改进的等维灰数递补模型预测边界确定方法

针对当前利用灰色预测模型进行地表沉降预测研究更多注重模型本身探讨而较少涉及预测值合理范围以及预测值时间响应函数的还原方法的情况,该文提出了一种改进的等维灰数递补模型预测边界的确定方法,采用了误差传播定律对预测值范围进行界定,并尝试利用中值近似处理代替累减生成建立预测值的时间响应函数;最后,结合工程实例给出了预测值上下边界,探讨了模型在误差允许范围内的预测步长,并对比分析了改进的等维灰数递补模型、原始的等维灰数递补模型和GM(1,1)模型。结果发现:改进的等维灰数递补模型具有较好的拟合效果与预测精度。     

2003—2019年邯郸市叶面积指数时空变化特征

研究和掌握叶面积指数(LAI)时空变化特征,对区域植被保护、植树造林和环境保护具有重要的参考意义.本文以邯郸市为例,基于MCD15A3H遥感影像数据、DEM数据和土地利用等多元数据,引入Sen趋势与Mann-Kendall趋势检验分析方法,系统分析了邯郸市像素尺度上的LAI数值的变化特征,并基于不同的土地利用类型、不同...     

基于多种植被指数TVDI京津冀地区干旱监测

以京津冀为研究区,基于MODIS数据产品获取NDVI、EVI、MSAVI及LST,利用DEM对LST进行修正,建立不同植被指数的Ⅵ-Ts特征空间,选取干湿边拟合效果好的植被指数建立TVDI,获取研究区2018年植被生长季(4—10月)干旱情况,利用同步气象站点降水数据进行相关性分析,使用同期气象公报进行结果验证。结果表明:1)利用MSAVI构建的特征空间总体拟合效果优于其他两种植被;TVDIM与同期气象站点降水数据呈显著负相关,均通过P<0.05显著检验。2)空间上,旱情主要发生在张家口和东南平原地区;时间上,旱情表现为先加剧后缓解。综上,TVDIM模型可靠性及精度较高,可用于京津冀地区干旱监测预警。     

煤矿关闭前后土地利用RS与GIS动态监测

采用遥感和GIS技术来监测矿区土地利用动态情况,对于矿区土地资源合理利用、科学管理和综合治理具有重要的意义。本文从数据的获取、遥感影像处理、年度变化信息提取、土地利用转移矩阵的建立等过程来分析土地利用RS与GIS动态监测过程。研究结果表明煤矿关闭前土地利用类型之间相互转换明显,呈现出建设用地和水域面积增加的趋势;关闭后水域面积趋于稳定,而农用地增加,土地利用集约化水平得到提高。总体来说矿区土地利用粗放,没有一个合理的土地利用结构方向,缺乏一个土地利用总体规划,但通过长期复垦整治,在一定程度上缓解了当地人地矛盾。     

数据预处理条件下的神经网络开采沉陷预计模型研究

开采沉陷预计是矿山开采研究领域的核心和难点之一,它对开采沉陷的理论研究和生产实践都有重要的意义。本文以进行沉陷预计为目的,提出建立基于各影响因素数据序列思想,其主要步骤为首先建立影响因素序列;其次利用灰色理论对建立的数据序列进行预处理;最后构建基于数据预处理条件下的BP神经网络预测模型(AGO-BP模型),以用于矿区沉陷预报。通过对几组实例本文对建立的模型进行了多次反复预测实验,预测结果证实该模型预测精度较高,在工程上具有一定的应用价值。     

基于多尺度的老采空区上方建筑物变形分析及预报

老采空区上方地表变形是一个具有复杂性、突然性和长期性等显著特点的非线性过程。在老采空区上方建设生活或服务设施时,必须对老采空区上方地基稳定性和残余变形情况进行评价和预测。基于多尺度经验模态分解（EMD）,提出了老采空区上方地表建筑物稳定性分析及预测新方法。通过实例研究,证实采用多尺度经验模态分解可获得老采空区上方地表建筑物的动态变形细部信号。对各分解尺度进行分析能更准确有效地评价原始数据所反映的建筑物变形特征和进行变形机制研究。同时,实例计算也证实,采用考虑多尺度特征的预测模型可获得比传统方法更优的变形预报精度,为更科学地评价老采空区建筑物稳定性提供理论依据。     

基于经验模式分解和相空间重构的采空区地表动态变形混沌性态及时变规律研究

采空区地表动态变化过程受到诸多地质及采矿条件的影响,为研究其细部动态变形过程,结合某矿区地表变形的动态监测资料,基于经验模式分解（EMD）信息提取技术提取地表变形趋势信息能力和相空间重构技术的数据处理特点,提出了地表动态时变规律分析方法：利用EMD技术,提取出地表的时效变形;采用相空间重构技术对时效变形重构相平面,研究地表随时间的沉降演变规律。结果表明,应用该方法可以清晰地分析出地表随时间变化过程中细部动力学过程,得出地表变形的时变规律。     

基于Sentinel-1A数据的土壤水分反演

土壤水分是影响作物生长的重要因素,也是监测旱情、估算作物产量的重要参量.为及时、准确地掌握土壤水分,在利用水云模型(Water Cloud Model,WCM)对Sentinel-1 A的后向散射系数校正的基础上,联合地面土壤水分数据,采用线性回归、BP神经网络和支持向量回归三类模型进行了地表土壤水分反演实验研究.实验...     

GF-1WFV与Landsat8OLI的NDVI交互比较与定量关系研究

为弥补、修正构建Landsat 8归一化植被指数(normalized differential vegetation index,NDVI)长时间序列中因云层覆盖、影像质量与重访周期导致的数据缺失问题,交互比较高分一号(GF-1)与Landsat 8两类传感器的植被探测能力,并对其植被指数的定量关系进行研究,探讨以GF-1局部镶嵌或全局替换Landsat 8缺失数据构建时序NDVI的可行性。结果显示,Landsat 8与GF-1具有NDVI差异性,具体表现为Landsat 8探测地物信号更强,而GF-1获取地物信息量更多;相同空间分辨率(30 m)下两传感器NDVI数据呈现高度线性相关,经方程转换后,GF-1的NDVI拟合数据与Landsat 8的NDVI关系增强;同时,两传感器的NDVI数据存在区域差异性,且拟合数据可以有效减少差异程度。实验表明,此方法可实现Landsat 8高分辨率时序NDVI的构建,具有一定应用价值。     

非监督分类的冬小麦种植信息提取模型

为了解决在区域冬小麦种植信息遥感提取过程中监督学习算法存在的需要地面样本数据支持、流程复杂、人为干扰因素多及自动化程度低等问题，本文以非监督分类为核心，结合多尺度技术，提出了一种新的非监督分类冬小麦种植信息提取模型。选取河北省辛集市为典型试验区，以2014年高分一号数据为数据源，对本文提出的模型进行实例验证。试验结果表明：该模型的Kappa系数为0.88，整体精度为94.00%；对于研究区内的冬小麦，在无需训练样本、人为干扰因素少等条件下，该模型具有与监督分类相似的提取精度，能够满足冬小麦种植信息地面遥感监测的需求。