检索结果-南通市图书馆

A Modified Self-adaptive Method for Mapping Annual 30-m Land Use/Land Cover Using Google Earth Engine:A Case Study of Yangtze River Delta

引用

Chinese Geographical Science 2021年第5期31卷 782-794页

作者： QU Le’an LI Manchun CHEN Zhenjie zhi junjun School of Geography and Ocean Science Nanjing UniversityNanjing 210023China School of Geography and Tourism Anhui Normal UniversityAnhui ProvinceWuhu 241002China Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology Nanjing UniversityNanjing 210023China

Annual Land Use/Land Cover(LULC)change information at medium spatial resolution(i.e.,at 30 m)is used in applications ranging from land management to achieving sustainable development goals related to food ***,obtaining annual LULC information over large areas and long periods is challenging due to limitations on computational capabilities,training data,and workflow *** the Google Earth Engine(GEE),which provides a catalog of multi-source data and a cloud-based environment,we developed a novel methodology to generate a high accuracy 30-m LULC cover map collection of the Yangtze River Delta by integrating free and public LULC products with Landsat *** major contribution is a hybrid approach that includes three major components:1)a high-quality training dataset derived from multi-source LULC products,filtered by k-means clustering analysis;2)a yearly 39-band stack feature space,utilizing all available Landsat data and DEM data;and 3)a self-adaptive Random Forest(RF)method,introduced for LULC *** results show that our proposed workflow achieves an average classification accuracy of 86.33%in the entire *** results demonstrate the great potential of integrating multi-source LULC products for producing LULC maps of increased *** addition,as the proposed workflow is based on open source data and the GEE cloud platform,it can be used anywhere by anyone in the world.

关键词： Land Use/Land Cover(LULC) self-adaptive Random Forest(RF) Google Earth Engine(GEE) Yangtze River Delta

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Mapping Soil Organic Carbon Stocks of Northeastern China Using Expert Knowledge and GIS-based Methods

引用

Chinese Geographical Science 2017年第4期27卷 516-528页

作者： SONG Xiaodong LIU Feng JU Bing zhi junjun LI Decheng ZHAO Yuguo ZHANG Ganlin State Key Laboratory of Soil and Sustainable Agriculture Institute of Soil ScienceChinese Academy of SciencesNanjing 210008China

The main aim of this paper was to calculate soil organic carbon stock(SOCS) with consideration of the pedogenetic horizons using expert knowledge and GIS-based methods in northeastern China.A novel prediction process was presented and was referred to as model-then-calculate with respect to the variable thicknesses of soil horizons(MCV).The model-then-calculate with fixed-thickness(MCF),soil profile statistics(SPS),pedological professional knowledge-based(PKB) and vegetation type-based(Veg) methods were carried out for *** respect to the similar pedological information,nine common layers from topsoil to bedrock were grouped in the *** results suggested that the MCV method generated better performance than the other methods *** the comparison of polygon based approaches,the Veg method generated better accuracy than both SPS and PKB,as limited soil data were *** prediction of the pedogenetic horizons within MCV benefitted the regional SOCS estimation and provided information for future soil classification and understanding of soil *** intermediate product,that is,horizon thickness maps were fluctuant enough and reflected many details in *** linear mixed model indicated that mean annual air temperature(MAAT) was the most important predictor for the SOCS *** minimal residual of the linear mixed models was achieved in the vegetation type-based model,whereas the maximal residual was fitted in the soil type-based *** 95% of SOCS could be found in Argosols,Cambosols and *** largest SOCS was found in the croplands with vegetation of Triticum aestivum L.,Sorghum bicolor(L.) Moench,Glycine max(L.) Merr.,Zea mays *** Setaria italica(L.) ***.

关键词： soil organic carbon stock model-then-calculate random forest linear mixed model northeastern China

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

An Insight into Machine Learning Algorithms to Map the Occurrence of the Soil Mattic Horizon in the Northeastern Qinghai-Tibetan Plateau

引用

Pedosphere 2018年第5期28卷 739-750页

作者： zhi junjun ZHANG Ganlin YANG Renmin YANG Fei JIN Chengwei LIU Feng SONG Xiaodong ZHAO Yuguo LI Decheng State Key Laboratory of Soil and Sustainable Agriculture Institute of Soil Science Chinese Academy of Sciences Nanjing 210008(China) University of Chinese Academy of Sciences Beijing 100049 (China)

Soil diagnostic horizons, which each have a set of quantified properties, play a key role in soil classification. However, they are difficult to predict, and few attempts have been made to map their spatial occurrence. We evaluated and compared four machine learning algorithms, namely, the classification and regression tree(CART), random forest(RF), boosted regression trees(BRT), and support vector machine(SVM), to map the occurrence of the soil mattic horizon in the northeastern Qinghai-Tibetan Plateau using readily available ancillary data. The mechanisms of resampling and ensemble techniques significantly improved prediction accuracies(measured based on area under the receiver operator characteristic curve score(AUC)) and produced more stable results for the BRT(AUC of 0.921 ± 0.012, mean ± standard deviation) and RF(0.908 ± 0.013) algorithms compared to the CART algorithm(0.784 ± 0.012), which is the most commonly used machine learning method. Although the SVM algorithm yielded a comparable AUC value(0.906 ± 0.006) to the RF and BRT algorithms, it is sensitive to parameter settings, which are extremely ***, we consider it inadequate for occurrence-distribution modeling. Considering the obvious advantages of high prediction accuracy, robustness to parameter settings, the ability to estimate uncertainty in prediction, and easy interpretation of predictor variables, BRT seems to be the most desirable method. These results provide an insight into the use of machine learning algorithms to map the mattic horizon and potentially other soil diagnostic horizons.

关键词： boosted regression trees classification and regression tree digital soil mapping random forest soil diagnostic horizons,support vector machine

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

中国建设用地扩张未来情景模拟及其对景观格局演化的影响

引用

地理研究 2024年第4期43卷 843-860页

作者：支俊俊韩陈勖王雪婷张立康褚超群安徽师范大学地理与旅游学院芜湖241002 资源环境与地理信息工程安徽省工程技术研究中心芜湖241002

对中国建设用地的未来扩张趋势及时空格局进行模拟预测,可为科学编制国土空间规划和合理调控城乡发展提供科学依据。本研究对未来30年中国建设用地扩张进行多情景模拟预测,并分析不同区域建设用地扩张的时空演化特征及其对景观格局演化... 详细信息

对中国建设用地的未来扩张趋势及时空格局进行模拟预测,可为科学编制国土空间规划和合理调控城乡发展提供科学依据。本研究对未来30年中国建设用地扩张进行多情景模拟预测,并分析不同区域建设用地扩张的时空演化特征及其对景观格局演化的影响。研究结果表明:(1)基于斑块生成土地利用模拟模型(Patch-generating Land Use Simulation,PLUS)可以获得较高的模拟精度,各分区Kappa系数均高于0.92,总体精度均高于95%,FoM值均高于0.40,表明PLUS模型适用于全国尺度和大区域尺度的土地利用模拟。(2)影响中国建设用地扩张最主要的因素为人口、坡度和年均降水量,存在区域性差异。(3)自然发展、耕地保护、生态保护和可持续发展四种情景下模拟预测的未来土地利用的结构和特征具有明显差异,在可持续发展情景下建设用地扩张主要占用非重点保护的耕地和生态用地以及未利用地,可满足经济发展对于建设用地指标的刚性需求,有助于实现可持续高质量发展。(4)建设用地扩张对景观格局产生显著影响,在可持续发展情景下,与2020年相比,2030年、2040年和2050年建设用地预计增长分别为-0.72%、-0.51%和1.19%,中部和东部地区的优势景观面积占比持续下降,景观多样性不断上升;西部地区的景观聚集度显著下降,破碎度持续上升。本研究通过建设用地扩张的情景模拟及其对景观格局的影响分析,尝试为制定区域差别化政策提供参考,对实现经济发展、耕地保护和生态保护三者之间的均衡协调可持续发展具有重要意义。

关键词：建设用地扩张土地利用变化情景模拟影响因素景观格局中国

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

徐州高潜水位区采煤塌陷地及其复垦土壤碳变化

引用

煤炭学报 2023年第7期48卷 2881-2892页

作者：余健房莉方凤满支俊俊张平究李冉黄振华安徽师范大学地理与旅游学院安徽芜湖241003 江淮流域地表过程与区域响应安徽省重点实验室安徽芜湖241003

在全球“碳中和”背景下,土壤碳积累与转化研究成为学术界研究的热点问题。潜水影响下的采煤塌陷地复垦恢复过程中土壤碳库变化及机制较为复杂。复垦土壤碳动力学过程研究是实现复垦土壤生态系统科学恢复的重要基础。利用年龄时间序列... 详细信息

在全球“碳中和”背景下,土壤碳积累与转化研究成为学术界研究的热点问题。潜水影响下的采煤塌陷地复垦恢复过程中土壤碳库变化及机制较为复杂。复垦土壤碳动力学过程研究是实现复垦土壤生态系统科学恢复的重要基础。利用年龄时间序列方法和定位监测法分别于2012年和2020年采集徐州柳新镇高潜水位煤矿区塌陷地不同复垦年限的土壤,对土壤总碳(C_(TC))、总有机碳(C_(TOC))、总无机碳质量分数(C_(TIC)),总碳库(S_(TC))、总有机碳库(S_(TOC))和总无机碳库储量(S_(TIC))进行了测算,同时分析了各类碳与相关土壤性质的关系。结果表明:(1)研究区未塌陷地土壤(CK)S_(TC)、S_(TOC)和S_(TIC)分别为268.34、81.63、186.70 t/hm^(2)。土地塌陷引起土壤碳质量分数及碳库储量下降,主要表现为S_(TIC)和C_(TC)下降,S_(TOC)变化不明显。(2)复垦土壤恢复过程中土壤碳质量分数及碳库储量变化呈正二次方程曲线特征,0~20 cm层土壤C_(TC)和C_(TIC)在复垦14~18 a达到最大,并超过CK。土壤S_(TOC)在复垦13~14 a可以超过CK。(3)新复垦土壤0~40 cm层内碳质量分数及碳库储量在上下层次间差异不显著。复垦后恢复过程中,以表层(0~10 cm)土壤碳质量分数和碳库储量增加量最大,C_(TIC)在剖面上的变化特征不明显。(4)土壤C_(TOC)和S_(TOC)及C_(TC)均与土壤孔隙度、土壤黏粒、分形维数(D)及>3.2 mm团聚体质量分数呈显著正相关,与土壤密度、紧实度、pH及2~0.50 mm团聚体质量分数呈负相关关系。塌陷地复垦土壤在恢复过程中表现出巨大的固碳潜力。高潜水位地区,土壤水分通过影响土壤通气状况、团聚体形成及颗粒变化来影响复垦土壤碳固定和转化。塌陷地复垦耕作利用通过土壤翻耕、破碎、有机肥配施及潜水位调节,改善了土壤结构及通气状况,促进了植物及土壤微生物生长,增加了土壤有机碳来源,推动了复垦土壤有机碳积累。

关键词：高潜水位区采煤塌陷地复垦土壤土壤碳库

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

祁连山中段高寒草甸草毡表层发育程度的空间分异及环境影响因子

引用

生态学报 2017年第20期37卷 6732-6742页

作者：金成伟赵玉国李徐生支俊俊张甘霖南京大学地理与海洋科学学院南京210023 中国科学院南京土壤研究所土壤与农业可持续发展国家重点实验室南京210008

高寒草甸植被下的草毡表层能够发挥水土保持、水源涵养等生态环境效益,是高寒草甸植被生态功能发挥的核心,认识草毡表层发育程度的空间分异及环境影响因子有利于深入理解高寒草甸在高原生态系统中的作用。本研究以祁连山中段高寒草甸分... 详细信息

高寒草甸植被下的草毡表层能够发挥水土保持、水源涵养等生态环境效益,是高寒草甸植被生态功能发挥的核心,认识草毡表层发育程度的空间分异及环境影响因子有利于深入理解高寒草甸在高原生态系统中的作用。本研究以祁连山中段高寒草甸分布区为研究区,依据根系体积并结合草毡层厚度以及土壤容重,将草毡表层划分为弱发育、中等发育以及强发育草毡。分析了不同发育程度草毡的地形、植被、气候等环境特征,并采用支持向量机模型对其分布进行了空间制图。结果表明:祁连山中段发育程度较高的草毡表层趋向于分布在水分条件较好的低海拔、缓坡,低坡位以及北向坡的位置,以嵩草属植物为主,中等以上发育程度的草毡地表植被及水分条件都较好;发育程度较高的草毡表层年均温较高,各发育程度草毡表层降水量差异不显著。空间分布结果整体与现有的高寒草甸植被类型分布具有高度的一致性,但空间分辨率更为详细,并且实现了不同发育程度草毡表层的空间细分。

关键词：高寒草甸草毡表层祁连山中段空间制图

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

长江流域养殖池塘氮磷污染负荷估算

引用

环境科学学报 2022年第12期42卷 156-170页

作者：齐凌艳张帅熊爱玲黄佳聪贾蔡支俊俊吴凤文资源环境与地理信息工程安徽省工程技术研究中心芜湖241003 江淮流域地表过程与区域响应安徽省重点实验室芜湖241003 安徽师范大学地理与旅游学院芜湖241003 中国科学院南京地理与湖泊研究所中国科学院流域地理学重点实验室南京210008

长江流域平原区水网密布、渔业发达,养殖池塘造成的氮磷污染问题突出,是河湖富营养化的重要污染源之一;从大空间尺度,精细化估算养殖池塘的氮磷污染负荷,对水污染的精准防控具有重要意义.以长江流域为研究区,依托Google Earth Engine遥... 详细信息

长江流域平原区水网密布、渔业发达,养殖池塘造成的氮磷污染问题突出,是河湖富营养化的重要污染源之一;从大空间尺度,精细化估算养殖池塘的氮磷污染负荷,对水污染的精准防控具有重要意义.以长江流域为研究区,依托Google Earth Engine遥感大数据平台,构建了基于机器学习算法的养殖池塘识别模型,精细化识别了长江流域养殖池塘的分布与类型;梳理养殖坑塘的氮磷污染研究案例,针对长江流域养殖坑塘的特征,构建氮磷污染负荷的估算方法,评估氮磷污染负荷的时空分布.研究结果表明:2021年,长江流域养殖池塘总面积为14567km^(2),包括鱼塘5820 km^(2)、虾蟹塘8747 km^(2)、氮磷排放量分别为95059、16224 t;中部地区的氮磷污染负荷最大,东部地区次之,西部地区最小.本研究是遥感大数据在大尺度污染负荷定量分析的尝试应用,方法适用于其它类型污染负荷的估算.

关键词：长江流域养殖池塘氮磷遥感

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

A Modified Self-adaptive Method for Mapping Annual 30-m Land Use/Land Cover Using Google Earth Engine：A Case Study of Yangtze River Delta

引用

Chinese Geographical Science 2021年第5期

作者： QU Le'an LI Manchun CHEN Zhenjie zhi junjun

来源：评论

学校读者我要写书评

暂无评论

基于无人机RGB影像的玉米种植信息高精度提取方法

引用

农业工程学报 2021年第18期37卷 48-54页

作者：支俊俊董娅鲁李灿施金辉骆文慧周悦耿涛夏敬霞贾蔡安徽师范大学地理与旅游学院芜湖241002 江淮流域地表过程与区域响应安徽省重点实验室芜湖241002 浙江农林大学环境与资源学院杭州311300 安徽省太湖县自然资源和规划局安庆246400

为探究易获取且成本低的超高分辨率无人机(Unmanned Aerial Vehicle,UAV)航拍“红-绿-蓝”(Red-Green-Blue,RGB)彩色影像提取作物种植信息的方法,该研究选取植被指数、“色度-色饱和度-亮度”(Hue-Saturation-Intensity,HSI)色彩特征和... 详细信息

为探究易获取且成本低的超高分辨率无人机(Unmanned Aerial Vehicle,UAV)航拍“红-绿-蓝”(Red-Green-Blue,RGB)彩色影像提取作物种植信息的方法,该研究选取植被指数、“色度-色饱和度-亮度”(Hue-Saturation-Intensity,HSI)色彩特征和纹理特征等3种特征,通过比较贝叶斯(Bayes)、K最邻近分类(K-Nearest Neighbor,KNN)、支持向量机(Support Vector Machine,SVM)、决策树(Decision Tree,DT)和随机森林(Random Forest,RF)共5种监督分类算法及不同特征组合的分类效果,以实现玉米种植信息的高精度提取。结果表明,使用单一种类特征或使用全部3种特征均不能获得最优的分类精度;将植被指数与HSI色彩特征或与纹理特征进行组合获得的总体分类精度(5种算法平均值)比仅使用植被指数获得的总体分类精度分别提高了4.2%和8.3%;在所有特征组合中,HSI色彩特征和纹理特征组合为最优选择,基于该特征空间的RF算法获得了最高的分类精度,总精度为86.2%,Kappa系数为0.793;基于RF算法进行降维并不能显著提高或降低分类精度(SVM除外),但所保留的特征因子可给出符合实际背景和意义的解释,并可提高分类结果的稳定性。研究结果可为基于无人机RGB影像的作物种植信息高精度提取提供方法参考。

关键词：模型遥感无人机玉米植被指数纹理特征机器学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

快速城市化背景下生态系统服务价值时空演变——以南京市为例

引用

水土保持通报 2021年第3期41卷 296-304页

作者：孟孟张运支俊俊丁玥王爱芳沈豪安徽师范大学地理与旅游学院安徽芜湖241003 资源环境与地理学信息工程安徽省工程技术研究中心安徽芜湖241003

[目的]分析南京市土地生态服务价值的驱动力影响,为科学地开展生态系统服务价值研究、生态保护与建设、城乡空间布局优化以及土地可持续发展提供重要依据。[方法]基于江苏省南京市1990—2018年的土地利用数据,估算了各种土地利用类型的... 详细信息

[目的]分析南京市土地生态服务价值的驱动力影响,为科学地开展生态系统服务价值研究、生态保护与建设、城乡空间布局优化以及土地可持续发展提供重要依据。[方法]基于江苏省南京市1990—2018年的土地利用数据,估算了各种土地利用类型的生态系统服务价值,分析了南京市生态系统服务价值的时空动态及其对土地利用变化和景观格局变化的响应。[结果]1990—2018年,南京市建设用地面积变化最大,耕地次之,草地、林地和水域的变化较小,其中建设用地面积增加了105.67%,耕地面积减少了19.93%;南京市斑块密度由0.5890下降至0.5125,表明总体景观破碎度指数在持续降低;南京市总的生态系统服务价值总体呈下降的趋势,降低了8.13%,其中水域的生态系统服务价值的变化对总的生态系统服务价值影响最为显著。[结论]随着南京市社会经济发展,人口对于生态系统服务价值时空变化的影响高于经济因素,人口因素日益成为影响南京市生态系统服务价值的主要驱动因素。

关键词：南京市土地利用景观格局生态系统服务价值驱动因素

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：