基于BP神经网络模型的全球森林土壤异养硝化过程N2O排放通量估算

N₂O作为重要的温室气体之一,对地球和人类都有很大的影响。为了深入探究对有机氮异养硝化作用及其产生N₂O过程的影响机制,完善全球N₂O通量估算模型,本研究采用Pearson相关性分析与广义可加模型(GAM)对全球135个样点有机氮异养硝化速率及其产生N₂O速率的影响因子进行分析,然后将主要影响因子作为BP神经网络的输入层来模拟全球森林土壤有机氮异养硝化速率及其产生N₂O速率的空间分布。结果显示,土壤pH和土壤C/N是影响有机氮异养硝化速率的主要因素,土壤C/N、土壤孔隙含水量(WFPS)以及土壤温度是影响有机氮异养硝化产生N₂O速率的主要因素。全球森林土壤异养硝化速率平均为0.4241(0.0014～0.689)μg N·g^-1·d^-1,异养硝化产生N₂O速率平均为0.2936(0.21～1.103)μg N₂O·kg^-1·d^-1     

海州湾春季短蛸的栖息分布特征及其与环境因子的关系

近年来,我国近海多种重要渔业资源处于不同程度的衰退状态,而短蛸具有生命周期短、生长迅速的特点,在我国近海经济渔获产量中占重要地位。然而,有关短蛸的栖息分布特征及其与环境因子的关系尚缺乏研究,不利于更好地保护和利用其资源。本研究根据2011年和2013—2017年春季海州湾的渔业资源和环境因子调查数据,采用随机森林模型、人工神经网络模型和广义提升回归模型3种机器学习方法分析了短蛸的栖息分布特征及其与环境因子的关系。结果表明: 随机森林模型的拟合效果和预测能力在3种模型中优势较大,选择该模型进行分析表明,底层水温、水深和底层盐度对短蛸的栖息分布有较大影响。短蛸的相对资源密度随底层水温、水深和底层盐度的增加均呈先上升后下降趋势。根据FVCOM模型模拟的环境数据,应用随机森林模型预测了短蛸在海州湾海域的栖息分布,发现短蛸主要分布在34.5°—35.8° N、119.7°—121° E之间的海域。     

用BP神经网络基于氨基酸特性预测非同源蛋白质二级结构含量

依据蛋白质氨基酸特性,以氨基酸组成和有偏自协方差函数为特征矢量,用BP神经网络提出了一种预测非同源蛋白质中α螺旋和β折叠二级结构含量的计算方法。采用相互独立的非同源蛋白质数据库对该方法进行了检验。用Ponnuswamy值时,对二级结构α螺旋和β折叠含量的预测结果是;自检验平均绝对误差分别为0.069和0.065,相应标准偏差分别为0.044和0.047;他检验平均绝对误差分别为0.077和0.070,相应标准偏差分别为0.051和0.049。与仅以氨基酸组成为特征矢量的BP神经网络方法比较,相应的他检验平均绝对误差分别减小了0.024和0.016,标准偏差分别减小了0.031和0.018;与改进的多元线性回归方法比较,相应的他检验平均绝对误差分别减小了0.018和0.011,准偏差分别减小了0.020和0.012。表明：基于氨基酸组成和有偏自协方差函数为特征矢量的BP神经网络预测蛋白质二级结构含量的方法可有效提高预测精度。     

改进GA-SVM在冠状动脉疾病诊断中的应用

改进的遗传算法（GA）自动优化支持向量机（SVM）参数,同步决策最优特征子集。新颖的分组多基因交叉技术保留了基因小组中的信息,而且允许后代继承更多的来自染色体的遗传信息。该算法促进可行解集中的高质量染色体信息交换,提高了解空间的搜索能力。实验结果说明：改进GA-SVM不仅可决策出与疾病相关的重要特征变量、优化SVM参数,而且可提升分类性能。与前馈BP神经网络及自适应模糊推理系统两种学习算法的比较表明,改进GA-SVM具有更好地表现。     

塔河森林生态系统蒸散发的定量估算

蒸散发是农业、气象、水文科学研究的重要参数,是全球水文循环过程的重要组成部分.本文应用改进的DHSVM分布式水文模型,利用光学遥感TM数据反演得到叶面积指数等地表数据,由数字高程模型求得坡度、坡向等地形指数因子,定量估算塔河地区2007年逐日蒸散发.应用BP神经网络建立逐日蒸散发量与逐日径流出口流量的关系,并建立研究区水量平衡方程,共同检验研究结果的准确性.结果表明:该模型可以较好地应用于本研究区.塔河流域年总蒸散量234.01 mm,蒸散发与季节有明显的相关性,夏季蒸散发值最高,日均蒸散发值1.56 mm,秋季、春季日均蒸散发值分别为0.30、0.29 mm,冬季蒸散发值最低.地表覆盖类型对蒸散发值影响明显,阔叶林的蒸散发能力强于针阔混交林,其次为针叶林.     

1988-2013年基于BP神经网络的植被叶面积指数遥感定量反演

叶面积指数（Leaf Area Index,LAI）高度综合了植被水平覆盖状况和垂直结构,以及枯枝落叶层厚薄和地下生物量多少,是植被影响土壤侵蚀的主要方面。区域尺度的时间序列叶面积指数揭示了区域土壤侵蚀的演化过程。因此,及时准确地掌握区域尺度上长时间序列的植被LAI,对研究土壤侵蚀动态变化与植被的关系至关重要。选择南京市1988-2013年10期遥感影像,基于反向传播（Back Propagation,BP）神经网络构建LAI反演模型,进行了长时间序列的叶面积指数反演。结合2009和2010年LAI实测值,验证与探讨了该模型的评价精度与适应性。结果表明：（1）该模型拟合度较高,2009和2010年平均相对误差、均方根误差、相关系数分别是0.2395和0.2174,0.2962和0.2581,0.7713和0.6844,各项精度评价指标均较好;（2）统计分析去除耕地后全市LAI变化,低植被覆盖（LAI<2）面积不断增加,高植被覆盖区（LAI>3）面积先减少后增加,耕地面积不断减少,符合南京市的发展变化规律;（3）主城区LAI年际变化与其他学者得到的南京市植被盖度变化趋势一致,反演结果的时序性较高。本文提出的基于反向传播神经网络模型反演长时间序列LAI是可行的,为区域尺度土壤侵蚀定量遥感监测提供新途径。     

基于微波遥感技术探测森林地表土壤含水率

森林地表土壤含水率是森林生态系统中的重要参数,使用微波遥感技术快速准确地估算区域尺度上的森林地表土壤含水率,对于森林生态系统研究具有重要的现实意义.本文利用TDR-300土壤含水率速测仪测得黑龙江大兴安岭地区塔河林业局盘古林场内120块样地的森林地表土壤含水率作为因变量,利用C波段全极化SAR数据的极化分解参数作为自变量,构造多元线性回归统计模型和BP神经网络模型,定量估测森林地表土壤含水率,通过模型反演获得区域尺度上森林地表土壤含水率的空间分布.结果表明: 多元线性回归统计模型的精度为86.0%,均方差根误差(RMSE)为3.0%;BP神经网络模型的精度为89.4%,RMSE为2.7%.说明利用BP神经网络模型定量估测森林地表土壤含水率优于多元线性回归模型,将全极化SAR数据通过BP神经网络模型进行仿真,最终得到研究区域的森林地表土壤含水率空间分布图.     

武陵源风景区生态承载力预警

随着人类面临的严重环境挑战,可持续发展模式作为全人类共同的选择变得越来越重要。生态承载力作为可持续发展的衡量指标,通过生态承载力水平与生态荷载状况表现出来。可持续承载力预警是以可持续发展为目标进行生态承载力调控。利用主成分分析法、层次分析法构建了武陵源风景区的生态承载力评价指标体系,作为模型的输入层预警指标,并利用状态空间法求算的生态承载指数进行警度区间的划分,通过样本训练、建立BP神经网络模型,进行生态承载预警。从风景区的资源承载、环境承载、生态弹性和生态承压等方面来考虑,析出17个资源类、环境类、社会经济类指标作为评价指标体系。对于武陵源风景区的承载状态,从时间上看,2000年曾出现超载状态,主要是风景区的核心区范围内出现城市化现象所致;从空间上看,协和乡出现超载状态,其主要原因在于资源的开发利用上。基于BP网络模型实现的生态承载力预警,用于预测预报未来的可持续发展的发展状态,可以及时反映可持续状态的调控效果,为区域系统的可持续发展提供科学依据。     

国家公园类型划分与空间识别——以云南省为例

国家公园是我国推进生态文明建设的重大制度创新,如何科学地对国家公园进行类型划分及空间识别,是国家公园布局和建设中的基础性工作,既有必要性也有紧迫性。本研究以中国国情为基础,参考国际经验,将国家公园划分为荒野导向型、生态优先型、游憩导向型与遗产导向型,构建了一个比较完整的国家公园分类体系。并以自然和人文多样化程度较高的云南为案例,以“双评价”为基础建立了一套指标体系和区划规则,利用人工神经网络建立土地利用演化学习算法,利用融入自适应惯性机制的元胞自动机展开时空模拟,对云南全域进行高分辨率不同类型国家公园的空间辨识,并通过收缩-膨胀原理对识别区域进行比较、修正和优化,进而提出未来云南国家公园布局的综合方案。结果表明: 云南省国家公园主要集中在三江地区与横断山区、滇西以及西南部地区,这3类地区可作为未来国家公园区划与分类保护的重点。本研究所建立的国家公园类型划分和空间识别的一般性可推广的研究范式和工作流程可作为全国应用的参考。     

应用人工神经网络评价湖泊的富营养化

应用人工神经网络方法,以化学需氧量、总氮、总磷和透明度作为评价参数,经反复尝试,构建了具有４层结构用于评价湖泊富营养化的误差逆传播网络．其输入层有４个神经元,２个隐含层也各有４个神经元,输出层有１个神经元．以太湖富营养化评价标准作为样本模式提供给网络,按照误差逆传播网络的学习规则对网络进行训练,经过３７６８４次学习后,网络达到预先给定的收敛标准．使网络具备了识别湖泊富营养化程度的功能．应用该网络对我国１７个湖泊的富营养化程度进行评价,操作过程简便易行,评价结果切合实际,展示了这种方法的一系列优点．