全 文 ：向海自然保护区土地覆盖分类研究 3
韩　敏1 3 3 　程　磊1 　唐晓亮1 　王教河2
(1 大连理工大学电子与信息工程学院自动化系 ,大连 116023 ;2 水利部松辽水利委员会 ,长春 130021)
【摘要】　探讨了 Fuzzy ARTMAP 神经网络在向海自然保护区土地覆盖分类中的应用. 全文阐述了 Fuzzy
ARTMAP 网络结构及其采用的算法 ,提出一种引入遥感图像判读结果的警戒系数自动调整方法 ,能够解
决人为选择警戒参数效率低、难以取得合适数值的问题. 结果表明 ,具有警戒系数调整功能的 Fuzzy
ARTMAP 神经网络能够有效的对向海自然保护区的 TM 影像进行分类 ,它与最大似然法和传统的 Fuzzy
ARTMAP 神经网络相比对样本的依赖程度较低 ,分类精度较高. 警戒系数自动调整方法根据遥感影像判
读结果自动调整网络参数 ,提高了网络的运行速度. 从分类结果可以看出 ,向海自然保护区目前开荒现象
比较严重 ,草场有所退化 ,沼泽有荒漠化迹象 ,应当采取相应的措施保护向海湿地资源.
关键词 　遥感 　土地覆盖分类 　Fuzzy ARTMAP 　向海自然保护区
文章编号 　1001 - 9332 (2005) 02 - 0296 - 05 　中图分类号 　TP751 　文献标识码 　A
Land cover classif ication in Xianghai Nature Reserve. HAN Min1 , CHEN G Lei1 , TAN G Xiaoliang1 , WAN G
Jiaohe2 (1 School of Elect ronic and Inf orm ation Engineering , Dalian U niversity of Technology , Dalian 116023 ,
China;2 Songliao W ater Resource Com mission of Minist ry of W ater Resource , Changchun 130021 , China) . 2
Chin. J . A ppl . Ecol . ,2005 ,16 (2) :296～300.
This paper discussed the application of Fuzzy ARTMAP neural network in land cover classification in Xianghai
Nature Reserve. The structure and algorithm of Fuzzy ARTMAP neural network were described in detail ,and an
automatic adjustment method of vigilance parameter was put forward to solve the problem of searching the opti2
mum value in the selection of vigilance parameter. The results showed that the automatic adjustment method
could adjust network parameter automatically ,and improve the running speed of network. In comparing with
maximum likelihood classification method and traditional Fuzzy ARTMAP neural network ,the Fuzzy ARTMAP
neural network with the functioning of automatic adjustment depended less on samples and had higher accuracy ,
and thus ,could effectively make the classification of TM image covering Xianghai Nature Reserve. It’s shown
from the classification that in the Xianghai Nature Reserve ,farmland covered large area while grassland and
marsh were facing degradation ,and hence ,corresponding countermeasures should be taken to improve the eco2en2
vironment of this Reserve.
Key words 　Remote sensing , Land cover classification , Fuzzy ARTMAP , Xianghai Nature Reserve.3 国家自然科学基金重点资助项目 (50139020) .3 3 通讯联系人.
2004 - 01 - 12 收稿 ,2004 - 03 - 25 接受.
1 　引 　　言
吉林向海国家级自然保护区地处吉林省通榆县
西北部 ,位于 44°55′～45°09′N ,122°05′～122°31′E
之间 ,西与内蒙古科右中旗接壤 ,北同洮南市相邻.
保护区包括全部向海蒙古族乡及四井子镇、乌兰花
镇、兴隆山镇、同发牧场的部分地区 ,共计 5 个乡
(镇、场) ,12 个村、32 个自然屯. 全区南北最长 45
km ,东西最宽 42 km ,总面积 1054167 km2 ,属内陆
湿地和水域生态系统类型自然保护区[15 ,21 ] . 1992
年向海自然保护区被列入国际重要湿地名录.
向海自然保护区属北温带大陆性季风气候 ,处
于吉林省半干旱草原地带. 春季多风干旱 ,夏季温
暖. 冬季严寒少雪 ,风沙较多 ,大陆性显著 ,年平均气
温 511 ℃,最高 37 ℃;年平均降水量 400 mm 左右 , 多集中在 7、8 月份 ;年平均蒸发量 1 945 mm ;年平均日照时数 2 876 h ,无霜期 150 d 左右. 全年盛行西南风 ,风速 5～6 级 ,最大风速可达 11 级 ,7 级以上大风平均 35 d. 区内土壤主要为粟钙土、盐碱土、草甸土和风积沙土 ,土壤厚度一般在 015～110 m 之间 ,土壤中腐殖质含量较少 ,含盐碱量偏高 ,p H 值715～815. 保护区内有霍林河、额穆泰河 ,为嫩江支流 ,由于蒸发渗漏 ,区内无明显河库 ,只有雨季水量丰富 ,形成季节性河流. 区内有尖底泡、付老文泡等自然泡沼 20 多个 ,居中的大香海泡与二场泡于1971 年建坝 ,并入引洮 (洮儿河) 灌溉系统 ,称为向海水库. 保护区总水域面积为 125 km2 . 此处区内还
应 用 生 态 学 报 　2005 年 2 月 　第 16 卷 　第 2 期 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
CHIN ESE JOURNAL OF APPL IED ECOLO GY ,Feb. 2005 ,16 (2)∶296～300
有沼泽 236 km2 . 区内地下水资源丰富 ,水质较
好[7 ] .
向海自然保护区保存有较为完整的湿地、草原、
森林、荒漠等多种生态系统和丰富的野生生物资源 ,
具有重要的科学研究价值[22 ] . 目前向海的科研工作
主要是某些珍稀鸟类的人工饲养与繁殖研究. 为推
动向海自然保护区的保护与管理 ,改善向海湿地的
生态环境 ,迫切需要开展向海湿地的土地及生物资
源调查 ,对其生态系统进行评价[16～19 ] . 遥感技术具
有高分辨率、多波段、多时相以及覆盖面广等优点 ,
为调查湿地资源的提供了新的途径[11 ] .
本文应用 Fuzzy ARTMAP 神经网络对覆盖向
海自然保护区的 TM 影像进行分类 ,提出一种依据
遥感图像判读结果调整警戒系数的算法 ,使警戒系
数取值自适应趋于合理. 分类结果表明 ,向海自然保
护区目前开荒现象比较严重 ,草场有所退化 ,沼泽有
荒漠化迹象.
2 　Fuzzy ARTMAP 网络结构及算法
　　自适应共振理论 ART(Adaptive Resonance Theory) 网络
模型由美国波士顿大学数学系自适应系统中心的 Grossberg
和 Carpenter 提出 ,目前已经发展了一系列的 ART 神经网
络 ,包括 ART21、ART22、Fuzzy ART 等[1 ,4 ] . 本文采用可进行
模糊分类的 Fuzzy ARTMAP 网络模型 ,能较好解决 ART21
网络只能处理二进制输入模式的局限和 ART22 网络的模式
漂移缺陷[8 ,13 ] .
211 　Fuzzy ARTMAP 网络结构
Fuzzy ARTMAP 网络包括两个模糊 ART 模块 (ARTa
和 ARTb) ,它们通过中间匹配域 F ab (MAP FIELD)实现输入
模式 A 和目标模式 B 的相互匹配[5 ,6 ] (图 1) . 其中 , a 为待分
类模式向量 , b 为 ARTb 的输入向量 ,是 a 向量的概率分布
函数 , b = (sin (2 a) ) 2 . F0 a ( F0 b) 是补码预处理层. F1 a ( F1 b)
是竞争层 ,既接受 F0 a ( F0 b) 的由下向上的输入 ,也接受 F2 a
( F2 b) 由上向下的输入. F2 a ( F2 b) 是识别层 ,层中各神经元
节点表征相应类别. Fab中神经元数目与 F2 b 层神经元数目
相等且一一对应 , Fab与 F2 a 层之间为全互连权重连接 ,权值
向量为 W abj . W aj 、W bj 分别为 ART a、ARTb 模块 F1 到 F2 层
的权值向量 , V ai 、V bi 分别为 ART a 、ARTb 模块 F2 到 F1 层
的权值向量. x i 为 F1 层神经元向量 , yj 为 F2 层神经元编
码 , xabk 为 Fab层神经元变量.ρa 、ρb 和ρab分别为 ART a、ARTb
和 Fab的警戒系数.
212 　Fuzzy ARTMAP 的网络算法
Fuzzy ARTMAP 网络的学习过程详见参考文献 6. 下面
以 ART a 模块为例说明网络训练算法 ,ART b 模块运算过程
与 ART a 模块类似. 各公式中的 M 为输入向量维数 , N 为
F2 层神经元个数 (N a 为 F2a 层神经元个数 ,N b 为 F2 b 层神
经元个数) .
ART a 模块对应输入向量 a 和 F2 a 层各类别节点 j 的选
择函数 Tj 定义如下 :
图 1 　Fuzzy ARTMAP 网络结构
Fig. 1 Fuzzy ARTMAP neural network structure.
　　 T j ( A ) =
| A ∧ W aj |
α+| W aj | (1)
其中 ,α为选择参数 ,模糊交集定义为 : ( p ∧ q) i = min ( pi ,
qi) , | ·| 定义为 : | P | = ∑
i
| pi | .
系统选定获胜类别条件为 TJ = max{ T j : j = 1 ⋯N a} .
如果有多个 Tj 最大且数值相等 ,选择索引号最小的一类为
获胜神经元.
当第 J 类被选定为获胜者后 , F2 a 层节点状态设置为 yaJ
= 1 , yai = 0 ,其中 i ≠J , i = 1 ⋯N a ; F1 a 层神经元向量 xai 根
据获胜神经元的权值进行调整.
类别选择和状态调整后 ,ART a 模块对调整后的 xai 进行
校验. 校验准则为 :如果 ∑
2 M
a
i = 1
x
a
i < ρaM a ,进行复位操作 ,即将
TJ 置零 ,并重新选择余下 T j 中的最大值 ,未寻找到符合校
验准则的 Tj 则分别在 F2 a 层和 F2 b 层新增一个类别对应此
输入模式 , N a 和 N b 均增 1 ;如果 ∑
2 M
a
i =1
x
a
i ≥ρaM a ,进行匹配场
的设置.
Fab 匹配场的神经元状态向量设置为 :
x
ab
= yb ∧ W abJ (2)
其中 , W abJ 为 Fa2 层获胜节点 J 与 Fab 层各节点的连接权值 , yb
为 Fb2 层输出.
匹配场校验准则为如果 | xab | < ρab ,则进行匹配跟踪 ;
如果 | xab | > ρab ,则进行网络权值的实时学习.
匹配跟踪调整ρa :
ρa = 1M a ∑
2 M a
i = 1 x
a
i +ζ (3)
然后重新进行类别选择和状态调整.
最后是权值的实时学习. F1 a 层到 F2 a 层的获胜连接权
w
a
iJ 的学习 :
w
a
iJ ( t + 1) = (1 - β) w aiJ ( t) +β( A i ∧ w aiJ ( t) ) (4)
其中 ,β为学习速率 , i = 1 ⋯2 M a .
7922 期 　　　　　　　　　　　　　　　韩 　敏等 :向海自然保护区土地覆盖分类研究 　　　　　　　　　　　
F2 a 层到 Fab 层的获胜连接权 w abJk 的学习 :
w
ab
Jk ( t + 1) = (1 - β) w abJk ( t) +β( bk ∧ w abJk ( t) )
(5)
其中 k = 1 ⋯N b .
输入下一个训练样本向量 ,对 ( A , B) 重复以上过程 ,直
至训练样本全部输入完毕 ,训练算法结束.
在分类运算时 ,将待分类的向量 a 输入 ART a 模块 ,由
ART a 模块选择 a 向量所属类别 ,输出此类别的归一化特征
值.
213 　警戒系数ρ的调整方法
传统的网络算法 ,参数选取问题往往被一笔代过 ,但在
编程实践过程中参数的选取同样本的采集一样会对图像的
处理结果产生很大影响 [3 ] . 警戒系数ρ的设置是 ART 网络
的基本特征 ,也是保持网络稳定性的重要措施. 本文所提的
警戒系数调整方法保留了 Fab层警戒系数ρab ,并根据判读所
得地表覆盖物的类别范围自动调整ρab . 具体方法如下 :
设置参数ρab 初值为 017 ,步长值取为ρab 初值的四分之
一. 对影像进行分类时 ,如果分得的类别数没有落在设定的
类别范围 ,则判断最近两次分得的类别数是否落在类别范围
的两侧 ,若在两侧 ,则先改变ρab 的增加 (或减小) 方向并将
步长减小一半后再调整ρab ,否则直接进行ρab 的调整 ,在此
过程中如果方向改变两次则退出程序并保存影像分类结果
图. 如果分得的类别数已经落在设定的类别范围 ,也退出程
序并保存结果.
这种方法的特点是将遥感影像判读结果引入网络参数
的调整过程 ,省去了繁琐的人为调整 ,使分类精度大大提高.
3 　向海自然保护区土地覆盖分类
本文采用覆盖向海自然保护区的 TM 影像研
究向海自然保护区的土地覆盖分类. 影像获取时间
为 2002 年 10 月 8 日. 地面分辨率为 30 m. 待分类
图像采用由 TM 影像七个波段中的 4、3、2 三个波段
合成的假彩色红外合成图像 (图 2) . 经目视判读 ,结
合土地利用现状图 ,确定向海自然保护区内主要包
括七类地物 ,它们分别是 :水体、沼泽、旱地、林地、草
地、居民地和盐碱地.
根据目视判读结果并结合土地利用现状图 ,在
假彩色红外合成影像上选取了 2510 个像素点作为
神经网络的训练样本 ,700 个像素点作为神经网络
校验样本. 分别应用最大似然法、传统 Fuzzy
ARTMAP 网络和改进的 Fuzzy ARTMAP 网络对
TM 遥感影像进行分类. Fuzzy ARTMAP 网络的警
戒系数ρa 取底线值ρmin ( [0 ,1 ] ,当ρmin = 0 时为最
大压缩编码 ;ρab 取[0 ,1 ] 区间数 ,当ρab = 1 时达到
类别的最大分化 ; F1 层到 F2 层的权值 W ij = 1 , i =
1 ⋯2 M , j = 1 ⋯N ; Fa2 层到 Fab 层的权值 W jk = 1 ,
j = 1 ⋯N a , k = 1 ⋯N b . 3 种分类方法校样样本的
精度对比见表 1 ,分类结果图见图 3、图 4、图 5. 由混
淆矩阵能够推出 Kappa 系数值 ,3 种方法的 Kappa
系数分别为 01750、01790 和 01823. 由分类结果图
可以看出 ,应用最大似然法分类时沼泽与耕地较易
混淆 ,草地和居民地错分较多 ,造成分类精度较低 ,
其它类别边缘也模糊不清. 应用 Fuzzy ARTMAP 网
络分类能准确区分各类地貌 ,而且大多数类别边缘
划分清楚. 传统 Fuzzy ARTMAP 网络有某些局部区
域存在误差 (城镇和水域的混淆 ,沼泽和林地部分误
判) . 应用本文提出的参数调整法 ,ρab可进行微调 ,
能将 Fuzzy ARTMAP 网络分类误差进一步降低.
图 2 　向海自然保护区 TM 假彩色合成影像
Fig. 2 TM false color composite image of Xianghai Natural Reserve.
图 3 　最大似然法分类结果
Fig. 3 Classification result of maximum likelihood classifier.
892　　　　　　　　　　　　　　　　　　　　应 　用 　生 　态 　学 　报 　　　　　　　　　　　　　　　　　　16 卷
　图 4 　传统 Fuzzy ARTMAP 分类结果
Fig. 4 Classification result of normal Fuzzy ARTMAP network.
图 5 　改进的 Fuzzy ARTMAP 分类结果
Fig. 5 Classification result of improved Fuzzy ARTMAP network.
　　对分类后图像进行面积统计可以方便快速的调
查向海自然保护区的湿地资源 ,并监测其环境的变
化过程和趋势 ,从而提出有效的保护对策[9 ,10 ] . 3 种
分类方法的面积统计结果见表 2. 由表 2 可知 ,最大
似然法对旱地、草地、居民地的判别能力较差 ,导致
旱地面积估计偏小 ,而草地、居民地的面积估计过
大. 传统 Fuzzy ARTMAP 网络混淆了部分水体和居
民地 ,导致居民地面积估计偏大 ,水体面积偏小. 而
改进的 Fuzzy ARTMAP 网络分类精度则较高 ,能够
反映较为实际的土地覆盖情况.
　　根据面积统计结果可以分析向海的土地覆盖情
况和土地退化情况[12 ,20 ] . 旱地大面积存在 ,将直接
表 1 　3 种方法的分类精度对比表
Table 1 Classif ication accuracy of three methods( %)
土地覆盖类型
Land cover type
最大似然法
Maximum
likelihood
传统 Fuzzy
ARTMAP 网络
Normal Fuzzy
ARTMAP network
改进的 Fuzzy
ARTMAP 网络
Improved Fuzzy
ARTMAP network
水体 Water 84 83 84
沼泽 Marsh 80 81 82
旱地 Farmland 73 77 79
林地 Woodland 82 84 90
草地 Grassland 65 77 80
居民地 Residential area 74 80 86
盐碱地 Saline land 92 92 97
平均精度 Average accuracy 78150 82100 86135
表 2 　3 种方法分类结果的面积统计
Table 2 Area statistics of three methods classif ication( km2)
土地覆盖类型
Land cover type
最大似然法
Maximum
likelihood
传统 Fuzzy
ARTMAP 网络
Normal Fuzzy
ARTMAP network
改进的 Fuzzy
ARTMAP 网络
Improved Fuzzy
ARTMAP network
水体 Water 154144 14111 159199
沼泽 Marsh 418135 302103 291107
旱地 Farmland 4336193 5231176 5395179
林地 Woodland 517148 506187 487198
草地 Grassland 2309163 1809136 1740134
居民地 Residential area 337101 89175 65136
盐碱地 Saline land 1147156 1140153 1080187
总面积 Total 9221140 9221140 9221140
破坏湿地 ,是湿地面积消减的主要威胁. 特别是水体
与陆地的相接地带转变为农田 ,破坏了生物的多样
性 ,降低了生产力. 随着农药、化肥的普遍使用 ,河水
污染的潜在威胁增大 ,它将直接毒死生物 ,破坏湿地
生物群 ,并通过食物链逐级影响更广泛的物种生存.
草场有退化现象 ,沼泽有荒漠化现象 ,这是由于西部
地区草场过度放牧、开垦以及森林和植被的破坏造
成的. 过度放牧将使芦苇沼泽发生沼泽2草甸2草原2
荒漠的演替 ,且演替趋势由北到南不断发展 ,严重破
坏水禽栖息地. 此外 ,偷捕滥捞、芦苇业的扩展以及
水资源的不合理利用也严重影响了鸟类和兽类的食
物来源和栖息地.
　　向海湿地的生态条件有待改善. 应当采取有效
对策保护向海自然保护区的宝贵湿地资源 ,防止沼
泽和草场的退化[2 ,14 ] . 建议修建新的引水工程 ,改
造湿地 ;改变芦苇收割方式 ,禁止将芦苇大面积成片
割尽 ,禁止在有鸟巢的地方收割芦苇 ;控制渔民的数
量 ,对渔民的活动进行限制 ,取缔有害捕捞渔具 ,严
禁秋季放干湖水竭泽而鱼 ;全面科学地进行湿地生
态旅游规划 ,在维持湿地自然环境的前提下开展湿
地生态旅游 ;广泛地植树造林 ,在保护区周边和核心
区周边营造耐干旱、耐盐碱的带刺沙棘 ,为珍稀水禽
的繁衍生息提供隐蔽条件 ,并达到稳定沙漠、防止和
延缓土壤沙漠化、减轻水土流失和湿地淤积的目的.
9922 期 　　　　　　　　　　　　　　　韩 　敏等 :向海自然保护区土地覆盖分类研究 　　　　　　　　　　　
4 　结 　　论
　　实验结果表明 ,改进的 Fuzzy ARTMAP 网络能
够有效地对覆盖向海自然保护区的 TM 影像进行
分类 ,实现对向海自然保护区湿地资源的快速准确
调查. Fuzzy ARTMAP 网络具有结构清晰、易于搭
建以及分类精度高等优势 ,其分类性能较最大似然
法有所提高 ;应用本文所提警戒参数调整算法可以
根据遥感影像判读结果自动调整网络参数ρab ,从而
解决人为选择警戒参数繁琐而又难以达到理想结果
的难题 ,并使 Fuzzy ARTMAP 网络的分类精度得到
大大提高. 从分类结果可以看出 ,向海自然保护区目
前开荒现象比较严重 ,草场有所退化 ,沼泽有荒漠化
迹象 ,应当采取相应措施改善并保护向海湿地.
参考文献
1 　Azouaoui O ,Chohra A. 2002. Soft computing based pattern classi2
fiers for the obstacle avoidance behavior of intelligent autonomous
vehicles( IAV) . A ppl Intell ,16 (3) :249～272
2 　Bai J2H(白军红) ,Deng W (邓 　伟) . 2002. Analysis on common
problems of wetland resources and countermeasures for their sus2
tainable development of Zhalong and Xianghai national natural re2
serve region. J Soil W ater Conserv (水土保持学报) ,16 (S1) :67～
69 ,104 ( In Chinese)
3 　Canuto A , Howells G , Fairhurst M. 2000. An investigation of the
effects of variable vigilance within the rePART Neuro2Fuzzy net2
work. J Intel Rob Syst ,29 (4) :317～334
4 　Carpenter GA , Gopal S ,Macomber S , et al . 1999. A neural network
method for efficient Vegetation mapping. Remote Sens Envi ron ,70
(3) :326～338
5 　Carpenter GA , Gopal S ,Macomber S , el al . 1999. A neural network
method for mixture estimation for Vegetation mapping. Remote
Sens Envi ron ,70 (2) :138～152
6 　Carpenter GA , Gjaja MN , Gopal S , et al . 1997. ART neural net2
works for remote sensing : Vegetation classification from Landsat
TM and terrain data. I EEE Trans Geosci Remote Sens ,35 (2) :308
～325
7 　Chu J2H(初敬华) , Gao C2G(高晨光) ,Zhu Q2G(朱秋广) . 2000.
An elementary investigation report to the plants in Xianghai natural
and protected zone. Songliao J ( Nat Sci) (松辽学刊·自然科学
版) ,4 :53～56 (in Chinese)
8　Cong S (丛 　爽) , Zheng Y2S (郑毅松) , Wang Y2W (王怡雯) .
2002. The improvement and modeling implementation of ART22
neural network. Com pr Eng A ppl (计算机工程与应用) ,14 :25～
27 ( In Chinese)
9 　Cui B2S (崔保山) ,Liu X2T (刘兴土) . 2001. Discussion on some
basic problems in design of wetland ecosystem. Chin J A ppl Ecol
(应用生态学报) ,12 (1) :145～150 (in Chinese)
10 　He C2Q (何池全) ,Cui B2S(崔保山) ,Zhao Z2C(赵志春) . 2001. E2
cological evaluation on typical wetlands in Jilin Province. Chin J
A ppl Ecol (应用生态学报) ,12 (5) :754～756 ( In Chinese)
11 　Li S(李　爽) ,Ding S2Y(丁圣彦) ,Xu S2M (许叔明) . 2002. The
comparative study of remote sensing image classification. J Henan
U niv (Nat Sci) (河南大学学报·自然科学版) ,32 (2) :70～73 (in
Chinese)
12 　Li Y2H (李月辉) ,Zhao Y(赵 　羿) , Guan D2X(关德新) . 2001.
Land degradation and landscape ecological construction in Liaoning
Province. Chin J A ppl Ecol (应用生态学报) ,12 (4) :601～604 (in
Chinese)
13　Lin J (林 　剑) ,Bao G2S (鲍光淑) ,Jing R2Z (敬荣中) , et al .
2002. A study of fasART neuro2fuzzy networks for supervised clas2
sification of remotely sensed images. J I mage Graph (Ser A) (中国
图象图形学报·A 辑) ,7 (12) :1263～1268 (in Chinese)
14 　Mu C2R (穆从如) , Yang L2S (杨林生) , Wang J2H (王景华) , et
al . 2000. Wetland ecosystems formation and its protection in Yel2
low River Delta. Chin J A ppl Ecol (应用生态学报) ,11 (1) :123～
126 (in Chinese)
15 　Wang C2K(王长科) ,Liu C2H(刘彩虹) ,LüX2G(吕宪国) . 2000.
Conservation of the wetland resources in Xianghai nature reserve in
Jilin. Resour Dev M arket (资源开发与市场) ,16 (3) :167～168 (in
Chinese)
16 　Wang G2P(王国平) ,Zhang Y2X(张玉霞) . 2002. Impacts of reser2
voir project on hydrological and ecological environment of Xianghai
wetlands. Resour Sci (资源科学) ,24 (3) :26～30 (in Chinese)
17 　Yu M2Q (俞穆清) , Tian W (田 　卫) ,Liu J2S (刘景双) , et al .
2000. Primary study on wetland resources conservation and their
sustainable utilization in Xianghai national nature reserve. Sci Geogr
Sin (地理科学) ,20 (2) :193～196 (in Chinese)
18 　Zhai J2L (翟金良) ,He Y(何　岩) ,Deng W(邓　伟) . 2002. Wet2
land functions of the Xianghai natural reserve. B ull Soil W ater
Conserv (水土保持通报) ,22 (3) :5～9 ,24 (in Chinese)
19 　Zhang Y2H (张艳红) ,Deng W (邓 　伟) . 2000. Functions ,proper
development and protection of wetland in Xianghai. Y unnan Envi2
ron Sci (云南环境科学) ,19 (S1) :85～92 (in Chinese)
20 　Zhao S2Q (赵淑清) , Fang J2Y(方精云) , Tang Z2Y(唐志尧) , et
al . 2001. Saptio2temporal patterns of land use and land cover
changes in Honghu Lake Region , Hubei Province , China. Chin J
A ppl Ecol (应用生态学报) ,12 (5) :721～725 (in Chinese)
21 　Zhou J2M (周洁敏) . 2000. Cantoning and management of Xianghai
national nature reserve in Jilin. Cent South For Inv Planning (中南
林业调查规划) ,19 (2) :7～9 (in Chinese)
22 　Zhou J2M (周洁敏) . 2000. The necessity and protection counter2
measure of Xianghai national nature reserve construction. For Re2
sour M an (林业资源管理) ,3 :29～34 (in Chinese)
作者简介 　韩 　敏 ,女 ,1959 年生 ,工学博士 ,教授 ,主要从
事神经网络、专家系统、3S 系统及混沌序引分析方面的研
究 ,发表论文 82 篇. Tel : 0411284707847 ; E2mail : minhan @
dlut . edu. cn
003　　　　　　　　　　　　　　　　　　　　应 　用 　生 　态 　学 　报 　　　　　　　　　　　　　　　　　　16 卷