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]	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.
[2]	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.
[3]	刘辉, 宋孝玉, 贾琼, 祝德名. 近20年内蒙古鄂托克旗草地降水利用效率时空演变的驱动力量化 [J]. 应用生态学报, 2022, 33(12): 3253-3262.
[4]	洪乐乐, 沈艳, 马红彬, 张鹏, 霍新茹, 温华晨. 2000—2019年宁夏植被净初级生产力时空变化及其驱动因素 [J]. 应用生态学报, 2022, 33(10): 2769-2776.
[5]	孟琪, 武志涛, 杜自强, 张红. 京津风沙源区不同分区植被覆盖度变化及归因分析 [J]. 应用生态学报, 2021, 32(8): 2895-2905.
[6]	李海萍, 王娜萍, 代宇庭. 云贵高原湿地景区人类活动强度的空间分布——以云南省拉市海流域为例 [J]. 应用生态学报, 2021, 32(8): 2915-2922.
[7]	李辉, 红英, 邓国荣, 乌日罕, 张洪岩, 赵建军, 郭笑怡. 1982—2015年气候变化和人类活动对内蒙古草地净初级生产力的影响 [J]. 应用生态学报, 2021, 32(2): 415-424.
[8]	朱晓龙, 陈庆美, 吕爱锋, 黄茹, 邵雪梅, 梁尔源, 朱海峰. 利用树轮揭示人类活动对柴达木盆地巴音河径流量的影响 [J]. 应用生态学报, 2021, 32(10): 3653-3660.
[9]	于璐, 武志涛, 杜自强, 张红, 刘勇. 气候变化背景下京津风沙源区人类活动对植被影响的量化分析 [J]. 应用生态学报, 2020, 31(6): 2007-2014.
[10]	高昌源, 付保荣, 李晓军, 于大炮, 巩宗强. 辽宁省生物多样性保护优先区识别 [J]. 应用生态学报, 2020, 31(5): 1673-1681.
[11]	乌尼图, 刘桂香, 刘爱军, 白海花, 朝鲁孟其其格. 天然草原净初级生产力变化监测与驱动力分析——以锡林郭勒草原为例 [J]. 应用生态学报, 2020, 31(4): 1233-1240.
[12]	李朝月, 方海燕. 泰国蒙河流域水沙变化趋势及影响因素 [J]. 应用生态学报, 2020, 31(2): 590-598.
[13]	刘艳萍, 肖雅倩, 张颖. 洞庭湖流域人类活动净磷输入及其空间分布 [J]. 应用生态学报, 2019, 30(7): 2404-2414.
[14]	刘洋洋, 王倩, 杨悦, 刚成诚, 章钊颖, 同琳静, 李建龙. 黄土高原草地净初级生产力时空动态及其影响因素 [J]. 应用生态学报, 2019, 30(7): 2309-2319.
[15]	黄春波, 滕明君, 曾立雄, 周志翔, 肖文发, 朱建华, 王鹏程. 长江三峡库区土地利用/覆盖的长期变化 [J]. 应用生态学报, 2018, 29(5): 1585-1596.