基于C5.0决策树和时序HJ-1A/B CCD数据的神农架林区植被分类

我国神农架林区海拔高、气候复杂,森林类型多样,结构破碎,森林遥感分类难度较大。将2013年时间序列HJ-1A/B CCD遥感影像作为数据源,计算出植被指数(NDVI、DVI、RVI)和主成分第一分量(PC1),使用DEM数据生成地形因子(高程、坡度、坡向),构建植被分类时序因子集。运用C5.0决策树分类法将神农架林区植被细分为七类:针叶林;针阔混交林;落叶阔叶林;常绿和落叶阔叶混交林;常绿阔叶林;灌丛和草甸。结果表明:该方法的总体精度为72.7%,Kappa系数为0.67;在6~8月,针叶林、草甸和灌丛的植被指数明显低于常绿阔叶林、常绿和落叶阔叶混交林、落叶阔叶林和针阔混交林,对分类的贡献较大,称为植被分类的"窗口期"。PC1、NDVI和高程因子对神农架林地的区分度较高,而坡度、坡向和RVI因子对分类帮助不大。作为一种智能分类方法,C5.0决策树分类方法应用于30m分辨率的时间序列HJ-1A/B CCD数据,能够将地貌复杂的神农架林区植被分为七类,提高了类别精度,具有更高的应用价值。     

阳宗海湖滨湿地环境因素对沉积物砷赋存形态的影响及浓度水平预测

湖滨湿地独特的水文条件区别于其他生态系统,环境因素变化频繁,对沉积物中污染物形态影响显著.以阳宗海南岸湖滨湿地表层沉积物为研究对象,探究不同季节的S-TAs（沉积物中总砷）、不同形态砷质量分数及环境因素时空分布特征,以及环境因素与不同形态砷分布的关系,同时基于逐步回归和BP神经网络模型对沉积物中4种不同形态砷（弱酸提取态砷、可还原态砷、可氧化态砷、残渣态砷）质量分数进行预测和比较.结果表明:①夏季ρ（W-TAs）（W-TAs为水体总砷）、w（S-TAs）（S-TAs为沉积物总砷）略高,且ρ（W-TAs）处于GB 3838-2002《地表水环境质量标准》Ⅲ级限值（0.05 mg/L）和Ⅴ类限值（0.1 mg/L）之间,冬季物理指标pH、ρ（DO）、E_h（氧化还原电位）、电导率（TDS）、w（OM）均较高,沉积物pH（记为S-pH）、ρ（DO）与E_h存在明显的季节性差异（P < 0.05）.②湖滨湿地沉积物中活性砷（弱酸提取态砷、可还原态砷、可氧化态砷）质量分数之和所占比例为17.70%~62.59%,80%采样点的活性砷的质量分数较低,对生态风险影响较小,S-pH、ρ（DO）、E_h对不同形态砷的质量分数影响显著（P < 0.05）,同时,不同季节湖滨湿地对砷均有明显的拦截作用.③与逐步回归模型相比,BP神经网络预测模型是通过输入层到输出层的计算完成,增强了非线性、自适应性处理能力,不同砷形态质量分数的实测值与预测值的拟合度高达0.999 5,而逐步回归仅为0.374 9,神经网络更准确地预测了不同形态砷的质量分数及时空变化规律.研究显示,湖滨湿地环境因素的变化对沉积物砷赋存形态具有显著影响,因BP神经网络比数理统计线性回归模型更能准确地反映沉积物不同形态砷与环境因子间复杂的非线性关系,预测效果更精确.