洞庭湖湿地生态系统健康演变的研究

基于Landsat遥感影像数据,以洞庭湖湿地为研究区,利用决策树分类模型提取洞庭湖湿地的景观类型。以压力-状态-响应模型为基础,结合洞庭湖湿地的特点,综合压力、状态、响应3个方面来选取评价指标,建立洞庭湖湿地生态系统健康评价模型,利用GIS技术评价分析洞庭湖湿地在1987至2013年间6个不同时期的生态系统健康演变情况。结果表明:洞庭湖湿地生态系统健康在2003年以前处于下降趋势,此后湿地健康状况逐步回升;而外界压力对湿地健康状态的影响存在一定的时滞性。     

基于BP神经网络的东洞庭湖区域森林生态系统健康预警研究

利用定量和定性分析相结合的方法构建了东洞庭湖区域森林生态系统健康预警指标体系,通过样本训练、新样本模拟仿真,建立了BP神经网络预警模型,并利用该模型对东洞庭湖区域森林生态系统健康进行预警预测。结果表明:1)BP神经网络预警模型,拟合效果较好,用于森林生态健康预警是可行的;2)东洞庭湖区域森林生态系统整体处于蓝色和黄色警戒内,健康状况中等,需采取必要的健康经营方法。     

西洞庭湖青山湖城市湿地公园景观健康评价

以西洞庭湖青山湖城市湿地公园为研究区域,采用1993、1998、2002、2005、2009、2013六年的遥感影像数据为基础数据,从湿地环境、湿地景观格局和社会经济功能三方面选取评价指标,构建城市湿地公园生态系统健康评价指标体系。利用熵权法确定各指标权重,对西洞庭湖青山湖城市湿地公园景观生态系统进行健康评价。评价结果显示,19932013年湿地健康状况均为亚健康状态。根据综合评价结果可得出,西洞庭湖青山湖城市湿地公园的综合健康评价结果处于先降低后升高再降低再升高的状态,在1998年和2005年健康状况处于低水平状态,2005年以后,城市湿地公园建立后健康状况逐渐好转。     

洞庭湖湿地生态系统及其评价

洞庭湖湿地是我国最重要的湿地生态系统之一,它包括了河流、淡水湖泊、淡水沼泽、以树木为主的湿地生态系统以及以芦苇为主的沼泽湿地生态系统等子系统。文章在论述洞庭湖区自然生态系统的基础上从湿地生态系统的功能性、多样性、特殊性和脆弱性等方面进行了评价。     

南洞庭湖湿地生态系统结构、功能与可持续研究

洞庭湖是我国著名的淡水湖泊湿地，也是世界上唯一的由3个国际重要湿地组成的湖泊。文章分析了南洞庭湖湿地的形成原因及演替规律，研究了其生态系统结构特征，评价了动物栖息地、植物基因库、生态改善、湿地生产、科教基地、旅游度假等湿地功能，指出其面临的主要问题是湖泊面积缩小、湿地功能衰退、动物种群衰减、资源利用率低、环境污染加剧，提出扩大湖泊面积、重视湿地资源保护、加强自然保护区建设、发展湿地生态农业、加快湿地污染治理的南洞庭湖湿地生态系统可持续发展途径。     

洞庭湖湿地生态系统的保护与管理

为了维护洞庭湖湿地生态系统的自然平衡,使湿地生态系统和资源得到合理的利用与开发。本文阐述了洞庭湖区的湿地资源特征、自然保护区的情况,采用了SWOT分析法对加强洞庭湖湿地生态系统保护与管理进行了分析并针对洞庭湖区的湿地生态系统现状,提出了湿地生态系统保护与管理的建议。     

东洞庭湖湿地景观格局演变及稳定性研究

东洞庭湖是国际上重要的湿地生态系统,在人类活动干扰强烈的背景下,研究湿地对人类活动干扰的响应具有重大意义.在遥感和GIS技术支持下,利用2015—2020年遥感影像获取6期东洞庭湖湿地景观覆盖类型数据,应用景观转移矩阵、景观格局和景观稳定性模型等方法定量分析洞庭湖"专项整治行动"前后东洞庭湖湿地的景观动态特征和稳定性....     

湿地生态系统健康研究现状

近年来湿地生态系统健康已成为湿地科学研究的热点之一。在查阅国内外有关湿地生态系统健康文献的基础上, 简要回顾了生态系统健康概念的内涵, 从湿地生态系统健康的概念、影响因子、研究尺度、评价方法等方面分析了湿地生态系统健康的研究现状, 其中重点归纳了湿地生态系统健康的评价方法。在此基础上探讨了当前研究存在的问题和今后发展的方向。     

南洞庭湖湿地景观多样性与保护对策的研究

通过对南洞庭湖湿地景观特征的研究 ,以土地利用现状图、林业分类经营图为基本资料 ,引用景观的多样性、优势度、均匀度、破碎度等景观生态学指标 ,分析了南洞庭湖湿地景观的结构及多样性特征 ,提出了南洞庭湖湿地退化及保护的景观生态学指标 ,以及湿地和生物多样性保护的途径和方法     

江苏省高邮湖湿地生态系统综合评价及保护建议

基于文献资料、遥感影像及野外实验获取的数据,采用中国科学院遥感与数字地球研究所研制的《湿地生态系统评价指标体系》,从湿地生态系统的健康、功能和价值三方面,对江苏省高邮湖湿地生态系统开展综合评价。结果显示,高邮湖湿地生态系统综合健康指数为5.53,健康等级为"中";综合功能指数为6.70,功能等级为"中";湿地生态系统总价值达51.97亿元,每公顷湿地价值为7.17万元。究其原因,高邮湖湿地依然存在水环境恶化、管理困难、管理体制不完善等问题,侵蚀着高邮湖湿地生态系统健康,从而制约湿地生态系统的健康与功能。因此,我们提出今后应加强宣传、提高居民保护意识、理顺管理体制,协调高邮湖旅游开发与保护、加强监督管理等保护建议。     

基于BP神经网络理论的物流金融风险评价模型

介绍物流企业在物流金融服务过程中可能遇到的内外部各类风险,分析风险产生的主要因素,并构建一套完善的物流金融风险评价指标体系。通过应用BP神经网络理论建立物流金融风险评价模型,利用BP神经网络的结构形式及训练原理,调查数据为样本,对该网络进行充分训练与检验,从而得到可对物流金融风险做出准确评价的BP神经网络评价模型,为物流企业发展提供借鉴。     

基于BP神经网络的太白山生态旅游量预测研究

生态旅游需求预测受到许多不可预知因素的干扰,而且不稳定因素也很多,传统方法难以得到有效的预测结果。文章把BP神经网络应用在旅游需求预测中,通过介绍BP神经网络的原理和计算步骤,结合实例确定神经网络的结构,从而建立BP神经网络,最后预测了太白山自然保护区2011—2020年旅游人数,将利用该模型得到预测数据与实际数据做对比,表明该模型预测效果良好,并能保证网络良好的泛化能力。     

用泛化改进的BP神经网络估测森林蓄积量

介绍主成分变换和经规则化调整法进行泛化改进的BP神经网络在森林蓄积量建模估测中的应用,比较普通BP神经网络与泛化改进的BP神经网络对蓄积量预报的差异,分析直接用中心标准化的观测值建立仿真模型和进行主成分变换后再建立模型的效率问题.结果表明:泛化改进的BP神经网络比普通BP神经网络具有更高的预报精度,利用主成分得分作为仿真模型的变量比直接用观测值作变量具有更快的速度,并保证了预报精度.     

动态数据驱动的林火蔓延模型适宜性选择

基于BP人工神经网络方法设计林火模型适宜性选择技术框架结构,通过神经网络形成林火模型选择知识,实现林火模型的自动化和智能化选择;以火场环境因子为输入变量,以适宜火场环境模拟的林火蔓延模型作为输出变量,构建林火模型选择神经网络模型;研究输入、输出因子数据的获取与计算方式,实现动态数据驱动的林火模型自动选择机制.以北京市为例,选择有详细火场情况记录的72场林火作为试验样本,其中60条记录作为学习样本集,12条记录作为验证样本,对神经网络进行学习和验证,结果表明:模型选择精度可达到80%以上.     

基于BP神经网络的泉州湾红树株高预测模型

在分析测量数据的基础上,提取红树的平均基径、基径数、平均胸径、胸径数等特征参数,建立了预测红树株高的人工神经网络模型。采用Levenberg-Marquardt优化算法改进了BP神经网络算法;采用训练好的BP神经网络模型对距堤坝25,50,75 m 3个采样点的株高进行预测,预测值和实测值的均方根误差分别为0.000 6,0.002 2,0.004 1,相关系数分别为0.99,0.95,0.94。结果表明利用BP神经网络对红树株高进行预测是可行的。     

Prediction of Forest Stock Volume Based on Neural Network Model

BP and RBF neural network to predict forest stock volume were studied,but the study in evaluating both networks’ application effects was not conducted.In order to find a higher forecast precision,more strong applicative method,the comprehensive analysis and evaluation on the two methods were carried out in the practical application. By the correlation analysis,crown density,shady-slope and sunny-slope,TM1,TM2,TM3,TM5, TM7,NDVI,TM,(4-3),TM4/3 were selected as input variables,and the forest volume of Miyun County as output variables,RBF and BP neural network models for forecasting the forest volume were established.And the neural network training step length,training time,prediction accuracy and the applicability model of the two methods were comprehensively analyzed.The results show that the RBF neural network model is superior to the BP neural network model.     

基于 BP 神经网络对供应商选择与评价的研究

基于当前经济全球化、竞争日益激烈、用户需求个性化的新环境的严峻挑战，企业应该如何依据供应链管理的思维与技巧选择与评价供应商，具有举足轻重的现实意义。通过对供应商选择与评价的实例，在神经网络训练成功的前提下对企业供应商进行了选择，BP神经网络模型的建立、仿真及评价得到了实际的应用，详细说明了基于BP神经网络对供应商选择与评价的可行性。     

基于混合像元分解的庐山及周边林地遥感图像分

由于传感器分辨率的限制以及地物的复杂多样性,混合像元普遍存在于遥感影像中,在一定程度上影响到地物提取精度。以江西省庐山及周边地区2019年4月9日的ETM+影像为例,使用线性混合模型和非线性的BP神经网络方法对图像进行混合像元分解,利用2019年5月的SPOT数据及其与ETM+影像融合的分类结果对分解结果进行验证。结果表明,非线性的BP神经网络分解精度高于线性分解精度。对比使用BP神经网络分解图像提取林地面积的精度提高了1%~5%。     

广东省GDP时间序列预测——基于神经网络与ARIMA模型

文章通过收集1978-2007年的广东省实际GDP,运用ARIMA对广东省GDP进行时间序列预测,为提高预测的精确度,同时采用BP神经网络对ARIMA模型下的误差进行预测,并结合BP神经网络的误差预测值对实际GDP预测值进行修正,从预测结果表明:BP神经网络与ARIMA的组合预测明显优于单一方法的预测。还在组合预测模型下给出了广东省2008-2012年的实际GDP预测值。并将其转化为名义GDP,其中2008年的名义GDP为35597.10亿元,2009年为40591.12亿元和2010年为46537.22亿元。     

BP神经网络反演森林生物量模型研究

基于LandsatTM影像和DEM数据,尝试利用BP神经网络建立旺业甸林场森林生物量非线性遥感模型系统,通过实验筛选,最终利用增强型的BP网络进行训练仿真。模型仿真结果表明,增强型的BP神经网络具有自学习和自适应功能强、收敛速度快的特点,能够最大限度地利用先验样本。仿真检验结果的相对系数达0．8022,平均相对误差为15．7％,表明该模型预测的生物量与实际生物量一致性较好,能够达到较好的反演效果。