改进的蚁群聚类在精准灌溉管理分区中的应用

为了便于精准灌溉的田间实际操作和管理,采用改进的蚁群聚类算法进行灌溉管理分区研究。蚁群算法的离散性和并行性特点对于数据的特征聚类非常适用,然而当数据量较大时,蚁群聚类在系统循环过程中,对数据的搜索时间较长,计算量大,因此将初始聚类中心作为蚂蚁的初始食物源加以引导,减少蚂蚁行走的盲目性,以达到降低计算量、加快聚类的目的。该文以土壤物理特性作为数据源,在运用主成分分析消除初始指标相关性的基础上,采用改进的蚁群聚类对研究区进行精准灌溉管理分区的划分。将改进的蚁群聚类分区结果与传统的K-均值聚类进行比较,前者分区结果表现出土壤物理特性区内均一性更强、区间差异性更加显著的特点。改进的蚁群聚类分区结果表明,研究区可划分成2个灌溉管理分区,I区土壤的田间持水率、饱和含水率和凋萎含水率均较II区大,表明在相同的气候条件下,I区的土壤耐旱能力较II区强,分区结果可以为精准灌溉的分区管理提供参考依据和数据支持。     

基于改进白化权函数的资源型城市土地利用系统健康灰色聚类评价

[目的]对资源型城市土地利用系统进行健康评价,为资源型城市协调土地利用,推进社会经济稳定发展提供借鉴。[方法]运用的中心点混合白化权函数的灰色聚类模型,从系统的结构、功能、效益三方面构建评价指标体系,分析黑龙江省大庆市2005—2014年土地利用系统健康水平及趋势。[结果](1)大庆市土地利用系统健康水平逐步由"不健康"向"较健康"演变。(2)建设用地比例、人均水资源量、地均石油工业产值、土地市场化程度等成为制约大庆市土地利用系统健康水平提升的关键因素。[结论]混合中心点白化权函数的灰色聚类模型为土地利用系统健康评价提供新的评价标准,克服单指标评价与综合结果的不相容性,适用于土地利用系统健康评价。大庆市应进一步挖掘建设用地利用潜力,优化土地利用布局,积极涵养水源,深化土地市场改革,不断提升土地利用系统健康水平。     

系统聚类分类法在水土保持林林种分类中的应用

将水保林种进行合理分类,可为各林种的合理营造、经营方向或科学配置提供理论依据。利用系统聚类分类方法对辽宁阜新县阿其玛嘎小流域的水保林进行了林种分类;采用评价指标为坡向、坡度、坡位、土壤侵蚀状况、林分蓄积量、密度、郁闭度、生物量等８个可量化指标,对１０４．４７ ｈｍ２林地进行聚类分析。经专家综合分析评判,该流域林地分为用材林、护坡林、薪炭林、经济林、沟道速生丰产林、分水岭防护林等６个林种。此分类为指导今后水保林配置提供了依据。     

模糊聚类在水土保持区划中的应用

<正> 水土保持区划的合理分区是综合治理规划的基础,也是评价治理效益的重要依据因水保区划涉及到土壤侵蚀、生态环境、土地的合理利用,社会经济和农林牧业的发展等方面。用一般的经验方法来定性分析不够准确,特别是当分区指标和样本数较多时,很容易出现错分或漏分现象,造成不合理的分区。为使分区更科学合理,本文利用模糊聚类的方法。对地处黄土丘陵沟壑区的陕西省安塞县进行了水土保持分区     

基于灰色聚类法的乌鲁木齐市空气质量状况研究

采用灰色聚类分析方法,对乌市2000～2004年和2005年12个月的大气污染物进行多因子污染等级评价。结果表明2000年至2004年乌市大气质量状况变化总体较稳定并向清洁程度发展;2005年12个月的大气质量状况受到采暖期和非采暖期的影响较大。     

中分辨率卫星数据分类的改进迭代聚类算法

在动态聚类算法的理论基础上,提出了一种经过改进的迭代聚类方法。该方法通过VC＋＋程序编译加以实现,在分类的过程中通过判定类间距离阈值动态分类,无需设定初始聚类中心,减少了分类前需要设定的初始参数,保证了分类结果更加客观,并且分类过程简便易操作。为了验证其实用性,本文选取了辽宁中部一区域作为试验区,应用TERRA卫星MOD IS和FY3A卫星MERSI 250m中分辨率数据进行分类,并同时与ISODA-TA法的分类结果进行比较。结果表明,使用该方法得到的分类精度好于ISODATA法,可以用于遥感数据的分类。     

改进灰色聚类法的丹东市地下水质量评价

根据地下水质量标准以及实验室测试相关项目选取了18项典型指标,并对丹东市地下水质量状况利用改进的灰色聚类法进行了评价。结果显示由于参评指标较多使得评价存在较大的偏差,无法真实反映实际状况,对此修正改进了原有方法。结果表明:丹东市地下水质大部分地区处于良好状态,部分区域如城镇周围、人口密集的城区、排污河道两侧等水质较差;该评价结果与野外污染源调查结果基本保持一致,研究结果可为丹东市地下水环境治理规划和水源保护提供科学依据。     

模糊聚类在生物研究中应用的探讨

<正> 红豆草(Onobrychis viciaefolia)是干旱地区很有发展前途的多年生优良牧草,近年来在本地区得到大面积推广。为了选育出适合当地生态条件的优良品种,我们进行了红豆草品种比较试验。由于红豆草名称混乱,品种性能不清,因此,我们试图采用模糊聚类的方法,定量地、科学地探索红豆草品种的分类方法。     

应用灰色聚类法作烤烟生长的气候评价

利用灰色聚灰法对云南省大理州烤烟生长条件进行了气候适宜性分析,给出了定量,可比和综合客观的评价,结果与我州烤烟种植经验基本一致。     

改进有序聚类方法在水文分析中的应用

结合改进的有序聚类方法对朝阳地区水文非一致性进行分析,并对其影响贡献量进行定量分离.结果表明:朝阳地区年最大降水受气候变化影响,呈现一定的非一致性.年最大径流受人类活动及气候变化的综合影响,非一致性变化显著,其中降雨影响占比为43％,下垫面影响占比为32％,涉水活动影响占比为25％.     

改进灰色聚类模型在朝阳地下水水质综合评价中的应用

采用改进的灰色聚类模型对朝阳地区地下水进行综合评估。评估结果表明：改进的灰色聚类模型可解决传统聚类模型权函数设置单一的局限,在朝阳地区地下水综合评估结果更为客观、合理。研究成果对于区域地下水质综合评估方法具有参考价值。     

基于Ward系统聚类的中国农用地整治实施状况分析

为科学分析当前中国农用地整治的实施特征和空间格局特点,厘清实施状态与规划目标的协调状态,该文基于土地整治项目管理信息,以县域为研究单元,通过整治强度、整治潜力和整治难度3项指标,采用Ward系统聚类法,对2006-2012年中国农用地整治实施状况进行综合分区,并结合既定的规划目标,对实施状态进行了定量分析,得出以下结论:1)高整治强度区主要位于华北平原、三江平原、长江三角洲等传统农区;高整治潜力区主要位于青甘农牧区、黄土高原区等半湿润半干旱地区;高整治难度区主要位于秦巴山地和云贵高原等地形较为复杂的地区。2)研究期内中国农用地整治实施状态可划分为"中高-低-中"(Ⅰ类)、"中-中低-中"(Ⅱ类)、"中高-中高-中高"(Ⅲ类)、"低-中-高"(Ⅳ类)和"高-中低-中"(Ⅴ类)等5种类型,其中以Ⅲ类最为集中,Ⅰ类和Ⅱ类次之,Ⅳ类、Ⅴ类数量较少且分布零散。3)从实施状态与整治规划的协调性看,实施现状与规划确定的农用地整治重点区域、高标准基本农田建设示范县,以及基本农田整治重大工程等重点任务,均存在一定偏差;从与表征经济发展、粮食生产、土地整治活动的分区对比来看,区域差异不甚明显,整治重点尚不突出。该研究成果可为中国土地整治规划评价和宏观制度设计提供参考。     

模糊聚类和排序在植被演替研究中的综合应用

应用模糊聚类和主成分分析(PCA)对黄土高原丘陵沟壑区植物群落演替进行研究,以探讨该方法在植被演替研究中的可行性。研究结果表明,利用模糊聚类分析和主成分分析,可以将13个样地客观地划分为5个群系。结合不同群系的恢复时间,即可判定随时间变化而呈现出的植物群落演替序列：猪毛蒿群落一赖草群落一长芒草群落一铁杆蒿群落一沙棘群落。该演替序列与传统的研究结果基本相同,说明利用模糊聚类分析和主成分分析方法研究植被演替是可行的。同时该方法数学上较为严格,且计算简单、运算量小,精度较高、可在计算机上运算,可大大提高植物群落演替研究的定量化水平,在植被演替中具有较好的应用价值。     

基于改进K-means聚类算法的大田麦穗自动计数

单位种植面积的小麦麦穗数量是评估小麦产量和小麦种植密度的一个重要参量。为了实现高效、自动地麦穗计数,该文提出了基于改进K-means的小麦麦穗计数方法。该方法建立从图像低层颜色特征到图像中包含麦穗的一个直接分类关系,从而不需要再对图像进行分割或检测。以颜色特征聚类为基础的这种方法能够估计麦穗在空间局部区域中数量,并且在不需要训练的情况下更具有可扩展性。统计试验结果表明,该文算法能够适应不同光照环境,麦穗计数的准确率达到94.69%,超过了传统基于图像颜色特征和纹理特征分割的麦穗计数方法 93.1%的准确率。     

预测性土壤有机质制图中模糊聚类参数的优选

对数字高程模型(DEM)中的地形特征进行模糊C均值聚类,分别采用3种方法来选择最优模糊度和分类数组合及分类结果;在最优分类结果上,用多元线性回归方法建立土壤A层有机质含量与地形景观之间的定量关系,并应用该关系进行土壤制图应用.结果表明:3种方法选择的最优模糊度比较接近,主要为1.5,还包括1.4和1.6,但3种方法选择的最优分类数却有很大差别;尽管依据回归模型γ2选择的分类结果较多地解释了土壤A层有机质含量的变异,但基于这种分类结果的制图偏差较大,与实测值相比较的结果也说明基于这种分类结果的制图精度较低;用内部判据选择的分类结果在制图过程中产生的偏差较小,制图精度也较高.     

基于系统聚类的林地内采育目标识别与分类

为了避免多功能林木联合采育装备的采育工作装置的误操作,利用激光扫描仪获取林地内采育作业环境内的目标数据,运用基于腐蚀和聚类原理的滤波算法过滤原始扫描数据的背景噪声,获取扫描目标的轮廓数据.并假设所有目标为标准圆,利用最小二乘法拟合目标半径,平均误差小于4.29 mm.采用一种基于多元统计分析的系统聚类方法对拟合结果数据进行分类,区分采育目标立木和大型障碍物.试验结果表明,采用以上方法可以有效区分林地内的拟合半径小于384 mm采育目标立木与拟合半径大干774 mm的大犁障碍物.