基于区域增长的海岸带黑暗像元自动提取算法研究

针对海岸带区域独特的地表状况设计了一个近海岸的黑暗像元自动提取算法。首先利用修订型归一化水体指数(RNDWI)和归一化植被指数(NDVI)对黑暗像元备选区域进行确定,然后从备选区域中找到初始黑暗像元,最后利用多阈值的区域增长法对黑暗像元的选取进行优化,最终计算得到黑暗像元值。应用此算法对Landsat-5 TM影像遥感数据进行处理,结果表明,大气校正之后的典型地物光谱曲线更接近于真实的光谱曲线,说明此算法设计合理,其大气校正结果与用ENVI软件进行FLAASH大气校正和黑暗像元法大气校正的结果相比,此算法更接近于FLAASH模型法,校正效果较好。同时利用黑暗像元自动提取算法得到大气校正后的结果大大减少了反射率值为负的情况,提高了数据的利用率。     

基于像元二分模型的森林郁闭度估测方法

以遥感影像与森林资源一类调查数据为基础,基于归一化植被指数(NDVI)的像元二分模型对密云县森林郁闭度进行遥感估测,模型的纯像元植被指数通过样地数据来确定.经验证,模型估测值与实测值相关系数为0.73,相对误差为14.40％.结果说明,采用像元二分模型与森林资源一类调查数据结合进行森林郁闭度估测,技术路线简单可靠,精度可满足要求,同时能弥补TM影像分辨率的不足,具有一定的推广价值.     

基于混合像元分解提取小麦种植面积的技术与方法研究

以菏泽市曹县为例,运用线性混合模型,对MODIS遥感数据的混合像元分解技术与方法进行了初步研究。通过MNF变换、散点图以及引入PPI纯净像元指数确定端元组分,并采用最小包含法求取端元组分反射率,而后将4类端元光谱值代入线性模型,用带有约束的最小二乘法求解,得出每种地物类型的百分比丰度以及RMS误差图像,RMS均值小于0．0096,并与TM图像进行对比分析,利用混合像元分解方法可较高精度的提取小麦面积信息。     

基于像元二分法的冬小麦植被覆盖度提取模型

【目的】快速准确提取冬小麦返青期植被覆盖度信息。【方法】利用无人机获取田间冬小麦可见光图像,提取图像中4种常见可见光植被指数;在像元二分法原理的基础上,分别构建基于差异植被指数(Visible-band difference vegetation index,VDVI)、过绿指数(Excess green,EXG)、归一化绿蓝差异指数(Normalized green-blue difference index,NGBDI)和归一化绿红差异指数(Normalized green-red difference index,NGRDI)的植被覆盖度提取模型,采用支持向量机(Support vector machine,SVM)监督分类结果作为真值对各模型进行精度验证。【结果】4种模型中,利用VDVI植被覆盖度提取模型获取的植被覆盖度精度最高,提取效果较好。与监督分类结果对比,4种植被覆盖度提取模型的提取误差(EF)分别为3.36%、15.68%、8.74%和15.46%,R2分别为0.946 1、0.934 4、0.695 3和0.746 0,均方根误差(RMSE)分别为0.021 9、0.059 5、0.042 0和0.055 9。【结论】采用可见光植被指数结合像元二分法构建植被覆盖度提取模型实现了冬小麦返青期植被覆盖度准确快速提取,为植被覆盖度提取提供了一种新途径,可为无人机遥感监测提供参考。     

基于遗传神经网络算法的混合像元分解研究

混合像元的存在是影响地面物种分类精度的主要因素之一.本文把遗传算法与神经网络算法各自的优点结合起来,组成一种新的分解模型.对遥感图像数据进行分析,结果表明:使用该模型分解混合像元能得到很好的结果.     

基于混合像元分解的香格里拉市高山松空间分布变化研究

利用香格里拉市1997-2017年每5 a的Landsat遥感影像、2018年外业调查数据、森林资源二类调查数据和DEM数据为数据源,以高山松为对象,综合运用混合像元分解技术、决策树分类和GIS技术对其空间分布变化进行分析。结果表明,1）分类中,高山松归一化多分量指数阈值为0.333,云南松归一化多分量指数阈值为0.208;云冷杉归一化多分量指数阈值为0.362。2）各年分类结果总体精度分别为69.42%、76.73%、81.07%、78.90%和76.53%。3）香格里拉市高山松覆盖面积2002年比1997年减少了13.40%,2007年比2002年减少了2.47%,2012年比2007增加了8.96%,2017年比2012年增加了4.06%,呈现出先减少后增加的趋势。4）研究区内高山松主要分布在海拔高度2 800~3 800 m,1 800~2 800 m高山松面积总体呈现为轻微下降趋势;2 800~3 300 m海拔区间1997-2007年呈现下降趋势,2007-2017年呈现上升趋势,3 300~3 800 m区间内1997-2002年高山松面积呈现下降趋势,2002-2017年高山松面积逐年上升,3 800~4 800 m区间内1997-2017年高山松面积逐年下降。利用混合像元分解构建归一化多分量指数结合决策树分类对树种分类具有一定的参考价值,高山松时空变化结果对森林资源管理和后续研究可提供科学数据支撑。     

基于环境星的混合像元分解水稻面积提取

以河南省息县水稻种植面积提取为例,选取线性光谱混合模型对环境小卫星数据进行分类,并计算出水稻种植面积,将其结果与高分辨率ALOS数据进行位置精度计算,得到平均精度达87.89%。同时,与决策树分类方法和神经元网络分类等方法进行对比,混合像元分解方法总量精度显著提高。表明针对环境小卫星的混合像元分解方法可以提高水稻种植面积的提取精度。     

基于SPOT影像的植被覆盖度遥感估算研究

植被覆盖度作为衡量地表植被覆盖的一个重要指标,对于揭示地表空间变化规律、分析评价区域土地系统具有重要的现实意义。在植被覆盖度提取中,归一化植被指数(NDVI)结合像元二分模型是关键技术。以SPOT影像为数据源,在充分考虑区域土壤和植被类型等背景基础上,对研究区植被覆盖度提取研究,为研究区提供植被覆盖度空间分布数据。实证结果表明:研究区植被覆盖度40%~80%居多,植被覆盖率较高,属稠密区,说明应用归一化植被指数结合像元二分模型对研究区植被覆盖度进行遥感估算是可行的。     

基于不同降维方法的PPI端元提取效果对比研究

传统PPI算法采用最大噪声分离(MNF)方法进行降维,MNF变换中均设定数据之间线性相关,在某些情况下会使变换后的结果具有某些人为特征,在降维过程中会丢失信号较弱的信息,导致端元数量少;分段主成分分析(SPCA)降维方法具有不改变图像的物理意义,且信息保存较完整的优势。该研究采用不同降维方法利用纯净像元指数法(PPI)对不同下垫面地表提取端元,结果表明,在地表破碎区域SPCA降维后可找出信号较弱的端元提取的端元数量多与MNF降维提取的端元数,而地物聚集区MNF降维方法提取的端元质量更好。研究结果可以为不同下垫面的高光谱影像端元提取以及降维方法的选择提供参考。     

寒地大棚番茄生育光温指标的研究

以大棚内果菜类番茄为例 ,系统进行了作物生育期与大棚内作物小气候环境中光、温平行对比观测 ,得出了在高纬度地区大棚翻茄生育所需的太阳辐射总量、气积温与地积温等指标 ,同时还研究了影响发育期差异的主导因素 ,并通过数学处理建立了逐步回归方程 ,为提高大棚管理质量提供了量化的气象指标     

基于K_cET_0算法的农田灌溉节水自动控制系统的设计

针对我国目前农田灌溉用水管理精确度不高的问题,设计了一套基于KcET0算法的节水自动控制系统。该系统主要包括上位机管理软件和下位机硬件控制两部分。上位机管理软件是基于MicrosoftVisualC++6.0平台运用C++语言设计的,采用KcET0算法,准确算出作物需水量,合理分配灌溉水量。下位机硬件设计以MSP430单片机为核心,利用C语言在IAR EW430环境下开发,能够准确采集数据和自动控制水泵。根据试验,通过上位机与下位机良好的通信,达到了节水灌溉的目的,具有广阔的应用前景。     

基于粗集理论的数据库知识发现的属性约简算法

讨论了Rough集理论中属性约简问题,提出了数据库知识发现过程中用于属性约简的基于属性重要性的约简算法,基于差别矩阵的属性约简算法和基于遗传算法的属性约简算法,从而可以导出数据库中属性约简问题的相对最优解。     

基于数字高程模型的森林火灾远程视频同步跟踪算法

根据手电筒光束照射障碍物形成光圈的过程和摄像机的参数建立摄像机视域的数学模型,利用Janus算法．对视域中心点坐标进行求解;利用圆的正多边形逼近算法,对过视域中心点且垂直于中心视线的平面的边界点坐标进行求解;再次利用Janus算法,提取摄像机视域在数字高程模型上的对应边界点;最后,以浙江省临安市三桥乡的数字高程模型数据为基础,编程实现此算法,并旋转摄像机进行同步跟踪试验。结果表明：该算法能够实现摄像机视域与数字高程模型的同步跟踪显示,从而实现了视频监控技术与地理信息系统技术的信息联动。图6参14     

基于RETE算法的速生丰产林培育知识系统的设计

本文应用实现产生式系统的高效模式匹配算法-RETE算法,分析设计了速生丰产林生长培育知识系统.该系统的特点是使用相似性方法来处理模糊问题,能够较为理想地实现速生丰产林生长培育过程中的推理机制.     

基于神经网络和遗传算法的池塘溶解氧预测模型

水产养殖池塘是一个多变量、非线性和大时延系统,其中溶解氧的预测也是一个复杂的问题。针对大连某水产养殖池塘,作者建立了一个基于Levenberg—Marquardt（LM）神经网络和遗传算法（GA）的溶解氧预测模型GA—LM,并将该模型与传统的BP神经网络进行比较分析。结果表明：使用本研究中建立的GA-LM模型预测的溶解氧值和实际测定值吻合较好,预测更为精准,运行时间明显减少。     

基于线粒体控制区部分序列的大青鲨种群遗传结构研究

基于线粒体DNA ( mtDNA)控制区部分序列对采集自太平洋、大西洋、印度洋的5个大青鲨Prion-ace glauca群体165尾成鱼样本进行遗传多样性与遗传结构分析。结果表明：165尾大青鲨的mtDNA控制区片段长为694 bp,共得到110个变异位点,定义了145个单倍型,碱基组成中A为33.46%, T为36.40%, C为18.61%, G为11.53%, G+C含量为30.14%;单倍型多样性指数( Hd )在各个采样点都较高,平均值为0.9973±0.0014,核苷酸多样性指数(π)为0.01510±0.00091,这表明大青鲨群体的遗传多样性水平很高,遗传资源丰富;分子方差分析表明,99.28%的遗传变异出现在种群内,0.72%的遗传变异来自于种群间;采用邻接法构建的系统发育树表明,5个群体间未形成显著的遗传结构,群体间的高基因交流值( Nm )和低遗传分化指数( Fst )揭示了三大洋的大青鲨群体间基因交流频繁,不存在显著的遗传分化。     

基于GIS的黄土丘陵半干旱区退耕还林还草决策系统应用

在GIS及相关软件支持下,对甘肃省定西市安定区土地利用和土壤侵蚀的相关图件进行几何校正和数字化等一系列处理,获得土地利用类型和土壤侵蚀强度的空间数据,并由安定区等高线生成坡度数据.将土地利用类型数据与坡度数据、侵蚀强度数据先后进行叠加,形成包括三者所有属性的空间数据库,并从中提取满足退耕还林条件的数据,从而确定退耕还林还草地和荒山造林地的面积及其空间分布.     

基于BP神经网络的太湖典型农田土壤水分动态模拟

收集太湖典型农田2010年10—12月和2011年3—6月2个时间段的逐日气象资料和土壤水分资料,运用BP(back propagation)神经网络和缺省因子分析法确定影响该地区土壤水分动态的主要气象因子(降水量、蒸发量、平均气温和平均地表温度以及平均风速),以这些主要影响因子作为输入变量建立该地区土壤水分动态模拟的BP神经网络模型。利用100组实测样本对神经网络进行训练,用剩余的64组实测样本进行检验。结果表明:0～14 cm和14～33 cm土壤含水量模拟的平均相对误差(MARE)最大为0.062 9,均方根误差(RMSE)最大为1.764,不同土壤层次的训练样本和检验样本的精度(PA)都在0.87以上。因此,BP神经网络用于太湖典型农田的土壤水分动态模拟是可行的。