排序方式: 共有13条查询结果,搜索用时 15 毫秒
11.
黑河中游植被覆盖率变化趋势及其驱动因子分析 总被引:2,自引:0,他引:2
利用2002~2011年的黑河干流中游归一化值被指数数据获得植被覆盖率变化趋势,选取合适的NDVI阈值将整个区域划分为"绿洲区"和"荒漠区",并分别探讨了地下水埋深、中游耗水量及累积降水量对两种区域面积和植被覆盖率变化的影响。结果表明:黑河干流中游植被覆盖率整体呈增长趋势,由2002年的32%增长到了2011年的36%,对植被覆盖率增长贡献最大的因素为绿洲区扩张,10年间绿洲区面积占比增长了10%;影响绿洲扩张的主要因素为地下水位埋深和中游耗水量,绿洲区植被覆盖率变化较小,可忽略其影响。荒漠区植被覆盖率的变化主要受累积降水量影响。利用地下水位埋深、中游耗水量、累积降水量可预测区域植被覆盖率的变化趋势,区分人类活动和气候变化对区域植被覆盖率的影响是可行的。 相似文献
12.
13.
为减小径流时间序列的非线性及非平稳性带来的预测误差,提高多种预见期下的月径流预测精度,将变模态分解(VMD)和长短期记忆神经网络(LSTM)模型相结合,建立了VMD-LSTM组合预测模型,并将大气环流因子作为模型输入的增加项,预测未来1~3个月的月径流。将模型应用于黄河流域上游唐乃亥、民和、享堂、红旗及折桥站的月径流预测以验证模型的适用性,并与VMD-BP(BP神经网络)、VMD-SVR(支持向量回归)及单一LSTM模型相比较。结果表明:VMD-LSTM组合模型的预测误差最小、精度最高,相比单一LSTM模型,其纳什效率系数(NSE)约从0.6~0.7提高到0.9以上;融合大气环流因子后VMD-LSTM模型预测精度进一步提高,NSE保持在0.91~0.96之间;随着预见期的增长,VMD-LSTM模型预测精度衰减较VMD-BP和VMD-SVR模型明显变缓,在3个月预见期时NSE仍能保持在0.84~0.95之间。VMD-LSTM模型是月径流预测的一种有效方法,结果可为研究区月径流预测提供参考。 相似文献