天然林保护的神经网络分级规划

总结了用神经网络进行天然林保护规划的实施步骤,阐述了规划举例、小斑标识归一、小斑标识还原、倾斜因子等概念.应用Arc/Info地理信息系统对帽儿山国家森林公园的树种组成多样性、树种稀有性、受干扰性、沟系保护特性和分类经营等因子进行了描述,并分析了天然林保护分级与这些因子之间的关系,并将这些因子作为神经网络的输入,经过人为确定训练样本,最终建立了规划神经网络.用研究区内的全部小斑检验了网络的泛化性能,结果较为满意.规划结果表明,神经网络兼顾了分类经营规划的成果,并保护了各种森林群落类型,对生态环境保护有所体现;网络中激励函数没有严重饱和,体现了倾斜因子对神经网络优化的引导作用.     

小麦染色体高分辨率G带的神经网络自动分析的研究

应用自组织特征映射神经网络原理与方法,建立了双层Ｋｏｈｏｎｅｎ神经网络,其第一层是从二维图象平面到二维特征平面的映射,用于染色体高分辨率带纹的提取和带纹参数的计算,第二层是高维特征参数阵列到二维聚类平面的映射,用于同源染色体的自动配对和分类。应用结果表明,该方法能快速、准确地实现对栽培小麦染色体高分辨率Ｇ带带纹图象的特征参数自动提取和自动配对。     

城市滑坡灾害生态风险不确定性分析及风险管理——以深圳市为例

城市化的快速推进加剧了建设活动强度,强烈改变自然地表,破环原本稳定的地质环境,导致滑坡灾害日益频繁。本研究以深圳市为研究区,基于"危险性-脆弱性-潜在损失"三维评价框架评价深圳市街道尺度滑坡灾害生态风险、运用"三基色"原理可视化风险结构,并采用蒙特卡洛模拟进行不确定性分析,进而提出生态风险管理措施。结果表明:(1)不确定性与街道面积呈显著的负相关关系,随着街道面积增加,生态风险源不确定性减少;(2)以风险源为不确定性主体的生态风险评价中,不确定性由生态风险源不确定性和"源外"因子大小共同主导,"源外"因子大小是生态风险评价不确定的敏感因素;(3)深圳市滑坡灾害生态风险从西到东呈现"低-高-低-高"交错结构,风险结构主要为"高脆弱-高潜在损失"型和"高危险-高潜在损失"型。分析生态风险结构,建立滑坡灾害生态风险管理体系,制定明确风险管理目标,有利于高效地进行生态风险管理。     

耦合SOM-MCR模型的多特征生态安全格局构建——以武汉城市圈为例

面向"绿色城市圈"发展理念,构建武汉城市圈生态安全格局是实现区域经济、社会和生态协同发展的重要途径。传统研究采用的多指标叠加分析丢失了各因子蕴含的原始信息,仅可以识别同质化生态源地。将自组织映射神经网络模型（SOM）融入"重要性-敏感性-连通性"框架,依据生态系统服务组合划分生态功能区→识别多类型生态源地;综合自然因素与人类影响修正生态阻力面,并应用最小累积阻力模型（MCR）构建多特征生态安全格局。主要结论如下：武汉城市圈存在两类典型"高重要-低敏感-高连通"的生态源地,包括9756km²的粮食供给区（孝感市、天门市、潜江市和仙桃市）和6791km²的固碳释氧区（黄冈市东北和咸宁市东南）,应作为生态安全核心区;低连通粮产源地分布于武汉市近郊与鄂州市,低连通碳汇源地分布在黄石市东南,宜作为生态保护功能区;共识别39条生态廊道,按照两端源地属性可划分为粮产连通轴、碳汇连通轴和跨类连通轴;综合构建了"一环、三翼、多联通"的武汉城市圈多特征生态安全格局。该格局有机融入了生态功能区划理念,有助于城市圈"因地制宜"采取相应的保护与修复策略。     

基于自组织映射神经网络的淮河流域生态系统服务簇时空变化特征

生态系统服务簇的识别是区域生态系统服务管理与优化的关键。量化了2000、2010、2020年淮河流域产水量(WY),水源涵养(WC),土壤保持(SC),生境质量(HQ),水质净化(WP),净初级生产力(NPP)和碳储量(CS)7种生态系统服务。并基于自组织映射神经网络(SOFM)识别了生态系统服务簇,探讨了生态系统服务簇的时空变化特征。结果表明:(1)2000-2020年,WP,NPP与WC呈上升趋势,WC的增幅最大;CS与HQ呈下降趋势。淮河流域各生态系统服务具有时空异质性,生态系统服务高值区多位于西南部山区与东北部丘陵山地地区。(2)识别了5个生态系统服务簇:核心生态服务簇,WP服务簇,WY服务簇,NPP服务簇与生态过渡服务簇。核心生态服务簇与生态过渡服务簇的面积总体增加,流域西南部山区与东北部丘陵山地地区生态系统服务提升,2000-2020年,WY服务簇与NPP服务簇间的转移面积较大,WY服务簇面积减少达60.09%,NPP服务簇面积显著增加,2020年占整个流域面积的57.02%。研究结果不仅有助于清晰认识淮河流域生态系统服务簇的空间分布格局及动态变化,也为探索淮河流域可持续的生态系统管理与规划决策奠定了基础。     

基于神经网络算法的城市生态环境设施智慧化建设类型识别及驱动机制

既有生态城市和智慧城市建设评价研究颇丰,但针对区域内城市生态环境设施智慧化建设类型分异及其复杂驱动机制的解析相对缺乏。以江苏省为研究范围,共划分53个研究单元,聚焦于与信通技术和数字基础设施相关的生态环境指标,从智慧生态环境监管平台、智慧生态环境信息传播平台、智慧生活、智慧生态环境创新潜力四个维度构建评价指标体系,采用加权TOPSIS对城市生态环境设施智慧化建设水平进行评价,并基于自组织映射神经网络划分建设类型,随后从人口规模、经济发展、基础设施、生态环境、居民生活与政府投入6个维度建立城市生态环境设施智慧化建设水平影响因素指标库,进而构建BP-DEMATEL-ISM复合多级递阶结构模型,探讨城市生态环境设施智慧化建设水平的直接和间接影响机制。研究发现:①江苏省城市生态环境设施智慧化建设水平表现出明显的市区>县级市>县现象;②建设类型可分为智慧发展引领型、智慧创新不足型、智慧生活特色型和智慧发展滞后型4类,且市区多为智慧发展引领型和智慧创新不足型,县级市和县多为智慧生活特色型和智慧发展滞后型;③城市生态环境设施智慧化整体建设水平的影响因素划分为4级,其中恩格尔系数和绿化覆盖率是最根本的深层影响指标,宽带用户数和人均电信业务量是最有效的直接影响指标;④分维度影响因素作用机制中人口规模、经济发展和居民生活三个维度的指标为城市生态环境设施智慧化建设水平的根本因素,是"经济基础决定上层建筑"哲学观的体现,三者直接作用并通过政府投入间接作用于基础设施和生态环境,进而影响最终的城市生态环境设施智慧化建设水平。研究可为提升城市生态环境设施智慧化建设水平提供科学参考。     

马拉河流域植被生态需水特征及估算

生态需水是生态用水控制和区域生态环境恢复建设的基本依据。马拉河流域拥有世界著名的生态系统,植被生态需水占流域总需水量的很大一部分。基于1980—2020年ERA5气象数据、叶面积指数(LAI)与世界土壤数据库数据,采用Penman-Monteith法计算了马拉河流域四个季节(短旱季、长雨季、长旱季、短雨季)植被生态需水量的时空变化特征。在此基础上,使用支持向量机(SVM)、随机森林(RF)和卷积神经网络(CNN)3种机器学习方法与7个环境因子(气温、降水、10 m风速、LAI、太阳辐射、相对湿度、地形)建立了回归模型,分别估算了2011—2020年逐年不同季节的植被生态需水量,并与Penman-Monteith法计算结果进行时间序列拟合度和空间相似性的比较。结果表明：马拉河流域植被生态需水量在过去40年所有季节都呈现为波动变化,植被生态需水量长雨季>长旱季>短雨季>短旱季,长雨季的植被生态需水量约为短旱季的1.5倍。不同季节均呈现出上下游高、中游低的植被生态需水量空间分布格局。LAI为最大的正影响因子,风速为最大的负影响因子。就不同方法估算的植被生态需水量准确性而言,...     

基于神经网络数据挖掘的红色籽用西瓜亲本选择方法研究

根据多年来红色籽用西瓜自交系育种过程中,积累的多代性状复杂、数量庞大的种质资源及数据,利用数据挖掘中的反向传播（Back propagation,BP）神经网络方法,建立红色籽用西瓜BP神经网络模型。以红籽瓜数量性状作为预测依据,选择出具有丰产性状的红籽瓜亲本材料,为育种工作者进行亲本选择时提供一种新的途径和方法。     

基于小波神经网络的图像去噪算法

生物医学图像在成像时不可避免地受到噪声影响,因此噪声去除是生物医学图像处理的一项重要研究课题。将小波神经网络引入图像去噪领域中,通过多种技术优化网络学习过程,最终建立一种图像去噪新算法。实验结果表明,该算法在去除噪声上优于传统的中值滤波等方法,并具有较强的鲁棒性;同时能够最大限度地保护图像的细节信息,具有很好的保真度。     

具常数时滞细胞神经网络概周期解

利用矩阵不等式的分析技巧和Banach空间中不动点定理,得到了具常数时滞细胞神经网络概周期解的存在性、唯一性和全局指数稳定性,推广和改进了已有文献的结论。