随机森林算法在区域生态旅游适宜性评价中的应用研究

生态旅游适宜性评价是评估生态旅游发展潜力、制定生态旅游规划和进行生态旅游开发的基础和重要参照。本文引入机器学习方法,从方法可行性、数据映射和预测实现等方面进行探讨,应用随机森林算法对湖南武陵山片区生态旅游适宜性展开实证研究。湖南武陵山片区旅游资源丰富,脱贫后亟需开展生态旅游来巩固拓展脱贫攻坚成果实现与乡村振兴有效衔接以及促进可持续发展。研究结果表明：(1)将机器学习算法引入到区域生态旅游适宜性评价领域作为一种新方法,可为之后改进生态旅游适宜性评价方法提供新思路与新方案;(2)随机森林算法可以有效应用在区域生态旅游适宜性评价方面,可作为适宜性评价研究的一种新方法,模型优化后的平均测试精度达86.49%,受试者工作特征曲线（ROC）与坐标围成的面积（AUC）达0.95,评价结果能够准确反映湖南武陵山片区生态旅游适宜性程度;(3)特征重要性排序结果显示土地利用类型影响最大,占比达到28.98%,人口密度、距景点距离和生物丰富度等因子的影响也较大,分别为16.34%、12.2%和10.65%,在进行生态旅游开发时应重点考虑这些因素;(4)生态旅游适宜性结果表明,高度适宜与适度适宜区占比高,研究...     

内蒙古自治区人居环境综合适宜性评价及空间优化

科学评价区域人居环境适宜性,是开展国土空间开发适宜性评价的前提,对提高区域资源环境承载能力,促进人与自然和谐发展至关重要。本文以内蒙古自治区为案例,基于栅格尺度从自然与人文2个方面对人居环境适宜性进行评价;将适宜性因子作为城乡建设用地扩展的限制条件,采用MCR模型对城乡建设用地进行模拟,提出区域人居环境空间优化方案,主要结论有：水文与气候条件对内蒙古自治区人居环境的整体限制作用较强;内蒙古自治区人居环境临界适宜与不适宜区占比最高,达到52.8%;高度适宜区占比最低为9%,主要分布在前套平原及西辽河平原,全区人居环境适宜性水平整体偏低。内蒙古自治区城乡建设用地人居环境比较适宜与高度适宜区占绝对优势,适宜比例超过73%,从适宜性空间分布来看,南部整体优于北部,东部整体优于西部,地带性特征明显。内蒙古自治区城乡人居环境不适宜与临界适宜主要表现为自然条件不适宜及对自然保护区的不合理占用。内蒙古自治区城乡建设用地模拟结果显示远期呼包地区一体化连片趋势明显,内蒙古自治区可逐步形成以呼包鄂都市区、赤通都市区为主体,以文化特色鲜明、公共设施完善的中心城镇及中心乡村为依托,以人居环境不适宜区为间隔,城乡融合的人居环境空间格局。     

利用层次分析法评价东营市浅层地热能适宜性

利用定性、半定量相结合的层次分析法(AHP),建立地埋管换热系统适宜性递阶层次结构模型,在野外试验、室内测试等基础数据的基础上,选取地下水埋藏深度、砂层厚度、成孔难易程度、地面沉降、热扩散率、比热容、综合热导率等7个评价指标,将东营市浅层地热能开发利用划分为适宜区、较适宜区。这是东营地区第一次利用实测数据开展浅层地热能适宜性评价,为今后的合理开发利用提供了科学依据。     

基于栅格的安徽省人居环境人文适宜性评价

新时期新型城镇化建设对适宜的人居人文环境提出了切实要求。运用GIS技术,基于夜间灯光遥感影像、交通矢量、兴趣点（POI）、统计年鉴等多源数据,以500 m×500 m栅格为基础单元,选取经济水平、交通通达、历史文化、公共服务等因子（权重分别为0.36、0.27、0.17、0.20）,采用综合指数法构建人居环境人文适宜性评价模型,定量评价2017年安徽省人居环境人文适宜性。结果表明：① 安徽省人居环境人文适宜性指数介于0.83~87.10之间,划分为高度适宜区、较高适宜区、中度适宜区、一般适宜区及临界适宜区5种类型区,以中度适宜区面积最大,占全省总面积68.72%,高度适宜区面积最小,仅占总面积的1.24%,整体呈现“多核心”、“条带式”空间分异格局;② 交通通达和公共服务是造成全省人居环境人文适宜性分异的主要因子,其指数均值在中度适宜区皆达到了94.18,且贡献率均值在各类型区均在34.00%以上;历史文化对较高及临界适宜区影响明显,贡献率均值分别为10.51%和11.93%;经济水平对高度适宜区的作用最显著,其贡献率均值高达22.02%;③ 全省近90.86%的人口集中分布在人居环境人文适宜性指数43.00~66.00之间,属于中度至较高适宜区的范围,人居环境人文质量与人口分布较为匹配。测评结果较为客观地反映了安徽省人居环境的人文本底。     

基于层次分析法的浅层地温能适宜性研究——以南宁市为例

浅层地温能是一种可再生的新型绿色能源,也是一种特殊的矿产资源,利用前景广阔。文章根据南宁市地形地貌、气候特征、水文地质特征、地温场分布,对南宁市浅层地温能资源赋存状况进行了分析,并运用层次分析法确定了浅层地温能适宜性分区评价体系中的各评价指标的权重。在此基础上,基于GIS平台的空间分析模块进行地下水水源热泵和地埋管土壤源热泵适宜性分区研究。结果显示,地下水式地源热泵适宜区面积为109.8 km2,集中在地下水丰富、回灌能力强的地区;地埋管地源热泵适宜区面积为108.8 km2,分布在施工条件较好,并且岩土综合热传导系数和比热容较大的地区,这些地区地层的换热能力和蓄热能力较强,钻进条件良好,开发利用的经济效益较好。     

基于SPSS和GIS的BP神经网络农用地适宜性评价

以中原城市群为研究区,在应用GIS基础上运用SPSS软件进行主成分分析,根据因子贡献率提取主导性强的综合因
子,利用提取的主导因子进行系统聚类选择典型样本;依据因子的贡献率调整BP神经网络初始权值,建立评价模型,进行农用地
适宜性评价方法的探讨。通过检验,改变初始权值建立的BP模型预测合格率为50%,相对误差最大值为18.9%;为了进一步改
进BP网络,把第一次调整权值训练得到的网络权值作为下一次建模的初始权值,训练得到的BP模型预测合格率为100%,相对
误差最大值为9.5%。其后运用层次分析法、主成分聚类法作为对照,验证了这种BP模型在农用地适宜性评价中的可靠性与精确
性。最后根据所建立的BP模型预测获得中原城市群农用地适宜性分区图,各土地类型适宜性从西往东呈现由低到高的分带性,
其中高度适宜区占总面积的32.4%;中度适宜、勉强适宜、不适宜区分别占总面积的28.9%、22.1%、16.6%。      

山东省鲁北地区浅层地热能资源评价

鲁北地区于2001年已陆续开始应用热泵技术开发浅层地热能,但区内的浅层地热能资源评价工作却严重滞后,制约了区内浅层地热能资源的开发和合理利用。为促进鲁北地区浅层地热能的开发利用,省政府拿出专项资金,开展了鲁北地区浅层地热能的资源评价工作,前期在调查区域内开发利用现状和摸清地质条件的基础上,采用层次分析法,分别对地下水换热方式和地埋管换热方式进行了开发利用适宜性分区,采用热储体积法对该区的浅层地热容量进行了计算,得出鲁北地区浅层地热容量为29.386×1015kJ/℃;并根据适宜性分区结果,分别对地下水式和地埋管式地源热泵适宜区、较适宜区可利用换热量也进行了计算,得出地下水式地源热泵200m以浅可利用换热量为0.848 9×1010kW·h,地埋管式地源热泵200m以浅可利用换热量为6.526 1×1012kW·h。     

复杂观测环境下GNSS信号分类及精度评估

基于高度角、信噪比和伪距残差3个指标,采用K均值(Kmeans⁺⁺)、迭代自组织数据分析法(ISODATA)和基于密度带有噪声的空间分类法(DBSCAN)对复杂城市观测环境下的GNSS数据进行分类,并采用伪距单点定位模型(SPP)评估不同算法的分类精度。结果表明,Kmeans⁺⁺算法分类精度最优,在E、N、U 3个方向上的定位精度分别达2.56 m、3.25 m、9.73 m;相较于未采用Kmeans⁺⁺算法的定位精度分别提升57.86%、47.64%、60.98%。为进一步验证算法性能,将Kmeans⁺⁺算法与信噪比、高度角阈值法进行精度对比,结果表明,Kmeans⁺⁺算法的平面和三维定位精度均有显著改善,分别提升24.87%、39.07%（信噪比阈值法）和41.36%、59.91%（高度角阈值法）。     

鲁西地区浅层地温能地热地质条件与开发利用适宜性评价

在查明区域地热地质条件的基础上,采用层次分析法,对鲁西地区地埋管地源热泵和地下水地源热泵两种方式的开发利用进行了适宜性评价,并按不同类别,将鲁西地区浅层地温能开发划分为适宜区、较适宜区和不适宜区等3个区。该项目对制定长远能源区划,指导浅层地热资源开发利用工作,促进鲁西地区新兴接替能源开发利用具有非常重要的意义。     

顾及轨迹还原与分类的渣土车作业行为提取方法

渣土车轨迹数据蕴含丰富的行为模式信息，包括停车行为、运输路径、异常活动、渣土装载与倾倒OD点等关键特征，已逐渐成为渣土车运行监测与作业行为监管的主要数据来源。但是目前在渣土车作业行为提取中仍主要采用车载GPS数据结合工地电子围栏的传统签到系统，存在电子围栏与道路相互包含、重叠等一系列问题。针对传统渣土车作业行为提取中存在的车辆作业误判问题，本文提出一种顾及轨迹还原与分类的渣土车作业行为提取方法。(1)从运动状态和几何形态2个方面理解并识别渣土车作业行为模式；(2)利用顾及时间与距离的停留点提取算法提取车辆停留点，处理停留点与轨迹的映射关系，完成基于停留点的轨迹匹配；(3)构建平均相似值函数对轨迹进行语义信息增强；(4)提出SR-LGBM算法，筛选作业轨迹与非作业轨迹，实现渣土车的作业行为提取。采用南京市渣土车轨迹数据进行测试，结果表明，本文方法的准确率达97.29%，相比GaussianNB、Logistic Regression等传统分类算法其准确率与召回率均得到不同程度的提高，有效解决了电子围栏与道路重叠或多个围栏交叉造成的误判问题，可实现准确、高效的作业行为提取。     

济南市城市地下空间资源开发利用适宜性评价

随着城市建设的快速发展,土地资源紧张成为限制城市健康稳定发展的主要因素之一,地下空间资源开发成为解决这一问题的主要途径之一,而对城市地下空间资源进行因地制宜的适宜性评价是对其合理开发利用的关键。该文采用专家调查法、层次分析法(AHP)等研究手段,对城市地下空间资源开发利用适宜性评价进行了研究,以济南市地下空间资源开发利用为例,分析了济南市水文及水文地质、工程地质、环境地质等影响因素,构建了济南市城市地下空间资源多层次评价体系,重点研究了泉水保护对济南市地下空间资源开发利用的制约影响,建立了一套适用于济南市地下空间资源的综合评价模型,旨在为济南市后续地下空间资源开发利用提供理论依据。     

基于最小二乘支持向量机与熵特征的地震事件性质辨识研究

为解决天然地震事件性质辨识依赖人工检测、自动化程度不高且误差较大的问题,利用机器学习中的最小二乘支持向量机（LSSVM）和信息论中的排列熵、近似熵及香农熵等特征参数,建立Entropy-LSSVM地震波形特征提取与事件性质辨识模型。基于2021年青海玛多M_S7.4地震、云南漾濞地震事件及人工爆破干扰事件等共计500条波形数据,设计多个不同训练比例与测试比例的随机抽取子实验,采用准确率、召回率、特效度、精确度、F-measure验证该模型的有效性。实验结果表明,熵特征对天然地震和非天然地震事件波形的区分效果明显,且结合熵特征的LS-SVM模型整体性能优于QDA、LDA、朴素贝叶斯、决策树、LogitBoost及RobustBoost等方法,训练集与测试集比例为3∶2的辨识准确率和召回率分别达到99.00%和96.97%,即使训练集只有50条的辨识准确率也可达98%以上,这对天然地震事件的有效甄别有一定参考价值。     

烟台市城区浅层地热能评价

浅层地热能是一种可再生的新型环保能源,近年来浅层地热能开发利用受到烟台当地政府的高度重视。该文在系统搜集烟台市城区基础地质、水文地质、地热地质等资料的基础上,通过采用抽水试验、回灌试验、现场热响应试验等工作手段,基本查明了浅层地热能开发利用涉及的地下水富水性特征、地下水回灌系数、岩土体热物性参数及岩土体结构等系列基础条件。采用层次分析法与模糊数学法对烟台市城区地下水源热泵与地埋管地源热泵两种浅层地热能开发利用方适宜性进行了评价,其中地下水地源热泵适宜区分布于牟平城北部,面积约53.66km~2;较适宜区分布于黄垒河、柳林河、夹河、辛安河等河流下游地区,面积约91.99km~2;地埋管地源热泵适宜区分布于调查区大部分地区,面积约739.09km~2;较适宜区分布于区内冲洪积平原和丘陵地区,面积约261.58km~2;不适宜区分布于福山邢家山、王家庄一带,面积合计2.29km~2。经概算烟台市城区100 m以浅,浅层地热容量为165.41×10~(12)kJ/℃,其中适宜区浅层地热容量为120.76×10~(12)kJ/℃,较适宜区浅层地热容量为44.26×10~(12) kJ/℃。城区地下水地源热泵系统适宜区与较适宜区冬季换热功率为24.40×10~5 kW,夏季换热功率为48.80×10~5 kW;地埋管地源热泵系统适宜区与较适宜区夏季换热功率为1.04×10~8 kW,冬季换热功率为0.79×10~8 kW。该成果为促进烟台市节能减排,新旧动能转换提供了翔实可靠地基础数据。     

基于改进全卷积神经网络模型的土地覆盖分类方法研究

遥感卫星数据是地球表面信息的重要来源，但利用传统的遥感分类方法进行土地覆盖分类局限性大、过程繁琐、解译精度依赖专家经验，而深度学习方法可以自适应地提取地物更多深层次的特征信息，适用于高分辨率遥感影像的土地覆盖分类。文中对高分辨率影像中水体、交通运输、建筑、耕地、草地、林地、裸土等进行高精度分类，结合遥感多地物分类的特点，以DeepLabV3+模型为基础，作出了以下改进：(1)骨干网络的改进，使用ResNeSt代替ResNet作为骨干网络；(2)空洞空间金字塔池化模块的改进，首先在并联的每个分支的前一层增加一个空洞率相对较小的空洞卷积，其次在分支后层加入串联的空洞率逐渐减小的空洞卷积层。使用土地覆盖样本库和自制样本库进行模型训练、测试。结果表明，改进模型在2个数据集的精度和时间效率均明显优于原始DeepLabV3+模型：土地覆盖样本库总体精度达到88.08%，自制样本库总体精度达到85.22%，较原始DeepLabV3+模型分别提升了1.35%和3.4%，时间效率每epoch减少0.39 h。改进模型能够为数据量以每日TB级增加的高分影像提供更加快速精确的土地覆盖分类结果。     

基于稳健随机分隔森林的GNSS位移序列粗差实时检测方法

受GNSS硬件设备、通讯链路以及观测环境等因素影响,GNSS位移监测数据往往包含粗差,无法反映真实的变形特征。针对该问题,本文提出将稳健随机分割森林(robust random cut forest, RRCF)算法应用于GNSS位移监测数据粗差实时检测。仿真数据处理结果表明,RRCF算法粗差实时检测的准确率、精确率与召回率分别优于95%、98%、96%。地质灾害位移监测数据处理结果表明,GNSS位移监测数据发生异常突变时,RRCF方法检测结果与实际异常值情况吻合且误判率较低。总体而言,RRCF算法对GNSS位移监测数据异常实时检测的准确率和可用性均较好。     

基于mRMR特征优选算法的多光谱遥感影像分类效率精度分析

在遥感图像分类过程中,进行合理的特征优选操作,将有助于提高分类器的分类效率及精度。本文以淮南地区资源三号卫星多光谱遥感影像数据为例,采用二值离散化、直方图法及F统计法3种计算方法实现mRMR（minimal-Redundancy-Maximal-Relevance）算法特征优选过程。根据3种方法所得到的特征优选结果及全部特征信息,分别采用C5.0决策树和K近邻2种分类器进行图像分类实验,并利用目视解译方法对不同方法组合的影像分类结果进行精度验证。实验结果表明,利用3种计算方法实现mRMR特征优选算法对不同分类器的影响程度不同：在分类效率方面,C5.0决策树分类器可提高36.84%,而K近邻分类器可提高72.05%;在分类精度方面,C5.0决策树分类器能保证分类精度大致不变,总体分类精度可提高0.60%,Kappa系数可提高0.80%,而K近邻分类器总体分类精度可提高4.34%,Kappa系数可提高7.90%。     

基于网格的四川省特色农业气候区划

为了给四川省不同经济作物的空间布局提供合理的科学依据,利用全省45个气象站点1981-2008年的气候要素观测数据,建立每一格网处的年均温度、年均降雨量与该点经度、纬度、坡度和高程等因子的多元线性回归模型,并据此推算得出全省气候资源的空间分布。同时分析并建立了适合柚子、板栗、枇杷和青皮竹4种经济作物生长的气候适宜性指标体系。依据不同作物的气候适宜性指标分类体系将全省气候资源划分为适宜、较适宜和不适宜3种气候类型区。     

水稻种植环境综合适宜性评价方法研究

开展特定区域水稻种植产业布局是科学制定区域农业种植产业规划的重要内容,而水稻种植适宜性评价是水稻种植产业布局的前提。本文以中国好粮油示范县——福建省浦城县为研究区,基于层次分析模型构建土壤条件、立地条件、灌排条件、气候条件和机械耕作条件5大类共21个指标的水稻种植适宜性评价体系,利用地学模型、回归模型和空间插值等方法计算、模拟评价指标空间分布数据,形成5 m×5 m分辨率的评价指标栅格数据集,基于经验指数法建立适宜度指数模型,开展精细尺度下的水稻种植环境综合适宜性评价。利用实测样点水稻产量与水稻种植环境综合适宜度指数进行分析,发现二者呈显著正相关,验证了本研究评价工作的正确性和可行性。最后利用K-means属性聚类法识别研究区水稻种植多维环境适宜性的空间模式。结果表明：① 研究区水稻种植高度适宜、较适宜、中度适宜耕地面积占全县耕地面积的84.4%,次适宜耕地仅占15.6%,耕地整体适宜性较高;② Ⅰ类集聚区水稻种植综合适宜性和各类指标适宜性均较高;Ⅱ类集聚区水稻种植综合适宜性较高,但灌排条件适宜性很低;Ⅲ类集聚区水稻种植综合适宜性较高,但立地、土壤条件适宜性较低;Ⅳ类集聚区水稻种植综合适宜性较低,灌排条件适宜性最低。本研究可为水稻种植适宜性评价提供方法借鉴,并为浦城县更合理科学地开展农业种植规划提供依据。     

基于GIS的香港泳滩适宜性评价模型

泳滩是滨海旅游业的一个重要部分,本文以香港泳滩为研究对象,对该区域的综合条件进行剖析,根据其影响因素的类型选取了自然条件,社会经济条件,以及泳滩自身条件作为泳滩适宜性评价的主要因素,并对评价指标进行归纳和分类,建立起较为完善的泳滩适宜性评价的指标体系。运用层次分析法,比较评价指标之间重要性关系得到各影响因素对泳滩适宜性的影响权重,通过地理信息系统(GIS)的建模方法对各种因素进行空间分析,最终得到香港泳滩的评价等级结果。该模型的构建理论和方法可以为海岸资源的管理和开发提供参考和技术支撑,有利于泳滩旅游业的可持续发展。     

基于PSO-BP神经网络的中国区域大气加权平均温度模型北大核心CSCD

结合粒子群优化算法和BP神经网络,利用中国区域88个探空站2015-2017年的数据,以地表温度、地表水汽压、纬度、高程、年积日作为模型输入因子,以积分法获得的Tm值为学习目标,建立适用于中国区域的Tm模型PSOTM。以2018年探空数据为参考值评定PSOTM模型精度,并与Bevis、GPT3、传统BP神经网络(BPTM)、GRNN神经网络(GRNNTM)模型的计算结果进行对比。结果表明,PSOTM模型年均RMSE为3.08 K,相对于Bevis、GPT3、BPTM和GRNNTM模型分别降低26.84%、35.97%、15.38%和4.94%;PSOTM模型年均bias为0.32 K,相对于Bevis、GPT3和BPTM模型分别降低68.93%、82.42%和72.41%,较GRNNTM模型升高37.50%。PSOTM模型在中国区域不同纬度和高程的精度与稳定性优于Bevis、GPT3和BPTM模型,具有良好的适用性。