基于随机森林模型提取干旱区人工绿洲耕地 -以阿拉尔绿洲区为例

Abstract

<jats:p>本文以干旱区阿拉尔2013年-2018年的Landsat8为主要数据来源,基于随机森林模型对干旱区绿洲植被信息进行提取。结果表明：总体分类精度为87%,满足干旱区绿洲提取要求。随机森林模型可以很好地提取干旱区绿洲植被,为干旱区提取绿洲植被提供了依据。</jats:p>

Predicting the impact of urban agglomeration development on grain production regions: A case study of Pearl River Delta

“…权重，挖掘各类用地变化的机理 [29,30] 。因此，本文采用 PLUS 模型对珠三角城市群的城市 扩张情况进行模拟与预测。 首先根据相关参考文献 [31,32] 对大气影响矫正有限、未考虑土壤背景干扰等缺点进行改进 [33] 。以往研究已表明 EVI 和作物产量存在较高的相关性 [34] 。由于珠三角地区主要粮食作物为水稻，而该区域 水稻的抽穗期为 6 月上旬至 7 月上旬，因此本文选用 2020 年 6 月上旬的 MODIS EVI 数 据进行修正耕地数据以及粮食产量空间化。本文假设在耕地区域内，EVI 越高则粮食 产量越高 [35][36][37] [38][39][40][41][42][43][44] [45][46][47] [48,49] ，并且通过敏感性分析得到 适宜的 SPF 值为 1.3，最佳的 BLM 值为 0.9。进行迭代计算之后，得到在两个保护目标下 的最佳结果 [14,[50][51][52] (3) Compared with the independent development scenario, the expansion of urban agglomeration based on urban interaction will encroach less grain production functional areas and grain production reserve areas. In conclusion, the zoning method of grain production functional regions can coordinate the multiple goals of socio-economic development, farmland protection and food security, and can provide suggestions and basis for optimizing the development and protection pattern of territory space under the background of urban regionalization.…”