基于面向对象分类的土地整理区农田灌排系统自动化识别

针对目前农田灌排系统识别研究中影像分辨率低、自动化程度不高的问题,该研究基于面向对象分类法,提出了一套从影像到农田灌排系统矢量输出的完整提取流程。研究利用KOMPSAT-2高分辨率遥感影像数据,以吉林省西部土地整理大安项目区作为试验区,使用自主研发的识别程序对土地整理区农田灌排系统进行了自动化识别提取,并与监督分类法、手动屏幕数字化作了对比分析。结果显示,基于面向对象分类的自动化提取方法在精度上与手动屏幕数字化相近,总体精度达到了89.64%,远高于监督分类法的识别精度;而且该方法所耗费的时间最少,操作过程不需人工干预,识别结果的稳定性也高于另外两种方法。研究表明,基于面向对象分类的自动化提取方法,是一种较理想的土地整理区农田灌排系统遥感监测手段,同时也为其他地物监测提供了一种有效的途径。     

可视化技术及“模型-文档-视”结构在水稻生长模拟中的应用

该研究利用可视化技术和“模型-文档-视”的管理模式,试图改进作物模型系统的用户界面和系统组织结构。利用Hermite曲线模拟水稻叶片的形态,将作物模拟结果图形化、图像化,使水稻生长模拟的结果直观化。并在面向对象编程技术的基础上,将MFC的“文档-视”的结构扩展为“模型-文档-视”结构,使作物模拟系统中数值模拟、数据管理和用户界面的设计相互分离,且系统中的类与类之间能有效进行数据交换;整个系统可整合为几个“模型-文档-视”组,使系统结构简化,易于管理,是对面向对象编程技术的一种扩展。本研究表明：采用“模型-文档-视”模式编程能使整个作物模型系统结构简明,提高研究人员的编程效率;可视化技术的使用,使用户能直接将模拟结果与田间生长状况进行比较,易于做出正确的栽培决策。     

基于面向对象影像分类技术的生态清洁小流域现状调查

结合当前北京市开展的生态清洁小流域建设,尝试利用现有的高分辨率航片,采用基于面向对象的高分辨率影像分类技术和G IS技术来开展生态清洁小流域水土保持现状等本底资料的调查,从而为生态清洁小流域的基础数据库建设、治理措施规划与布局提供基础数据和科学依据。应用实例表明,采用面向对象影像分类技术开展生态清洁小流域现状调查,在方法上、技术上都是可行的,不仅可以提高调查的客观性、准确性和现势性,而且也可以大大提高调查的工作效率,是未来生态清洁小流域调查的可选方法。     

基于多目标遗传随机森林特征选择的面向对象湿地分类

以多时相Landsat8影像和SRTM DEM为数据源,对南瓮河流域进行了面向对象湿地分类。为削弱高维特征集对分类精度的影响,提出一种多目标遗传随机森林组合式特征选择算法(MOGARF)进行特征集优化。利用Relief F算法对完整特征集进行特征初选,再以基于随机森林的封装式多目标遗传算法进一步提取优化特征集。将所得特征集结合随机森林分类法提取湿地信息。并将结果分别与基于完整特征集和仅采用Relief F算法及Boruta算法提取的优化特征集的3种随机森林分类结果对比。试验结果表明,采用MOGARF算法特征选择后,特征维度降低至原来的10%,且分类精度最高,总体精度为92.61%,比其他分类方案提高0.35%~1.94%,Kappa系数为0.907 5,袋外误差为7.77%,比其他分类方案降低0.91%~1.48%。利用MOGARF特征选择的随机森林分类法是湿地分类的有效方法。