基于人工神经网络的生态环境质量遥感评价

应用生态学报

基于人工神经网络的生态环境质量遥感评价

李洪义¹;史舟¹;沙晋明²;程街亮¹

¹浙江大学农业遥感与信息技术应用研究所，杭州 310029；²福建师范大学地理科学学院，福州 350007

收稿日期:2005-09-16 修回日期:2006-05-26 出版日期:2006-08-18 发布日期:2006-08-18

Evaluation of eco-environmental quality based on artificial neural network and remote sensing techniques

LI Hongyi¹; SHI Zhou¹; SHA Jinming²; CHENG Jieliang¹

¹Insitutue of Agricultural Remote Sensing and Information Technology, Zhejiang University, Hangzhou 310029, China; ²College of Geographical Sciences, Fujian Normal University, Fuzhou 350007, China

Received:2005-09-16 Revised:2006-05-26 Online:2006-08-18 Published:2006-08-18

摘要/Abstract

摘要： 利用ETM遥感数据提取反映生态环境的植被、土壤亮度、湿度，MODIS地表温度产品提取的热度指数、气象指数及其它地学辅助信息作为神经网络的输入，野外调查标准兴趣区的遥感本底值评分值作为网络输出，建立一个3层结构的BP神经网络生态环境遥感本底值预测模型.利用MATLAB软件对网络进行训练和研究区生态环境遥感本底值的预测输出，并将预测结果按照生态环境遥感本底值分级评分标准进行等级划分.结果表明，总体分类精度达87.8%.利用神经网络方法对生态环境遥感本底值进行预测是可行的.采用先预测再分级的方法不仅能很好地评价区域生态环境质量，而且能够和区域生态环境类型紧密的结合起来.

关键词: 植物化学生态学, 植物次生物质, 化学防御和通讯, 人类, 进化, 海洋植物

Abstract: In the present study, vegetation, soil brightness, and moisture indices were extracted from Landsat ETM remote sensing image, heat indices were extracted from MODIS land surface temperature product, and climate index and other auxiliary geographical information were selected as the input of neural network. The remote sensing eco-environmental background value of standard interest region evaluated in situ was selected as the output of neural network, and the back propagation (BP) neural network prediction model containing three layers was designed. The network was trained, and the remote sensing eco-environmental background value of Fuzhou in China was predicted by using software MATLAB. The class mapping of remote sensing eco-environmental background values based on evaluation standard showed that the total classification accuracy was 87.8%. The method with a scheme of prediction first and classification then could provide acceptable results in accord with the regional eco-environment types.

Key words: Plant chemical ecology, Secondary plant metabolite, Chemical defense and communication, Human, Evolution, Marine plant

李洪义¹;史舟¹;沙晋明²;程街亮¹. 基于人工神经网络的生态环境质量遥感评价[J]. 应用生态学报.

LI Hongyi¹; SHI Zhou¹; SHA Jinming²; CHENG Jieliang¹ . Evaluation of eco-environmental quality based on artificial neural network and remote sensing techniques[J]. Chinese Journal of Applied Ecology.

[1]	冯娟, 买吾拉夏·木巴热克, 刘卫平. 玛纳斯河流域植被生态质量变化及驱动力 [J]. 应用生态学报, 2026, 37(4): 1134-1140.
[2]	刘一丹, 黄海广, 李晓兰, 李雪华. 毛乌素沙地归一化植被指数时空演变及其驱动力:以内蒙古乌审旗为例 [J]. 应用生态学报, 2026, 37(3): 805-813.
[3]	潘蓉, 孙建国, 胡博洋, 刘荣. 基于改进残差趋势法的中国植被变化归因 [J]. 应用生态学报, 2025, 36(8): 2420-2428.
[4]	赵慧, 崔洋, 李梦华, 康雄, 李万春, 韩颖娟, 杨建玲, 王云霞. 气候变化和人类活动对宁夏植被净初级生产力的影响 [J]. 应用生态学报, 2025, 36(8): 2429-2441.
[5]	李大强, 张飞云, 李倩, 马丽娜, 周红涛. 基于供需的新疆生态系统服务与人类活动强度时空关联特征 [J]. 应用生态学报, 2025, 36(8): 2455-2464.
[6]	杨柯柯, 陈文波, 熊秋林, 高蓓杰. 2000—2020年赣南地区人类活动对生态系统服务的影响 [J]. 应用生态学报, 2025, 36(6): 1627-1638.
[7]	张煦庭, 张维敏, 潘宇鹰, 权文婷, 李美荣, 何慧娟, 周辉. 2001—2020年黄河流域陕西段植被生长时空格局及驱动因子 [J]. 应用生态学报, 2025, 36(2): 341-352.
[8]	薛倩楠, 史明晰, 王莹莹, 刘学琪, 王璐, 李皓. 基于气候轨迹模拟的区域气候连通性评估:以张家口市为例 [J]. 应用生态学报, 2025, 36(10): 3139-3149.
[9]	赵瑜琦, 赵鹏云, 许泽海, 李志刚. 2002—2022年气候变化和人类活动对山西省植被恢复的贡献 [J]. 应用生态学报, 2025, 36(1): 219-226.
[10]	王若茹, 李小马, 甘德欣, 刘欢瑶, 唐乐, 蔡正午. 湖南省2002—2020年植被动态演变特征及影响因子 [J]. 应用生态学报, 2024, 35(5): 1312-1320.
[11]	龚志远, 王春林, 董丹丹, 张蕊, 张曦. 安徽省气候变化和人类活动对草地物候的影响 [J]. 应用生态学报, 2024, 35(4): 1092-1100.
[12]	员学锋, 施林童, 杨悦, 安骐岷. 陕北黄土丘陵沟壑区人类活动和植被覆盖对关键生态系统服务的影响 [J]. 应用生态学报, 2024, 35(12): 3235-3246.
[13]	李玉露, 吴雪晴, 袁野, 董灵波. 黑龙江省植被碳-水利用效率时空演变及其驱动机制 [J]. 应用生态学报, 2024, 35(12): 3349-3358.
[14]	高倩, 陈广艳, 孙楷杰, 金太花, 王振南, 魏明吉. “观众效应”对动物配偶选择的影响研究进展 [J]. 应用生态学报, 2023, 34(6): 1721-1728.
[15]	刘强, 吴志伟, 林世滔, 李顺, 方志斌. 松材线虫病发生点格局及影响因素 [J]. 应用生态学报, 2022, 33(9): 2530-2538.