排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
以黄土沟壑区的采煤沉陷区为研究对象,以地面数字高程模型和开采沉陷预计结果为基础数据,基于ArcGIS平台对煤矿开采沉陷区的地形数据进行分析处理,研究开采沉陷前、后地形因子的变化特征,并对不同地形因子之间的相关性进行了分析.研究结果表明:黄土沟壑区地面高程、坡度、坡向、起伏度等各种地形因子均受开采沉陷影响而发生改变,开采沉陷和地形因子之间存在明确的量化关系,而平均高程、起伏度、曲率、沟壑密度等因子与地面坡度之间存在显著的相关性.研究结果有助于揭示煤矿开采沉陷区的地形地貌演变规律,为保护西部矿区的生态环境提供技术支持. 相似文献
2.
[目的]探究黄土覆盖区煤矿开采沉陷变形造成的地表裂缝对土壤水分变化的扰动效应,为采煤沉陷区土壤水分变化规律研究提供数据支撑。[方法]以典型黄土覆盖区的采煤沉陷区为模型,使用自主研制的开采沉陷地表裂缝模拟装置进行物理模拟试验,并在裂缝周围布设水分传感器,分析地表裂缝引起的土壤水分变化特征。利用Hydrus软件构建水文模型,结合物理模拟试验结果对数值计算模型进行优化。采用控制变量法,利用优化后的模型计算在不同裂缝形状、地形以及初始含水量条件下裂缝周围土壤含水量与非变形区土壤含水量差值。[结果]裂缝宽度主要影响土壤水分散失量的最大值,而裂缝深度主要影响散失量最大值出现的位置;裂缝对上坡方向和下坡方向影响规律存在差异,且坡度越大,差异越明显;土壤初始含水量越小,裂缝对土壤水分扰动程度越小;当初始含水量低于20%时,地表裂缝对土壤水分的影响范围不超过15 cm。[结论]在相同边界条件下,土壤水分模拟试验结果与物理试验数据变化规律呈现一致性,利用优化后的数值计算模型可以定量地分析黄土覆盖区土壤水分对采动地表裂缝的响应特征。 相似文献
3.
融合无人机光谱信息与纹理信息的冬小麦生物量估测 总被引:9,自引:1,他引:9
【目的】生物量是表征植被生命活动的重要参数,对植被长势监测、产量预测有重要意义。以无人机为平台的高光谱遥感技术,具有机动灵活、成本低、空间覆盖广的优势,能够及时准确地估测植被生物量,已成为遥感估算研究的热点之一。由于光谱特征反演生物量存在饱和问题,因此,本研究尝试结合纹理特征与植被指数构建一种"图-谱"融合指标,探究"图-谱"融合指标的抗饱和能力及生物量估测能力。【方法】首先,利用无人机高光谱影像,提取其光谱信息和纹理信息,分别基于植被指数和纹理特征构建生物量模型。其次,针对光谱特征存在的饱和问题,将植被指数与对生物量敏感的纹理指标相乘或相除两种形式构建"图-谱"融合指标,分析"图-谱"融合指标的饱和性,并基于"图-谱"融合指标构建生物量估算模型。最后,对比不同指标构建的生物量模型的估测效果,来分析"图-谱"融合指标估测生物量的能力。【结果】(1)植被指数多在LAI=5时出现饱和现象,而"图-谱"融合指标VI×sm658,VI/ent658,VI/dis658,VI/con658,VI/dis514,VI/con514,VI/var514,VI×con802,VI×dis802均在LAI5时才出现饱和现象,相比之下,这些"图-谱"融合指标一定程度上改善了饱和问题;(2)与植被指数相比(除了GNDVI、NDVI之外),抗饱和能力提高的"图-谱"融合指标VI×sm658、VI/ent658、VI/dis658、VI/con658、VI/dis514、VI/con514、VI/var514、VI×con802、VI×dis802,其与生物量的相关性也相对提高,所构建的生物量模型精度较高(R2=0.81,RMSE=826.02 kg·hm-2)。(3)对比单一植被指数、纹理特征,将纹理特征与光谱特征相结合的"图-谱"融合指标估算小麦生物量的能力相对最强,模型精度明显高于单一植被指数(R2=0.69)和单一纹理特征(R2=0.71)构建的生物量模型。【结论】"图-谱"融合指标的抗饱和能力明显提高,其构建的生物量模型精度也有效提高,实现了结合光谱信息和纹理信息的冬小麦生物量遥感估测,为生物量定量反演提供一种新思路。 相似文献
4.
基于随机森林算法的冬小麦叶面积指数遥感反演研究 总被引:10,自引:1,他引:9
【目的】通过利用随机森林算法(random forest,RF)反演冬小麦叶面积指数(leaf area index, LAI),及时、准确地监测冬小麦长势状况,为作物田间管理和产量估测等提供科学依据。【方法】本研究依据冬小麦拔节期、挑旗期、开花期及灌浆期地面观测数据,将相关系数分析(correlation coefficient,r)和袋外数据(out-of-bag data,OOB)重要性分析与随机森林算法(random forest,RF)相结合,在优选光谱指数和确定最佳自变量个数的基础上,构建了两种冬小麦LAI反演模型|r|-RF和OOB-RF,并利用独立数据集对两种模型进行验证;然后,将所建LAI反演模型用于无人机高光谱影像,进一步检验所建模型对无人机低空遥感平台的适用性和可靠性。【结果】|r|-RF和OOB-RF反演模型分别采用相关性前5强、重要性前2强的光谱指数作为输入因子时精度最优,验证决定系数(R2)分别为0.805、0.899,均方根误差(RMSE)分别为0.431、0.307,表明这两个模型均能对作物LAI进行精确反演,其中OOB-RF模型的反演效果更好。利用无人机高光谱影像数据结合OOB-RF估算模型反演得到冬小麦LAI与地面实测值的拟合方程的决定系数R2为0.761,RMSE为0.320,数值范围(1.02-6.41)与地面实测(1.29-6.81)亦比较吻合。【结论】本文基于地面数据构建的OOB-RF模型不仅具有较高的反演精度,而且适用性强,可用于无人机高光谱遥感平台提取高精度的冬小麦LAI信息。 相似文献
5.
使用ArcGIS软件,采用反距离权重法、普通克里格法和泛克里格法3种空间插值方法,以东北三省78个气象站点1999、2004年夏季平均气温数据为例进行了空间插值,并采用交叉检验的方法对插值结果进行了比较。结果表明,3种方法所得插值结果均能大致反映气温分布状况,但从精度分析上看,泛克里格法精度优于反距离权重法和普通克里格法。 相似文献
1