城市潜在绿色廊道构建方法——以常州市为例

在RS和GIS的支持下,利用遥感影像分类、斑块连通性分析和耗费距离模拟等方法形成一套完整的城市潜在绿色廊道构建体系。首先采用最优指数(OIF)和决策树(QUEST算法)获取城市绿地斑块空间布局,分析绿地斑块间的连通性;然后利用Spearman秩相关等统计方法确定不同连通指数对连通阈值的敏感程度,优选最稳定的连通指数划分绿地斑块的重要性等级,将具有较高重要性值的斑块作为绿地"源"和"目标";最后选用频率比方法改进耗费距离模型的成本表面,在不同空间尺度下,情景模拟城市潜在绿色廊道的空间布局,并对模拟结果进行定量分析与评价。结果表明:最优指数结合决策树方法的分类总精度为90.35%,Kappa系数为0.86,提取绿地面积占城市总面积的22.88%,大面积绿地斑块主要分布在滆湖的西部和太湖的北部;整体连通指数(IIC)具有较高的稳定性,在200～2400m的距离范围内,其dIIC的Spearman秩相关系数变化值最低(0.21);在600m的距离阈值下,以dIIC值大于1%作为标准,确定竺山斑块为绿地"源"及7个主要的绿地斑块为"目标";在不同空间尺度下,模拟的潜在绿色廊道的变形系数ξ值相近(1.28),其空间格局受研究尺度的影响较小。最后进一步探讨该方法体系实践的可行性,为城市绿地系统规划和建设提供科学合理的参考和依据。     

基于ASAR和MODIS遥感数据的蓝藻水华提取

将同期的ENVISAT ASAR图像和MODIS图像进行配准,利用经过大气校正后的MODIS光学图像,根据分类决策树对图像EVI进行分类,借此对太湖的藻华和非藻华区域进行划分,并以此为据在ASAR图像上研究两者的V/V后向散射特性,使用阈值法对藻华范围进行提取,并将结果与MODIS图像上得到的藻华范围进行对比。结果表明,通过ASAR图像与MODIS图像得到的藻华范围较好地吻合,由此说明,在一定条件下,ASAR图像可以显示出藻华。最后从机理上探讨了风速对藻华成像的影响,分析了光学和微波图像提取藻华范围不完全一致的原因以及利用微波数据监测藻华的局限性。     

FY-3C/MERSI卫星影像水稻信息自动提取的决策树方法研究

为了推进风云三号系列卫星资料在水稻信息提取中的应用,分析了FY-3C/MERSI影像中江西省区域水稻及其他典型地物的光谱特征及通道间的关系,并讨论了各地物在光谱特征上的可分性。研究发现:除植被外,其他地物均可依据适当的阈值与水稻分开;水稻与其他植被在各单通道上的光谱特性相似,因此引入归一化植被指数来提高水稻提取的精度。根据以上研究结果,建立了决策树模型对水稻信息进行自动提取。目视检验结果表明,该方法的提取效果较好,只是在水稻与其他植被交界处有误判现象。提取精度评价结果显示,该方法的总体提取精度较高,基本上可以满足水稻生育期面积遥感监测与产量预报的需求。     

基于MODIS影像的决策树森林类型分类研究

基于MODIS 影像的多种特征信息,以吉林省汪清林业局为例,结合该地区的地形分布,在空间维上分析影像的纹理特征信息和地形指标信息,时间维上分析植被的生长规律和地表温度信息,统计分析植被的特征信息差异,利用决策树方法对该林区的森林类型进行分类,并对分类结果进行精度评价。结果表明,总体分类精度为87.80%,卡帕系数为0.851 0,其中,针叶林、阔叶林、混交林、和其他用地的分类精度均达到80%以上。在分类决策中,时间和空间上的多种数据特征信息的加入,可有效地提高植被类型的分类精度。该结果有助于更好的了解植被在时间和空间上的分布情况,为大区域尺度的森林动态信息监测提供更好的依据。     

基于RGB模式的一种草地盖度定量快速测定方法研究

盖度是研究植物群落结构的一个重要数量指标,传统目视估算法精度低且受人的影响较大。本研究分析了大量荒漠草地实地照片的RGB颜色模式特征,构造了RGB颜色判别决策树区分植被与非植被像元来计算植被的覆盖度,同时在Matlab 7.0平台上将数码照片的导入、地物判别、盖度计算、划分结果显示、对照等功能模块集成,构建用户界面友好、人机交互便捷软件模块,从而能够准确、高效地计算草地盖度,方便了草原实地调查工作。与针刺法相比,该方法计算得到的植被覆盖度最大偏差绝对值不超过5%,精度在95%以上,解决了常规人工方法中估测草地盖度工作量大、不能准确定量测定的问题。     

基于决策树的土地利用分类方法研究

以新疆乌鲁木齐市部分区域为研究区,利用主成分分析法对Spot-5影像进行数据压缩,运用灰度共生矩阵对第一主成份进行纹理信息提取,分析Landsat-7影像的光谱特征值及NDVI和NDBI特征值,确定各类地物的综合阈值,最后运用决策树分类法对Landsat-7影像进行分类.将分类结果与最大然法分类结果相比较,结果表明,决策数分类较最大似然法分类的精度提高了5.66; ,Kappa 系数提高了7.89; .说明决策树分类能够灵活、有效运用纹理等辅助信息,更好地区分光谱特征相似的目标地物,具有更高的准确性.     

C4.5算法在移动通信行业客户流失分析中的应用

稳定客户和吸引客户是移动通信企业提高竞争力的关键.基于大量实验数据将数据挖掘的决策树方法引入移动通信行业客户流失分析中,通过对数据的预处理,利用C4.5算法创建决策树,通过测试流失的与未流失的客户,平均正确识别率为91.6%.决策树体现的规则与经验基本一致,为移动通信企业建立客户流失的预警机制提供了决策支持.     

基于Arduino 的个性化智能盆栽系统

家养植物易被忽略照料,而市面现有自动浇灌系统是检测到缺水时才被动浇灌,且无法根据不同植物对水的需求进行浇水,容易造成过分浇水或浇水不足。提出设计智能盆栽在采集盆栽土壤的温湿度、光照等特性上,充分考虑植物不同的喜干湿和光照特性,并将植物特性存储到数据库中,通过模糊决策树算法计算,实现不同植物根据不同生长环境进行个性化浇灌。同时外出用户可以通过APP及时查看了解植物的生长,可以直接在APP控制浇水享受远程护养花草的乐趣,也可以一键式自动完成浇水处理。该系统帮助用户随时随地通过手机APP了解盆栽的实时信息,实现远程浇水。     

基于粗糙集与C5.0决策树的林地质量评价

【目的】使用数据挖掘算法实现多因子共同影响下的林地质量综合评价,探索林地质量与环境因子之间的非线性关系,为提高森林经营信息化水平提供技术支持。【方法】使用辽宁省抚顺市胡桃楸(Juglans mandshurica Maxim)森林资源小班数据,采用粗糙集算法筛选出与林地质量相关的重要因子,然后建立C5.0决策树,得出环境因子与林地质量间的非线性关系。【结果】影响胡桃楸林地质量的主要因子有坡度、坡向、坡位、海拔、下木种类、下木盖度、地被物种类、地被物盖度和土壤质地;以粗糙集方法选取的因子为输入变量的决策树模型规模小、复杂度低、决策规则简单,预测准确率达91.20%。【结论】本研究提出的林地质量等级预测和评价方法,能在保证模型准确率的同时降低算法的时间和空间复杂性,提高数据挖掘效率,并能克服一般林地质量评价中靠专家打分的局限性与主观性。     

基于最优二叉决策树分类模型的奶牛运动行为识别

针对奶牛行为分类过程中决策树算法构建主观性强、阈值选取无确定规则,易导致分类精度差的问题,该文提出一种基于最优二叉决策树分类模型的奶牛运动行为识别方法,首先选取描述奶牛腿部三轴加速度数值大小、对称性、陡峭程度、变异程度、不确定性及夹角的24个统计特征量,其次通过构建ROC(receiver operating characteristic,ROC)曲线获得各统计特征量的最佳行为类别分组方式及最优阈值,然后利用信息增益作为最优二叉决策树划分属性的选择标准,最终构建最优二叉决策树分类模型对奶牛运动行为进行分类识别。试验结果表明,该分类模型能够有效区分奶牛的站立、平躺、慢走、快走、站立动作、躺卧动作6种运动行为,平均准确率、平均精度、平均F1值分别为76.47%、76.83%、76.57%,相较传统的ID3(iterative dichotomiser 3,ID3)决策树算法分别高5.71、5.4和5.61个百分点,分别高于K-means聚类算法7.51、8.02和7.77个百分点,优于支持向量机算法6.77、6.72和6.57个百分点。该方法可为提高奶牛行为分类精度提供有效的理论支撑。