多级模糊协方差聚类算法

模糊协方差聚类算法实质是一种局部寻优搜索方法,其收敛结果易陷入局部极小.本文结合分级聚类的思想,提出了一种改进算法.实验结果表明改进算法得到最优解的比例提高了.

近20 a黄河源园区土地退化时空演化分析

三江源黄河源园区作为黄河的发源地,它的生态系统对整个黄河流域至关重要。针对研究区2000—2020年存在的土地退化问题,选取土壤侵蚀模数、沙化特征指数与土壤湿度指数,采用空间托普利茨逆协方差聚类法开展了3个参数的聚类分析,从而进行黄河源园区土地退化时空演化分析,并采用极致梯度提升法进行时空演化影响因素分析。结果表明:(1)土地退化现象最严重的地区是中部偏南地区与东北地区,其次为偏北地区。(2)东北地区存在水土流失与土地沙化2种问题,中部偏南地区以严重的水土流失为主,偏北地区主要表现为土地沙化问题。(3)近20 a来,土地退化指数呈现波动性下降,土地退化整体趋于好转,在偏南地区表现得更明显。(4)水土流失问题整体好转,偏北地区有土地沙化的风险。该研究对掌握黄河源园区土地退化的时空分布及发展趋势、推进黄河源园区生态保护具有重要意义。

基于阶梯网络的ERT污染区域识别方法

采用电阻率成像(ERT)技术进行污染场地的实时监测是环境污染监测领域的研究热点之一。在利用ERT数据进行污染区域的自动识别过程中,当土壤介质分层和背景与污染区域电阻率值差异减小时会出现识别精度低的问题。针对此问题,该文将协方差聚类和半监督阶梯网络(semi-ladderNet)相结合的方法用于ERT的监测结果,进行污染区域的识别。通过对某条测线的电阻率矩阵进行协方差聚类,初步得到污染区域的大致范围,将其部分数据作为semi-ladderNet训练阶段的初始标签,以克服上述问题,进而提高该算法的识别精度。结果表明:(1)该算法能够准确识别出污染区域的范围及位置,并能克服介质分层的问题,其识别精度达到了98%以上;(2)尤其当背景值和污染区域电阻率值差异减小时,该算法的识别精度仍能达到98%及以上;(3)可以将基于协方差和半监督阶梯网络算法引入到ERT监测系统中,为后续污染区域的自动识别提供技术支持。