排序方式: 共有37条查询结果,搜索用时 0 毫秒
31.
32.
在空气污染日益严重的情况下进行空气污染物的预测工作是十分必要的。针对城市的空气污染物预测,提出了一种基于神经网络的混合模型方法:通过全连接神经网络方法,结合长短期记忆网络(Long Short-Term Memory,LSTM)方法,将历史空气污染物数据与大气数据进行空间与时间上的挖掘分析。运用全连接和LSTM两种神经网络方法混合的形式,与传统的单一模型方法相比,不仅能摆脱单一模型特征空间的局限性,还能提高预测的精度,具有更大的应用性和操作性。最后,以武汉市为例通过实验证明该混合模型较单一模型在空气污染物预测上具有更高的精度。 相似文献
33.
34.
35.
36.
我国地球空间数据框架的设计思想、技术路线及若干理论问题讨论 总被引:7,自引:1,他引:6
根据当前我国基础地理信息系统的发展趋势,讨论了1;1万,1:5万,1:25万及1:100万金字塔多层,多分辨率基础地理信息系统的设计思路,即基于数字影像,数字栅格地图(DRG)和DEM及若干层数字线划图的矢,栅集成(2维或3维)框架结构系统,提出了建设可持续发展的全国及各省级基础地理信息系统技术路线;讨论了这一技术流程中涉及的重要的GIS理论问题。 相似文献
37.
湿地植被地上生物量是衡量湿地生态系统健康状况的重要指标,对于珍稀水禽越冬繁殖、全球碳循环、生态净化具有重要意义,是生态学与遥感解译的研究热点之一.针对于地上生物量的测算,卫星遥感数据覆盖范围广但其空间分辨率较低,无人机遥感数据空间分辨率高但采集范围小,同时受湿地面积、观测系统及外界环境等条件的影响,使得遥感影像地上生物量反演更加复杂和困难.本研究基于无人机和高分一号数据对升金湖草滩植被地上生物量反演进行研究,结合升金湖保护区4个样区无人机可见光影像与相应样区实测样本数据,建立地上生物量与可见光波段、多种可见光植被指数的线性、幂函数、多项式、对数回归模型,并通过可决系数(R2)、平均绝对误差(MAE)和均方根误差(RMSE)对模型进行精度评价,选择最优模型对无人机影像进行地上生物量反演;通过可见光波段反演得到的生物量,与高分一号WFV归一化差分植被指数(Normalized Difference Vegetation Index,NDVI)影像相结合进行回归建模,获取整个升金湖草滩植被地上生物量分布.结果表明,利用无人机红光波段建立的多项式方程对地上生物量反演有着最高模拟精度,R2=0.86、预测精度MAE=111.33 g/m2、RMSE=145.42 g/m2,且红光波段生物量反演方法得到的结果与实际生物量分布一致性较高,高分一号WFV NDVI与无人机反演生物量构建的多项式模型为最优模型,R2为0.91.本研究利用无人机和高分一号数据进行生物量反演研究,整合多源遥感数据优点,以获取更加丰富和准确的信息,进而提高地上生物量反演精度,为湿地监测和湿地恢复管理提供数据和技术支撑,具有重要研究意义和应用价值. 相似文献