首页|古尔班通古特沙漠灌木冠幅预测模型

古尔班通古特沙漠灌木冠幅预测模型

扫码查看
原文链接
  • 万方数据
古尔班通古特沙漠是中国第二大沙漠,也是中国固定和半固定沙丘主要分布区,固沙灌木种较多.冠幅不仅是反映固沙灌木可视化的重要参数,也是反映沙漠植被生长情况的重要变量.以3种沙丘(固定沙丘、半固定沙丘和流动沙丘)上主要固沙灌木为研究对象,利用12种基础模型、BP(Backpropagation Neural Network)神经网络和支持向量机(Support Vector Machine,SVM)机器学习算法建立了基于固沙灌木株高和冠长率的冠幅预测模型,同时将两种机器学习算法拟合结果与基础模型进行比较,最终选出了适合研究区的冠幅预测模型.结果表明:(1)不同沙丘类型和不同灌木种类的最优冠幅预测模型不同,且固定沙丘和半固定沙丘模型优于流动沙丘.3种沙丘类型最优拟合为M2(Quadratic Model)模型;(2)白梭梭(Haloxylon persicum)在半固定沙丘和流动沙丘上拟合的最优模型分别为M2、M7(Gompertz),沙拐枣(Calligonum mongolicum)最优模型为M2,蛇麻黄(Ephedra distachya)和油蒿(Artemisia ordosica)在半固定沙丘和流动沙丘上拟合较优模型分别为M2、M7.总体来说,基础模型M2和M7可以较好地预测不同类型的灌木冠幅值;(3)基于径向基(Radial Basis Function)核函数的支持向量回归机的冠幅预测模型明显优于BP神经网络模型.
Canopy width prediction models for the Gurbantunggut Desert

王明娜、张定海、张志山、路丽宁

展开 >

甘肃农业大学财经学院,甘肃兰州730070

甘肃农业大学理学院,甘肃兰州730070

中国科学院西北生态环境资源研究院沙坡头沙漠研究试验站,甘肃兰州730000

株高 冠幅 冠长率 基础模型 BP神经网络 SVM支持向量机

21JR7RA83141661022GAU-CX1121

2022

10.7522/j.issn.1000-694X.2022.00001

中国沙漠
中国科学院寒区旱区环境与工程研究所

中国沙漠

CSTPCDCSCD北大核心
影响因子：1.504
ISSN：1000-694X
年,卷(期)：2022.42(4)
  • 1
  • 14