基于相关分析和自适应遗传算法的盐渍化建模变量和参数优选

机器学习结合遥感等其他数据反演土壤盐分含量（Soil Salt Content, SSC）较少关注对模型精度影响较大的建模特征变量和模型参数的优选。本文基于自适应遗传算法（Adaptive Genetic Algorithm, AGA）同步优选建模特征变量和模型参数的支持向量回归（Support Vector Regression, SVR）算法反演三工河流域2016年SSC,并分析其在不同土地利用类型的分布特征。建模特征变量和模型参数的同步优选及实验设计如下：首先基于Landsat 8 OLI和SRTM高程数据提取7类共40个盐渍化相关因子,经相关分析初步筛选出候选特征变量,分别代入AGA、遗传算法（Genetic Algorithm, GA）和格网搜索算法（Grid Search, GS）同步优选SVR的建模特征变量和模型参数,并建立盐渍化监测模型（AGA-SVR、GA-SVR、GS-SVR）。结果表明：① AGA-SVR精度最优,GA-SVR次之,GS-SVR最差,相较于GS-SVR,AGA-SVR的R²/RMSE提高了44.65%;② 三工河流域非、轻度、中度、重度盐渍地和盐土的面积占比分别为42.83%、11.02%、15.88%、9.22%、21.05%;③ 草地和未利用地主要以非盐渍地和盐土为主,耕地和林地中非盐渍地分布比例均为最大;不同土地利用类型的SSC均值和标准差均呈现未利用地>草地>耕地>林地的规律。本研究的建模特征变量和模型参数的优选方法可在一定程度上提高盐渍化监测的精度。关键词：盐渍化;遗传算法;机器学习;特征优选;参数优化;土壤盐分含量;土地利用;相关分析     

基于 POI 的住宿业时空格局演化及与 旅游景点的空间关联研究

以乌鲁木齐市住宿类 POI（2012 年、2018 年）为研究对象，利用核密度法和标准差椭圆法探 究住宿设施时空演变特征，在此基础上从旅游地域系统角度出发，利用分形维数模型和相关数据 统计分析方法测度住宿设施与旅游吸引物的空间耦合情况，旨在为城市住宿和旅游空间优化提供 科学参考。结果显示：（1）主城区住宿设施总体沿河滩路、阿勒泰路等重要交通路线分布，数量明 显增长，米东新区等地有演变为外围集聚中心的趋势。（2）住宿设施总体向东北方向移动，轴向集 聚转为离散分布，2012 年各类型空间分布方向和范围差异较大，2018 年三星级和经济型空间离散 化趋势最为明显。（3）普通型住宿设施由孤立核模式演变为带状多核模式，呈现明显的中心集聚― 外围扩散趋势；经济型酒店由点状集聚转变为带状集聚。（4）住宿设施与旅游景点的空间耦合性较 高，在主要道路缓冲区内具备较强的空间协调性，旅游地域系统处于单中心集聚发展的初级阶段， 分形结构有待优化。