期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合地面沉降因素的沿海城市生态安全格局识别——基于深度学习的珠海市案例研究
1
作者
袁少雄
宫清华
+4 位作者
叶玉瑶
王钧
郝银磊
张雅泽
刘博文
《热带地理》
北大核心
2025年第4期673-690,共18页
快速城市化与地质灾害频发对区域生态安全构成挑战。传统生态安全格局(ESP)构建方法较少考虑地面沉降等垂直地质因素,这可能导致沿海城市生态功能区划不合理和生态系统服务功能的降低。文章以珠海市为例,探索了地面沉降因素对生态安全...
快速城市化与地质灾害频发对区域生态安全构成挑战。传统生态安全格局(ESP)构建方法较少考虑地面沉降等垂直地质因素,这可能导致沿海城市生态功能区划不合理和生态系统服务功能的降低。文章以珠海市为例,探索了地面沉降因素对生态安全格局构建的影响机制。采用多层感知器(MLP)深度学习模型进行ESP预测,结合加权平均、非线性融合、信息熵和主成分分析等多源数据融合方法进行格局分类和效果评估。结果显示,MLP模型的平均预测准确率达84.5%。空间分析揭示了地面沉降对ESP的影响存在显著空间异质性,中等历史沉降区(8~41 mm/a)表现出最显著影响。源地区和建设区域分别有7.14%和9.84%的区域表现为轻微沉降(2~8 mm/a),应作为重点监测与管理区域。不同融合方法在识别特定功能区域方面表现各异:主成分分析(前2个主成分分别解释了27.1%和19.8%的方差)和信息熵方法在识别建设区和廊道区方面表现优异,而非线性融合在源地区识别方面具有优势。通过整合地面沉降监测数据和多源数据融合方法,文章为沿海城市ESP优化提供了方法学参考,辅助识别了以沿海湿地和河口系统为核心的珠海市生态安全格局。研究表明,在地面沉降约束下协调生态保护、灾害防治与城市发展是可行的。未来研究应重点关注高分辨率时空数据的应用、算法优化,以及研究成果向城市规划和生态管理政策的高效转化机制。
展开更多
关键词
生态安全格局
深度学习
地面沉降
多源数据融合
空间异质性
珠海市
在线阅读
下载PDF
职称材料
基于机器学习模型的沿海城市河网水系氨氮质量浓度高分辨率遥感估算
被引量：
1
2
作者
文妮
王重洋
+3 位作者
陈星达
陈水森
周霞
于国荣
《生态环境学报》
CSCD
北大核心
2024年第11期1737-1747,共11页
高效监测河网水系氨氮(NH3-N)的时空分布对区域水体污染防控治理和生态环境健康发展具有重要意义。基于2019年在广州市收集的204个NH3-N实测数据(0.026-6.210mg·L^(-1))和8景高质量Sentinel-2MSI遥感影像,发展了适用于大范围水域、...
高效监测河网水系氨氮(NH3-N)的时空分布对区域水体污染防控治理和生态环境健康发展具有重要意义。基于2019年在广州市收集的204个NH3-N实测数据(0.026-6.210mg·L^(-1))和8景高质量Sentinel-2MSI遥感影像,发展了适用于大范围水域、NH3-N质量浓度差异显著的机器学习遥感反演模型。结果显示,已有的NH3-N反演模型应用于广州市水体时精度受限,但多特征输入的模型预测能力相对较好。在检索16000多种Sentinel-2波段组合的基础上,利用主成分分析方法进行了特征降维(BC-FDR),并结合极端梯度提升(XGBoost)、随机森林(RF)、支持向量回归(SVR)3种机器学习模型,构建了波段特征优化的机器学习NH3-N反演方法。其中BC-FDR_XGBoost模型表现最佳(rc2=0.6872,σRMSEc=0.617mg·L^(-1),σMAEc=0.385mg·L^(-1),n=102;rv2=0.5436,σRMSEv=0.438mg·L^(-1),σMAEv=0.362mg·L^(-1),n=44)。另外基于58个实测数据进行了独立验证(n=33)和趋势检验(n=25),结果进一步表明,BC-FDR_XGBoost模型的精度较高(r2=0.5315,σRMSE=0.459mg·L^(-1),σMAE=0.287mg·L^(-1)),卫星遥感反演结果与实测数据在时空分布和变化趋势上具有良好的一致性。2019年,广州市河网水系NH3-N质量浓度平均为Ⅲ类水质等级,枯水期(0.795mg·L^(-1))显著高于丰水期(0.552mg·L^(-1))。空间上,丰水期NH3-N质量浓度整体呈南北部低、中部相对较高的特点;枯水期仅南沙区及部分干流NH3-N相对较低。该研究为建立城市尺度大区域范围水体NH3-N遥感反演模型提供了参考,有助于区域水环境的评价和治理。
展开更多
关键词
氨氮模型
河网水系
特征优化
机器学习
Sentinel-2影像
广州
在线阅读
下载PDF
职称材料
题名
融合地面沉降因素的沿海城市生态安全格局识别——基于深度学习的珠海市案例研究
1
作者
袁少雄
宫清华
叶玉瑶
王钧
郝银磊
张雅泽
刘博文
机构
广东省科学院珠海产业技术研究院有限公司
广东省科学院
广州地理
研究
所//
广东省
地理空间信息
技术
与应用公共实验室
出处
《热带地理》
北大核心
2025年第4期673-690,共18页
基金
珠海市社会发展领域科技计划项目(2320004000189)
国家基金面上项目(42271091)
广东省自然科学基金项目(2024A1515030114)。
文摘
快速城市化与地质灾害频发对区域生态安全构成挑战。传统生态安全格局(ESP)构建方法较少考虑地面沉降等垂直地质因素,这可能导致沿海城市生态功能区划不合理和生态系统服务功能的降低。文章以珠海市为例,探索了地面沉降因素对生态安全格局构建的影响机制。采用多层感知器(MLP)深度学习模型进行ESP预测,结合加权平均、非线性融合、信息熵和主成分分析等多源数据融合方法进行格局分类和效果评估。结果显示,MLP模型的平均预测准确率达84.5%。空间分析揭示了地面沉降对ESP的影响存在显著空间异质性,中等历史沉降区(8~41 mm/a)表现出最显著影响。源地区和建设区域分别有7.14%和9.84%的区域表现为轻微沉降(2~8 mm/a),应作为重点监测与管理区域。不同融合方法在识别特定功能区域方面表现各异:主成分分析(前2个主成分分别解释了27.1%和19.8%的方差)和信息熵方法在识别建设区和廊道区方面表现优异,而非线性融合在源地区识别方面具有优势。通过整合地面沉降监测数据和多源数据融合方法,文章为沿海城市ESP优化提供了方法学参考,辅助识别了以沿海湿地和河口系统为核心的珠海市生态安全格局。研究表明,在地面沉降约束下协调生态保护、灾害防治与城市发展是可行的。未来研究应重点关注高分辨率时空数据的应用、算法优化,以及研究成果向城市规划和生态管理政策的高效转化机制。
关键词
生态安全格局
深度学习
地面沉降
多源数据融合
空间异质性
珠海市
Keywords
ecological security pattern
deep learning
land subsidence
multi-source data fusion
spatial heterogeneity
Zhuhai City
分类号
X321 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
基于机器学习模型的沿海城市河网水系氨氮质量浓度高分辨率遥感估算
被引量：
1
2
作者
文妮
王重洋
陈星达
陈水森
周霞
于国荣
机构
昆明理工大学电力工程
学院
广东省科学院珠海产业技术研究院有限公司
广东省科学院
广州地理
研究
所
出处
《生态环境学报》
CSCD
北大核心
2024年第11期1737-1747,共11页
基金
国家自然科学基金项目(41801364)
珠海市社会发展领域科技计划项目(2320004000154)
+3 种基金
广州市科技计划项目(2023A04J1536)
广东省科学院打造综合产业技术创新中心行动资金项目(2023GDASZH-2023010101)
广东省科学院实施创新驱动发展能力建设专项(2018GDASCX-0403)
广东省水利厅水资源节约与保护专项资金项目(2024)。
文摘
高效监测河网水系氨氮(NH3-N)的时空分布对区域水体污染防控治理和生态环境健康发展具有重要意义。基于2019年在广州市收集的204个NH3-N实测数据(0.026-6.210mg·L^(-1))和8景高质量Sentinel-2MSI遥感影像,发展了适用于大范围水域、NH3-N质量浓度差异显著的机器学习遥感反演模型。结果显示,已有的NH3-N反演模型应用于广州市水体时精度受限,但多特征输入的模型预测能力相对较好。在检索16000多种Sentinel-2波段组合的基础上,利用主成分分析方法进行了特征降维(BC-FDR),并结合极端梯度提升(XGBoost)、随机森林(RF)、支持向量回归(SVR)3种机器学习模型,构建了波段特征优化的机器学习NH3-N反演方法。其中BC-FDR_XGBoost模型表现最佳(rc2=0.6872,σRMSEc=0.617mg·L^(-1),σMAEc=0.385mg·L^(-1),n=102;rv2=0.5436,σRMSEv=0.438mg·L^(-1),σMAEv=0.362mg·L^(-1),n=44)。另外基于58个实测数据进行了独立验证(n=33)和趋势检验(n=25),结果进一步表明,BC-FDR_XGBoost模型的精度较高(r2=0.5315,σRMSE=0.459mg·L^(-1),σMAE=0.287mg·L^(-1)),卫星遥感反演结果与实测数据在时空分布和变化趋势上具有良好的一致性。2019年,广州市河网水系NH3-N质量浓度平均为Ⅲ类水质等级,枯水期(0.795mg·L^(-1))显著高于丰水期(0.552mg·L^(-1))。空间上,丰水期NH3-N质量浓度整体呈南北部低、中部相对较高的特点;枯水期仅南沙区及部分干流NH3-N相对较低。该研究为建立城市尺度大区域范围水体NH3-N遥感反演模型提供了参考,有助于区域水环境的评价和治理。
关键词
氨氮模型
河网水系
特征优化
机器学习
Sentinel-2影像
广州
Keywords
ammonia nitrogen model
river networks
feature optimization
machine learning
Sentinel-2 imagery
Guangzhou
分类号
X522 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合地面沉降因素的沿海城市生态安全格局识别——基于深度学习的珠海市案例研究
袁少雄
宫清华
叶玉瑶
王钧
郝银磊
张雅泽
刘博文
《热带地理》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于机器学习模型的沿海城市河网水系氨氮质量浓度高分辨率遥感估算
文妮
王重洋
陈星达
陈水森
周霞
于国荣
《生态环境学报》
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
