基于深度学习的河道提取与变化监测应用——以永定河为例

本文基于2014年、2017年、2018年三期GF1遥感影像,针对北京市石景山永定河河道变化特征,开展基于深度学习算法的河道自动提取与变化图斑自动发现。选择GEOWAY GFLP作为地理要素智能训练平台,采用基于疑似变化区域自动发现与人工交互确认相结合的遥感监测技术路线,选取典型水体样本进行分析、训练,构建深度学习卷积神经网络水体提取模型。通过分析与验证发现,基于深度学习水体提取模型自动提取的河道准确率高于90%,精度高于最小距离、最大似然及SVM分类方法,可用于城市河道的自动提取和变化发现。     

基于稀疏判别分析的高光谱影像特征提取

针对当前特征提取方法不能充分挖掘高光谱影像稀疏特性的问题,提出一种基于稀疏判别分析的高光谱影像特征提取方法。首先,在线性判别分析的系数向量中引入稀疏正则项来捕获具有更强判别能力的特征,将高光谱影像映射至低维稀疏的子空间;然后,利用迭代优化方法对模型进行求解。利用Salinas和Pavia University高光谱影像进行对比实验,所提方法与分类方法结合用于影像分类时,其分类精度优于其他方法,总体分类精度分别达到97.42%和97.64%。     

广州地区木瓜园气温特征及其预测预报

根据木瓜园内以及附近气象站的气温观测资料，对广州地区木瓜园的气温特征及其预报模型进行了研究。结果表明，虽然木瓜园内和园外气温日变化趋势一致，但是不论白天还是夜间，木瓜园的气温都低于园外裸地。当木瓜树体较高，冠层稠密时，园内气温的垂直分布表现为12时气温以1．5m处最高，0时气温以1．5m处最低。园内、园外气温之间存在着显著的线性相关关系。以当日园外气温为预报因子建立的不同月份1．5m高度木瓜园内气温预报方程，其平均绝对误差大都在0．5℃以内，平均相对误差大都在10％以内，具有较高的精度。     

城市面临的气候生态问题与减缓措施

因人口和工业高度集中而使大气污染日益恶化,城市正面临着灰霾天气增加、酸雨频率加大、气候变暖、热岛效应明显等一系列气候生态问题。应当致力于调整能源结构,营造城市森林,减少排放,发展生态城市,从而使城市气候生态环境得到改善。     

基于多分类器组合面向对象遥感影像信息提取方法

提出最近距离法和基于知识规则的模糊分类法相结合的混合分类法,针对IKONOS遥感影像,分别用最近距离法、基于知识规则的模糊分类法以及混合分类法对影像进行信息提取。结果表明：混合分类法的信息提取精度最高,总体精度提高到95.60%,Kappa系数提高到0.944,其为面向对象的高分辨率影像信息提供理想方法。     

厄尔尼诺现象诱发的气候变化异常与农业气象灾害防御

受厄尔尼诺现象的影响,极易出现各种各样的气候异常现象。由气候异常引发的气象灾害也是多种多样的,这对农业生产和社会经济发展产生了较大的影响。气候异常与农业气象灾害有密切的关系。根据气候异常和农业气象灾害发生的特点和规律,建立农业防灾减灾系统,对农业发展有积极作用。     

广州灰霾天气的气候特征分析

根据广州气象观测站1961-2002年观测资料，对广州市灰霾天气的气候特征及其成因进行了分析。结果表明，广州灰霾日数12月最多，6月最少，秋冬两季占全年灰霾日总数的70％以上。年灰霾日数总体呈上升趋势，年灰霾日数变化可分为5个阶段，其中，70年代末期至80年代中期、80年末期至90年代中后期是灰霾的两个急剧上升阶段。灰霾日数年际变化多与大气中的污染物浓度有关，而月、季的分布多受天气形势和气象条件所控制。灰霾能够降低到达地面的太阳总辐射，减少日照时数。