留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于径向基函数神经网络(RBFN)的内蒙古土壤风蚀危险度评价

师华定 高庆先 庄大方 胡云锋

师华定, 高庆先, 庄大方, 胡云锋. 基于径向基函数神经网络(RBFN)的内蒙古土壤风蚀危险度评价[J]. 环境科学研究, 2008, 21(5): 129-133.
引用本文: 师华定, 高庆先, 庄大方, 胡云锋. 基于径向基函数神经网络(RBFN)的内蒙古土壤风蚀危险度评价[J]. 环境科学研究, 2008, 21(5): 129-133.
SHI Hua-ding, GAO Qing-xian, ZHUANG Da-fang, HU Yun-feng. Using RBFN Model and GIS Technique to Assess Wind Erosion Hazard in Inner Mongolia[J]. Research of Environmental Sciences, 2008, 21(5): 129-133.
Citation: SHI Hua-ding, GAO Qing-xian, ZHUANG Da-fang, HU Yun-feng. Using RBFN Model and GIS Technique to Assess Wind Erosion Hazard in Inner Mongolia[J]. Research of Environmental Sciences, 2008, 21(5): 129-133.

基于径向基函数神经网络(RBFN)的内蒙古土壤风蚀危险度评价

基金项目: 国家自然科学基金项目(40571130,40701150); 2007年度环保公益性行业科研专项项目(200709008);中国环境科学研究院中央级公益性科研院所基本科研业务专项资助项目(2007KYYW42)

Using RBFN Model and GIS Technique to Assess Wind Erosion Hazard in Inner Mongolia

  • 摘要: 土壤风蚀是北方干旱和半干旱地区土地沙化和沙尘暴灾害的首要环节和主要动力过程之一. 选取影响内蒙古自治区土壤风蚀演化的相关指标,运用GIS技术提取各指标数据,构建径向基函数神经网络(Radial Basis Function Network,RBFN);根据不同风蚀危险程度标准,选取12个市、县(旗)相关数据进行训练,确定网络模型参数,进而对内蒙古自治区88个市、县(旗)的土壤风蚀危险度进行了评价. 结果表明:内蒙古自治区西部为土壤风蚀发生的极强危险区,西北为强危险区,中部为中度危险区,而东部为轻度危险区;利用其他研究对该评价结论进行对比验证,结果较为理想.

     

  • [1] 陈渭南,董光荣,董治宝.中国北方土壤风蚀问题的研究进展和趋势[J].地球科学进展, 1994,9(5): 6-12.
    [2] 张国平,刘纪远,张增祥.1995─2000年中国沙地空间格局变化的遥感研究[J].生态学报, 2002,22(9): 1500-1506.
    [3] 叶笃正,丑纪范,刘纪远,等.关于我国华北沙尘天气的成因与治理对策[J].地理学报, 2000,55(5): 513-520.
    [4] 胡云锋,刘纪远,庄大方,等.土地利用动态与风力侵蚀动态对比研究:以内蒙古自治区为例[J].地理科学进展,2003,22(6): 541-550.
    [5] 张志刚,陈万隆.影响北京沙尘源地的气候特征与北京沙尘天气分析[J].环境科学研究,2003,16(2): 6-9.
    [6] 张志刚,高庆先,矫梅燕,等.影响北京地区沙尘天气的源地和传输路径分析[J].环境科学研究,2007,20(4): 21-27.
    [7] 王涛,赵哈林,肖洪浪.中国沙漠化研究的进展[J].中国沙漠,1999,19(4):299-311.
    [8] 苏永中,赵哈林.农田沙漠化过程中土壤有机碳和氮的衰减及其机理研究[J].中国农业科学,2003,36(8):928-934.
    [9] 延昊,王长耀,牛铮.东亚沙尘源地、沙尘输送路径的遥感研究[J].地理科学进展,2002,21(1): 90-93.
    [10] 赵晓丽,张增祥,刘斌,等.基于遥感和GIS的全国土壤侵蚀动态监测方法研究.水土保持通报[J].2002,22(4): 29-32.
    [11] Moody J, Darken C.Fast learning in networks of locally tuned processing units[J].Neural Computation,1989,4:740-747.
    [12] Park J,Sandberg I W.Universal approximation using radial basisfunction network[J].Neural Computation,1991,3:246-257.
    [13] 王洪元,史国栋.人工神经网络技术及其应用[M].北京:中国石化出版社,2003.
    [14] Webb N P,Hamish Mcgowan H A,Phinn S R,et al.AUSLEM (Australian Land Erodibility Model): a tool for identifying wind erosion hazard in Australia[J].Geomophology,2006,78:1-20.
    [15] Chepil W S.Factors that influence clod structure and erodibility of soil by wind:calcium carbonate and decomposed organicmaterial[J].Soil Sci,1954c,77:473-480.
    [16] Chepil W S.Factors that influence clod structure and erodibility of soil by wind:sand,silt and clay[J].Soil Sci,1955c,80:155-162.
    [17] Zobeck T M,Parker N C,Haskell S,et al.Scaling up from field to region for wind erosion prediction using a field-scale wind erosion model and GIS[J].Agriculture,Ecosystems and Environment,2000,82:247-259.
  • 加载中
计量
  • 文章访问数:  1162
  • HTML全文浏览量:  12
  • PDF下载量:  76
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-04-16
  • 修回日期:  2008-05-12
  • 刊出日期:  2008-10-25

目录

    /

    返回文章
    返回