CA-Markov模型在土地利用模拟研究中的应用

土地利用变化模拟研究是土地利用变化研究的热点。研究土地利用变化模拟的方法很多,将各个模型相互结合逐渐成为土地利用变化模拟的研究前沿。该文简要回顾了马尔科夫链模型和元胞自动机模型在土地利用模拟中的研究进展,探讨了这2种模型在研究中的优缺点,并对其今后在土地利用变化模拟中的发展趋势提出了展望,以为土地利用变化模拟研究提供参考。     

不同样本数量下土壤属性空间预测比较

【目的】通过不同样本数量情形下土壤属性空间预测精度的对比,探讨样本数对预测精度的影响。【方法】以土壤有机质、土壤质量含水量、土壤速效钾和土壤有效锰4个土壤属性作为研究对象,采用矩量法（MoM）和有限最大似然法（REML）两种变异函数计算方法,对比分析在不同样本数情形下各土壤属性空间预测精度。【结果】（1）不论是利用MoM法还是REML法计算变异函数,样本点数从50增加到70,各土壤变量预测精度都有了明显提高;样本数从70逐步增加到150过程中,预测精度没有明显提高;（2）在不同样本数情形下,REML法相对于MoM法的预测精度的提高率具有明显的变化,而且在有些情况下,REML法的预测精度比MoM低,而且对于不同土壤变量,表现结果也不相同。【结论】样本数对土壤空间预测准确性具有显著影响,在本研究区域尺度下,当样本数小于70个时,无论用哪种变异函数计算方法进行预测,预测结果的可信度都比较低。     

陕北地区发展生态旅游业的资源与环境条件分析

以生态旅游理论为指导,首先对陕北地区生态旅游所生成的环境条件——自然环境和人文环境,具体从地貌、气候、水文、土壤、历史、民风民俗、经济、交通等多方面进行了分析;进而揭示了陕北发展生态旅游的资源优势特点,主要从类型、资源品位、特色、空间分布及区位优势等多方面进行了分析与评价。     

CA-Markov模型在土地利用模拟研究中的应用

土地利用变化模拟研究是土地利用变化研究的热点。研究土地利用变化模拟的方法很多,将各个模型相互结合逐渐成为土地利用变化模拟的研究前沿。该文简要回顾了马尔科夫链模型和元胞自动机模型在土地利用模拟中的研究进展,探讨了这2种模型在研究中的优缺点,并对其今后在土地利用变化模拟中的发展趋势提出了展望,以为土地利用变化模拟研究提供参考。     

基于多源遥感数据融合和LSTM算法的作物分类研究

准确、及时地获取农作物的空间分布信息,对于指导农业生产、制定农业政策具有重要意义。为了检验长短时记忆网络(long short-term memory,LSTM)算法在基于时序遥感数据进行作物分类中的优势,该文以临汾盆地为研究区域,利用Savitzky-Golay滤波对MODIS NDVI进行平滑处理,并采用ESTARFM(enhanced spatial and temporal adaptive reflectance fusion model)算法对滤波后的MODIS NDVI和Landsat NDVI进行融合,生成空间分辨率为30 m、时间分辨率为8天的时序NDVI。基于Landsat NDVI利用LSTM算法进行作物分类,同时,基于融合NDVI分别利用LSTM算法和神经网络(neuralnetwork,NN)算法进行作物分类,并对比3种方法的分类精度。结果表明,Savitzky-Golay滤波后的时序MODISNDVI能够反映不同作物的物候特征;基于融合NDVI的分类精度明显高于基于LandsatNDVI的分类精度,表明融合后的时序NDVI由于具有更高的时间分辨率,能够更加突出不同作物的物候特征,显著提高作物分类精度;基于融合NDVI和LSTM算法的分类精度高于基于融合NDVI和NN算法的分类精度,前者的冬小麦面积估测精度高于后者的估测精度,表明LSTM算法的分类精度高于NN算法。该文可为基于遥感影像进行不同作物种植区域提取的研究提供重要的方法参考。     

基于遥感和GIS的蒲县土地利用研究

从土地利用/覆盖变化(LUCC)着手,以山西省蒲县为例,采用遥感和GIS技术,结合研究区的土地利用现状,以遥感影像为载体,利用支持向量机和最大似然法对研究区土地利用/覆盖进行分类,分析了蒲县2000～ 2014年土地利用动态变化,并进一步分析了土地利用变化的驱动力及其存在的问题,提出了土地可持续发展的对策及措施.     

用高程辅助提高土壤属性的空间预测精度

 【目的】探讨土壤属性变量与高程之间在何种条件下，可利用高程变量来辅助提高土壤变量的预测精度。【方法】用两种将高程作为辅助变量的克里格插值方法（协克里格法和简单克里格加变化局部平均值法）与没有考虑高程的普通克里格插值方法进行对比分析，用均方根预测误差和预测精度的相对提高值作为标准对3种方法的预测结果进行评价。【结果】对于交换性钾和pH值，协克里格法获得最精确的预测；对于Olsen-P、土壤有机质和有效锌，简单克里格加变化局部平均值法得到最精确的预测；而有效铜、有效铁和有效锰的最精确的预测结果则由普通克里格法产生。【结论】高程数据能够用来提高土壤特征的空间预测精度，但并不是对所有的土壤属性都适合；在利用高程数据来提高土壤属性空间预测之前，应该先对高程和土壤特征变量之间的线性相关关系、结构相关关系和全局趋势等进行仔细地分析，然后再选择适宜的方法。     

北京市平谷区农用地土壤有机质空间变异特征

采用传统统计、地统计及地理信息系统(GIS)相结合的方法,初步研究了北京市平谷区农田土壤有机质(SOM)含量的空间分布规律及其影响因素.传统统计分析结果表明,研究区土壤样本呈对数正态分布,平均值为15.36 g·kg-1,变异系数为0.32,属中等变异程度.方差分析表明,高程和土地利用类型均对研究区SOM含量的分布有显著影响.地统计分析表明,研究区SOM含量空间变异具有一阶趋势和各向异性特征;由空间自相关部分和随机部分引起的空间变异性程度大体相当,具有中等的空间相关性.结合普通Kriging插值方法,获得了研究区SOM含量的空间分布图,比较分析表明研究区农用地SOM含量的空间分布是自然和人为利用因素共同作用的结果.     

利用高程辅助进行土壤有机质的随机模拟

为了探讨在条件模拟计算环境下,是否可以利用高程数据辅助提高土壤有机质空间变化的预测精度及相应的预测不确定性模拟的准确性,该文在北京市平谷区内选取研究样区,以土壤有机质作为目标变量,一方面利用序贯高斯模拟法对土壤有机质的空间分布进行模拟,另一方面以高程作为辅助信息,利用序贯高斯协模拟法对土壤有机质的空间分布进行模拟,然后对两种方法的模拟结果进行对比分析。结果表明,在土壤有机质的空间预测精度、模拟预测结果的局部不确定性和模拟预测结果的空间不确定性三方面,通过将高程数据考虑进有机质条件模拟过程中,准确性都得到了提高。这对于农业可持续发展以及全球碳平衡研究都具有十分重要的意义。