基于机器学习森林生物量反演的哨兵数据精度对比

选取美国弗吉尼亚州东南部和北卡罗来纳州东北部的迪斯默尔沼泽作为研究区,基于Sentinel-1雷达数据和Sentinel-2光学数据,在对影像特征因子提取的基础上,采用随机森林构建生物量反演模型,对比分析了森林地上生物量反演精度。结果表明：基于Sentinel-2影像的随机森林模型的R²、RMSE分别为：0.707、39.521 t/hm²;基于Sentinel-1影像的随机森林模型R²、RMSE分别为：0.601、38.536 t/hm²。从整体来看,不同的变量参与到模型建模最终导致的精度各不相同,基于Sentinel-2影像建模的精度总体上高于基于Sentinel-1影像建模的精度。     

基于Freeman分解和雷达植被指数的极化SAR图像分类

研究首先基于影像的相干矩阵提取特征参数,即雷达植被指数(RVI),再对影像的协方差矩阵进行Freeman分解,得到三种散射机制参数,分别为体散射、面散射和二面角散射。然后组合这些特征参数应用于支持向量机(SVM)中,对极化SAR图像进行分类,并与Wishart监督分类比较。结果表明,雷达植被指数有助于提高植被的分类精度,且该方法的分类精度明显高于Wishart监督分类。     

基于模糊综合评价的土壤环境质量研究——以九龙县里伍铜矿区为例

里伍铜矿开采已有30多年的历史,铜矿开采对周边的土壤环境产生了重要影响。以里伍铜矿区土壤作为研究对象,参照土壤质量标准及土壤环境质量标准为基础的土壤污染分级标准,经过野外数据采集和室内数据分析,应用模糊综合评判法对铜矿区的土壤环境质量进行了综合评价,并对矿区土壤的重金属含量及空间分异性进行了研究,分析发现里伍铜矿的开采对土壤环境质量具有重要的影响。里伍铜矿的土壤环境质量整体较好,但是部分区域土壤环境质量较差。矿区土壤环境质量由较差到好依次为:堆浸矿泥土<堆浸土<铜矿排污口泥土<原生土壤<铜矿区下游江边土壤。土壤环境质量较好到接近较差区域土壤的修复和保护成为今后矿区土壤环境保护工作的重点。