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。     

不同斑块类型的景观指数粒度效应响应——以无锡市为例

斑块类型与景观格局粒度效应响应关系密切。以无锡市为研究区域,针对地区社会经济活动频繁、人为干扰强烈和生态脆弱等特性,以土地利用类型、热力等级和生态贡献为斑块类型划分依据,构建出对应的3种不同景观格局。在相同粒度变化情况下,选用了19个景观水平指数和Moran's I指数,分析了不同景观格局粒度效应的响应情况。结果表明,随粒度变粗:1)土地利用类型、热力等级和生态贡献斑块的部分景观指数响应曲线变化剧烈程度依次减弱;2)3类斑块的Moran's I指数均存在尺度效应。其中,土地利用类型和生态贡献斑块的Moran's I指数存在负相关,热力等级斑块没有。生态贡献斑块响应曲线在正相关区域内变化相对平缓,土地利用类型与热力等级斑块响应曲线变化趋势相反;3)指数反映的第一临界粒度基本一致,但景观指数响应曲线的临界现象更为明显。总体上,不同类型斑块在同一研究区构成的景观格局、指数响应曲线变化趋势和第一临界粒度都较为相似;斑块类型对景观指数粒度效应响应存在影响,但还有待深入探讨。