自组织神经网络在流域土壤水分含

由于土壤水分含量受众多因素的影响，空间变异性很大，给土壤水分含量空间分布的研究带来了很大的困难。空间模式识别是处理土壤水分含量空间数据的方法之一，能够分析得到土壤水分含量空间数据的聚类结果。基于自组织特征映射和自适应共振理论的自组织神经网络模型在空间数据模式识别中得到广泛应用，针对澳大利亚tarrawarra试验流域土壤水分含量的观测数据，应用自组织神经网络，建立动态土壤水分含量的空间模式识别模型，并用半变异函数对识别结果进行检验，实例研究表明该方法是一种行之有效的方法。     

自组织神经网络在流域土壤水分含量空间模式识别中的应用

由于土壤水分含量受众多因素的影响，空间变异性很大，给土壤水分含量空间分布的研究带来了很大的困难。空间模式识别是处理土壤水分含量空间数据的方法之一，能够分析得到土壤水分含量空间数据的聚类结果。基于自组织特征映射和自适应共振理论的自组织神经网络模型在空间数据模式识别中得到广泛应用，针对澳大利亚tarrawarra试验流域土壤水分含量的观测数据，应用自组织神经网络，建立动态土壤水分含量的空间模式识别模型，并用半变异函数对识别结果进行检验，实例研究表明该方法是一种行之有效的方法。     

基于主成分分析和模糊聚类的云南省农业节水分区

缺水是制约云南省可持续发展的主要影响因素之一,大力发展农业节水是实现云南省社会经济可持续发展的基础,为保障云南省农业节水的科学发展,对云南省农业节水进行分区研究。以县市区作为分区单元,根据云南129个县市区的自然环境条件、社会发展状况、经济承受能力和水资源条件等因素,选取6个一级指标和20个二级指标,采用主成分分析法确定分区指标体系,运用模糊聚类法进行农业节水分区,结果表明:云南省可分为水资源缺乏区、季节性缺水区、工程性缺水区、干热河谷缺水区4个一级区共10个二级区;针对各区因地制宜提出适合区域特点的农业节水发展模式。应用该指标体系与方法可获得较为合理的农业节水分区结果,可为云南省农业节水管理及可持续发展提供科学决策依据。