基于BP神经网络的陕北黄土高原沟壑密度空间插值研究  

Research on Spatial Interpolation of Gully Density in Northern Shaanxi of the Loess Plateau Based on the Back Propagation Neural Network

作　　者：孙京禄[1] 张贝尔[1] 王淑文 陆贝贝 SUN Jinglu;ZHANG Beier;WANG Shuwen

机构地区：[1]安徽省经济研究院,安徽合肥230091

出　　处：《中国水土保持》2023年第8期24-27,共4页Soil and Water Conservation in China

基　　金：国家自然资源和地理空间基础信息库安徽省试点项目。

摘　　要：沟壑密度是反映地表破碎度的重要因子,也是进行水土保持综合调查、制定流域综合治理规划的重要指标依据。因缺乏高精度的大尺度DEM数据,故选择合适的插值方法实现沟壑密度在区域尺度上的空间插值是迫切需要解决的科学问题。BP神经网络插值在区域尺度地理要素空间变异研究中,特别是小样本情况下,具有更高的精度。基于陕北黄土高原80个试验样区5 m分辨率DEM和将30 m分辨率DEM计算得到的研究区平均坡度作为辅助变量,利用BP神经网络插值方法进行陕北黄土高原沟壑密度插值,并与不同插值方法结果进行精度对比,结果表明:当处理目标变量与辅助变量之间存在相关关系却不存在一个准确关系式时,BP神经网络插值具有优越性,插值结果精度更高。此外,还对比了基于不同辅助变量的BP神经网络插值精度,结果表明:对于样本点稀疏、地形起伏较大的区域尺度空间插值,采用辅助变量的BP神经网络插值精度明显高于不采用辅助变量,且选取的辅助变量必须与目标变量有较强的相关性,增加相关系数低的辅助变量反而会导致插值精度降低。

关 键 词：BP神经网络 沟壑密度 空间插值 辅助变量 陕北黄土高原 

分 类 号：P208[天文地球—地图制图学与地理信息工程] S157[天文地球—测绘科学与技术]