数字土壤制图的推理方法对比研究

数字土壤制图是基于计算机技术利用现代空间分析方法获取详细空间属性的土壤制图技术,是当下信息时代对土壤资源类型、数量以及空间分布进行详尽认识的新方法,而推理方法决定了制图效率和结果的可靠性。不同的研究区域必须与推理方法相互匹配,为研究适合小尺度空间范围上的土壤制图方法,本研究选取母质类型、地形因子及遥感光谱指数,在原始土壤图基础上采用面积加权法布设采样点,选用决策树、支持向量机、随机森林三种推理方法获取土壤—环境知识,从而获得研究区的土壤类型空间分布图,并通过实地采样点数据验证比较三种方法的制图精度。研究结果表明:(1)总体上,每种算法得到的土壤类型空间分布结果与原始土壤图高度相似,但相较于原始土壤图,推理得出的土壤图细节信息更丰富;(2)实地采样点验证结果显示,随机森林分类模型的总体分类精度与Kappa系数均优于决策树与支持向量机分类模型,分类结果最佳;且对比三种分类算法推理得到的各土壤类型的用户精度和生产精度,随机森林算法也较决策树与支持向量机两种算法更优。本研究结果可为数字土壤制图中推理方法的选取提供参考。     

基于HACCP系统的城市污水资源化利用研究

危害分析关键控制点(HACCP)是一个识别危害并建立控制系统的工具和预防危害的系统方法,在介绍HACCP体系的基本原理和在国内外污水资源化领域应用的基础上,提出污水资源化过程中的关键控制点、监控系统、关键限值和纠偏行动等,以加强污水资源化过程的质量控制和风险管理,确保人体健康和生态安全。     

机器学习在奶牛临床疾病预测中的应用

机器学习是指计算机通过大量数据训练及分析来模拟人类的学习行为,从而获得新的知识和技能,是人工智能的核心.近年来,机器学习在奶牛疾病预测领域的应用已成为国际上的研究热点.论文介绍了利用奶牛机体生理指标和生产数据建立奶牛疾病预测模型的方法,重点阐述了如何利用决策树和神经网络筛选奶牛疾病风险因子、预测疾病和疾病分类.同时,综...     

基于决策树分类方法的城市绿化分析——以兖州地区Hyperion遥感影像为例

以兖州实验区为例,探讨了利用决策树方法进行城市高光谱遥感绿化分析的流程和方法;分析了试验区典型地物的波谱特性;总结了常用反射率反演方法,并根据具体情况选择FLAASH模型进行了实验;试验区研究表明,决策树分类方法在高光谱遥感影像信息提取中具有可行性.这种基于高光谱的精细信息提取方法,可以提高不同植被类型的高光谱图像分类识别精度,为城市绿化分析提供参考依据.     

渭-库绿洲土壤剖面盐分分布特征及驱动因子分析

[目的]监测渭-库绿洲土壤盐渍化的空间分布特征,探究驱动因子作用机理,对当地因地制宜进行土壤盐渍化调控。[方法]采用决策树、克里金插值和灰色关联度分析研究了渭-库绿洲土壤盐渍化的剖面分布特征,着重分析了样本点海拔、植被覆盖度、地下水位、TW( I 地形湿度指数)、地下水矿化度5个驱动因子对土壤盐渍化的影响。[结果]①研究区表层土壤(0~10 cm)属于重度盐渍化土壤,10~20、20~40、40~60 cm各深度剖面土壤属于中度盐渍化土壤。土壤EC1:5有强的空间变异性,其分布格局受灌溉等人为驱动因素的影响较大。②绿洲内部(即耕作区)表层土壤属于非盐渍化区域,绿洲东部10~20、20~40、40~60cm土层有轻、中度的盐渍化现象。绿洲内部表层以下土壤盐分高于表层,绿洲存在潜在的盐渍化风险。耕作区外围绿洲-荒漠交错带区域各剖面层均属于盐渍化区域,随着剖面深度的增加,盐渍化程度在不断减弱。③样本点海拔、植被覆盖度、地下水位、TWI、地下水矿化度与土壤EC1:5的灰色关联度大小次序为:0~10 cm土层:地下水矿化度>TWI>样本点的海拔>植被覆盖度>地下水位;10~20、20~40 cm土层:地下水矿化度>样本点的海拔>TWI>植被覆盖度>地下水位。[结论]渭-库绿洲土壤盐渍化主要分布在绿洲-荒漠交错带区域,土壤盐分表聚强烈,地下水矿化度是造成该研究区土壤盐渍化问题的首要原因。     

南方丘陵山区土地整理项目后评价研究

为客观反映土地整理的实际效益,实现土地整理项目监督和考核,须将项目后评价提上日程。立足于南方丘陵山区土地整理,拟从生产条件、社会经济、生态环境、资源影响4方面构建项目后评价指标体系,并以四川省井研县分全乡土地整理示范项目为例,应用模糊综合评价方法进行实证研究。研究表明：项目实施取得了比较满意的综合外部效益,但项目重生产条件指标、经济指标和新增耕地指标,轻生态环境,导致项目区景观与生态环境改良效果不显著,应加强景观与生态建设。     

基于HJ时间序列数据的农作物种植面积估算

通过对长时间序列遥感影像的波谱变化特征分析,可以有效地进行农作物种类识别与信息提取,提高农作物种植面积的遥感监测精度。中空间分辨率多光谱遥感影像适合于中国大范围大宗农作物面积监测,也是能够提供稳定时间序列遥感数据源之一。该研究以河北省衡水市为研究区域,采用2011年10月3日-2012年10月24日期间,16景30 m空间分辨率的HJ-1A/B卫星CCD(电荷耦合元件,charge-coupled device)影像月度NDVI(归一化植被指数,normalized difference vegetation index)时间序列数据,针对冬小麦、夏玉米、春玉米、棉花、花生和大豆等主要作物类型,在全生育期波谱特征曲线分析基础上,提取主要作物类型的曲线特征,采用基于NDVI阈值的决策分类技术,进行了农作物种植面积遥感识别,以15个规则的2 km×2 km的地面实测GPS(全球定位系统,global positioning system)样方进行了精度验证。考虑到大豆和花生2种作物的NDVI时间序列特征相似性较高,将这2种作物合并为一类进行分类,并命名为小宗作物。结果表明,冬小麦、夏玉米、春玉米、棉花和小宗作物等5类目标可以有效识别,分类总体精度达到90.9%,制图精度分别为94.7%、94.7%、82.4%、86.9%和81.2%,其他未分类类别精度为85.9%。利用中高分辨率遥感时间序列卫星影像,在大宗农作物时间序列的变化规律分析基础上,可以准确地提取大宗农作物种植面积,在农作物面积资源调查中具有较大的应用潜力。     

基于k-DT-LR融合模型的农村商业医疗保险潜在客户识别分析

为促进农村商业医疗保险的发展,提出了一种基于k-近邻算法、决策树算法和逻辑回归算法的kDT-LR融合模型,动态地为集成中的每个学习器分配有效能力,并根据CGSS2017家户调查数据,构建农村商业医疗保险潜在客户识别模型。结果表明,k-DT-LR融合模型算法的分类准确率达到90.024%,召回率达到91.402%,能够精确地识别出农村商业医疗保险潜在客户。     

基于图像处理的温室黄瓜霜霉病诊断系统

为进一步提高温室黄瓜霜霉病诊断的准确率,构建了一个基于图像处理的温室黄瓜霜霉病诊断系统。针对温室黄瓜栽培现场采集的病害图像,采用基于条件随机场(Conditional random fields,CRF)的图像分割方法进行病斑图像分割,并采用决策树模型扩展一元势函数,提高病斑图像分割的准确性;将分割后的病斑图像转换到HSV颜色空间并提取其颜色、纹理和形状等25个特征,利用粗糙集方法进行特征选择与优化;构建了基于径向基核函数的SVM分类器,准确地识别与诊断温室黄瓜霜霉病。系统试验验证结果表明,该系统采用的病斑分割方法,能够克服复杂背景和光照条件的影响,准确地提取病斑图像;采用粗糙集方法能够有效地选择分类特征,将25个初始特征减少到12个,提高了运行效率;黄瓜霜霉病识别准确率达到90%,能够满足设施蔬菜叶部病害诊断的需求。     

基于信息增益总体竞争的决策树分裂属性选择算法

提出了一种能在一定程度上避免决策树陷入局部最优的分裂属性选择算法：总体竞争.该方法考虑了候选属性在总体学习样本上的分类能力,以此通过各候选属性的相互竞争,确定决策树增长过程中的分裂属性.以Iterative Dichotomizer 3（ID3）算法为对照的实验数据表明,该方法能以较小的代价获得较高的决策树准确率.