咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >耦合SOFM与SVM的生态功能分区方法——以鄂尔多斯市为例 收藏

耦合SOFM与SVM的生态功能分区方法——以鄂尔多斯市为例

An ecological function zoning approach coupling SOFM and SVM:A case study in Ordos

作     者:毛祺 彭建 刘焱序 武文欢 赵明月 王仰麟 MAO Qi;PENG Jian;LIU Yanxu;WU Wenhuan;ZHAO Mingyue;WANG Yanglin

作者机构:北京大学城市与环境学院地表过程分析与模拟教育部重点实验室北京100871 北京大学深圳研究生院城市规划与设计学院城市人居环境科学与技术重点实验室深圳518055 

出 版 物:《地理学报》 (Acta Geographica Sinica)

年 卷 期:2019年第74卷第3期

页      面:460-474页

核心收录:

学科分类:07[理学] 09[农学] 0903[农学-农业资源与环境] 0713[理学-生态学] 

基  金:国土资源部公益性行业科研专项(201511001-01) 

主  题:SVM 分类效果指数 边界识别 生态功能分区 鄂尔多斯市 

摘      要:辨析区域主要生态环境问题及其空间异质性,划定生态功能区,对保障区域生态安全和国土开发优化具有重要指导意义。以往自下而上的分区研究多基于行政区或流域开展,难以体现行政区或流域内部的生态功能分异。以鄂尔多斯市为例,基于生态系统服务与生态敏感性构建区域生态功能分区指标体系,耦合自组织特征映射(SOFM)网络与支持向量机(SVM)划定鄂尔多斯市生态功能分区。结果表明,区域内各生态功能分区指标呈现明显的空间分异特征,通过SOFM网络基于栅格进行指标聚类,构建分类效果指数筛选最佳聚类方案,将区域分为7种不同的生态功能类型。最终,利用SVM识别最优分区界线,将鄂尔多斯市分为11个生态功能区。本文构建分类效果指数实现多分类方案优选,使用机器学习算法解决自下而上的自然分区容易弱化要素空间位置属性的问题,完成了从分类到分区的定量转换,有助于提升分区的空间精度与客观性,为生态功能分区与分区边界划定提供了新的方法途径。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分