基于Logistic回归和RBF神经网络的土壤侵蚀模数预测

[目的]寻求估算土壤侵蚀模数的新方法,并通过GIS实现对土壤侵蚀空间分布情况的预测。[方法]采用土壤侵蚀模数作为判别条件,分别验证基于Logistic回归和RBF神经网络而建立的土壤侵蚀预报模型的适用性,进而构建并验证改进模型——LOG-RBF神经网络土壤侵蚀预测模型。[结果](1)Logistic回归模型判别目标土地是否发生土壤侵蚀的优势明显,未发生和发生土壤侵蚀的预测正确率分别为77.4%和97.9%,总预测正确率为94.9%。(2)RBF神经网络模型估计土壤侵蚀模数的能力较强,模拟结果的相对误差和平方和误差分别为0.612%和13.292,R2为0.57。(3)LOG-RBF神经网络土壤侵蚀预测模型预测结果的相对误差和平方和误差比RBF神经网络模型模拟结果分别降低了0.157%和2.601。R2为0.82,拟合程度上优于RBF神经网络模型。随着土壤侵蚀模数的增大,错估现象呈逐渐减少趋势。通过受试者工作特征曲线的判别,LOG-RBF神经网络模型的曲线下面积值比RBF神经网络模型大0.063,模型判断的准确性更高。[结论]利用LOG-RBF神经网络土壤侵蚀预测模型可更准确地估计土壤侵蚀模数,基于GIS能够预测土壤侵蚀的空间分布情况。     

景观格局类型对土壤侵蚀的影响

在景观格局特征尺度上讨论景观格局类型与土壤侵蚀的关系,为具有减缓土壤侵蚀效果的景观格局提出优化的方向。以挠力河流域为研究区,利用3S技术、USLE模型、移动窗口法与半变异函数、有序多元logistic回归等方法,从特征尺度上量化了分析景观格局类型对土壤侵蚀的影响。结果表明:(1)2010—2018年研究区景观格局破碎化程度增加,景观格局类型有向散布型转化的趋势。(2)2010年、2018年研究区的景观格局特征尺度分别为4 500 m,4 250 m,后者景观格局更为丰富。(3)2010—2018年研究区土壤侵蚀总量增加。(4)研究区土壤侵蚀强度主要取决于现状土地利用斑块特征,在景观格局特征尺度下网状型景观格局类型对土壤侵蚀的缓解效果最好,网状型、指状型和棋盘型与散布型景观格局类型相比,土壤侵蚀强度至少高一个等级的概率分别为0.53,0.74,0.88。研究结果可为景观格局优化和水土保持管理提供参考。     

川北紫色土深丘区径流及土壤侵蚀研究

研究川北紫色土深丘区径流及土壤侵蚀规律可为土壤侵蚀模型提供参数和依据,对试验区长期定位观测获取的11 a的降雨、径流及泥沙数据,年内及年际的分布特征进行分析,并对径流和泥沙进行曲线回归分析。结果表明:试验区径流及土壤流失主要集中在6—8月;相关性分析显示径流与降雨达到了显著水平,土壤流失与径流达到显著或极显著水平,与降雨量未达到显著水平。径流对降雨变化的响应程度更为剧烈,并表现出一定的滞后性。土壤流失量对径流的变化响应则较为复杂,但其总体变化趋势一致。回归分析表明径流月/年回归模型分别以指数/幂函数模型为最佳,且月回归模型优于年回归模型;泥沙月/年回归模型均以幂函数模型最佳,年回归模型估算较月回归模型准确。     

昆明市土地利用变化趋势的多模型对比分析

[目的]对比分析逻辑回归(LogReg)、多层神经网络(MLP)和相似度加权学习(SimWeight)3种土地利用变化趋势模型在多地类变化分析中的模拟效果与土地利用预测精度,为云贵高原地区的国土空间规划、水土保持和生态修复等提供参考。[方法]以2000—2020年昆明市土地利用变化为例,分别采用3种模型对该区域建模,并使用受试者工作特征曲线、ROC曲线下面积和Kappa系数等多种方法评估精度。[结果]对于大多数地类的变化趋势,MLP和SimWeight模型的模拟效果要好于LogReg模型,特别是在未利用地的变化分析中MLP和SimWeight模型的AUC值均大于0.9。在整体土地利用变化预测上,LogReg, MLP和SimWeight3种模型的Kappa值分别为0.9066,0.904 1,0.925 3,整体预测结果表现接近,但SimWeight模型略微优于其他模型。[结论]对于昆明市LUCC建模的模型选择,若为追求更高精度可选择SimWeight模型,若更在意运算速度则优先选择MLP模型,若需要进一步分析驱动因子与土地变化的关系应选择LogReg模型。     

基于GRNN的坡面径流输沙能力模型的试验研究

坡面径流输沙能力是建立土壤侵蚀过程模型的重要水力学参数,研究定量计算坡面径流输沙能力的实用模型具有重要的理论和实践意义.通过室内模拟径流冲刷试验,计算不同坡度和流量条件下的裸地坡面径流输沙能力,利用平均影响值(MIV)方法对影响坡面径流输沙能力的因子进行分析,建立以干密度、能坡、进口流量、出口流量、水力半径、流速为输入,以坡面径流输沙能力为输出的广义回归神经网络(GRNN)模型,并应用Adaboost算法对模型进行优化.验证结果表明,所建模型能够用于对坡面径流输沙能力的模拟预测.与BP神经网络模型进行对比分析的结果表明:在试验训练样本条件下,广义回归神经网络(GRNN)模型的模拟预测结果优于BP神经网络模型;Adaboost算法能够有效减小广义回归神经网络(GRNN)模型的模拟预测误差.     

基于多元非线性空间建模的拉萨河流域沟蚀发生风险探测

青藏高原的生态环境面临着气候变暖和人类活动增加的双重压力,增加了土壤侵蚀风险。沟蚀是土壤侵蚀最为剧烈的表现形式,为调查当地沟蚀现状和主控因素,该研究选择拉萨河流域作为代表,通过野外调查和遥感解译建立2 171个样点,并首次基于最优尺度回归、地理探测器和两者的组合共4种方法对15个影响沟蚀的因子及其分级/分类的重要性和沟蚀发生风险进行了探测。结果发现：1）在最优尺度回归中,因子系数前三位分别为海拔（0.442）、土壤类型（0.168）和归一化植被指数（0.156）;在地理探测器中,海拔（0.263）、土壤类型（0.251）和人类足迹（0.174）排在前三位。2）最优尺度回归和地理探测器的受试者工作特征曲线下面积（Area Under the Curve,AUC）值分别为0.899和0.833,两种组合方法AUC值分别为0.866和0.848,各方法探测效果均良好,都适用于空间建模。3）拉萨河流域有9.52%～13.97%的区域有着非常高的沟蚀风险,主要集中在拉萨河下游河谷两岸和当雄盆地等相对低海拔地区。研究结果可为青藏高原生态安全屏障建设和水土保持工作提供参考。     

绥中县六股河流域土壤侵蚀特征研究

采用修正后的RUSLE模型及GIS技术,评价分析绥中县六股河流域1999—2019年的土壤侵蚀变化特征,并探究了土壤侵蚀强度与土地利用类型之间的作用关系.研究表明:绥中县六股河流域土壤侵蚀模数平均值为262.88 t/(km2·a),其中21 a间土壤侵蚀最轻的为2004年;研究区中度、轻度和微度侵蚀强度主要发生于西南...     

基于模糊神经系统与GIS的区域土壤侵蚀快速评价

土壤侵蚀调查与评价是水土保持工作的重要组成部分。该文对区域土壤侵蚀评价进行了尝试性研究,提出一种基于模糊神经系统和GIS技术的快速评价方法。研究中利用模糊神经系统技术从地面监测调查数据中提取土壤侵蚀强度的评价规则,建立能够全面、客观地反映特定区域范围内土壤侵蚀自然特征及规律的评价标准,在此基础之上结合GIS技术以实现对整个地区的快速评价。采用该方法进行湖北省土壤侵蚀普查,结果表明全省侵蚀面积约占国土总面积的30.1%。其中,鄂西南、鄂西北高山区土壤侵蚀情况最严重,鄂东南、鄂东北低山丘陵区次之,鄂北岗地中度侵蚀面积较大,而江汉平原基本无明显侵蚀。经验证评价结果与实际情况具有较好的一致性。     

Comparison of two inversion methods for winter wheat leaf area index based on hyperspectral remote sensing

冬小麦叶面积指数（LAI, leaf area index）是评价其长势和预测产量的重要农学参数,高光谱遥感能够实现快速无损地监测叶面积指数。该文旨在将田间监测与高光谱遥感相结合,探索研究不同冬小麦叶面积指数高光谱反演方法的模拟精度及适应性。针对国际上普遍应用的2种高光谱遥感反演LAI模型方法,即回归分析法和BP神经网络法,在介绍2种LAI反演模型的基础上,选择位于黄淮海平原的山东省济南市长清区为研究区域,通过ASD地物光谱仪和SunScan冠层分析系统对冬小麦的冠层光谱及LAI变化进行田间观测,然后利用回归分析法和BP神经网络法构建冬小麦LAI反演模型,将模型估算LAI值和田间观测LAI值进行比对,分析评价2种方法的反演精度。结果表明,BP神经网络法较回归分析法估算冬小麦LAI的精度有较大提高,检验方程的决定系数（R2）为0.990、均方根误差（RMSE）为0.105。利用BP神经网络法构建反演模型能较好的对冬小麦LAI进行反演。研究结果可为不同冬小麦长势遥感监测提供理论和技术上的支持,并为大尺度传感器监测冬小麦长势和估产提供参考。     

基于GA的GRNN高光谱遥感反演冬小麦叶片氮含量模型的建立与验证

基于人工神经网络理论,针对高光谱遥感中数据冗余问题,本文建立了基于遗传算法(GA)的广义回归神经网络(GRNN)模型,利用回归分析问题中参数筛选方法,对表征冬小麦叶片全氮的光谱参数进行了筛选,并和线性回归方法对比,线性回归方法的均方根误差(RMSEP):在冬小麦叶片氮含量为34.0g kg-1~62.5g kg-1预测范围内,逐步回归模型为14.4g kg-1,后向选择为11.8g kg-1,而广义回归神经网络为3.40g kg-1。说明神经网络方法所筛选到的光谱参数更能反映小麦叶片全氮含量,且神经网络模型预测精度高。     

BP神经网络在道路土壤分离速率模拟中的应用

 土壤分离是土壤侵蚀的重要过程,为坡面径流的搬运过程提供了物质基础,因而对土壤分离速率的准确模拟具有重要的理论和实践意义。采用变坡水槽实验,利用在较大的坡度(8.8%～46.6%)及较大的流量范围(1～5L/s)内测得的黄土高原道路土壤分离速率数据,分别使用BP神经网络模型及回归模型对土壤分离速率进行模拟,并对比上述2种模型的模拟效果。结果表明:BP神经网络模型可以利用实验中较容易测定的坡度、流量等数据对土壤分离速率进行较为准确的模拟(模型效率系数0.952);相对传统回归模型,BP神经网络模型对不同类型道路的土壤分离速率的模拟精度均有所提高;BP神经网络模型可以将道路类型、坡度、流量与土壤分离速率的关系统一为一个模型,可为道路土壤分离的模拟提供新的方法。     

基于遗传神经网络的全国小麦条锈病长期气象预测

为了提高反向传播（BP）神经网络模型预测小麦条锈病发病率的准确性和效率,以上年1月-当年3月组合的120个大气环流特征量为基础,定量分析大气环流特征量与全国小麦条锈病发病率之间的相关性并从中筛选出主要的影响因子;对影响因子进行主成分分析（PCA）,提取累计贡献达到85．46％的前10个主成分作为预测因子;利用逐步回归、BP神经网络及遗传算法（GA）优化的BP神经网络三种模型进行预测,三种模型的预测精度均在80％以上,其中GA—BP神经网络模型的精度最高,达92．6％,而其训练步长仅为标准BP神经网络的1／4左右。通过PCA简化网络结构,同时运用GA优化网络初始权值和阈值,GA—BP神经网络模型可以较好的预测小麦条锈病的发病率。     

2次降雨条件下不同土壤细沟侵蚀分析

不同土壤细沟侵蚀发育对比研究是探讨细沟侵蚀机制的必要内容。通过间隔为24 h的2次人工模拟降雨,在不同降雨强度(1.5,2.0,1.0 mm/min)、不同坡长(5、10 m)的试验条件下,分析坡度为20°时塿土和黄绵土2种土壤细沟侵蚀过程中产流产沙、空间变化的差异。结果表明:1)从坡面产流量来看,2种土壤在2次人工降雨过程中有相似的产流过程,坡长和降雨强度相同时,塿土坡面产流量大于黄绵土;2)从坡面形态看,第1场降雨过程中塿土坡面表面积、细沟侵蚀强度大于黄绵土坡面,但黄绵土坡面一旦发生细沟侵蚀,其体积变化幅度剧烈于塿土坡面;3)塿土在第1场降雨过程中侵蚀速率的变化过程可以反应细沟发育的各个阶段,较大降雨强度使黄绵土发生细沟侵蚀侵蚀,其细沟发育的各个阶段持续时间长于塿土,即黄绵土细沟形态变化缓慢。     

中国水土流失和水土保持定量研究进展

近代中国土壤流失定量评价始于本世纪５０年代,８０年代初开始土壤评价统计模型的研究开发,８０年代末开展了土壤侵蚀预报物理模型的探索,同时不在较大区域乃至全国尺度上进行了土壤侵蚀和水土保持的保持研究。中国土壤流失与水土保持定量评价研究可概括为３个层次：地块－小流域－区域,２种类型：统计模型;物理模型。进一步的研究应致力于国外模型的引进,解决模型的统一和通用性问题,加强遥感与ＧＩＳ技术的应用,并建立完整     

基于人工神经网络的坡面土壤侵蚀研究

 基于坡面土壤侵蚀产沙的复杂非线性特性,引用3层前馈型BP网络建模方法,对不同耕作措施坡面土壤侵蚀产沙进行模拟,模型输入层变量数为5个,分别代表降雨强度、坡度、坡长、土壤前期含水率和土壤容重,输出层变量为次降雨土壤侵蚀产沙量,并利用野外人工模拟降雨试验所得到的不同耕作措施(等高耕作、人工掏挖、人工锄耕和直线坡)坡面土壤侵蚀产沙实测资料,对网络进行模拟训练和预测,取得了较好的结果。该模型的建立与求解,为复杂坡面土壤侵蚀规律的研究提供了一条新途径。     

天然降雨条件下裸坡产沙量的逐步回归分析

坡面土壤侵蚀的发生是植被、土壤、降水、地形等各因素共同及相互作用的综合结果。该文旨在用逐步回归分析法从众多影响因子中选出对沈阳地区水土流失影响最大的因子,为沈阳地区人民生产及实践提供指导性意见。当自变量很多时,其中有的因素可能对因变量的影响不是很大,而且各因子之间可能是不完全独立的,会有种种相互作用关系。在这种情况下可以采用逐步回归分析方法,进行影响因子的筛选,建立"最优"回归方程,这样建立的回归模型预测效果会更好。为了确定本地区天然降雨裸坡侵蚀的影响因子,利用10°,15°两个坡度进行降雨试验,对坡度、降雨量、降雨强度,最大瞬时雨强、降雨历时5个影响因子对产沙量进行逐步回归分析,结果表明:最大瞬时雨强、坡度及降雨量3个因子对产沙量影响显著。产沙量与各因子呈线性关系。     

库区生态公益林改造对林地水土流失的影响研究倡

以福建永安安砂库区生态公益林为研究对象,通过设置径流小区,分别在坡度25°和32°的林地中,设计4种不同间伐强度处理(不间伐、20%、40%、60%间伐强度),研究不同间伐强度及间伐后补植枫香两种改造措施对库区生态公益林林地水土流失的影响.结果表明:40%及60%间伐强度林地的水土流失量大于不间伐处理,中高强度间伐后套种枫香的改造措施同样加大了库区生态公益林地的水土流失,但小于间伐措施的流失量,且水土流失量随着坡度的增加而加大.而在适当的低强度间伐(20%间伐强度)条件下,实施两种改造措施之后的库区生态公益林的水土流失量与不间伐处理之间差异并不明显.因此,选择在低坡度(25°)进行适当的低强度(20%间伐强度)间伐并套种枫香等阔叶树种,可达到在兼顾生态效益的同时,科学合理地利用生态公益林的林木和景观资源的目的     

基于BP神经网络的土壤水力学参数预测

为了获取区域土壤水分和溶质运移模拟所需的土壤水力学参数,利用黄淮海平原曲周县的试验资料建立基于BP神经网络的土壤转换函数模型。本文采用土壤粒径分布、容重、有机质含量等土壤基本理化性质,来预测土壤饱和导水率Ks、饱和含水量sθ、残余含水量θr、以及van Genuchten公式参数α、n的对数形式ln(α)和ln(n),并与多元线性逐步回归方法进行比较。t检验结果表明,BP神经网络训练和预测得到的模拟值与实测值之间吻合很好,该方法具有较高的预测精度。通过对平均相对误差的比较,得出在粒径分布的基础上增加容重、有机质含量等输入项目,可以提高部分土壤水力学参数的预测精度,而有些参数的预测精度反而降低。以误差平方和为标准的比较结果表明,BP神经网络模型的预测效果总的来看要优于多元线性回归法。