典型文献
古尔班通古特沙漠灌木冠幅预测模型
文献摘要：
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.
文献关键词：
株高;冠幅;冠长率;基础模型;BP神经网络;SVM支持向量机
中图分类号：
作者姓名：
王明娜;张定海;张志山;路丽宁
作者机构：
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
文献出处：
引用格式：
[1]王明娜;张定海;张志山;路丽宁-.古尔班通古特沙漠灌木冠幅预测模型)[J].中国沙漠,2022(04):139-150
A类：
Calligonum,distachya
B类：
古尔班通古特沙漠,冠幅,固定沙丘,分布区,固沙灌木,重要参数,植被生长,生长情况,流动沙丘,基础模型,Backpropagation,Neural,Network,Support,Vector,Machine,机器学习算法,株高,冠长率,沙丘类型,最优拟合,M2,Quadratic,Model,梭梭,Haloxylon,persicum,最优模型,M7,Gompertz,沙拐枣,mongolicum,蛇麻,麻黄,Ephedra,油蒿,Artemisia,ordosica,径向基,Radial,Basis,Function,核函数,支持向量回归机
AB值：
0.335856
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
