摸清土壤盐渍化的发生机制是盐渍土改良利用的重要基础。本文选取了黄河三角洲濒海区-垦利区为研究区,首先通过地理探测器分析蒸发量、降水量、地下水埋深、地下水矿化度、土壤粘粒含量、相对高程、植被覆盖度、距海远近8个因子对土壤...摸清土壤盐渍化的发生机制是盐渍土改良利用的重要基础。本文选取了黄河三角洲濒海区-垦利区为研究区,首先通过地理探测器分析蒸发量、降水量、地下水埋深、地下水矿化度、土壤粘粒含量、相对高程、植被覆盖度、距海远近8个因子对土壤盐分的影响力大小,进而进行主要驱动力的筛选;接着分别构建了MLR、PLSR、BPNN和SVM模型,并选取精度最高的模型实现土壤盐分预测模型的构建;最后在地下水变化情形下分别设定对照组、地下水位下降0.5 m和上升0.5 m 3种情景,进行了土壤盐分的情景模拟。地理探测器中因子探测结果显示,不同影响因子对土壤盐分的影响力大小为地下水矿化度>植被覆盖度>地下水埋深>距海远近>粘粒含量>地表高程>降水量>蒸发量;交互作用探测结果显示,地下水因素、植被覆盖度、距海远近之间的交互作用影响力较强,确定地下水矿化度、地下水埋深、植被覆盖度、距海远近为土壤盐分主要驱动因子;精度最高的预测模型为BP神经网络模型,模型建模集R2为0.8847,RMSE为1.1350,验证集R2为0.7999,RMSE为1.1204;地下水情景模拟结果显示,适当降低地下水位可以改善土壤盐渍化状况,水位下降时轻度、中度、重度盐渍土和盐土的变化率分别为0.22%、-5.46%、15.28%、-10.04%;水位升高时轻度、中度、重度盐渍土和盐土的变化率分别为-0.02%、-14.77%、22.51%、-8.02%。本文筛选出土壤盐分的主要驱动因子,构建了最佳预测模型,并根据设定的情景对土壤盐分进行模拟分析,为黄河三角洲土壤盐渍化的调控及防治提供了依据。展开更多
利用长沙市中心城区2015—2019年PM_(2.5)质量浓度监测数据,结合SPSS多元线性逐步回归功能和Arc GIS空间分析功能,构建土地利用回归(Land Use Regression,LUR)模型模拟长沙市2020年PM_(2.5)质量浓度空间分布。各季节的LUR模型拟合效果...利用长沙市中心城区2015—2019年PM_(2.5)质量浓度监测数据,结合SPSS多元线性逐步回归功能和Arc GIS空间分析功能,构建土地利用回归(Land Use Regression,LUR)模型模拟长沙市2020年PM_(2.5)质量浓度空间分布。各季节的LUR模型拟合效果均较理想,模型的自变量可解释70%以上的PM_(2.5)质量浓度变化;在构建土地利用回归模型中,研究区内的耕草地和气温对PM_(2.5)质量浓度影响最大,餐饮和道路次之;利用构建的LUR模型对研究区PM_(2.5)质量浓度进行2020年空间尺度的预测模拟,在空间上整体则呈现出由城中心区域向四周逐渐降低的态势。展开更多
将多时相卫星遥感图像叠加技术与GIS空间分析方法相结合,对研究防城港海岸线演变特征及预测海岸线变化趋势具有重要的现实意义。首先,对防城港2000年11月及2010年10月获取的2个时相TM图像进行预处理、海岸线特征信息提取及空间分析;然后...将多时相卫星遥感图像叠加技术与GIS空间分析方法相结合,对研究防城港海岸线演变特征及预测海岸线变化趋势具有重要的现实意义。首先,对防城港2000年11月及2010年10月获取的2个时相TM图像进行预处理、海岸线特征信息提取及空间分析;然后,根据相关控制因素及相应的邻居规则建立元胞自动机(cellular automa-ta,CA)模型,利用蒙特.卡罗方法(Monte Carlo method)结合控制因素进行判断,最终确定元胞的转化状态。通过2010年实际海岸线与预测海岸线的叠置分析得知,2010年预测海岸线的数量精度为83.65%,空间位置精度为93.45%,都在误差允许范围内,证明利用蒙特.卡罗CA模型预测海岸线的方法是可行的。最后,结合CA模型算法及Matlab仿真技术实现了对2020年防城港海岸线的预测。展开更多
文摘摸清土壤盐渍化的发生机制是盐渍土改良利用的重要基础。本文选取了黄河三角洲濒海区-垦利区为研究区,首先通过地理探测器分析蒸发量、降水量、地下水埋深、地下水矿化度、土壤粘粒含量、相对高程、植被覆盖度、距海远近8个因子对土壤盐分的影响力大小,进而进行主要驱动力的筛选;接着分别构建了MLR、PLSR、BPNN和SVM模型,并选取精度最高的模型实现土壤盐分预测模型的构建;最后在地下水变化情形下分别设定对照组、地下水位下降0.5 m和上升0.5 m 3种情景,进行了土壤盐分的情景模拟。地理探测器中因子探测结果显示,不同影响因子对土壤盐分的影响力大小为地下水矿化度>植被覆盖度>地下水埋深>距海远近>粘粒含量>地表高程>降水量>蒸发量;交互作用探测结果显示,地下水因素、植被覆盖度、距海远近之间的交互作用影响力较强,确定地下水矿化度、地下水埋深、植被覆盖度、距海远近为土壤盐分主要驱动因子;精度最高的预测模型为BP神经网络模型,模型建模集R2为0.8847,RMSE为1.1350,验证集R2为0.7999,RMSE为1.1204;地下水情景模拟结果显示,适当降低地下水位可以改善土壤盐渍化状况,水位下降时轻度、中度、重度盐渍土和盐土的变化率分别为0.22%、-5.46%、15.28%、-10.04%;水位升高时轻度、中度、重度盐渍土和盐土的变化率分别为-0.02%、-14.77%、22.51%、-8.02%。本文筛选出土壤盐分的主要驱动因子,构建了最佳预测模型,并根据设定的情景对土壤盐分进行模拟分析,为黄河三角洲土壤盐渍化的调控及防治提供了依据。
文摘利用长沙市中心城区2015—2019年PM_(2.5)质量浓度监测数据,结合SPSS多元线性逐步回归功能和Arc GIS空间分析功能,构建土地利用回归(Land Use Regression,LUR)模型模拟长沙市2020年PM_(2.5)质量浓度空间分布。各季节的LUR模型拟合效果均较理想,模型的自变量可解释70%以上的PM_(2.5)质量浓度变化;在构建土地利用回归模型中,研究区内的耕草地和气温对PM_(2.5)质量浓度影响最大,餐饮和道路次之;利用构建的LUR模型对研究区PM_(2.5)质量浓度进行2020年空间尺度的预测模拟,在空间上整体则呈现出由城中心区域向四周逐渐降低的态势。
文摘将多时相卫星遥感图像叠加技术与GIS空间分析方法相结合,对研究防城港海岸线演变特征及预测海岸线变化趋势具有重要的现实意义。首先,对防城港2000年11月及2010年10月获取的2个时相TM图像进行预处理、海岸线特征信息提取及空间分析;然后,根据相关控制因素及相应的邻居规则建立元胞自动机(cellular automa-ta,CA)模型,利用蒙特.卡罗方法(Monte Carlo method)结合控制因素进行判断,最终确定元胞的转化状态。通过2010年实际海岸线与预测海岸线的叠置分析得知,2010年预测海岸线的数量精度为83.65%,空间位置精度为93.45%,都在误差允许范围内,证明利用蒙特.卡罗CA模型预测海岸线的方法是可行的。最后,结合CA模型算法及Matlab仿真技术实现了对2020年防城港海岸线的预测。
