基于FCM算法的辽宁省降水量空间分布研究.docx

基于FCM算法的辽宁省降水量空间分布研究
摘要
本文以辽宁省为研究对象，利用流域降水量、DEM和NDVI等多种空间数据，采用FCM算法从时间序列及空间上分析了其降水量的空间分布特征。结果表明：辽宁省东部地区的降水量明显高于西部地区，且年降水量分布呈现南高北低的特征；而月降水量分布则具有冬少夏多、春秋季节相对较为平均的特点。此外，与DEM和NDVI数据组合分析表明，地势和植被类型都对降水分布具有较大影响，而降水量与NDVI呈正相关关系，与地形高差呈负相关关系，且二者的影响程度存在地域差异。
关键词：FCM算法；降水量；空间分布；DEM；NDVI
Abstract
ThispapertakesLiaoningProvinceastheresearchobjectandusesmultiplespatialdatasuchaswatershedprecipitation,DEM,andNDVI.TheFCMalgorithmisusedtoanalyzethespatialdistributioncharacteristicsofitsprecipitationfromtimeseriesandspatialaspects.TheresultsshowedthattheprecipitationintheeasternpartofLiaoningProvincewassignificantlyhigherthanthatinthewesternpart,andtheannualprecipitationdistributionshowedasouth-high-north-lowcharacteristic.Themonthlyprecipitationdistributionhasthecharacteristicsoflessinwinterandmoreinsummer,andrelativelyeveninspringandautumn.Inaddition,thecombinedanalysisofDEMandNDVIdatashowsthatterrainandvegetationtypehaveagreaterimpactonprecipitationdistribution,andprecipitationispositivelycorrelatedwithNDVIandnegativelycorrelatedwithterrainheightdifference,andtheinfluenceofthetwovariesindifferentregions.
Keywords:FCMalgorithm;precipitation;spatialdistribution;DEM;NDVI
一、引言
降水量是自然资源、环境保护和防灾减灾等领域的重要基础数据之一。对于灌溉、水资源管理、气候研究等领域，了解和研究降水量分布的特征，对于区域性气候变化研究和防灾减灾有着重要的指导意义。随着卫星遥感、GIS技术以及高精度测量技术的逐步发展，促进了降水量的监测和空间分布研究。其中，模糊聚类算法FuzzyC-Means(FCM)由于具有较高的精度和良好的可行性，在地理信息领域中得到广泛应用。
本文以辽宁省为研究对象，应用FCM算法进行降水量的空间分布分析。首先，利用降水量、DEM和NDVI等数据集，对辽宁省的降水量空间分布进行统计分析，探讨降水量表现的区域性特征。其次，分析地势和植被对降水量分布的影响。最后，总结出研究结果并提出相关建议。
二、数据和方法
A、数据来源
本文使用的数据包括：1）降水量数据，来源于地理信息公共服务平台；2）DEM数据，来源于遥感卫星测绘项目；3）NDVI数据，来源于遥感卫星海洋气象数据中心。其中，降水量数据的时间跨度为2000年至2020年，时间分辨率为月度。DEM数据的分辨率为30米，覆盖辽宁省所有地区。NDVI数据的时间跨度为2000年至2019年，覆盖辽宁省大部分地区。
B、方法
本文采用降水量、DEM和NDVI数据，对辽宁省的降水量空间分布进行FCM聚类分析，得到不同类别的降水量空间分布图。进一步，结合地形和植被型对降水量空间分布进行分析得出相关结论。
三、结果和分析
A、FCM算法下的降水量空间分布
本文将辽宁省的降水量数据进行归一化处理，采用FCM算法将辽宁省划分为K个簇，以得到不同类别的降水量空间分布图。在实际应用过程中，选取合适的簇数量对于研究结果的准确性有着重要的影响。因此，本文采用模糊判定法来确定最佳的k值，将不同k值下的Xie-Beni指数与隶属度矩阵变化趋势进行对比分析，选择Xie-Beni指数较小、隶属度矩阵变化趋势较平缓的聚类结果作为最终结果。本文选择K=5进行聚类分析，结果