化特征,并从空间要素角度出发,运用随机森林算法识别不同区域尺度耕地格局变化空间驱动因素。结果表明：1）1980-2000年耕地格局相对稳定,耕地重心向西南方向迁移;2000-2018年耕地流失严重,耕地重心向西北方向迁移,迁移速度加快。2）2 个研究时段内耕地变化均具有转入转出双向特征,1980-2000年耕地转入与耕地转出速度缓慢,2000-2018年耕地转出面积远高于耕地转入面积,耕地转出区域以城区周边为主。3）不同区域尺度空间驱动因素重要性大小存在差异,空间距离要素、地理空间要素和政策因素对耕地格局变化起主要驱动作用,高程和坡度对耕地格局变化的影响较小。研究证实了随机森林算法能够有效量化耕地格局变化空间驱动因素,研究结果可为构建耕地保护长效机制提供借鉴与参考。     

河北省近30年耕地资源变化与经济发展耦合关系研究

相对有限的土地资源已经成为经济快速发展的瓶颈,研究耕地资源变化与经济发展的关系具有很重要的意义.在分析河北省近30年来耕地资源动态变化的基础上,选取GDP、耕地面积为指标对1978-2004年间河北省耕地资源变化与经济发展之间的耦合关系进行了详尽的剖析,并利用耕地面积变化与GDP增长的对数相关关系式对不同经济发展水平每增加等量GDP所占用的耕地面积进行了估算.研究结果表明:①耕地资源面积随着GDP的增加呈对数递减趋势,两者的拟合系数很高,证明用对数递减模型方程预测耕地面积随GDP增长的变化具有很好的可行性;②不同的经济发展阶段,增长等量GDP所占用的耕地面积不同.当GDP分别达到2000～4000亿元、4000～6000亿元、6000～8000亿元阶段时,GDP每增加2000亿元所占用耕地面积分别为3.85×10⁴hm²、2.25×10⁴hm²、1.60×10⁴hm².     

湖北省耕地面积变化与各产业发展的关系

[目的]研究湖北省耕地资源变化与第一、二、三产业发展之间内在联系与相互影响机制,为合理利用与保护耕地资源,推动区域社会经济可持续发展提供重要参考。[方法]利用湖北省1991—2014年24a来的耕地面积、第一产业产值、第二产业产值、第三产业产值之间的时间序列统计资料,采用协整检验方法验证各变量间是否存在长期稳定的均衡关系,并通过脉冲响应函数和方差分解技术进一步分析湖北省耕地面积与各产业产值间相互关系。[结果]湖北省耕地面积与各产业产值之间存在长期均衡关系,可以运用脉冲响应函数做进一步分析;第一、第三产业发展一定程度上有利于耕地的保护,但影响力有限,第二产业发展需要消耗大量耕地,但随着时间推移会逐渐调整其结构以降低其对耕地的依赖程度;方差分解结果中,第二产业对其自身及第一、第三产业发展具有促进作用,而耕地资源对各产业发展的贡献率则普遍较低,所消耗的耕地资源未被充分高效利用。[结论]湖北省应协调好耕地保护与经济发展的关系,提高土地利用效率、经济效率并优化产业结构,使两者间形成良性循环,以推动社会经济可持续发展。     

BP神经网络组合模型在次洪量预测中的应用

[目的]探讨BP神经网络组合模型在次洪量预测中的应用,为黄土高原淤地坝群的安全度汛提供决策依据。[方法]构建基于多元线性回归模型(MLR)和去趋势互相关分析法(DCCA)的BP神经网络组合模型;选择均方差(MSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)以及确定性系数(DC)作为评价指标,与单一模型(多元线性回归模型、BP神经网络模型以及去趋势互相关分析法)进行比较。[结果]BP神经网络组合模型的4项指标MSE,MAE,MAPE和DC分别为2.144,5.453,0.074和0.988,均优于单一模型;模型预测效果从优到劣分别为BP神经网络组合模型、BP神经网络模型、多元线性回归模型和去趋势互相关分析法。[结论]BP神经网络组合模型较单一模型平稳性增强,提高了预测效果,可用于淤地坝群的次暴雨洪量预测。     

鄂豫地区耕地资源变化时空特征及其影响因素

[目的]研究鄂豫35个地市2000—2015年耕地资源利用变化影响因素的空间分异特征,为保护耕地资源及其可持续利用提供管理参考。[方法]基于鄂豫各地市耕地资源统计数据,分析耕地资源相对变化动态;采用地理加权回归(GWR)模型,分析鄂豫地区耕地资源变化影响因素的空间差异特征,并侧重对残差的空间差异进行分析。[结果]①从空间格局看,耕地资源变化减少区主要分布在东部和西南部区域;耕地资源变化平衡区集中分布在中北部区域;耕地资源变化增加区大部分分布在东南部区域。②人口、固定资产投资与农业机械水平在空间上与耕地资源呈正相关;地区生产总值在空间上与耕地资源呈负相关。③残差高值区出现在耕地资源变化的平衡区和增加区,低值区分布在耕地资源变化的减少区和平衡区中相对变化较小的地区。[结论]保护耕地应根据影响因素的空间特征,在不同地区采取相应的适应性措施。     

基于GIS和InVEST模型的日照市固碳能力研究

[目的]分析山东省日照市碳储量的时空变化,探讨日照市各土地利用类型的固碳能力,为生态系统服务评估提供决策支持。[方法]以日照市1995,2000,2005,2010和2015年5期土地利用信息和碳密度数据为基础,利用GIS和InVEST-Carbon Storage and Sequestration模块,获取碳储量时空分布数据,从而对日照市固碳能力进行准确的定量评估。[结果](1)1995—2015年,研究区内耕地、草地的面积均有所下降,而林地、水域、建设用地以及未利用地面积增加。(2)日照市总固碳量呈现增长趋势,1995—2015年依次为6.976×10~6,6.978×10~6,6.957×10~6,6.987×10~6,7.015×10~6 t。(3)耕地的碳储量最高,固碳能力最强。[结论]1995—2015年研究区内固碳总量净增3.90×10~4 t,固碳速率呈现小幅上升趋势,固碳能力逐步稳定。日照市东部沿海地区固碳能力相对较弱,应充分开发其固碳潜力。