基于偏最小二乘法的土壤汞含量高光谱反演

采集新疆准东煤田典型土壤样品44个,在实验室测定风干后的土样汞含量和光谱反射率,经预处理后分析两者的相关性,运用偏最小二乘法(PLSR)建立土壤汞含量高光谱估算模型,由均方根误差RMSE和决定系数R2检验模型的预测能力和稳定性,并比较不同预处理方法的适用性。结果表明:反射率一阶微分光谱是估算土壤汞含量较好的指标,估算R2为0.77、RMSE为0.032。通过各种光谱预处理方法可提高土壤汞含量的估算精度,为研究区生态环境的恢复和评价提供依据。     

基于偏最小二乘法的玉米FPAR高光谱反演模型研究

以ASD FR便携式光谱仪与LI-191SA光量子仪对吉林中西部的玉米田进行多次观测,采集到123组有效数据,基于偏最小二乘法(PLS)对玉米FPAR进行高光谱反演。对可见光与近红外光谱(400～1 500nm)进行分析并建立反演模型,对FPAR预测效果进行验证,验证模型的R2为0.785,RMSE为0.117;同时进行了玉米FPAR与光谱反射率、反射率一阶导数之间的关系分析及植被指数与玉米FPAR之间的回归分析。研究结果表明,PLS方法建立的模型可有效地从玉米高光谱反射率数据反演出FPAR含量,反演结果精度较植被指数高。     

基于最小二乘法原理的建筑物模型实现

建筑物模型建立中,在没有设计尺寸且对建筑物模型精度要求较高的情况下,建筑物模型的数据需由实地测绘获得,本文基于最小二乘法原理,对多次实测数据进行平差处理,以实现建筑物建模。     

基于最小二乘影像匹配的超分辨率重建

通过序列影像间的互补信息改善影像失真和退化的超分辨率重建,其关键是精确获取序列影像间的运动信息。该文讨论了一种基于最小二乘影像匹配的高精度运动估计方法,根据最小二乘影像匹配的高精度同名像点,获取同名点在序列影像间的运动信息,从而进行低分辨率序列影像的子像素级运动信息精确估计,据此进行超分辨率重建。利用一组模拟低分辨率序列影像进行的超分辨率重建验证结果表明:基于最小二乘法运动估计精度较高,采用迭代反投影法重建影像具有较好的视觉效果,该方法尤其适用于存在平移运动的影像序列的超分辨率重建。     

偏最小二乘法在苏锡常地区土地利用研究中的应用

In several LUCC studies, statistical methods are being used to analyze land use data. A problem using conventional statistical methods in land use analysis is that these methods assume the data to be statistically independent. But in fact, they have the tendency to be dependent, a phenomenon known as multicollinearity, especially in the cases of few observations. In this paper, a Partial Least-Squares （PLS） regression approach is developed to study relationships between land use and its influencing factors through a case study of the Suzhou-Wuxi-Changzhou region in China. Multicollinearity exists in the dataset and the number of variables is high compared to the number of observations. Four PLS factors are selected through a preliminary analysis. The correlation analyses between land use and influencing factors demonstrate the land use character of rural industrialization and urbanization in the Suzhou-Wuxi-Changzhou region, meanwhile illustrate that the first PLS factor has enough ability to best describe land use patterns quantitatively, and most of the statistical relations derived from it accord with the fact. By the decreasing capacity of the PLS factors, the reliability of model outcome decreases correspondingly.     

应用最小二乘法建立钾长石释光测年标准生长曲线

标准生长曲线（Standardised Growth Curve,SGC）法的提出为高效快速地测定释光样品的等效剂量（D_e）值提供了可能。不同实验室的放射源剂量率、操作流程、仪器误差等的不同会导致SGC参数的不同。运用最小二乘法标准化实验剂量校正后的信号L_ri/T_ri*D_e得到一条本实验室的标准生长曲线,用来快速得到等效剂量值。通过R软件实现了最小二乘法标准化过程,建立了50、100、150、200、250℃激发温度下的钾长石的标准生长曲线,分析发现250℃下的SGC收敛性最好,由于此温度下的信号衰退率可忽略不计,因此,我们用250℃激发温度下的SGC方程来估计样品的等效剂量。比较250℃ SGC D_e和250℃ MET-pIRIR D_e的一致性,发现在0~500 Gy范围内用SGC法估计的D_e和MET-pIRIR法估计的D_e非常接近,表明了此范围内SGC法的可靠性,而在>600 Gy范围内出现较大差别。一方面,此范围内用于拟合SGC的数据点较少导致高剂量区域内拟合的方程参数不够准确;另一方面,600 Gy与SGC对应的饱和剂量水平值844.5 Gy已经接近,所以在>600 Gy区域测出的D_e很可能出现较大偏差。因此需在今后工作中逐步积累更多样品,完善SGC参数,使其也能胜任较老年龄样品。     

基于NDVI与偏最小二乘回归的荒漠化地区植被覆盖度高光谱遥感估测

以星载高光谱影像Hyperion为数据源,系统比较了NDVI与偏最小二乘回归（PLS）估测荒漠化地区植被覆盖度的能力,模型的建立（n=46）与独立检验所用样本（n=10）均为地面实测数据。研究结果表明,基于星载高光谱数据的NDVI与PLS模型可以有效地估测荒漠化地区植被覆盖度。相比于宽波段NDVI（RMSEP=10.5618）及基于803.3/671.02 nm计算的标准高光谱NDVI（RMSEP=8.3863）,选择特定高光谱波段（823.65/701.55 nm）构建的NDVI预测植被覆盖度的误差明显较低（RMSEP=6.5189）。基于高光谱所有波段原始反射率、一阶导数及包络线去除光谱的PLS回归模型表现,要明显优于仅利用两个波段信息的NDVI,其中基于原始反射率的PLS回归模型表现最佳,RMSEP为4.4998,约为因变量平均值的23%。     

基于地理加权和最小二乘线性回归模型的气温与NDVI聚集密度的相关分析

基于2015年广州地区1 km空间分辨率的MOD13A 3月合成NDVI数据以及春夏秋冬4个季节的气象站点近地表气温,首先利用聚集密度计算方法计算NDVI的聚集密度,构建不同季节近地表气温与NDVI聚集密度的最小二乘线性回归模型(OLS)和地理加权回归模型(GWR),分析广州市近地表气温与NDVI聚集密度的相关关系,探讨不同季节NDVI聚集密度回归系数的空间分布,并利用AICc信息准则、拟合优度和Sigma指标对GWR与OLS的结果进行比较分析。结果表明:NDVI聚集密度较好地反映了研究区建设用地、植被和水体等下垫面的综合信息;与OLS模型相比,GWR模型的拟合效果更显著,最小的拟合度从0.02提高到0.464,GWR模型的拟合度最大值达到了0.724;GWR模型回归残差的Moran’s I显著减少,如1月份Moran’s I指数从0.383减少到0.022;NDVI聚集密度对气温的影响具有空间异质性,整体上,从广州北到南,GWR模型中NDVI聚集密度与气温的回归系数由负值逐渐增加到正值,表明NDVI聚集密度对气温有着从负到正的影响;下垫面以不透水面为主的区域,GWR模型拟合度较低,以植被为主要下垫面的区域,GWR模型拟合度较高。     

基于Freeman分解的喀斯特高原山区烟田土壤水分反演研究

为探究SAR技术在喀斯特高原山区烟田旱情监测,选取贵州省清镇市流长乡现代烤烟农业基地单元为研究区,采用SAR目标极化分解技术反演团棵期烟田土壤水分。选取Radarsat-2全极化数据,通过Freeman-Durden极化目标分解技术,分解出3种散射机制,并从目视解译假彩色合成影像与散射功率两个角度综合分析主要散射机制,根据SAR影像散射量中的介电常数与土壤水分密切相关的原理,尝试不同的回归模型,用主要散射机制占比反演烟田土壤水分,并用线性回归检验法检验其反演精度。结果表明:此方法能够较好地反演喀斯特高原山区烟田团棵期土壤水分,体现出SAR影像信息中单次散射模拟微粗糙表面散射及反演土壤水分的优势,为喀斯特高原山区烟田旱情监测提供技术参考。     

从遥感多光谱数据中产生分要素图像的最小二乘混合模型

Ⅰ.介绍卫星传感器记录的辐射是传感器瞬时视场(IFOV)内所有地物辐射的综合。因此,探测到的辐射是许多不同地物辐射的混合加上大气效应所形成的。已有几个研究者对混合现象作过研究。大多数自然景观的非单一性总是导致大量要素成混合状况。由于不同像之中各种地物比例的变化使得问题更加复杂。处理混合问题一般是从两个方面着手:(i)分类技术,(ii)企图使一个像元中各要素的类型和比例与要素的光谱响应模型化。     

基于动力反演方法的亚洲季风机制探讨

为探求董哥洞石笋δ18O值所指示的亚洲季风的驱动机制,用非线性动力反演的方法建立亚洲季风的动力方程。研究发现:董哥洞石笋δ18O值所指示的季风为印度季风,印度季风系统是由南极温度和其他驱动因子共同驱动的复杂非线性动力系统;太阳活动、北极温度和青藏高原温度对印度季风起稳定作用,太阳活动越强烈,稳定作用越弱;北极温度和青藏高原温度越高,稳定作用越弱;印度季风背景值对下一刻印度季风起稳定作用,且强度越大,稳定作用也就越强。     

基于微波遥感数据的雪情参数反演方法

微波遥感传感器在36.5 GHz通道会因雪深超过其穿透深度而出现信号饱和,从而导致雪深被低估。针对该问题,首先建立了18.7 GHz与36.5 GHz通道亮温差和10.7 GHz与18.7 GHz通道亮温差相结合的积雪深度分层反演新方法,然后利用GCOM-W1星上搭载的AMSR2传感器数据估算了2012年12月至2013年2月新疆每日积雪深度,结合同期的气象站点观测数据与野外实测数据对遥感反演结果进行了评价。结果表明,所建立模型能够很好识别新疆地区积雪的空间分布状况,雪深的估算结果明显优于常用的Chang模型。     

基于自适应双态粒子群的应急物资配送空间优化

应急物资的调度是一个典型的社会服务空间优化问题,将粒子群优化算法与GIS相结合建立应急物资空间分配智能优化模型。首先,针对传统标准粒子群算法随维度增高而极易陷入局部最优的特点,模型将粒子群进化曲线的曲率定义为种群多样性,采用"扑食"和"探索"2个状态建立自适应双态进化机制;其次,改进的算法只针对全局最优粒子进行变异,很好地控制了群体"集群飞行"与"外空探索"之间的协调;第三,利用动态递归和生物智能的随机特性建立起了约束处理机制。通过低维和高维理论模型测试,验证了模型在低维优化空间获取了绝对最优解;而在高维空间也达到了非常高的优化精度。最后,选择某市物资供应为案例,利用该模型分析了试验区物资分配格局。研究表明,耦合生物智能的GIS空间优化模型在智慧城市建设中具有重要的应用意义。     

基于Hilbert曲线层次分解的空间数据划分方法

针对现有空间数据划分方法普遍存在的不考虑空间对象自身大小和相邻对象空间关系对数据划分的影响等问题,提出一种基于Hilbert空间填充曲线层次分解的空间数据划分方法。该方法使用Hilbert曲线保持划分后空间数据之间的邻近性,利用少数子网格的层次分解避免对整个空间范围的密集划分,减少空间对象的Hilbert编码计算和排序时间;通过计算划分区域平均数据量和子网格内空间对象大小,确定合适的层次分解参数,实现各划分区域内空间数据量均衡。实验表明,该方法提高了空间数据的划分效率,能够保持划分后空间数据之间的邻近性和各个分区数据量的平衡。     

基于粒子群优化BP神经网络的耕地自然质量分计算模型

针对常规农用地分等方法中因子权重计算存在人为因素干扰及BP神经网络模型自身优化过程中易陷入局部极小值的情况,通过粒子群算法的全局搜索能力对BP神经网络进行优化,建立耕地自然质量分计算的粒子群BP神经网络模型(PSO-BP网络模型)。对湖北省荆门市沙洋县进行实证研究,结果证明PSO-BP网络模型能避免常规方法因子权重确定的人为干扰,同时具有较高的优化效率,应用效果较好。     

基于支撑向量回归的二端元混合像元分解

针对遥感影像混合像元光谱复杂,其非线性特征,传统LSMM分解模型难以进行有效的混合像元分解的不足。通过基于SVR的二端元混合像元分解的研究,从真实遥感影像上获取典型的植被、非植被光谱信息,构造二端元混合光谱库,进行SVR模型的混合像元分解。当样本量为6%时,交叉验证获得最佳模型参数（C=1024.0和g=4.0）,进一步对全部混合像元进行混合像元分解。实验结果表明：SVR分解结果RMSE为5.95,R²为0.958,优于LSMM方法（RMSE=7.71,R²=0.932）,且在各个不同真值丰度下具有更好的稳定性,证明该方法对于非线性混合光谱具有很好的学习和推广能力。此外,该方法的精度不随训练样本量的增加呈明显变化,体现出SVR在有限样本情况下能够保证高效率的训练能力。     

基于粒子群双重空间聚类的城镇地价空间分异规律挖掘

城镇地价的空间分异对其动态监测片区划定具有重要的参考作用,而空间聚类则是对该问题进行分析的一种有效方法.文中在分析空间聚类本质的基础上,设计了一种基于样本数据的粒子群双重空间聚类挖掘模型,并以北海市二手房地价空间分布挖掘为实例进行了应用.结果表明:粒子群双重空间聚类在空间聚类效果上优于传统K-均值聚类法,尤其是对于任意形状聚类簇的挖掘;然而,由于标准粒子群优化算法机理的限制,其聚类效果随聚类中心的增多而呈下降趋势.总体而言,该方法能利用有限的样本挖掘质量较好的城镇地价空间分异区,可为城镇地价动态监管提供相     

一种基于光谱归一化的丘陵地区植被覆盖度反演方法

由于影像空间分辨率的限制,利用遥感影像反演植被覆盖度时,像元内通常存在植被与其他地物混合的现象。此外,受到物理属性、地形、阴影等因素的影响,植被内部存在较大的光谱差异。混合像元的存在,以及植被内部光谱变化较大都将导致植被覆盖度反演精度降低。本研究基于Sentinel 2A遥感影像,提出了一种基于光谱归一化的光谱混合分析方法,以期解决植被内的光谱差异以及与其他地物的混合问题。首先,对端元矩阵与遥感影像进行归一化预处理,以减弱植被内的光谱变化;然后,采用全约束最小二乘法(FCLSU)、部分约束最小二乘法(CLSU)、扩展线性混合模型(ELMM)三种混合像元分解算法来定量分析植被与其他地物的混合状态。在验证解混算法精度时,采用无人机高分影像分类结果作为植被覆盖度参考影像,并对归一化前后的精度进行对比。光谱归一化前,ELMM和CLSU的R和RMSE都接近0.903和0.353,FCLSU的R和RMSE为0.869和0.434。光谱归一化后,三种算法的R和RMSE都接近0.91和0.2。试验结果表明:端元和影像进行归一化后,降低了光谱变异性,三种算法的解混精度在整体上提高较大,且对四川丘陵地区的植被覆盖度的反演结果接近真实值。     

基于MODIS数据的2001—2018年中国耕地复种指数反演研究

耕地复种指数的持续稳定关乎国家粮食安全战略,实时高效地获取复种指数时空演变的详细过程信息具有重要意义。论文基于2001—2018年500 m分辨率的MODIS09A1影像数据,利用小波谱顶点的快速自动检测方法获取了全国复种指数的时空分布图,并采用Mann-Kendall检验、启发式分割算法等方法开展了全国复种指数变化形式的时空演变规律及驱动机制研究。结果表明：全国耕地复种指数稳中有升,复种指数均值从2001年的1.14上升至2018年的1.30。全国6%的耕地面积复种指数发生显著变化(约13.5万km²),相当于一个安徽省的面积。复种指数增加面积约占变化面积的2/3,复种指数下降面积约占变化面积的1/3。其中,复种指数增加的面积主要来源于黄土高原区、甘新区的休耕转为单季以及黄淮海区单季转双季,且集中在2004—2013年。2013年至今,全国复种指数仍呈增加趋势,黄淮海区单季转双季的面积保持持续增加是重要的影响因素。复种指数下降的面积主要来源于2009—2013年长江中下游平原区的双季转单季。保持黄土高原区、甘新区的耕地有效种植面积以及黄淮区耕地的双季种植面积,适当抑制长江中下游地区耕地复种指数的下降态势,对于稳定耕地复种指数、确保粮食安全具有重要意义。