基于距离相关系数和KNN回归模型的森林蓄积量估测研究

【目的】探究Landsat8 OLI数据和KNN算法在森林蓄积量估测中的潜力。【方法】以湖南省湘潭县为研究区,采用Landsat8 OLI数据和同时期的二类调查数据,通过距离相关系数筛选特征,分别采用线性回归模型(MLR)、K-近邻模型(KNN)、距离加权KNN模型(DW-KNN)和优化欧式KNN模型(FW-KNN)对森林蓄积量进行估测。使用十折交叉方法进行精度检验,对检验结果进行对比分析。【结果】3种KNN模型的估测结果均高于传统的线性模型,并且在3种KNN模型中,FW-KNN算法效果最好,决定系数达到0.69,为3种模型中最高;3种KNN模型中,本研究优化欧氏距离KNN模型的估测精度最高,其均方根误差为30.3%,相比于传统KNN模型的均方根误差降低了5.1%,相比于DW-KNN模型降低了3.3%。【结论】采用DW-KNN蓄积量估测结果明显优于其他两种模型,说明通过特征与蓄积量的相关性优化样本间的距离是一种可行的KNN优化方法。     

园林技术在城市规划中的应用探讨

为了做好城市的发展规划,要全力打造园林工程,这就需要提高园林技术。本文主要围绕园林技术在城市规划中的应用展开分析和论述,首先介绍当下城市规划中园林技术应用的现状,然后提出做好城市规划中园林技术的有效举措。     

生态系统服务权衡最新研究进展

生态系统服务权衡研究对协调生态环境保护和社会经济发展至关重要。为推动生态系统服务管理和提升人类福祉,本文以Web of Science核心合集(WOS)和中国科学引文数据库(CSCD)为数据源,运用文献计量分析法,系统梳理和总结生态系统服务权衡研究的学科知识基础、科学领域结构和热点变化等发展现状以及最新研究进展。研究表明:1)不同研究层面上,生态系统服务间的权衡关系受外部风险和人类需求、参数选取和服务提供者及区域差异性和不均衡性的影响。2)研究方法主要有基于关系识别和具体表征的权衡分析、权衡模拟和预测的模型量化分析和生态系统服务权衡管理优化的多准则分析3类。3)生态系统服务权衡关键驱动因子为城市化、生态工程和气候变化。基于此,我们认为把握生态系统服务权衡不同研究层面的关联特征、创新和优化生态系统服务权衡研究方法、准确甄别生态系统服务权衡关键驱动因子以及充分整合多维生态系统服务权衡资源搭建数据共享平台是未来研究的重点。     

主要道路路面材料高光谱特征分析

随着公路建设的发展,路面材料变得更加多元化。利用高光谱监测不同性质的路面材料,非常值得关注。本研究采用美国ASD公司生产的地物波谱辐射仪(波段范围350~2 500 nm),开展了对沥青、混凝土、裸土和草地等典型路面材料的高光谱数据的野外观测,利用光谱均值、一阶微分、二阶微分、倒数后对数等方法,对原始光谱数据进行变换,得到4种材料的光谱特征曲线图,并进行对比和分析。结果表明:在多种数据变换方法中,倒数后对数方法最好,利用高光谱遥感方法能实现对不同路面材料的分类和识别,说明高光谱遥感技术能实现对道路材料和结构的监测。     

银杏落叶期叶片NDVI值2种拟合方法比较

【目的】对银杏Ginkgo biloba L.落叶期(9—12月)的叶片进行连续定期定点的高光谱测量,计算出能代表其生长状况和营养信息的高光谱参量NDVI值,通过选用两种不同的曲线拟合方法对其NDVI值进行宏观上的以时间为自变量的曲线拟合,选出最优拟合方法,更好地了解银杏落叶期叶片光谱特征参量NDVI值的变化趋势,从而更有效地对其进行决策和控制,为植被的大尺度遥感动态监测提供方法参考。【方法】利用SVC HR-1024I全波段地物光谱仪,选取三株健康、生长环境相同、长势相近的中龄银杏为叶片采集对象,对其落叶期冠层叶片进行定期定点定方位的高光谱观测。对获取的高光谱原始数据进行数据筛选与预处理后,通过计算得出叶片的NDVI值,分别采用二次函数拟合法和ARIMA时间序列拟合法对落叶期叶片的NDVI值进行曲线拟合,并对两种拟合方法的拟合结果进行比较,选出最适合银杏叶片落叶期NDVI值的拟合方法。【结果】二次函数拟合结果为NDVI=-0.0221T2+0.0547T+0.711,决定系数R2为0.926,但因拟合结果t值不显著,样本结果随机性大,不具广泛性;ARIMA时间序列拟合中ARIMA(2,1,2)模型估测结果与实际情况接近,R2为0.811,拟合效果较好。【结论】ARIMA时间序列拟合方法比二次行数拟合方法更适用于对银杏落叶期叶片的NDVI值进行拟合。     

基于改进端元提纯模型的MODIS森林类型识别研究

MODIS遥感数据具有很高的光谱辐射精度,以及成本低、覆盖面积广、获取容易、周期短等数据特征,可以实现全覆盖大尺度区域森林类型信息快速提取,但由于其空间分辨率较低,遥感数据中存在混合像元。利用混合像元分解模型进行分解可得到较好的分类结果,但混合像元分解的端元组分直接影响分类的精度。利用决策树分类模型改进端元提纯,分析各地物的MODIS时间序列植被指数变化规律及物候变化规律,利用决策树模型分类的结果进行端元组分的提纯,最后进行混合像元分解。研究结果表明:分类精度最高的是线性混合像元分解,其次是最大似然分类,最差的是非线性混合像元分解,其中带约束和不带约束的线性分解模型的精度相差不大。     

采用全卷积神经网络与Stacking算法的湿地分类方法

高精度湿地制图对湿地生态保护与精细管理具有重要的支撑作用。针对传统湿地分类方法的精度不高和泛化能力弱等问题，提出了一种联合全卷积神经网路（fully convolutional neural network，FCN）与集成学习的湿地分类方法。首先利用全卷积神经网络（SegNet、UNet及RefineNet）对GF-6影像的语义特征进行提取与融合，然后利用Stacking集成算法对融合后的特征进行判别和分类。结果表明，联合全卷积神经网络与Stacking算法能有效提取湿地信息，总体分类精度为88.16%，Kappa系数为0.85。与联合全卷积神经网络与单一机器学习RF、SVM与kNN算法相比，该文提出的湿地分类方法在总体分类精度上分别提高了4.87%，5.31%和5.08%；与联合单一全卷积神经网络（RefineNet、SegNet、UNet）与Stacking算法下的湿地分类结果，该文提出的湿地分类方法在总体分类精度上分别提高了2.78%，4.48%与4.91%；该文方法一方面能通过卷积神经网络提取遥感影像深层的语义特征，另一方面通过集成学习根据各分类器的表征性能进行合理的选择并重组，从而提高分类精度及其泛化能力。该方法能为湿地信息提取及土地覆盖分类方法的研究提供参考。     

鄞州区夏秋季快菜无公害种植品比试验

以夏秋季快菜无公害生产为目标,采用早熟5号为CK,对引进的11个新品种进行比较试验。结果表明:在高温高湿环境下,杭快白、急先锋快菜等在单株质量、株高、商品性和667 cm~2产量等方面表现优良,适合在宁波市夏秋季节栽培。     

草栽平菇病虫害的综合防治技术

随着我国食用菌产业的不断发展壮大,工厂化、设施化正在逐步替代传统的食用菌生产模式。在市场化的今天,对于提高产量、质量已经有了更高的要求。然而病虫害的发生却严重影响了食用菌的生长,有的甚至出现绝产。现就草栽平菇过程中出现的一些常见病虫害的防治进行总结,以期为平菇的安全生长提供技术参考。     

温岭市湿地保护功能分区探讨

根据温岭市的地形地貌,特别是湿地类型的分布,划分为四个湿地保护功能区,并提出了保护和利用的重点。山地河谷湿地功能区主要涉及中西部山区,以河流、库塘湿地为主,通过水源涵养、饮用水源等方式保护;平原水网湿地功能区包括中部东部平原,以河流、运河、输水河、养殖场湿地为主,通过污染整治工程进行治理;海岸围垦湿地功能区主要包括东海塘、南海涂、乐清湾等区域,主要以沙石海滩、淤泥质海滩、潮间盐水沼泽湿地为主,通过生态系统重建和恢复以及建设湿地公园进行保护和利用;近海与岛屿湿地功能区包括东部海域和海岛周围海域,以浅海湿地为主,通过海域污染防控和开展滨海旅游进行保护和利用。