排序方式: 共有18条查询结果,搜索用时 15 毫秒
11.
遥感和GIS技术的水禽栖息地适宜性评价中的应用 总被引:6,自引:0,他引:6
由于适宜水禽栖息的生境面积不断缩小,致使湿地生态系统受到严重破坏,生物种群数量急剧下降.通过野外采点调查建立可靠的栖息地适宜点群.基于遥感和GIS空间技术获取20个评价因子,并结合二项Logistic回归模型,构造出基于像元水平的栖息地适宜性模型,经过筛选后保留对适宜性影响力较大、拟合优度高的10个评价因子,分别从社会人文、植被长势和地形地貌三大方面分析.再应用K-means聚类分析法将适宜性点群分级,得到建三江区栖息地适宜性评价分级图,有效分析适宜性5个等级的空间尺度,其中最适宜栖息,中适宜栖息,基本适宜栖息,不适宜栖息和不可用地分别占总用地的24.73%,17.69%,29.8%,17.62%和10.16%,前三类占总的72.22%.说明建三江区的适宜水禽栖息的用地较多,主要分布在流域、低河漫滩等人为干扰少的湿地沼泽平原,此研究对水禽生境的保护和可持续发展都具有指导意义. 相似文献
12.
为探究不同植被土壤碳(C)、氮(N)、磷(P)化学计量特征及其影响因素,以黄土丘陵区油松、刺槐、沙棘和草地4种典型退耕恢复植被0~100 cm土壤为研究对象,分析不同植被土壤有机碳(SOC)、全氮(STN)、全磷(STP)含量及其化学计量特征。结果表明:(1) 不同恢复植被对土壤养分含量有显著影响,刺槐的SOC、STN最高,油松的SOC、STN最低,STP表现为草地>刺槐>油松>沙棘。(2) 不同恢复植被土壤养分具有“表聚性”,随土层深度增加,SOC和STN含量呈下降趋势,而STP的变异性较弱。特别是刺槐的SOC和STN在60~100 cm呈增加趋势。(3) 不同恢复植被土壤SOC:STN(C:N)、SOC:STP(C:P)差异不显著(P>0.05),刺槐的土壤STN:STP(N:P)显著高于其他植被类型(P<0.05),土壤C:N、C:P、N:P均低于全球及全国平均水平,研究区有机质的分解速率较快,P的有效性高,植被生长主要受N元素限制。(4) 研究区土壤C:N、C:P和N:P主要受SOC和STN影响;土壤养分与土壤含水量(SWC)和土壤容重(BD)呈负相关,与土壤粉粒(slit)和黏粒(clay)含量呈正相关,STP对土壤细颗粒的响应强度大于SOC和STN。研究区土壤化学计量在不同退耕恢复植被间差异显著,其中刺槐的土壤养分含量较其他植被类型更好,可为该地区植被恢复工作进一步开展提供参考。 相似文献
13.
14.
基于多重信息融合的高分辨率遥感影像道路信息提取 总被引:8,自引:1,他引:7
在高分辨率遥感影像上进行道路提取一直被认为是一项具有重要意义但很困难的工作。尤其一些与道路光谱相近的地物,分类后与道路相互连接,难以区分。基于面状道路和边缘相互验证和辅助的思想,提出一种高分辨率遥感影像上提纯道路信息的方法。该方法首先在面状和边缘两个方面同时提高提取精度,然后由他们之间的逻辑互运算分割道路与非道路对象,并应用有效的形状指数(如:极惯性矩和狭长度指数)刻画和区分道路与非道路面状目标(如楼房等),最终达到提纯道路的目的。实验结果表明了本文方法在去除非道路目标,提纯道路网络方面的有效性。 相似文献
15.
16.
应用德国水尔公司连续流动分析仪,对环境水样和标准物质中硫化物分别进行回收率、准确性和精确性试验,试验结果显示:硫化物的回收率在95%~105%之间,标准物质测试结果都合格,有良好的准确性和精确性。能够满足水质监测要求具有精度高,时效强等特点。 相似文献
17.
基于CBERS-02遥感影像的湿地地表覆被分类研究 总被引:1,自引:0,他引:1
基于CBERS遥感影像多光谱数据,运用信息量、相关系数及OIF方法,分析了波段数据特征,获得了对影像数据的整体认识。
通过绘制地表覆被类型的样本均值光谱曲线,分析了多种地表覆被类型在5个影像波段中的光谱特征,得出了不同覆被类型在各波
段中的反射特性。基于典型地表覆被类型样本数据,分别针对影像的5个波段及第一主成分、归一化植被指数这两个重要特征,运
用盒须图进一步分析了不同地表覆被类型的分异特性。运用Z-test统计方法,筛选出了区分不同地表覆被类型的最优纹理特征。运
用面向对象分类技术开展了研究区覆被类型分类实验,验证了基于CBERS遥感影像进行内陆淡水湿地区地表覆被分类的可行性,丰
富了地表覆被信息提取方法,拓展了CBERS遥感影像的应用领域。 相似文献
18.
提出了一种基于粗集属性划分的遥感分类新方法, 构造了基于粗集的集成遥感分类器。该分类器利用粗集理论将输入的属性集合划分为多个约减, 利用这些约减构造多个训练子集。每个训练子集训练神经网分类器, 在决策时将多个单个分类器的结果进行投票选举。这种方法即减少了单个分类器的输入属性个数, 又避免了由于属性选取造成单一分类器在某些分类上的错误偏见。该分类器与神经网分类器方法, 以及属性选取与神经网结合方法进行了比较。结果表明RSEC无论在分类精度上, 还是在不同样本个数条件下的精度稳定程度上均有较好表现。 相似文献