基于随机森林的大姚县TM遥感影像分类研究

随机森林(Random Forest)是一种组合多棵决策树分类器的新的分类算法。以楚雄州大姚县为例,采用Landsat-TM数据,通过最大似然、支持向量机、随机森林3种分类器进行分类对比研究。结果表明,支持向量机和随机森林的分类精度明显优于最大似然法,两者分类精度相差不大;在分类时间上,最大似然法明显比随机森林和支持向量机快,支持向量机最慢。综合分析,随机森林算法表现更优,它在保证分类精度的前提下,也能保证一定的时间效率,更适宜实际生产应用。     

基于支持向量机的宜良县遥感分类与土地覆盖变化研究

土地利用/覆盖变化(LUCC)研究是研究土地变化的重要内容,也是全球土地研究的热点。以宜良县2005年、2013年Landsat TM影像为数据源,采用支持向量机分类方法,将研究区土地划分为林地、耕地、水域、人工用地、灌草地5个地类,提取了宜良县2期的土地利用数据并进行了精度验证。最后通过GIS叠加分析,统计了宜良县在研究期内的土地利用变化情况。     

基于TM影像的昆明市区土地利用遥感动态监测

以云南省昆明市区为例,基于1992年、2000年和2013年3期LANDSAT卫星遥感数据。首先利用NDVI分出植被区和非植被区,然后在此基础上利用最大释然法分类,得出3个时期的土地利用分类图。根据3个土地利用分类图,对1992—2013年土地动态变化进行分析,得到昆明市区土地利用转移矩阵。分析结果表明,1992—2013年昆明市区土地利用变化最大的是人工用地和未利用土地,增加的人工用地主要是由未利用土地转化而成的,这主要是城市化的结果。     

基于全极化SAR影像土地覆盖分类研究

基于云南石林地区2009年4月23日的ALOS PALSAR的L波段全极化散射矩阵单视复数据,利用欧空局PolSARPro软件强大的极化处理功能,首先对数据进行极化分解,然后利用H/α/A—Wishart分类方法对该地区进行分类研究,利用2007年的森林资源二类调查数据作为真实样本数据进行精度检验。结果表明,全极化SAR数据可有效识别出建筑用地、林地、耕地、裸地和水域5种地物覆盖类型,总体分类精度达80.87%。     

昭通市核桃优树无性系1年生嫁接苗生长及变异研究

为揭示不同区域核桃优树无性系1年生嫁接苗生长及变异规律,为区域核桃种资源筛选及开发提供参考依据,以云南省昭通市21个核桃优树无性系为试验材料,对其1年生嫁接苗苗高、地径进行遗传变异分析、方差分析、Pearson相关性检验、聚类分析及苗木分级评价,并对无性系母树环境因子进行主成分分析。结果表明,各核桃优树无性系1年生嫁接苗平均苗高范围为6~162 cm,变幅为29.95~80.20 cm,平均值为53.06 cm,变异系数总体为49.09%,变幅为34.61%~68.76%;平均地径0.6~3.0 cm,变幅为1.053~1.662 cm,平均值为1.298 cm,变异系数总体为29.13%,变幅为19.24%~35.44%。各核桃优树无性系间苗高和地径差异均达到极显著水平,苗高和地径的均值均呈极显著正相关。核桃优树无性系受地理位置影响最明显,其次是年降水量、年温度。地径对区域核桃良种资源的选择贡献较小,苗高可作为区域核桃良种资源早期初步筛选的主要参数。