县级耕地后备资源调查评价研究——以长沙县为例

阐述了县级耕地后备资源调查评价的目的、方法和工作程序,以长沙县为例,分析了其耕地后备资源分布状况,并提出了耕地后备资源开发利用的思路和建议.     

基于SFAM神经网络集成的土地评价

SFAM(Simplified Fuzzy ARTMAP,简化的模糊ARTMAP)神经网络具有自组织反馈、增量式学习和高度复杂映射等特点,是一种较BP神经网络和RBF神经网络等前馈神经网络更优秀的自组织神经网络.为克服SFAM神经网络受输入样本顺序的影响,提高土地评价的精度,提出利用SFAM神经网络集成进行土地评价的方法.并用SFAM神经网络、SFAM神经网络集成、BP神经网络、BP神经网络集成、RBF神经网络和RBF神经网络集成等方法对广东省中山市的土地进行了评价,对评价结果进行了分析和比较,结果表明SFAM神经网络具有比BP神经网络和RBF神经网络更优越的评价性能;对于这三种不同的神经网络,神经网络集成的土壤评价精度分别高于单个神经网络的精度.     

基于关联规则和模糊判据的土地评价方法

为提高土地评价知识表达的可解释性,使评价结果更能反映土地变化的自然规律与本质特征,提出利用关联规则和模糊判据进行土地评价的方法。并利用所提出的方法对广东省的土地进行了评价。试验结果表明,该方法适于从土地评价数据库中挖掘出易于理解的土地评价规则;当最小支持度分别为0.005、0.003和0.001时,挖掘出的土地评价关联规则数分别为32、54和126条,其中,在最小支持度为0.001时,利用126条土地评价关联规则即能获取高达95.25%的土地评价精度。     

利用MODIS-NDVI进行沙化土地评价研究——以陕西省北部地区为例

利用新一代卫星遥感MODIS影象数据,结合地面调查数据,对2006年5月份MODIS影象数据的归一化植被指数(NDVI)进行了植被专题信息的提取,与植被覆盖度建立线性回归模型,得出陕西省北部地区的沙漠化土地分级图。分析结果表明该分级图与陕北植被空间变化特征有很强的一致性。该方法适宜于以地面调查数据为基础的植被盖度提取,为遥感技术在沙化土地评价中应用提供了有效途径。     

《土壤通报》征稿简则

<正>《土壤通报》是中国科协主管、中国土壤学会主办、沈阳农业大学承办、科学出版社出版的土壤科学学术期刊。本刊主要刊登土壤科学及与之相关的学术论文和文献综述等文章,内容包括土壤发生与分类、土壤调查与制图、土壤化学与土壤物理、土壤生物与土壤生物化学、土壤-植物营养与施肥、土地评价与规划、土壤质量与生态环境、土地利用与管理、土壤培肥与改良、土壤侵蚀与水土保持、旱作与农业节水、遥感与信息技术等。一、稿件要求1.来稿必须是定稿后稿件。稿件应包括论文题目、作者     

乡镇级土地资源评价方法探讨

土地资源评价是在土地资源详查以后需开展的一项工作。为了更好地评价乡、镇等基层单位的土地质量,为当前生产和科学种田服务,本文在评价时先将组成土地的各个因子区分为诊断因子和质量因子,通过诊断因子合理组合成质量因子,按各因子对土地质量影响的轻重主次确定其权重,求算其指数。然后,将指数加权综合得各土地评价单元的综合指数,按综合指数的大小划分土地质量等级。这项工作虽较繁琐,但评价结果能更接近实际。     

山东莱州湾地区的土地类型划分和土地评价

对地学综合体的概念作了较详细的描述。指出它是在一定的大区构造、大区地貌和生物气候条件下,区域性的地质、第四纪沉积物、地貌、水文和水文地质、土壤和植被等地学因素组成的合谐而有规律的地学单元。土地可以按照地学综合体的原则来划分类型。按照模糊聚类方法得到的土地评价结果同多年的小麦、玉米产量以及农民的人均年收入有很好的相关性(R~2=0.538~(**),0.275~(**),0.399~(**)).     

近10年中国土地评价研究进展

以土地评价为研究对象,通过查阅和分析近10年来中外学者发表的相关学术论文,介绍了土地评价的方法以及与GIS的综合应用,探讨了农用地评价、土地资源、适宜性和可持续性评价以及应用等方面的发展状况.     

河南省城市土地集约利用水平的时空演变

该文采用模糊物元模型,探索了河南省城市土地集约利用水平的时空演变格局和规律.研究结果表明:河南省城市土地集约利用水平是逐渐提高的,但各城市提高的速度不尽相同;各研究年份全省各城市之间的集约利用水平的变化程度和分布状态均是不相同的;各研究年份城市土地集约利用水平的空间分布特征比较明显.河南省城市土地集约利用水平呈逐渐提高的态势,但不同年份在空间上的布局是不相同的.     

从神经网络中抽取土地评价模糊规则

为了明确土地评价中所训练神经网络的含义,使土地评价工作者可轻松地理解、判断所得到土地评价模型的正确性和合理性,提出从神经网络中抽取土地评价模糊规则的方法。现有的大多数从神经网络中提取方法,神经网络的输入属性要么局限于连续的,要么只适应于离散的,而土地评价因子往往既包含连续的又包含离散的、标称的,该文首先提出了一种输入属性值适应于这三种类型数据的模糊神经网络建立方法,进而给出一种从建立的神经网络中抽取其中较主要模糊规则的算法。试验表明,所提出的土地评价方法,可直接从样本中学习评价规律,使土地评价工作者易于理解,当出现抽取的规则与实际情况不吻合时,可重新训练神经网络和抽取规则,所得到的评价结果比BP网络的评价结果更准确,从而提高了土地评价的准确性。