基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
探索了一种基于自组织特征映射神经网络算法识别区域尺度生态系统服务功能分区的新方法.在此基础上,依据新千年生态系统评估框架构建了生态服务功能评价指标体系,并运用自组织特征映射神经网络算法开展了生态服务功能空间聚类分析,在1 km栅格上识别并排定了各类生态服务功能的重要性.在案例区锡林郭勒盟的研究表明,利用基于自组织特征映射神经网络算法划分出的该区6个生态服务功能分区比较科学、合理,所形成的分区结论为案例区生态系统的可持续管理提供有时空针对性的决策参考信息.
推荐文章
基于自组织映射网络的油藏表征模型
油藏表征
自组织映射
聚类分析
数据挖掘
岩性识别
基于自组织映射网络的网络入侵检测算法设计
自组织映射
网络入侵检测
网络安全
检测率
基于EKF的模糊神经网络快速自组织学习算法
模糊神经网络
扩展卡尔曼滤波
自组织学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于自组织特征映射神经网络算法的生态服务功能分区
来源期刊 农业科学与技术(英文版) 学科 地球科学
关键词 神经网络算法 生态服务功能 生态服务功能分区 生态系统可持续管理
年,卷(期) 2009,(5) 所属期刊栏目 资源与环境
研究方向 页码范围 162-165
页数 4页 分类号 X3
字数 959字 语种 英文
DOI 10.3969/j.issn.1009-4229-B.2009.05.051
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 邓祥征 中国科学院地理科学与资源研究所 110 4519 31.0 65.0
5 战金艳 北京师范大学环境学院水环境模拟国家重点实验室 35 1047 15.0 32.0
6 史娜娜 北京师范大学环境学院水环境模拟国家重点实验室 6 94 6.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (8)
参考文献  (12)
节点文献
引证文献  (19)
同被引文献  (107)
二级引证文献  (212)
1982(2)
  • 参考文献(1)
  • 二级参考文献(1)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(4)
  • 参考文献(4)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(12)
  • 引证文献(12)
  • 二级引证文献(0)
2011(25)
  • 引证文献(6)
  • 二级引证文献(19)
2012(34)
  • 引证文献(0)
  • 二级引证文献(34)
2013(21)
  • 引证文献(0)
  • 二级引证文献(21)
2014(22)
  • 引证文献(0)
  • 二级引证文献(22)
2015(19)
  • 引证文献(0)
  • 二级引证文献(19)
2016(15)
  • 引证文献(1)
  • 二级引证文献(14)
2017(25)
  • 引证文献(0)
  • 二级引证文献(25)
2018(23)
  • 引证文献(0)
  • 二级引证文献(23)
2019(27)
  • 引证文献(0)
  • 二级引证文献(27)
2020(8)
  • 引证文献(0)
  • 二级引证文献(8)
研究主题发展历程
节点文献
神经网络算法
生态服务功能
生态服务功能分区
生态系统可持续管理
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
农业科学与技术(英文版)
双月刊
1009-4229
43-1422/S
16开
长沙市芙蓉区湖南省农业信息与工程研究所
42-209
2000
eng
出版文献量(篇)
5310
总下载数(次)
12
总被引数(次)
15849
相关基金
国家科技支撑计划
英文译名:
官方网址:http://kjzc.jhgl.org/
项目类型:重大项目
学科类型:能源
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导