基于物候特征的盐渍化信息数据挖掘研究.pdfVIP

第 ３７ 卷第 ９ 期 生 态 学 报 Ｖｏｌ．３７，Ｎｏ．９ ２０１７年５月 ＡＣＴＡ ＥＣＯＬＯＧＩＣＡ ＳＩＮＩＣＡ Ｍａｙ，２０１７ ＤＯＩ：１０．５８４６／ ｓｔｘｂ２０１６０７２０１４７９ 何宝忠，丁建丽，王飞，张喆，刘博华．基于物候特征的盐渍化信息数据挖掘研究．生态学报，２０１７，３７（９）：３１３３⁃３１４８． Ｈｅ Ｂ Ｚ，ＤｉｎｇＪＬ，ＷａｎｇＦ，ＺｈａｎｇＺ，ＬｉｕＢＨ．Ｒｅｓｅａｒｃｈｏｎｄａｔａｍｉｎｉｎｇｏｆｓａｌｉｎｉｚａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｂａｓｅｄｏｎｐｈｅｎｏｌｏｇｉｃａｌｃｈａｒａｃｔｅｒｓ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ， ２０１７，３７（９）：３１３３⁃３１４８． 基于物候特征的盐渍化信息数据挖掘研究 １，２ １，２，∗ １，２ １，２ １，２ 何宝忠 ，丁建丽 ，王　 飞 ，张　 喆 ，刘博华 １新疆大学资源与环境科学学院，乌鲁木齐　 ８３００４６ ２ 新疆大学绿洲生态教育部重点实验室，乌鲁木齐　 ８３００４６ 摘要：盐渍化是影响植被和作物长势的重要因素，精确反演盐渍化的时空分布信息至关重要。 基于ＭＯＤ１３Ａ１⁃ＮＤＶＩ数据反演 生长季开始日期（ＳＯＳ）、生长季结束日期（ＥＯＳ）、生长季长度（ＬＥＮ）等物候参数和计算出能高精度反演盐渍化空间分布的多种 － 植被指数、盐分指数、地形指数、干旱指数等参数后作为ＢＰ ＡＮＮ人工神经网络的输入因子来反演盐渍化信息，同时按照植被 类型和地貌类型进行分区来反演盐渍化信息，以探讨盐渍化受植被和地貌类型的影响。 主要结论如下：①盐渍化的形成受多种 因素的影响，与物候参数大多呈非线性关系，不能单纯的以某拟合公式来进行表达，需要借助人工神经网络超强的非线性拟合 ２ 能力来反演盐渍化信息。 ②通过深入挖掘植被物候信息，在融入物候参数后的反演精度显著提高。 可决系数Ｒ 从０．６８（非物 候参数）增加到０．７９（包括物候参数），但是需要加入地形、影像数据和土壤水分等方面的信息来更加精确的反演盐渍化信息。 生物累积量指标ＬＳＩ（Ｌａｒｇｅ ｓｅａｓｏｎａｌ ｉｎｔｅｇｒａｌ）和ＳＳＩ（Ｓｍａｌｌ ｓｅａｓｏｎａｌ ｉｎｔｅｇｒａｌ）能够很好的表征盐渍化的信息。 ③划分植被类型后 ２ ２ 的盐渍化提取精度进一步提高，可决系数Ｒ 达到了０．８８。 ④以地貌特征作为类型分区后，反演结果的Ｒ 达到了０．８５，精度较 高，比以植被类型作为分区的精度略小。 高程较低区域的盐渍化现象普遍较重，盐渍化程度受到地形和地貌因素的影响显著。 ⑤农用地区域多为非盐渍化和轻度盐渍化地，稀疏植被区多为重盐渍化地。 研究区的非盐渍化和轻盐渍化地、中盐渍化地和重 度盐渍化地比例分别为５３．４２％，１３．７１％，３２．８７％。 以上的研究结果提出了一种融合物候信息和非物候参数来反演盐渍化信息 的方法，进行深入的协同植被物候监测盐渍化信息方面的数据挖掘，在融入了物候参数后，盐渍化的预测精度显著提高。 关键词：盐渍化；物候信息；地表参数；数据挖掘 Ｒｅｓｅａｒｃｈ ｏｎ ｄａｔａ ｍｉｎｉｎｇ ｏｆ ｓａｌｉｎｉｚａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｂａｓｅｄ ｏｎ ｐｈｅｎｏｌｏｇｉｃａｌ ｃｈａｒａｃｔｅｒｓ １，２ １，２，∗ １，２ １，２ １，２ ＨＥ Ｂａｏｚｈｏｎｇ ，ＤＩＮＧＪｉａｎｌｉ ，ＷＡＮＧ Ｆｅｉ ，ＺＨＡＮＧＺｈｅ ，ＬＩＵ Ｂｏｈｕａ １Ｃｏｌｌｅｇｅ ｏｆ Ｒｅｓｏｕｒｃｅ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃ