基于BP神经网络的陕北黄土高原侵蚀产沙影响因子显著性研究
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金项目“基于DEM的黄土高原地貌形态空间格局研究”(40930531);国家自然科学基金项目“基于DEM的黄土坡面景观结构及其空间分异研究”(40801148);资源与环境信息系统国家重点实验室开放基金项目(2010KF0002SA)


Significance of Impact Factors upon Erosion and Sediment Yield on Northern Shaanxi Loess Plateau Based on BP Neural Network
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    黄土高原地区的侵蚀产沙与影响因子的关系特征一直是研究热点。以陕北黄土高原23个小流域为实验样区,采用BP神经网络方法,将6个影响侵蚀产沙的因子作为输入变量,侵蚀产沙模数作为输出变量,通过输入变量与隐含层之间、隐含层与输出变量之间的权重矩阵关系,构建关系模型。实验结果显示,该方法可以有效地区分不同因子对侵蚀输沙模数影响的显著性;6个因子对侵蚀产沙影响的显著性由高到低依次为:岩土抗蚀性>蚕食度>沟谷密度>年均降雨量>NDVI指数>粉砂黏土含量。最后,随机选择3个小流域作为检验样本,采用BP神经网络进行预测,验证了该模型的有效性。该研究可望完善小流域侵蚀产沙分析方法。

    Abstract:

    The relations of erosion and sediment yield with their impact factors on the Loess Plateau of China have been a research focus.A relation model based on BP neural network model is constructed by taking 23 small watersheds on the Northern Shaanxi Loess Plateau as test areas.In the relation model,six impact factors are selected as input variables and erosion and sediment yield modulus,as output variable.The weighted matrix is employed to express the interface for input variables and hidden layers and the interface for hidden layers and output variable.Results show that the model can effectively distinguish the correlativity between the six impact factors and erosion—sediment yield modulus.From strong to weak,the six impact factors can be ordered as: soil anti-erodibilitynibble degreegully densityaverage annual precipitationNDVIthe ratio of silt to clay.Finally,the validity of the relation mode is verified by randomly selecting 3 small watersheds and employing BP neural network model.This study may be helpful to improve the methodology of the analyses of erosion and sediment yield in a watershed.

    参考文献
    相似文献
    引证文献
引用本文

赵明伟,汤国安,李发源,袁宝印,陆中臣.基于BP神经网络的陕北黄土高原侵蚀产沙影响因子显著性研究[J].水土保持通报,2012,(1):5-9,226

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2011-03-18
  • 最后修改日期:2011-05-11
  • 录用日期:
  • 在线发布日期: 2014-11-25
  • 出版日期: