基于纹理特征神经网络模型的鲁朗河流域地类信息提取研究

基于纹理特征的神经网络模型分别对西藏林芝地区鲁朗河流域的4期TM影像进行了地类信息提取及动态变化分析.研究表明:模型的训练值、验证值和测试值的精度都达到了0.9,总体回归系数为0.93,地类分类精度可达到86.07%,可满足生产工作的需要.1987—1999年间鲁朗河流域混交林面积有所减少,而针叶林面积有所增加;1999—2008年间,混交林面积有所增加,但林地面积呈减少趋势.2008—2011年间,灌木、草地、流石滩及冰雪区均呈逐年增长趋势,林地面积有所降低.

基于TM影像的鲁朗河流域景观动态变化研究

以TM遥感影像为数据源,采用监督分类法分别在四期鲁朗河流域遥感数据上提取地类信息。应用Fragstats3.3景观格局分析软件,在斑块水平和景观水平上分别从不同景观类型格局和整体景观格局的变化方面,对土地利用景观类型进行动态分析,揭示其变化原因和内在规律,为生态治理提供数据支撑,在景观的规划与管理方面具有重要意义。

鲁朗河流域水质状况分析

鲁朗河流域是鲁朗镇重要的水源,承载着鲁朗的经济与发展。文章以鲁朗河流域水质为研究对象,对其进行理化分析。结果表明鲁朗河流域水质为Ⅱ类水,水质良好,人们的环保意识逐步提高,鲁朗流域的水没有受到人为污染,有些地段的轻微污染可能是当地百姓放牧或生活活动引起的,但在环境可持续发展的承载力度上。