耦合SOFM与SVM的生态功能分区方法——以鄂尔多斯市为例

辨析区域主要生态环境问题及其空间异质性,划定生态功能区,对保障区域生态安全和国土开发优化具有重要指导意义。以往自下而上的分区研究多基于行政区或流域开展,难以体现行政区或流域内部的生态功能分异。以鄂尔多斯市为例,基于生态系统服务与生态敏感性构建区域生态功能分区指标体系,耦合自组织特征映射（SOFM）网络与支持向量机（SVM）划定鄂尔多斯市生态功能分区。结果表明,区域内各生态功能分区指标呈现明显的空间分异特征,通过SOFM网络基于栅格进行指标聚类,构建分类效果指数筛选最佳聚类方案,将区域分为7种不同的生态功能类型。最终,利用SVM识别最优分区界线,将鄂尔多斯市分为11个生态功能区。本文构建分类效果指数实现多分类方案优选,使用机器学习算法解决自下而上的自然分区容易弱化要素空间位置属性的问题,完成了从分类到分区的定量转换,有助于提升分区的空间精度与客观性,为生态功能分区与分区边界划定提供了新的方法途径。     

滇西北山区乡村产业结构与景观多样性的相关分析--以云南省永胜为例

针对乡村产业结构与景观多样性相关关系的综合研究，可以耦合区域发展的自然生态特征和社会经济特征，是对区域可持续发展研究的有益探讨。以滇西北山区云南省永胜县为例，在定性分析乡村地域主要产业对生态环境与景观多样性影响的基础上，运用系统聚类法定量分析乡村产业结构和景观多样性的相关关系。结果表明，二者之间的确存在一定的相关性。在经济较发达的区域，不同的产业结构可以导致类似的景观多样性；而在经济较落后的区域，产业结构不能唯一确定景观多样性，还受地形、地貌、气候等自然因子的制约。     

基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例

土地利用分类精度直接决定土地利用／土地覆被变化相关研究的准确性,而基于决策树的遥感影像分类是近年来提高土地利用分类精度的重要方法。QUEST决策树在影像解译和空间表达方面,运算速度和分类精度均优于普通CART等决策树方法。本文以云南丽江地区为例,应用QUEST决策树分类方法,对该地区的LandsatTM5影像图进行分类,同时将地形因素、植被指数作为地学辅助数据的因子添加到分类波段中,进行不同特征融合,来处理目标类别间的非线性关系,该方法在处理图像理解知识方面具有更大的灵活性;同时与普通决策树分类法的遥感影像分类的结果相比较,Kappa系数值从原来的0．789提高到0．849。在地形复杂的山地地区,针对TM影像数据,选择基于QUEST决策树分类能够有效提高土地利用分类结果精度。