基于自组织特征映射神经网络算法的生态服务功能分区(英文)

被引：16

作者：

战金艳 ^{[1
]}

史娜娜 ^{[1
]}

吴红 ^{[2
]}

邓祥征 ^{[3
,4
]}

机构：

[1] 北京师范大学环境学院水环境模拟国家重点实验室

[2] 中国地质大学(武汉)数学与物理学院

[3] 中国科学院地理科学与资源研究所

[4] 中国科学院农业政策研究中心

来源：

AgriculturalScience&Technology | 2009年 / 10卷 / 05期

关键词：

神经网络算法; 生态服务功能; 生态服务功能分区; 生态系统可持续管理;

D O I：

10.16175/j.cnki.1009-4229.2009.05.051

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

探索了一种基于自组织特征映射神经网络算法识别区域尺度生态系统服务功能分区的新方法。在此基础上,依据新千年生态系统评估框架构建了生态服务功能评价指标体系,并运用自组织特征映射神经网络算法开展了生态服务功能空间聚类分析,在1km栅格上识别并排定了各类生态服务功能的重要性。在案例区锡林郭勒盟的研究表明,利用基于自组织特征映射神经网络算法划分出的该区6个生态服务功能分区比较科学、合理,所形成的分区结论为案例区生态系统的可持续管理提供有时空针对性的决策参考信息。

引用

页码：162 / 165

页数：4

共 6 条

[1] 基于自组织神经网络的城市功能分区研究
史玉峰
王艳
[J]. 计算机工程, 2006, (18) : 206 - 207+250
[2] 中国土地利用变化现代过程时空特征的研究──基于卫星遥感数据
刘纪远
dls.iogac.on
布和敖斯尔
[J]. 第四纪研究, 2000, (03) : 229 - 239
[3] Comparison of self-organizing maps classification approach with cluster and principal components analysis for large environmental data sets
Astel, A.
Tsakouski, S.
Barbieri, P.
Simeonov, V.
[J]. WATER RESEARCH, 2007, 41 (19) : 4566 - 4578
[4] SOM Segmentation of gray scale images for optical recognition
Lazaro, Jesus
Arias, Jagoba
Martin, Jose L.
Zuloaga, Aitzol
Cuadrado, Carlos
[J]. PATTERN RECOGNITION LETTERS, 2006, 27 (16) : 1991 - 1997
[5] A comparison of self-organizing map algorithm and some conventional statistical methods for ecological community ordination[J] . J.L. Giraudel,S. Lek.Ecological Modelling . 2001 (1)
[6] SELF-ORGANIZED FORMATION OF TOPOLOGICALLY CORRECT FEATURE MAPS
KOHONEN, T
[J]. BIOLOGICAL CYBERNETICS, 1982, 43 (01) : 59 - 69

← 1 →