基于BP人工神经网络的小城镇生态环境质量评价模型

针对中国小城镇生态环境质量综合评价存在的问题,以生态环境质量指标体系作为神经网络的输入、以生态环境等级评分作为输出,基于BP人工神经网络,建立了具有20个隐含层节点、3层网络的小城镇生态环境质量评价模型;以生态环境指标的各级评价标准作为模型的训练样本,以训练样本数量的10%以及各指标各等级的临界值、中间值作为检验样本,以研究区生态环境质量的实际监测值作为预测样本,利用MATLAB软件对BP人工神经网络进行训练,并对鄂州市杜山镇生态环境质量等级进行了模式识别.结果表明：利用BP人工神经网络方法对小城镇生态环境质量进行预测是可行的、可靠的,它不仅能很好地评价区域生态环境质量,而且能够与区域生态环境的实际特征相结合.     

基于遥感的塔里木盆地北缘绿洲干湿季土地盐渍化监测

土壤盐渍化是导致干旱区土地退化、抑制植被生长、影响区域农业生产的最主要的生态环境地质问题.利用遥感数据准确、快速地获取区域盐渍化土壤的动态变化信息对于土壤盐渍化监测具有重要意义.本文以盐渍化现象严重的新疆渭干河-库车河三角洲绿洲为研究区,以2011年4月15日和2011年9月22日成像的两期Landsat-TM多光谱遥感数据为数据源,结合对研究区实地考察所采集的实测数据,通过提取改进型归一化差异水体指数、归一化植被指数以及K-L变换后所提取的第3主成分等参数作为特征量,利用决策树分类方法分别建立了研究区两个关键季节（干季和湿季）的土壤盐渍化信息提取模型,并绘制了两个季节的土壤盐渍化信息分类图.结果表明： 该方法对干季和湿季盐渍地信息的提取精度分别达到87.2%、85.3%,识别精度较高;采用该方法可以有效地对盐渍地变化信息及其空间分布状况进行监测,可为干旱区盐渍地的综合治理和绿洲土地资源的合理利用提供科学依据.     

基于人工神经网络的天然林生物量遥感估测

基于Landsat TM遥感图像, 以吉林省汪清天然林区为例, 应用B-P神经网络建立了森林生物量非线性遥感模型系统. 除采用遥感数据外, 该系统还引入了地形因子(海拔、坡度、坡向、立地类型等)作为模型自变量. 通过压缩输入数据和增强网络训练学习算法等措施, 对标准B-P神经网络进行了增强. 模型仿真结果表明：增强型B-P神经网络具有收敛速度快和自学习、自适应功能强的特点, 能最大限度地利用样本集的先验知识, 自动提取合理的模型, 模型预测结果能真实合理地反映实际情况. 针叶林、阔叶林和针阔混交林的生物量遥感模型系统仿真结果的平均相对误差分别为-1.47%、2.38%和3.56%, 平均相对误差绝对值分别为6.33%、8.46%和8.91%, 预估效果较理想. 应用该模型系统生成了研究区的森林生物量定量分布图, 其总体精度为88.04%.     

基于BP神经网络的流域生态恢复度计算——以福建长汀朱溪小流域为例

以福建省长汀县朱溪小流域为研究对象,通过野外调查、室内分析以及遥感影像提取相结合的方法获取数据。利用Matlab7.0软件建立BP神经网络生态恢复模型,定量评价退化生态系统的恢复程度。选择土壤理化性质(有机质、全N、全P、全K、容重和p H)、植被结构(植被盖度)、物种多样性指数(Shannon-Wiener指数)和热环境(地表温度)等4个方面的9个指标建立退化生态系统评价体系,并作为生态恢复模型的输入层数据,生态恢复度作为输出层数据。使用Matlab7.0进行数据预处理、样本训练、样本检验并建立生态恢复模型。利用建立的生态恢复模型对整个朱溪小流域生态恢复度进行定量评价。结果表明,生态恢复模型预测结果与流域生态恢复的实际情况基本吻合,利用BP神经网络模型定量评价退化生态系统的恢复程度具有可行性。朱溪小流域内生态恢复程度极低的区域面积仅占0.94%,95.48%区域为中等恢复程度,说明生态保护措施已初见成效;生态恢复程度高的区域面积仅占3.62%,意味着未来仍需加强治理和保护工作。     

基于遗传神经网络的成都市人均生态足迹预测

利用遗传神经网络模型分析成都市各年人均生态足迹值与其主要影响因素之间的内在关系,并以此来预测未来生态足迹发展趋势.首先计算出成都市1985～2005年共21年的人均生态足迹值,结果表明,20余年来成都市人均生态足迹值缓慢上升,从1.344hm2升至1.789hm2.选取6个影响因素指标,建立了6输入、1输出、1个隐含层的三层BP人工神经网络,利用遗传算法的全局优化性能对BP网络进行初始权值优化,以克服BP网络易陷入局部极小点的缺陷.运用遗传神经网络模型对训练样本(1985～2002年人均生态足迹值)进行拟合的精度达99.70%;对检验样本(2003～2005年人均生态足迹值)进行仿真检验,仿真精度为99.10%,高于普通BP神经网络模型(97.89%),体现出模型较强的应用价值.利用1985～2005年各影响因素的预测值作为网络输入,使用优化后的网络来预测成都市未来几年生态足迹值,最终预测得到2008～2010年成都市人均生态足迹的预测值分别为1.939、1.990、2.049 hm2人-1,人均生态赤字分别为1.629、1.688、1.749 hm2人-1.为减轻城市发展消耗所导致的生态环境压力,应有效控制成都市人口过快增长、引导消费观念和结构更新.     

重庆南川区生态环境变化及其对城市不透水面的响应

城市建筑物的扩张使得不透水面挤占了大量的自然生态空间, 利用遥感技术对生态环境进行监测有助于快速掌握区域生态变化过程。以重庆市生态典型示范区南川为研究区, 利用2002、2011、2016年3期多时相Landsat影像, 通过耦合绿度、湿度、干度、热度四个因子, 计算各个时期的遥感生态指数(RSEI), 并采用归一化不透水面指数提取各个年份的不透水面信息, 借助景观格局指数揭示不透水面时空变化对区域生态的影响, 最后结合人类活动范围以及经济、政策等多角度对区域生态环境变化进行分析。结果表明: (1)研究期内南川区的RSEI均值由0.6791下降至0.5712, 再上升到0.6669, 生态环境总体有所恢复。构成RSEI的四个因子中, 对区域生态影响最大的是绿度指数, 其次为干度指数。(2)2002—2016年间研究区不透水面扩张主要以内部填充为主, 不透水面年增长率约为6.31%。(3)不透水面斑块面积较大、聚集度高、结合度强的区域RSEI值低, 生态等级为优的区域相较生态质量差的区域聚集度低12%左右。(4)生态环境与人类活动范围、生态政策具有一定的相关性, 与道路距离每增大100 m, RSEI值提高约0.0149; 积极的生态政策对区域生态环境具有促进作用。总的来说, 合理利用现有不透水面进行建设, 增加不透水面形态的复杂性和分散性, 保护已有植被, 注重经济增长与生态保护相协调是改善区域生态环境的关键。     

基于耦合协调度模型的黄土高原生态环境质量测度及预测

生态环境质量评价作为生态文明建设的基本依据,对于积极适应气候变化、合理开发及保护生态环境等具有重大意义。本文以生态环境脆弱的黄土高原为研究区,基于植被覆盖度、地形位指数、人口密度等数据反演资源环境承载力,以MODIS数据和土地利用数据表征生态弹性限度,分析2000—2020年研究区资源环境承载力与生态弹性限度的演变特征,利用耦合协调度模型综合表征区域生态环境,通过标准差椭圆方法探究协调度的重心变化及转移路径,并在此基础上利用粒子群优化的Elman神经网络对生态环境的未来趋势进行预测。结果表明：2000年以来黄土高原资源环境承载力呈现东南高、西北低的分布格局,呈指数缓慢上升趋势(0.0625 a^-1),生态弹性限度与该区域土地利用格局呈高度一致,指数波动上升但整体水平低;黄土高原生态环境耦合协调度从轻微失调阶段转变为初级协调阶段;黄土高原生态环境协调发展度的重心向东南偏移,且呈现东北-西南方向向心聚集,西北-东南方向空间发散的趋势;预测发现,2030年各市(自治州)资源环境承载力-生态弹性限度系统耦合协调度将稳步上升,这表明未来黄土高原的生态环境质量将逐步趋于协调,...     

干旱荒漠区生态环境质量遥感动态监测——以古尔班通古特沙漠为例

利用遥感生态指数(RSEI)对区域生态变化进行评价,可以快速、高效、客观地获取研究区生态环境变化状况.本研究以两期Landsat数据为数据源,计算研究区绿度、湿度、热度、干度4个生态因子的遥感生态指数,并基于主成分分析法确定其权重,对古尔班通古特沙漠2006—2017年间的生态环境时空格局进行定性和定量评价.结果表明: 湿度和绿度对古尔班通古特沙漠生态环境质量起正面作用,而热度和干度对生态环境质量起负面作用,其中代表绿度指标的归一化植被指数(NDVI)的贡献最大.2006—2017年间,古尔班通古特沙漠的RSEI有所下降,其均值从0.294下降至0.243,降幅达20.1%,研究区的生态环境状况呈现整体变差的趋势.古尔班通古特沙漠中部生态环境较为稳定,东北部植被覆盖密集区及南缘灌溉区生态环境质量变好,沙漠南部及西北部区域生态环境质量变差.     

基于百度街景图像的行人视角城市街道植被绿化格局分析

城市街道绿化植被作为城市景观的重要组成部分, 其分布格局对城市景观美学发展及行人身心健康有显著影响, 立足行人视角准确监测街道绿植分布信息对城市规划与管理有明确的辅助作用。该文针对已有研究多采用沿天底方向垂直向下观测的遥感影像监测地表植被而对行人视角的绿色植被分布格局研究涉及不多的现状, 基于免费获取的百度街景图像, 选取绿植覆被典型的泰安市区为案例区, 结合网络信息抓取与空间地理信息处理技术, 分析百度街景图像提取侧视绿植信息的可行性, 统计并对比其计算结果与遥感影像提取结果的关系, 以期为城市规划与管理提供辅助参考信息。网络抓取案例区273个样点共3 276幅百度街景图像, 利用计算机监督分类提取图像中的绿植区域; 基于空间分析模型分析街道绿色植被的分布格局; 利用SPSS软件趋势拟合模块分析百度街景图像与遥感影像提取的植被信息的相关性。主要结果为: 百度街景图像可作为主数据源提取城市街道的侧视绿植分布情况; 案例区不同区域植被分布指数区别较大, 空间格局差异明显; 百度街道植被分布指数与基于遥感图像提取的10、20、50 m缓冲距离范围内植被覆盖面积呈显著正相关关系, 但两者的变化趋势并非完全一致。百度街道植被分布结果可作为遥感监测结果的辅助信息更好地指导城市绿色景观规划与精准管理。     

基于百度街景图像的行人视角城市街道植被绿化格局分析

城市街道绿化植被作为城市景观的重要组成部分,其分布格局对城市景观美学发展及行人身心健康有显著影响,立足行人视角准确监测街道绿植分布信息对城市规划与管理有明确的辅助作用。该文针对已有研究多采用沿天底方向垂直向下观测的遥感影像监测地表植被而对行人视角的绿色植被分布格局研究涉及不多的现状,基于免费获取的百度街景图像,选取绿植覆被典型的泰安市区为案例区,结合网络信息抓取与空间地理信息处理技术,分析百度街景图像提取侧视绿植信息的可行性,统计并对比其计算结果与遥感影像提取结果的关系,以期为城市规划与管理提供辅助参考信息。网络抓取案例区273个样点共3276幅百度街景图像,利用计算机监督分类提取图像中的绿植区域;基于空间分析模型分析街道绿色植被的分布格局;利用SPSS软件趋势拟合模块分析百度街景图像与遥感影像提取的植被信息的相关性。主要结果为:百度街景图像可作为主数据源提取城市街道的侧视绿植分布情况;案例区不同区域植被分布指数区别较大,空间格局差异明显;百度街道植被分布指数与基于遥感图像提取的10、20、50 m缓冲距离范围内植被覆盖面积呈显著正相关关系,但两者的变化趋势并非完全一致。百度街道植被分布结果可作为遥感监测结果的辅助信息更好地指导城市绿色景观规划与精准管理。     

基于BP神经网络与ETM+遥感数据的盐城滨海自然湿地覆被分类

高效而精确的湿地遥感分类是大范围湿地资源动态监测与管理的必要保障。本研究使用ETM 遥感数据,借助Matlab神经网络工具箱,构建了基于BP神经网络的滨海湿地覆被分类模型,并将其应用于江苏盐城沿海湿地珍禽国家级自然保护区的核心区的自然湿地覆被分类研究中。本研究选择3、4、7、8波段作为输入层变量,单隐藏层设为10个节点,输出层变量对应待划分的8种覆被类型,构建三层式BP神经网络滨海湿地覆被分类模型。结果显示,BP分类总精度为85.91%,Kappa系数为0.8328,与最小距离法和极大似然法的分类总精度相比,分别提高了7.99%和6.08%,Kappa系数也相比提高。研究结果表明,BP神经网络分类法是一种较为有效的湿地遥感影像分类技术,能够提高分类精度。     

林地叶面积指数遥感估算方法适用分析

叶面积指数是与森林冠层能量和CO2交换密切相关的一个重要植被结构参数,为了探讨估算林地叶面积指数LAI的遥感适用方法和提高精度的途径,利用TRAC仪器测定北京城区森林样地的LAI,从Landsat TM遥感图像计算NDVI、SR、RSR、SAVI植被指数,分别建立估算LAI的单植被指数统计模型、多植被指数组合的改进BP神经网络,获取最有效描述LAI与植被指数非线性关系的方法并应用到TM图像估算北京城区LAI。结果表明,单植被指数非线性统计模型估算LAI的精度高于线性统计模型;多植被指数组合神经网络中,以NDVI、RSR、SAVI组合估算LAI的精度最高,估算值与观测值线性回归方程的R2最高,为0.827,而RMSE最低,为0.189,神经网络解决了多植被指数组合统计模型非线性回归方程的系数较多、较难确定的问题,可较为有效的应用于遥感图像林地LAI的估算。     

四川省九寨沟县地震前后区域生态环境质量评价

基于地理信息系统和遥感数据处理软件平台,对四川省阿坝藏族羌族自治州九寨沟县在2017年8·8地震前后的生态环境质量进行了监测和分析。利用Landsat 8 OLI卫星传感器所获得的2016年(震前)和2017年(震后)的遥感影像数据,提取归一化植被指数、湿度分量、地表温度、归一化土壤指数分别作为绿度、湿度、热度、干度等4个指标,进行主成分分析得到遥感生态指数。根据该指数,可将九寨沟县生态环境质量状况分为优、良、中等、较差和差级。2016年九寨沟县有24.8%处于生态环境质量状况优,2017年震后则下降到19.84%,2017年生态环境质量状况较差和中等的面积占比呈增加趋势,分别占17.99%和33.93%;震中15.5 km缓冲区内生态环境质量状况优的面积占比下降最多,为5.01%;2017年8·8九寨沟地震对震中15.5 km缓冲区的生态环境质量状况有较明显的影响,县界内的三个自然保护区中九寨沟国家级自然保护区受到冲击最大。本研究可为九寨沟地区生态环境监测、灾害评价和恢复重建提供科学依据。     

南瓮河自然保护区生态环境质量遥感评价

运用遥感技术,科学、快速地评价区域生态环境质量,能够为区域生态环境的保护、治理和规划等提供科学依据.本研究以1990、2000和2015年的Landsat TM/OLI/TIRS为数据源,使用主成分分析方法确定湿度分量、归一化植被指数、地表温度和干度指数4个指标的权重,运用遥感生态指数(RSEI)评价模型,对南瓮河自然保护区1990—2015年的生态环境进行评价.结果表明: 遥感生态指数能够较好地反映研究区生态环境质量状况及其时空分异;1990—2015年,保护区 RSEI均值由0.55上升至0.83,生态环境质量优良以上区域面积所占百分比逐年增加,这与该等级中森林所占比例增加有关;保护区生态环境质量变好的区域所占比例高达91.4%,这与保护区的建立及相关工程与非工程防护措施的实施密切相关;核心区、缓冲区北部生态环境质量下降的主要原因是火灾的发生导致森林植被遭到破坏,而道路附近和试验区的东南部生态环境质量的下降与人类活动的干扰密不可分.     

Ecosystem functional units characterized by satellite observed phenology and productivity gradients: A case study for Europe

The present study demonstrates remote sensing derived phenological and productivity indicators of ecosystem functional dynamism. The indices were derived from SPOT VEGETATION NDVI data on 1 km spatial resolution across the pan-European continent using the Phenolo approach. The phenological and productivity indices explained 78% of the variance in the European ecosystem gradient measured by bio-climatic zones. Along this gradient climatic predictors could only explain 57% of the variance in the satellite metrics. Reclassification of the bio-climatic zones into phenology and productivity related ecosystem functional units (EFUs) selected five metrics related to the cyclic and permanent fraction of productivity, to the background, to the growing season start and the timing of the maximum NDVI value. Along the EFU gradient the climatic predictors explained over 90% of the variance of the remote sensing variables, 30% more than along the bio-climatic gradient. The EFUs showed strong correspondence to 14 land-cover types in Europe and the selected remote sensing metrics explained 86% of the variation in the land-cover classes. These results show that remote sensing derived parameters have tremendous potential for the quantification of ecosystem functional dynamism. Phenological and productivity metrics offer an indicator system for ecosystems that climatic indicators alone cannot manifest. Their potential to monitor the spatial pattern, status and inter-annual variability of ecosystems and vegetation cover can deliver reference status information for future assessments of the impacts of human or climate change induced ecosystem changes.     

Integrating Local and Global Error Statistics for Multi-Scale RBF Network Training: An Assessment on Remote Sensing Data

Background

This study discusses the theoretical underpinnings of a novel multi-scale radial basis function (MSRBF) neural network along with its application to classification and regression tasks in remote sensing. The novelty of the proposed MSRBF network relies on the integration of both local and global error statistics in the node selection process.

Methodology and Principal Findings

The method was tested on a binary classification task, detection of impervious surfaces using a Landsat satellite image, and a regression problem, simulation of waveform LiDAR data. In the classification scenario, results indicate that the MSRBF is superior to existing radial basis function and back propagation neural networks in terms of obtained classification accuracy and training-testing consistency, especially for smaller datasets. The latter is especially important as reference data acquisition is always an issue in remote sensing applications. In the regression case, MSRBF provided improved accuracy and consistency when contrasted with a multi kernel RBF network.

Conclusion and Significance

Results highlight the potential of a novel training methodology that is not restricted to a specific algorithmic type, therefore significantly advancing machine learning algorithms for classification and regression tasks. The MSRBF is expected to find numerous applications within and outside the remote sensing field.     

湿地翅碱蓬生物量遥感估算模型

以黄河三角洲HJ-1A CCD遥感数据和滨海湿地翅碱蓬生物量实测数据为数据源,通过对比分析参数回归模型（单变量线性和非线性回归模型,多元线性逐步回归模型）和人工神经网络模型（BP网络、RBF网络、GRNN网络）,构建黄河三角洲湿地翅碱蓬生长初期的生物量湿重遥感估算最优模型。研究表明：基于遥感信息变量能够建立生长初期翅碱蓬生物量湿重估算模型。尽管基于RDVI、MSAVI和PC2的3个变量的多元线性回归模型的拟合效果较优,但是以SAVI、MSAVI、RVI、DVI、RDVI和PC2等7个遥感信息变量构建的BP神经网络模型的精度更高,平均相对误差为12.73%,估算效果最优,能够满足较高精度的生物量湿重估算需求。翅碱蓬生长初期生物量湿重最优估算模型的建立,为滨海地区植被生物量监测、区域翅碱蓬生物量季节动态模拟以及黄河三角洲生态系统功能评价提供技术支持与基础。     

Investigating spatial structure in specific tree species in ancient semi-natural woodland using remote sensing and marked point pattern analysis

Remote sensing classification has the potential to provide important information, such as tree species distribution maps, to ecologists, at a range of spatial and temporal scales. However, standard classification procedures often fail to provide the high accuracies required for many ecological applications. Previously, a modified remote sensing classification technique was used to provide very high classification accuracies for one or two classes (e.g. species) of interest. The aim of this paper was to demonstrate that the output from the method can be suitable for spatial ecological analyses, and to provide a generic simulation framework for assessing the adequacy of any given remote sensing classification for such analyses. Marked point pattern analysis (MPPA) was applied to tree species distribution data obtained for sycamore Acer pseudoplatanus and ash Fraxinus excelsior from a 400 ha ancient semi-natural woodland in southern England using the modified remote sensing classification method to test several hypotheses of ecological interest relating to the spatial distribution and interaction of these species. Monte Carlo simulation methods were then used to evaluate the data and data quality requirements of the MPPA to check that the classified tree species maps for sycamore and ash were adequate. Using the combined method the spatial distributions for sycamore and ash were found to be aggregated and inter-dependent at a range of spatial scales. Together, the remote sensing classification and simulation approaches provide the basis for exploiting more fully the potential of remote sensing to provide information of value to ecologists.     

城市生态环境需水量研究--理论与方法

生态环境需水量是一个整合的新概念。从降水量概念和水资源量概念两个角度界定了城市生态环境需水量的概念与内涵 ,分析其类型和属性特征 ,建立了城市生态环境需水量的方法体系 ,包括城市分类的指标体系与方法、基于降水量概念和水资源量概念的城市生态环境需水量计算方法与等级划分方案 ,为城市生态环境需水量研究提供理论依据与方法支持