發(fā)布時間：2021-06-23 13:06

　　自然生態(tài)空間是指具有自然屬性、以提供生態(tài)產(chǎn)品或生態(tài)服務為主要功能的國土空間,涵蓋需要保護和合理利用的森林、草原、濕地、河流、湖泊等,是人類發(fā)展的基本所在。貴陽市為典型的喀斯特地貌城市,景觀較為破碎,水土流失嚴重。貴陽市目前處于高速發(fā)展時期,環(huán)境污染、生態(tài)破壞、資源短缺等問題突出,迫切需要對貴陽市的自然生態(tài)狀況進行監(jiān)測,為城鎮(zhèn)發(fā)展提供一定的建議。本文以貴陽市為研究區(qū),以三生空間的角度出發(fā),通過對貴陽市2007、2012、2017年遙感圖像進行解譯,獲得了貴陽市三生空間分類圖,并對貴陽市自然生態(tài)空間變化從轉(zhuǎn)移、景觀格局、生態(tài)功能狀況三個方面進行了分析。同時選取了與三生空間變化相關的驅(qū)動因素并使用邏輯回歸進行了分析。之后結(jié)合驅(qū)動因素以及XGBoost方法構(gòu)建了三生空間預測模型,并對貴陽市2022年的三生空間進行了預測、分析。最后基于上述成果,結(jié)合Web、GIS等技術,層次分析法等方法實現(xiàn)自然生態(tài)空間動態(tài)監(jiān)測系統(tǒng)。本文主要結(jié)論如下:1)貴陽市土地格局以生態(tài)空間、生產(chǎn)空間為主,生活空間最少。在生態(tài)空間中,自然生態(tài)空間占98.8%,生態(tài)空間的變化可以反映出自然生態(tài)空間的變化。分析表明,過去十年間,... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：93 頁

【學位級別】：碩士

【部分圖文】：

技術路線圖

圖 2-1 GBDT 訓練示意圖由于 GBDT 采用的是回歸樹，只能用于回歸或者二分類，但任何多分類都分解成多個二分類的組合，因此對于多分類，只需要對每個類別進行一次 GB練，每類的 GBDT 模型會輸出一個值，通過比較各類的值即可得到最后的結(jié)果GBDT 基于殘差學習，性能更好，精度更高，但仍存在一些問題：GBDT 是 Boosting 的，只能串行學習，速度較慢；誤差函數(shù)不為指數(shù)函數(shù)和平方函數(shù)時一次迭代優(yōu)化較為困難；在計算每一葉子的分裂點時，對于連續(xù)的特征，計算誤差或 Gini 系數(shù)時，計算量非常大。.2.3 XGBoostXGBoost（eXtreme Gradient Boosting）是陳天奇提出的一種基于 Boosting 的學習方法[31]，是GBDT的高效實現(xiàn)[32]，一定程度上解決了GBDT無法并行處理處理速度慢的缺點。其改進之處為：1）XGBoost 在損失函數(shù)中加入了正則項，這個正則項可以平滑每個葉節(jié)點

越靠近左上角，擬合效果越好，AUC 的值越小，表明回選因子和目標問題不相關。AUC 大于 0.75 時表示擬合析法法（Analytic Hierarchy Process, AHP）是美國運籌學家 70 年代提出的一種實用的多方案或多目標的決策方法合的決策分析方法[36]。這一方法適用于描述指標眾多且分析中，將難以定量研究的問題以量化的形式表達出評價中，如煤礦安全研究、水安全評價、生態(tài)環(huán)境質(zhì)的主要分析步驟如下：層次結(jié)構(gòu)模型：一般分為目標層、準則層和方案層。目準則層即與實現(xiàn)目標相關的各準則因素，方案層即準則解決方案，層次結(jié)構(gòu)圖如圖 2-2 所示：目標問題目標層 O

【參考文獻】：
期刊論文
[1]SNPP-VIIRS夜間燈光影像去噪方法研究[J]. 鐘亮,劉小生,楊鵬.  測繪通報. 2019(03)
[2]遼寧省城市水生態(tài)文明建設評價[J]. 孫良.  水利規(guī)劃與設計. 2019(03)
[3]夜間燈光遙感數(shù)據(jù)應用綜述和展望[J]. 陳穎彪,鄭子豪,吳志峰,千慶蘭.  地理科學進展. 2019(02)
[4]基于椒鹽噪聲濾波算法的優(yōu)化處理[J]. 董林鷺,楊平先,陳明舉.  四川理工學院學報(自然科學版). 2019(01)
[5]Optimization of causative factors using logistic regression and artificial neural network models for landslide susceptibility assessment in Ujung Loe Watershed, South Sulawesi Indonesia[J]. Andang Suryana SOMA,Tetsuya KUBOTA,Hideaki MIZUNO.  Journal of Mountain Science. 2019(02)
[6]縣域夜光遙感指數(shù)與生態(tài)環(huán)境狀況指數(shù)相關性研究——以貴州省為例[J]. 宋善海,王堃,陳艷,梁萍萍.  貴州科學. 2019(01)
[7]基于地貌分區(qū)的1990-2015年中國耕地時空特征變化分析（英文）[J]. 高曉雨,程維明,王楠,劉檣漪,馬廷,陳印軍,周成虎.  Journal of Geographical Sciences. 2019(02)
[8]基于Logistic-CA-Markov模型的福州市土地利用演變與模擬[J]. 陳鑄,傅偉聰,黃雅冰,闕晨曦,鄭祈全,董建文.  安徽農(nóng)業(yè)大學學報. 2018(06)
[9]醫(yī)學論文中l(wèi)ogistic回歸分析的誤用及案例分析[J]. 韓宏志,官鑫,李欣欣,姜瑾秋,王麗.  編輯學報. 2018(06)
[10]一種基于XGBoost的惡意HTTP請求識別方法[J]. 徐迪.  電信工程技術與標準化. 2018(12)

碩士論文
[1]“三生”空間適性宜評價及優(yōu)化路徑研究[D]. 楊惠.南京師范大學 2018
[2]貴陽市土地利用變化模擬預測研究[D]. 韓冰倩.貴州師范大學 2017
[3]貴陽市土地利用變化碳排放響應研究[D]. 曹甲威.貴州師范大學 2017
[4]基于遺傳算法的城市模擬及景觀格局評估[D]. 尚尉.重慶郵電大學 2017
[5]基于CA-Markov模型的撫仙湖流域土地利用變化情景模擬[D]. 肖蕾.昆明理工大學 2017
[6]基于GANN和CA的城市增長邊界預測[D]. 付玲.中國地質(zhì)大學(北京) 2016
[7]基于GIS和CLUE-S模型的山區(qū)土地利用情景模擬研究[D]. 曹瑞娜.山東農(nóng)業(yè)大學 2014
[8]基于GIS和RS的成都市LUCC與城市擴展動態(tài)特征研究[D]. 樊淑云.四川師范大學 2014
[9]基于GIS的鄂爾多斯市生態(tài)環(huán)境監(jiān)測與評價[D]. 崔桂鳳.內(nèi)蒙古師范大學 2010
[10]城市綠地信息提取及空間數(shù)據(jù)質(zhì)量評價分析[D]. 孫雅榮.上海師范大學 2007



本文編號：3244993