共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
自组织特征人工神经网络在庞泉沟自然保护区植物群落分类中的应用 总被引:12,自引:2,他引:12
人工神经网络是较新的数学分析工具,其中的自组织特征映射网络(SOFM)具有较强的聚类功能。应用SOFM网络对庞泉沟自然保护区植物群落进行了分类研究。在讨论了SOFM网络的数学原理、聚类方法和步骤的前提下,分类过程在MATLAB(6.5)神经网络工具箱(NNTool)中编程实现。结果将89个样方分为13个植物群落类型。分类结果符合植被实际,生态意义明确,表明SOFM网络可以很好地反映植物群落的生态关系,是非常有效的植物群落数量分类方法。 相似文献
3.
在数量分类中,模糊图论的最大树方法可直接依据模糊相似系数得到树状图。但至目前为止,模糊图论分类中的截取水平通常由分析者主观给定,或者是以逐步试验、逐步修改的方法确定的。用太白山针叶林的数量分类研究结果表明,模糊图论分类的截取水平应选在模糊关系变化较大处,并可用数学方法确定。研究的植被分类实例结果与模糊聚类分析是一致的。 相似文献
4.
拉萨河流域植物群落的数量分类与排序 总被引:2,自引:0,他引:2
青藏高原植物群落空间分异格局是异质生境条件下物种性状、种间相互作用等生态学过程共同作用的结果,对其分析有助于深入理解群落形成与环境因子之间的关系。基于拉萨河流域自然植被样带调查,采用双向指示种分析(TWINSPAN)和典范对应分析(CCA)等方法,探讨了群落的结构组成及影响其结构分异的主导环境因子。结果表明:(1) TWINSPAN数量分类将拉萨河流域草地系统划分成12个群系类型,即圆叶合头菊+唐古拉翠雀花群系;紫花针茅群系;青藏臺草群系;雪层杜鹃+鲜卑花-西藏嵩草群系;高山嵩草群系;小叶金露梅群系;硬叶柳+杯腺柳群系;水栒子+拱枝绣线菊-高山嵩草群系;绢毛蔷薇-冷蒿+白草群系;大果圆柏-垂穗披碱草群系;铺地柏-藏橐吾+高原荨麻群系;醉鱼草+砂生槐群系。12种群系类型包含了较多的植被类型,包括高寒灌丛草甸、高寒灌丛草原、稀树草原、高寒草甸和高寒草原等。(2) CCA排序表明:影响拉萨河流域植物群系分布的主要环境因子是年均温度、海拔和经度和纬度,其次是年均降雨量。(3) TWINSPAN分类与CCA排序结合反映了群系分布格局变异与环境因子之间的关系,可为拉萨河流域草地的保护和可持续利用,以及相关的植被群落研究提供参考。 相似文献
5.
6.
数量分类在南亚热带丘陵地土壤样本分类上的应用 总被引:3,自引:2,他引:1
本文将三种聚类策略和二种排序技术应用于南亚热带丘陵地土壤样本的分类,结果表明,平方和增量法与可变法的聚类结果极为接近,并具有较大的合理性。排序技术以欧氏距离的极点排序效果最好,二维图上距离与原来样本间的欧氏距离的相关系数为0.9511.同时.极点排序与聚类结果具有很好的吻合世,而主分量分析则效果不佳。文章认为,结合极点排序与聚类分析可以对该地土壤进行有效的分类,它可以克服在排序图上作直接分类时所存在的各种局限性。文章还探讨了排序效果的检验、排序图上样点的分类、排序图形可能存在的局限以及因子载荷量的意义。 相似文献
7.
草地植物群落最优分类数的确定——以黄河三角洲为例 总被引:1,自引:0,他引:1
植被生态学研究中常需要将样地-物种属性数据划分为多个具有生态意义的集群,在植被分类过程中不仅要在分类方法上做选择,还要确定该植被数据分多少类最合适.有很多指标来确定群落划分中的最优分类数,但都没有得到一致的认可.将黄河三角洲227个样地数据用ward等级聚类法进行了分类.为了找到最优的分类数和判断指标,用不同的判断标准对植被数据分为2到15类时进行分析.主要从3个方面对最优分类数进行判断:1)比较集群内的同质性和集群间的异质性;2)基于集群的物种组成、环境变量的不同,确定集群与环境的相关性;3)基于物种在不同集群内的频度与多度.判断指标主要包括:average silhouette width指数、Goodman and Kruskal's Gamma系数、Dunn指数、集群分布的熵、wb.ratio指数、Calinski and Harabasz 指数、C-index指数、partana指数、biserial指数.用多响应置换过程对集群间物种组成和环境差异显著性进行分析.用指示物种从生态角度对各集群进行判别,并对指示物种的显著性进行了分析.不同判断标准得到的黄河三角洲最优分类数不同,得到的最优分类数包括分为2、5、7、和15类;多方面综合判断,认为在分为7类时最好.群落分类中应该有较优的断点,划分类较少时,集群特征不明确;划分类较多时,集群特征虽然更明确,但可能会导致较多的小集群,且小集群间环境差异不显著.7类较优,能满足物种组成差异、环境差异、群落内和群落间差异、所含信息量多的要求.分为2-6类时应该都是有意义的,只是所代表的群落特征不同.各判断标准中,dunn、silhouette、Calinski和Harabasz指数和指示物种能比较有效的判断最优分类数.不同的分类方法和物种属性数据的得到的结果有待进一步研究. 相似文献
8.
9.
10.
11.
植被生态研究中常用的聚类法,是着眼于研究区域中植被和环境因子呈间断分布或变化梯度较大的一类情况,对原始数据中各个体按其属性进行归类。直接模糊聚类法则以各个体间的属性相近程度来定义一模糊关系矩阵,然后对矩阵取不同的水平截集,从而得出一等级分类。当模糊关系确定以后,截取水平的选择就成了聚类结果的决定性因素。至目前为止,直接模糊聚类中的截取水平通常由分析者主观给定,或者是以逐步试验,逐步修改的方法确定的。这样,聚类结果就不可避免地带有较大的主观和任意性。笔者认为截取水平应选在模糊关系变化较大之处,使聚类结果尽可能地反映原始数据的结构特征。这一原理已被实施于一通用软件中,实例分析表明,如此选择的截取水平确能比较客观地反映原始数据的特征,从而得出较为合理的聚类结果。 相似文献
12.
本文介绍了泛系方法论中的半等价理论及其分类方法,基于这一方法,建立了可应用于生态学研究的半等价分类系统,并将其应用于植物群落分类. 相似文献
13.
模糊C-均值聚类和TWINSPAN分类的比较研究 总被引:4,自引:0,他引:4
以英国威尔士北部Snowdonia山地Aber山谷植被为例,对模糊c-均值聚类和TWINSPAN分类进行了应用和比较研究。两种方法的结果一致。模糊c-均值聚类结构给出样地和植被类型间的隶属程度,在一定程度上优于TWINSPAN。 相似文献
14.
模糊C-均值聚类和TWINSPAN分类的比较研究 总被引:4,自引:0,他引:4
以英国威尔士北部Snowdonia山地Aber山谷植被为例,对模糊c-均值聚类和TWINSPAN分类进行了应用和比较研究。两种方法的结果一致。模糊c-均值聚类结果给出样地和植被类型间的隶属程度,在一定程度上优于TWINSPAN。 相似文献
15.
本文介绍了一种非等级分类方法——逐步聚类法,并将其应用于翅果油树灌丛的数量分类研究,结果表明:逐步聚类法实现最优分类的目标过程,是依样方组内具有最小的离差平方和。样方组间具有最大的离差平方和为标准,使样方组内具有最大的同质性,样方组间具有最大的异质性,其分类结果与实际情况吻合度较高;其次,逐步聚类法只需计算每个样方到该样方形心的距离,可缩短计算时间和节省计算机内存单元,提高工作效率。 与模糊c—均值聚类和TWINSPAN结果相比,逐步聚类的结果类似于模糊c—均值聚类,即样方组内具有较高的同质性;在不要求分类结果具有明显上下级关系的前提下,逐步聚类结果要优于TWINSPAN。 相似文献
16.
17.
用模糊聚类探讨福建三明格氏栲自然保护区植被类型的划分 总被引:5,自引:0,他引:5
初步统计三明格氏栲自然保护区有种子植物145科,434属,1010种(变种)。植物区系古老,地理成分以泛热和热带分成分较多,我们运用模糊聚类分析了保护区群落的划分,结果表明,划分的类型与用植物所在群落层中重要值来确定群落乔木层的优势种划分群系的方法基本相一致,计自然植被3个群系,格氏栲林,米储林,栲树林;人工植被5个群系:马尾松林,杉木林,建柏林,楠木林,毛竹林。 相似文献
18.
模糊数学在牧草产量预报中的应用 总被引:1,自引:0,他引:1
本文在“广义Fuzzy运算的综合评判”的基础上,并结合牧草产量预报实践,提出了一个经验“模型V”,简称“综合决策模型”。 该模型不仅具有计算简捷,容易为群众掌握的优点,而且还扩大了“广义模糊运算的综合评判”的应用范围,为了弥补其不足,还运用数学统计法建立如下的预报模型: (?)=-6.8223-0.4871R_1 0.3033R_2 0.0791R_3 2.8231R_4 0.6361R_5 (7)同时,还用周期方差分析来预报牧草产量。最后,综合运用了上述3种方法来预报牧草产量,提高了预报的精确度,效果更好。本文还举例说明了计算方法,并且讨论了同时运用几种方法进行产量预报的必要性和优越性。 相似文献
19.