基于深度学习特征和支持向量机的遥感图像分类

随着遥感图像采集技术的迅速发展,传统的遥感图像处理方法已经不能满足当前实际的生产需要。近年来,深度学习模型的流行为遥感图像分类问题的解决提供了新的途径。因此,为了进一步提升遥感图像的分类精度,笔者提出了一种基于深度学习特征和支持向量机(support vector machine,SVM)的遥感图像分类模型。首先,针对深度学习模型需要海量训练数据的特点,运用旋转、剪裁等方法对原始的遥感图像进行数据扩增;然后,将扩增数据按照种类随机地分为训练集和验证集两部分测试集,并使用训练集和验证集训练改进的针对遥感图像分类问题的卷积神经网络(convolutional neural network,CNN)中的参数,进而在训练好的CNN模型上提取第一部分测试集的深度学习特征;最后,使用第一部分测试集的深度特征训练多分类SVM,并对第二部分测试集图像进行分类验证。实验采用NWPU-RESISC45公共数据集对本研究模型精度进行验证,与现有的遥感图像分类方法相比较,实验结果表明,提出模型的总体分类精度有明显提升,从而验证了方法的有效性和实用性。     

喷施氨基酸硒叶面肥或SOD制剂对凌枣品质的影响

以12年生凌枣为试材,进行喷施氨基酸硒叶面肥或SOD制剂试验。结果表明,凌枣果实发育期喷施4次氨基酸硒叶面肥600倍液能显著提高凌枣果实硒含量,喷施SOD制剂1 000倍液对凌枣果实硒含量影响不大;喷施氨基酸硒叶面肥600倍液或SOD制剂1 000倍液均能显著提高凌枣果实SOD活性,对改善凌枣果实品质也有显著效果。     

踏遍千山总是情——记全国五一劳动奖章获得者、湖南省林业调查规划设计院森林资源与生态环境监测中心主任 王福生

＂珍贵的灵芝森林里栽,美丽的翡翠深山里埋,假如你要认识我,请到青年突击队里来……＂上世纪80年代,《假如你要认识我》这首悠扬婉转的歌曲传遍大江南北。正是这个时候,王福生从学校毕业,被分配到了湖南省林业调查规划设计院森林调查队,开始了人生新的征程。郁郁葱葱的森林就像一望无际的海洋，给人无限的憧憬和向往。林业调查设计工作就是在这绿色的海洋中劈波斩浪，用智慧和汗水获取各项资源数据。30多年来，王福生跋山涉水，居无定所，饭无定餐，踏遍了湖南的山山水水，还到过福建、海南、西藏、湖北等10多个省市区以及柬埔寨等国家开展资源调查工作，其艰辛程度非常人可想。