简介：目前,在全球范围内有很多湿地的景观出现破碎化现象,为了探讨未来湿地景观的演化规律,湿地景观模拟模型将成为预测未来湿地景观演化的重要手段之一。分析了湿地景观变化的驱动因子,将湿地景观模拟模型归纳为基于过程的湿地景观模型和基于格局的湿地景观模型。基于过程的湿地景观模型（如PBS、SWEDI、BTELSS和WLS模型等）,侧重反映湿地景观变化的生态学过程,但所需基础数据不易监测,建立模型难度大,不易推广;湿地景观格局模型（如CA-Markov、ANN、CLUE-S和GM模型等）,一般是基于土地利用变化的通用模型,将湿地作为一种景观类型,侧重考虑湿地景观格局的变化,未能充分考虑其生态过程。对湿地景观模拟模型的研究予以展望,认为需要（1）加强湿地景观驱动机制的定量化研究;（2）促进湿地景观格局-过程模型耦合;（3）注重湿地景观模拟模型的尺度推绎;（4）应该提高湿地景观模拟模型的普适性,使其能够预测全球变化背景下不同区域尺度的湿地景观演化规律。

简介：以北京顺义汉石桥湿地自然保护区中水处理厂的潜流湿地为例,选取2014~2015年的水质监测数据,以电导率、溶解性固体总量、氧化还原电位、pH、水温和总输入氮含量为输入层,比较遗传算法优化的BP神经网络模型和广义回归神经网络模型对多处理单元潜流湿地出水中的总氮含量预测能力。研究结果表明,遗传优化的BP神经网络模型的拟合优度R2可达到0.835,平均相对误差百分比为12.89%,说明其对出水中的总氮含量有一定的预测能力,但精度较差;广义回归神经网络模型的平均相对误差百分比为4.46%,精度较高。利用广义回归神经网络模型对潜流湿地出水中的总氮含量进行预测较适宜。