基于关联规则面向对象的海岸带海水养殖模式遥感识别

针对目前海水养殖模式遥感识别中的效率低,"同物异谱"、"异物同谱"和"椒盐"噪声等问题,该文研究了关联规则分类和面向对象相结合的养殖模式遥感识别方法,通过不同养殖模式的对象分割和关联规则的自动和智能获取,来构建海水养殖模式分类器。以高分一号PMS1卫星影像为数据源,把不同养殖模式对象的光谱、空间形态和纹理特征及其关联关系作为事务数据,使用Apriori算法挖掘类别作为后件的强规则,对粤东柘林湾养殖核心区内4种海水养殖模式(池塘养殖、网箱养殖、滩涂插养、浮筏吊养)水面信息进行提取。结果表明:基于关联规则面向对象的海水养殖模式分类精度能达到88.65%,比K-近邻法面向对象法精度提高了14.38个百分点,比关联规则挖掘分类法精度提高了12.16个百分点。关联规则分类和面向对象结合方法拓宽了传统逻辑推理分类方法中获取信息的途径,使分类更加自动化和智能化,且分类精度得到显著提高,可以成为海岸带海水养殖复杂模式识别的有效支持手段。     

基于语义相关的面向对象林地信息提取

基于地物间的语义相关关系,结合面向对象的影像分析技术,提出了适用于高分辨率影像的林地信息提取方法,包括影像分割和林地信息提取2大步骤;并以福州市2003年6月成像的IKONOS卫星影像数据为例进行了林地信息提取实验。结果表明:①通过模糊和最近邻2种分类技术分别完成植被、林地信息的提取,提高了提取过程的合理性;②以面向对象的方式进行信息提取,不仅能避免细节信息的干扰,还能利用影像的纹理信息,这相当于对影像数据进行了优化,提取结果的精度和完整性均得到了提高。     

城市绿地信息提取中的遥感影像阴影校正

建筑物阴影会对城市绿地产生遮蔽,从而影响城市绿化的遥感调查结果。该文利用乌鲁木齐的QuickBird遥感数据,采用面向对象的技术对遥感影像进行阴影检测,并对阴影区域进行灰度补偿,改进了阴影区域的信息,然后采用面向对象的技术对阴影校正后的影像进行绿地信息提取。结果表明:该方法检测高分辨率遥感影像的阴影区域简单易行;通过灰度补偿可以有效地恢复阴影区域的信息,从而提高城市绿化遥感调查的准确性。      

面向对象的模型库管理系统研究

决策模型是决策支持系统的核心,用来驱动决策支持系统进行决策。模型库管理系统是用来管理和维护模型的软件系统。通过引入面向对象技术来组织模型,讨论了模型库管理系统的结构及模型的表示、分类、存储和运行等技术。     

面向对象方法在Quick Bird影像分类中的应用研究

选取Quick Bird影像,以目视判读法作为精读评价的参考标准,对基于像元值的监督分类和非监督分类法、面向对象分类法进行了分析比较。结果表明,使用面向对象方法能显著提高Quick Bird影像分类精度。     

高等农业院校计算机程序类课程的实验教学改革

高等农业院校计算机程序类课程教学是为非计算机专业学生提供计算机应用所必需的知识,培养学生利用计算机知识和技能解决本专业的实际问题而开设的,在当代大学生教育中具有特殊地位和作用。以《Visual Basic程序设计》课程为例,分析了该课程实验教学部分中存在的问题,提出了相关的改革措施,以提高教学质量。     

项目驱动教学法在《JSP程序设计》教学中的应用

主要介绍项目驱动教学法在《JSP程序设计》课程教学过程中的开展和应用情况,项目驱动教学是教学改革的一个新的尝试,它改善了传统教学过程中忽视学生实践能力培养的弊端。通过项目教学法的实施,能有效地提高学生的问题分析能力、实践能力和创新能力以及培养学生的团队合作精神。     

基于HJ卫星数据与面向对象分类的土地利用/覆盖信息提取

土地利用/覆盖信息是区域气候与环境研究的基础,是土地资源规划与管理、合理开发与保护的信息保障。为此,该文选取长株潭城市群核心区为试验区,以时间序列HJ卫星影像为数据源,首先构建了时间序列归一化植被指数(normalized difference vegetation index,NDVI)、时间序列光谱第一主成分(first principal component,PC1)数据集,通过J-M(Jeffries-Matusita)距离变量可分离性分析结合地表覆盖的物候特征,确定最佳时序HJ组合数据;其次,采用面向对象的随机森林算法对研究区土地利用/覆盖信息进行分类,并对分类结果进行精度评价与比较分析。研究结果表明:采用时间序列HJ组合数据与面向对象的分类方法,提取城市土地利用/覆盖信息的总体精度和Kappa系数分别达到91.55%和0.90,其中水田、水浇地、旱地、林地、建设用地的生产者精度均达到90%及以上;相对于时间序列基于像元分类、单时相面向对象的分类方法,该文提出的土地利用/覆盖信息提取方法的总体分类精度和Kappa系数分别提高了2.26%、0.02和6.82%、0.08,有效提高了区域土地利用/覆盖信息提取的精度,为大范围土地利用/覆盖精细化分类提供了有效的途径。     

融合面向对象与缨帽变换的湿地覆被类别遥感提取方法

为了有效提取湿地覆被类别遥感信息,该文基于国产环境星影像(HJ-CCD)和Landsat7遥感影像(ETM)提出了一种融合面向对象技术和缨帽变换的提取湿地覆被信息的方法,并对东洞庭湖区的湿地进行提取。遥感提取结果的总体精度90.02%,Kappa系数0.88,高于传统的分类方法分类的量化结果;获得的结果没有"椒盐现象"且比较紧致。试验结果表明融合面向对象和缨帽变换的方法能够有效的提取湿地覆被类别,精度高,效果好。研究结果为有效地利用遥感手段提取湿地覆被信息提供参考。     

基于GF-1与Landsat8 OLI影像的作物种植结构与产量分析

作物种植结构监测和估产是精准农业遥感的重点领域,其研究对于指导作物种植结构和制定农业政策具有重要意义。该文以黑龙江省北安市为研究区,以2015年的Landsat8 OLI和多时相GF-1为遥感数据源,基于物候信息和光谱特征确定的农作物识别关键时期和特征参数,构建面向对象的决策树分类模型,开展作物种植结构监测研究;综合植被光谱指数和地面采样数据,采用逐步回归方法建立产量遥感估算模型。结果表明:多源与多时相的遥感数据可以反映不同农作物的季相特征,应用本文所构建的决策树分类模型,作物分类效果较好,总体精度达87.54%,Kappa系数为0.8115;2015年,北安市的主要作物类型为大豆、玉米、水稻和小麦,面积分别为2204、1955、122和19 km~2,其中大豆的种植面积最大,占作物种植面积的51.24%。基于NDVI、EVI和GNDVI构建的多元回归模型为北安市大豆和玉米产量估算最优模型(R~2=0.823 7,均方根误差135.45 g/m~2,精度80.55%);北安市玉米高产区集中分布在西部,大豆的高产区主要分布在东部;2015年北安市玉米和大豆的单产分别为8 659、2 846 kg/hm~2,总产量分别为16.93×10~8、6.27×10~8 kg。利用作物关键物候期的多源多时相遥感数据能够精确高效地提取作物种植结构,构建的产量估算多元回归模型,为精准农业科学发展提供参考。