当前位置:主页 > 科技论文 > 农业技术论文 >

基于神经网络模型的干旱区绿洲土壤盐渍化评价分析

发布时间:2018-03-25 13:02

  本文选题:盐渍化 切入点:神经网络 出处:《地球信息科学学报》2017年07期


【摘要】:土壤盐渍化严重制约了农业可持续发展和生态安全,土壤盐渍化的精确评价分析,对土壤盐渍化的改善和治理具有重要的意义。本文以新疆焉耆盆地为研究对象,Landsat8 OLI遥感影像和实测采样数据相结合,提取地下水埋深(GD)、盐分指数(SI)、地表蒸散量(SET)和改进型温度植被干旱指数(MTVDI)建立了土壤盐渍化评价模型。结果表明:(1)结合野外实测土壤盐分数据,对BP神经网络模型进行训练。最终以最优的4-4-1结构的3层BP神经网模型对研究区土壤盐渍化进行了预测(R~2=0.864,RMSE=0.569)。相比传统多元线性回归模型(R~2=0.741,RMSE=0.767),神经网络模型对土壤盐渍化的预测精度更高;(2)土壤盐渍化分布与GD、SI、SET和MTVDI等存在较强的关联性,不同等级的土壤盐渍化是不同影响因素不同程度上组合而引起的结果,盐渍化土地主要分布在地下水位较低以及土地开垦之后没有利用的荒地区域;(3)整个研究区大部分区域受到不同程度的盐渍化影响,耕地退化为盐渍地导致该区域土壤盐渍化以及土壤次生盐渍化进一步加剧。
[Abstract]:Soil salinization has seriously restricted the sustainable development of agriculture and ecological security, and the accurate evaluation and analysis of soil salinization. It is of great significance to improve and control soil salinization. In this paper, the Landsat8 OLI remote sensing image is combined with the measured sampling data in Yanqi Basin, Xinjiang. The evaluation model of soil salinization was established by extracting groundwater depth GDN, salt index (SI), surface evapotranspiration (SET) and modified temperature vegetation drought index (MTVDIV). The results showed that: 1) combined with field measured soil salinity data. The BP neural network model was trained. Finally, a 3-layer BP neural network model with the best 4-4-1 structure was used to predict soil salinization in the study area. Compared with the traditional multivariate linear regression model, the model was used to predict soil salinization. Compared with the traditional multivariate linear regression model, the neural network model was used to predict soil salinization. The distribution of soil salinization has strong correlation with GDS-SI-SET and MTVDI, etc. Soil salinization of different grades is caused by the combination of different factors, The salinized land mainly distributes in the wasteland area where the groundwater level is lower and the land reclamation is not used. (3) most areas of the whole study area are affected by salinization to varying degrees. Soil salinization and soil secondary salinization are further aggravated by the degradation of cultivated land to saline land.
【作者单位】: 新疆师范大学地理科学与旅游学院流域信息集成与生态安全实验室;新疆干旱区湖泊环境与资源重点实验室;
【基金】:新疆师范大学地理学博士点支撑学科开放课题基金项目(XJNU-DL-201605) 国家自然科学基金项目(41161007、41661047) 新疆维吾尔族自治区青年科技创新人才培养工程项目(QN2015YX009)
【分类号】:S156.41

【参考文献】

相关期刊论文 前10条

1 姜红;玉素甫江·如素力;热伊莱·卡得尔;阿迪来·乌甫;;不同空间插值方法对博斯腾湖水体矿化度的适应性评价研究[J];新疆师范大学学报(自然科学版);2016年04期

2 丁建丽;陈文倩;陈芸;;干旱区土壤盐渍化灾害预警——以渭-库绿洲为例[J];中国沙漠;2016年04期

3 郭亮;沈志;申旭辉;孙倩;;干旱区盐渍地土壤含水量分布及其光谱特征研究[J];安徽农业科学;2015年15期

4 张荣群;乔月霞;薛佳妮;;银川平原土壤盐渍化与土地利用强度的空间关联分析[J];地球信息科学学报;2015年05期

5 陈实;高超;徐斌;金云翔;李金亚;马海龙;赵芬;郭剑;杨秀春;;新疆石河子农区土壤含盐量定量反演及其空间格局分析[J];地理研究;2014年11期

6 谢姆斯叶·艾尼瓦尔;塔西甫拉提·特依拜;王宏卫;买买提·沙吾提;张飞;;人工智能计算技术在新疆干旱区典型绿洲土壤盐分预测中的应用[J];中国沙漠;2014年01期

7 孙倩;塔西甫拉提·特依拜;丁建丽;张飞;买买提·沙吾提;韩桂红;;干旱区典型绿洲土地利用/覆被变化及其对土壤盐渍化的效应研究——以新疆沙雅县为例[J];地理科学进展;2012年09期

8 韩桂红;塔西甫拉提·特依拜;买买提·沙吾提;张飞;;渭-库绿洲地下水对土壤盐渍化和其逆向演替过程的影响[J];地理科学;2012年03期

9 买买提·沙吾提;塔西甫拉提·特依拜;丁建丽;张飞;;基于GIS的干旱区土壤盐渍化敏感性评价——以渭干河-库车河三角洲绿洲为例[J];资源科学;2012年02期

10 王静;刘湘南;黄方;唐吉龙;赵冷冰;;基于ANN技术和高光谱遥感的盐渍土盐分预测[J];农业工程学报;2009年12期

【共引文献】

相关期刊论文 前10条

1 姜红;玉素甫江·如素力;热伊莱·卡得尔;阿迪来·乌甫;;基于神经网络模型的干旱区绿洲土壤盐渍化评价分析[J];地球信息科学学报;2017年07期

2 白雪峰;王斌;戚颖;;土地覆被变化对径流量影响的GSAC模型分析[J];农业机械学报;2017年07期

3 万炜;魏伟;钱大文;魏晓旭;冯坤;;土地利用/覆被变化的环境效应研究进展[J];福建农林大学学报(自然科学版);2017年04期

4 米合热古丽·塔什卜拉提;塔西甫拉提·特依拜;买买提·沙吾提;依力亚斯江·努尔麦麦提;夏楠;;渭库绿洲土地利用/覆被变化对地表温度的影响[J];山地学报;2017年03期

5 何宝忠;丁建丽;王飞;张U,

本文编号:1663232


资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/nykj/1663232.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户39b61***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com