南京市植被覆盖管理措施因子的时空格局动态变化

论文摘要

修正的通用土壤侵蚀方程（revised universal soil loss equation,RUSLE）模型中的植被覆盖管理措施因子（C）可用来表示植被覆盖对土壤的防蚀作用,是评价土壤侵蚀的关键参数之一,而区域尺度高质量时间序列C因子的合理估算及空间分布特征是预测区域土壤侵蚀动态变化的重要环节。因此,及时准确地掌握区域尺度长时间序列的C因子,对研究土壤侵蚀动态变化与植被的关系至关重要。选择南京市1988—2013年10期遥感影像,基于后向反射（back propagation,BP）神经网络和遥感数据反演植被结构因子叶面积指数（leaf area index,LAI）,构建LAI与C因子的量化耦合模型,通过137Cs同位素示踪技术获取C因子的实测值,验证并探讨反演模型的精度。结果表明:（1）基于归一化植被指数（normalized difference vegetation index,NDVI）计算的传统植被覆盖度在整体上比基于LAI计算的植被方向性覆盖度偏大,得到的C值与实测值相比整体上偏小,均方根误差（root mean square error,RMSE）为87. 829%;而基于LAI计算的C值与实测值接近,RMSE为30. 017%,能更好地反映实际的植被结构信息;（2）C值大于0. 3的区域主要分布于建筑物较为密集、植被稀疏且植被结构简单甚至无植被覆盖的市区;C值小于0. 05的区域主要分布在植被密集且植被结构复杂的丘陵山区,南京市C值的分布与植被覆盖和土地利用类型关系密切。（3）从全市整体来看,1988—2013年C值小于0. 05的抵抗土壤侵蚀能力较强的区域面积先由南京市总面积的15. 66%（1988年）减小到9. 43%（2006年以前）,后逐渐增大到12. 07%;C值大于0. 3的抵抗土壤侵蚀能力较弱的区域面积先由南京市总面积的7. 29%缓慢增大到9. 22%（2002年）,后迅速增大到12. 31%（2002—2006年）,然后缓慢减小至11. 77%。所提出的基于BP神经网络和LAI反演的长时间序列C因子估算方法是可靠的,可为区域尺度土壤侵蚀定量遥感监测提供新途径。

论文目录

文章来源

类型: 期刊论文

作者: 林杰,董波,潘颖,杨敏,朱茜

关键词: 神经网络,长时间序列,叶面积指数,土壤侵蚀

来源: 生态与农村环境学报 2019年05期

年度: 2019

分类: 工程科技Ⅰ辑,农业科技,基础科学

专业: 生物学

单位: 南京林业大学江苏省南方现代林业协同创新中心/江苏省水土保持与生态修复重点实验室

基金: 国家重点研发项目(2017YFC0505505),国家自然科学基金面上项目(31870600),江苏高校优势学科建设工程资助项目

分类号: Q948

DOI: 10.19741/j.issn.1673-4831.2018.0436

页码: 617-626

总页数: 10

文件大小: 19283K

下载量: 433

相关论文文献

• [1].基于高分一号遥感影像的植被覆盖遥感监测——以厦门市为例[J]. 国土资源遥感 2019(04)
• [2].气候变化与人类活动对植被覆盖的影响[J]. 西安科技大学学报 2020(01)
• [3].北京市2005～2015年植被覆盖变化对蒸散发量的影响[J]. 水电能源科学 2020(02)
• [4].海南岛植被覆盖变化驱动因子及相对作用评价[J]. 国土资源遥感 2020(01)
• [5].基于NDVI数据的宝鸡市和西安市植被覆盖情况对比分析[J]. 农业科学研究 2020(01)
• [6].恩施市植被覆盖时空特征及动态变化分析[J]. 湖北农业科学 2020(07)
• [7].济南泉域重点渗漏带植被覆盖空间异质性[J]. 东北林业大学学报 2020(09)
• [8].2010—2018年辽宁西部地区植被覆盖变化及其对气候的响应[J]. 测绘与空间地理信息 2020(07)
• [9].济南市植被覆盖时空变化特征研究[J]. 绿色科技 2020(14)
• [10].基于多期遥感数据的华蓥山中段植被覆盖变化研究[J]. 河北省科学院学报 2020(03)
• [11].基于植被覆盖变化的塔里木河干流保护对策研究[J]. 黑龙江水利科技 2020(09)
• [12].中国植被覆盖变化研究遥感数据源及研究区域时空热度分析[J]. 地球科学进展 2020(09)
• [13].贵州省黔南州植被覆盖时空变化分析[J]. 地理空间信息 2018(12)
• [14].基于Google Earth Engine分析黄土高原植被覆盖变化及原因[J]. 中国环境科学 2019(11)
• [15].基于Google Earth Engine的京津冀2001～2015年植被覆盖变化与城镇扩张研究[J]. 遥感技术与应用 2018(04)
• [16].闽赣自然植被覆盖格局及其驱动机制分析[J]. 长江科学院院报 2016(12)
• [17].基于NDVI的陕北黄土高原丘陵沟壑区植被覆盖变化及其驱动力分析——以志丹县为例[J]. 林业经济 2016(12)
• [18].基于MODIS数据的宁波市植被覆盖时空变化研究[J]. 浙江水利科技 2017(01)
• [19].1975–2014年福建省植被覆盖变化及其驱动因素[J]. 植物生态学报 2017(02)
• [20].2001—2014年间黄土高原植被覆盖状态时空演变分析[J]. 国土资源遥感 2017(01)
• [21].西北干旱区植被覆盖时空动态特征[J]. 林业资源管理 2017(01)
• [22].基于MODIS数据乌江流域植被覆盖变化与气候变化关系研究[J]. 林业资源管理 2017(01)
• [23].黄土高原典型干旱区退耕还林后植被覆盖变化研究[J]. 生态科学 2017(01)
• [24].2000年以来朝鲜植被覆盖变化及其与气候因子的相关性研究[J]. 干旱区地理 2017(04)
• [25].兰州南北两山植被覆盖变化动态监测[J]. 兰州理工大学学报 2017(03)
• [26].德清县植被覆盖时空变化遥感监测[J]. 浙江水利科技 2017(05)
• [27].山西省植被覆盖变化及其影响因素研究[J]. 西北师范大学学报(自然科学版) 2017(06)
• [28].植被覆盖下膨胀土长期强度特性分析[J]. 常州工学院学报 2015(05)
• [29].石家庄1995～2015年植被覆盖变化监测及预测[J]. 遥感信息 2016(04)
• [30].2001年～2013年准格尔旗植被覆盖变化特征[J]. 内蒙古科技与经济 2015(11)

标签：神经网络论文;  长时间序列论文;  叶面积指数论文;  土壤侵蚀论文;