遥感影像分类方法研究动态

遥感影像分类是遥感信息提取的关键技术,一直是遥感领域的研究热点。在介绍遥感图像分类过程和分类体系的基础上,综合了最近国内外遥感分类的方法技术,重点阐述了遥感影像分类在神经网络、SVM、主动学习、多分类集成等方面较新的研究动态,为遥感图像分类向自动化和智能化发展的进一步研究提供参考。     

利用二维图像评价“Y”形苹果幼树的分形特征

【目的】定量化评价果树的树体结构,为果树的合理整形修剪提供指导。【方法】基于分形理论,采用计盒维数的方法,将果树二维图像分形维数作为评价树体结构的指标,研究了长富2号、玉华早富、富红早嘎、烟富6号和丽嘎啦等5个苹果品种“Y”形幼树二维图像的分形特征。【结果】不同品种苹果幼树二维图像的分形维数有差异,同一品种果树正、侧视图像的分形维数存在差异,正视图的分形维数介于1.697～1.554,侧视图的分形维数介于1.699～1.563,同一品种侧视图的分形维数大于正视图,分形维数与果树枝条长度、数量呈正相关关系,5个苹果品种幼树二维图像的分形维数表现为长富2号>玉华早富>富红早嘎>烟富6号>丽嘎啦。【结论】分形维数能客观地反映果树干枝的空间分布及空间利用程度,可作为评价苹果幼树树体结构的定量化指标,用于指导苹果幼树的整形修剪。     

微分算子在虫害杨树叶片边缘检测的应用

介绍了几种常用的边缘检测算子.不同的微分算子对不同边缘检测的敏感程度不同,因此对不同类型的边缘提取应采用对此类边缘敏感的算子.针对受虫害杨树叶片图像,通过MATLAB 7.1进行仿真研究,通过比较,选出合适的方法.     

基于GIS·RS的石家庄山区可持续发展研究

应用ArcMap、ArcView软件对石家庄山区1987、2000年的遥感影像进行处理分析，建立数据库，通过PSR模型定量研究每个时期的可持续发展度，进而究其原因提出改善措施。     

Ultrasonographic examination of the proximal tendon of the biceps brachii: Technique and reference images

Ultrasonography of the shoulder is of interest in the diagnosis of proximal forelimb lameness. The proximal tendon of the biceps brachii (PTBB) and its associated structures are frequently injured and should be included in the routine ultrasonographic examination of the shoulder. This paper describes a complete ultrasonographic procedure for examining the bicipital apparatus, on transverse and longitudinal scans, from the insertion of the PTBB on the supraglenoid tubercle to the muscle body below the intertubercular sulcus.     

关于“借助直观而不依赖直观”──记代数教学一则

证明抽象的代数命题时，我们可以借助具体的直观模型进行形象思维（进行某种猜想）以促抽象思维的完成。     

卡通形象在地域性旅游纪念品包装中的实际运用——以庐山为例

对旅游纪念品包装现状进行了初步探讨,分析了其不足及滞后。以卡通形象与旅游纪念品相结合进行了构想,探讨了它的独特性、市场前景以及意义。根据卡通形象在各地景点中的运用提出了它在地域性旅游纪念品包装中的实际设计策略。     

光学影像纹理信息在林业领域的最新应用进展

随着光学卫星影像空间分辨率的不断提高,影像纹理特征的重要性日益凸显。然而,纹理是一个非常复杂的空间属性,会随着太阳/观测角度、地形、感兴趣目标及其所处环境的不同而发生显著的变化。此外,不同纹理变量的选择及相应输入参数的设置,如窗口大小、像元间距、方向以及量化等级等都可能在一定程度上决定着影像纹理的利用价值。如何有效利用纹理量及其优化组合是一个值得深入探讨的问题。鉴于此,本文首先全面回顾了影像纹理特征在森林分类、森林结构参数反演以及森林生物量与碳储量的遥感估算等方面的最新研究与应用,并从不同角度肯定了光学影像纹理在林业遥感领域的应用潜力。此外,从纹理变量及其4大输入参数的选择和最优变量组合的判别方面,总结并剖析了当前研究领域中所存在的关键问题,权衡利弊并给出了相应的建议,为相关研究人员将影像纹理信息更有效地应用于林业领域提供参考。      

Estimating forest carbon fluxes for large regions based on process-based modelling, NFI data and Landsat satellite images

The aim of this study was to develop and evaluate a new approach for estimating forest carbon fluxes for large regions based on climate-sensitive process-based model, national forest inventory (NFI) data and satellite images. The approach was tested for Central Finland and Lapland with NFI field data and daily weather data from 2004 to 2008.The approach combines (1) a light use efficiency (LUE) model, (2) a process-based summary model for estimating gross primary production (GPP) and net primary production (NPP), and (3) the Yasso07 soil carbon model, which together allow the estimation of net ecosystem exchange (NEE). Landsat TM 5 satellite images were utilized to generalize the carbon fluxes obtained for field sample plots for all forested areas using the k-NN imputation method. The accuracy of the imputations was examined by leave-one-out cross validation and by comparing the imputed and simulated values with Eddy covariance (EC) measurements.RMSE of the k-NN imputations was slightly better in Central Finland than in Lapland, the bias staying at a similar level. Based on the EC comparisons, the approach seemed to work rather well with GPP estimates in both areas, but in the north the NEE estimates were remarkably biased. The main advantages of the approach include its applicability to basic NFI data and a high output resolution (30 m).The method proved to be a promising way to produce carbon flux estimates based on large-scale forest inventory data and could therefore be easily applied to the whole of Northern Europe. However, there are still drawbacks to the approach, such as lacking parameters for peat lands. One of the future goals is to integrate the approach with an interactive mapping framework, which could thereafter be utilized, for example, in climate change research.     

基于无人机的高寒草甸地表温度监测及影响因素研究

地表温度直接影响地表感热、潜热及辐射能量传输过程，是研究寒区植被生态水文过程的重要参数。以疏勒河源区高寒草甸为研究对象，利用无人机搭载普通及热红外相机获取6块样地植被盖度及地表温度数据，用以评估热红外相机在高寒草甸地表温度监测中的应用精度，分析高寒草甸地表温度变化特征，并结合气象因子及植被盖度数据，探究地表温度的影响因素。结果表明：热红外影像地表温度与地面实测值具有较高一致性（R² ≈ 0.75），平均误差5 ℃以内；高寒草甸地表温度在9： 00-18： 00时段内表现为快速升温达到峰值继而波动下降的趋势，观测期内（7月4日-8月17日）未表现出显著日际变化趋势；气象因子中，太阳辐射和空气温度与地表温度呈显著正相关，起到增温作用，而空气湿度抑制地表增温，表现为显著负相关；连续降水降低裸土温度，植被覆盖度与地表温度呈现出正相关变化趋势。无人机热红外遥感技术可以快速、精准获取高分辨率地表温度数据，为高寒草甸干旱监测、土壤水分及蒸散发等反演提供数据支持。