基于BP人工神经网络算法的临沂市土地利用集约状况探析

通过对2009—2012年度临沂市9县3区统计年鉴和变更调查中11个相关指标数据的搜集,借助MATLAB7.0软件平台,利用BP人工神经网络算法,算出2009—2012年度各县区土地利用集约度,并利用BP人工神经网络的预测功能,预测了2013年和2014年度土地利用集约度值,结果表明临沂市平均土地利用集约度水平正逐步从粗放利用发展到中度集约,兰山区土地利用集约度水平一直为高度集约,集约度居全市之首,罗庄区一直为中度集约,稳中有进。预计到2014年底,大部分县区在中度集约或以上,仅有费县、蒙阴2县为粗放利用。。     

小波变换在BP神经网络遥感影像模式识别中的应用

通过经小波压缩降噪后的遥感影像,结合Bp神经网络进行遥感影像模式识别,与未经小波变换的BP神经网络进行遥感影像模式识别结果对比,总结出影像经小波变换后对于提高神经网络识别效率有很好效果。     

BP网络及其在遥感图像分类中的应用

BP网络分类方法是一种新的模式识别方法,在遥感图像分类识别处理中有良好的应用前景。文章在阐明BP网络组成的基础上,介绍了BP网络的遥感图像分类过程,指出应注意的一些问题,并分析了其应用效果。     

基于GPRS的区域气象站组网技术

简要介绍了GPRS/CDMA无线传输系统的特点,对GPRS无线通讯系统的原理进行了分析。移动GPRS网络具有覆盖范围广泛,可支持的终端种类多,网络带宽已经完全能够满足气象数据采集系统的要求等优点。根据各地市气象部门局域网接入Internet网方式的不同,网络设备的不同,比较、分析了几种和GPRS网络搭建的方式及各种网络设备的配置。兰州市气象局在区域气象站升级时选用了GPRS通信方式,并采用代理服务器端口映射方式,实践证明通信稳定可靠,实时数据接收及时准确。对于各地市气象部门进行区域气象站组网有很好的借鉴和推广作用。     

基于遥感的盐城市土地利用变化及其驱动力分析

基于遥感与地理信息系统技术,对Landsat TM影像进行解译,获得了盐城市2000年和2009年的土地利用分类结果。同时,采用美国国防气象卫星数据和盐城市统计年鉴数据,对土地利用变化驱动力进行了分析。分析表明:①2000~2009年间,盐城市的土地利用类型发生了重大的变化,综合变化率为0.75,并且滩涂湿地变化率最高为-8.23,其次是水域为-5.17,林草地为3.27,建筑用地为2.24,耕地为0.69。②耕地主要转化为建筑用地,转化面积达349.806 km2,其次为水域;建筑用地面积增加了近100 km2,主要由耕地、水域和滩涂湿地转化而来;林草地主要转化为耕地,转化面积的增加主要是由滩涂湿地转化而来;水域主要转化为耕地;滩涂湿地主要转化为耕地,转化面积为144.59 km2。③2000~2009年间,盐城市土地利用变化主要受到城市化水平的提高,人口、经济的进一步增长以及国家的方针和地方的政策等多方面因素的共同影响。④研究揭示了盐城市近10年间土地利用变化特征及其驱动力,为该地区的进一步合理开发利用土地提供一定的参考依据。     

人工神经网络的基准地价评估方法研究

探讨了人工神经网络应用于基准地价评估的可行性 ,针对基准地价评估提出了相应的人工神经网络模型和算法改进措施 ,以及在采用神经网络的前提下 ,进行土地定级与基准地价评估的新思路。实例表明 ,人工神经网络方法具有客观、准确、通用等优点。     

基于GIS的广州市土地利用遥感动态监测与变化分析

以1997、2003年广州市的Landsat TM影像为基本数据源,在遥感和地理信息系统处理软件的支持下,经过几何纠正、图像裁剪和图像增强处理后,采用最大似然比法结合人工目视解译对影像进行了识别分类,获得了广州市两个时相的土地利用分类数据,并进行了分类精度评价.然后建立了土地利用转移矩阵,并利用数值统计的方法,从不同角度分析了1997～2003年广州市土地利用变化的过程,包括土地利用变化的数量、速度、空间转移及其区域差异等.另外,经济发展、人口的增长、城市化建设等因素是广州市土地利用变化的主要驱动力.     

厦门市土地利用年际变化遥感分析

采用多步骤遥感图像分类以及后分类变化检测方法所得到的厦门市1989、1995和2000年的图像分类图及土地利用变化转换矩阵,查明了厦门市1989～2000年的土地利用变化：城乡建设用地、耕地以及林地／园地等主要用地类型的面积及变化;大量耕地被城市扩展侵占,数量不断减少,质量不断下降。分析认为,工业化和城市化的发展、人口的增长以及自然地理条件等因素是厦门市土地利用发生变化的主要驱动力。研究表明,利用3S技术可以快速有效地对城市土地利用年际变化进行动态监测,揭示城市土地利用动态变化的特点及其内在规律,为城市规划和政府决策部门提供参考依据。     

基于遥感和景观分类的北京市裸露农田分析和治理对策

基于遥感影像的决策树分类,结合土地利用图,将北京市农业地表覆盖划分为春玉米、冬小麦、果园、林木苗圃、牧草地、设施农业和畜禽饲养地。考虑海拔、坡度和土壤质地三个因子将北京市分成10个景观区,在景观分区和不同农业用地基础上划分出39类农业景观单元。利用基于遥感影像计算的归一化差异植被指数,结合实地调查验证,分类出北京市冬春季裸露农田。结合景观分类,分析了不同景观单元冬春季地表裸露情况。结果表明:2007—2008年冬春季裸露农田共8.05×104 hm2,主要分布在延庆盆地、密云水库北岸和城区边缘的近郊农业区;海拔和土地利用方式对裸露情况影响较大,其中山区春玉米和平原果园裸露情况绝对面积较大,分别占到总裸露农田面积的40%和17%,牧草地、林木苗圃与设施农业地裸露程度较高。基于不同景观单元裸露程度,结合绿肥种植、保护性耕作、生草覆盖等裸露农田治理方法,探讨了北京市农业产业和景观一体化建设策略。     

近20年来福州市土地利用时空变化的遥感分析

以1986、1996和2006年三期Landsat TM影像为基本数据源,采用最大似然法分类,并以同期高分辨率的SPOT5影像进行分类后处理,最后分类后变化检测法监测了福州市1986~2006年的土地利用变化及其转移模式。结果表明,福州市近20年间土地利用发生了较大的变化,城乡建筑用地处于快速增长阶段,而耕地数量却在不断下降。经济发展、人口增长、政府决策等因素是福州市土地利用发生变化的主要驱动力。     

自组织神经网络的土地覆盖图像识别分析应用

土地利用/土地覆盖数据的识别,采用传统的方法进行类型识别运算量大,精度也不太理想。本文重点讨论采用自组织神经网络方法,并在MATLAB平台下对其算法进行了实现,最后将分类识别结果与最大似然法分类结果进行了精度比较分析。结果表明,其分类精度明显高于最大似然法的分类精度,是一种土地覆盖图像识别分类的有效方法。     

融合GNSS气象参数的BP神经网络雾霾预测研究

结合IGS中心获取的BJFS站气象参数（气温（T）、气压（P）、大气可降水量（PWV））及同期PM_2.5数据,建立一种融合时序网络和回归网络的雾霾预测模型,对PM_2.5浓度进行预测。研究表明,引入GNSS气象参数的融合网络模型较单一网络模型适应性强、准确度高,在一定精度范围内可准确预测PM_2.5的变化,时效性达3 h。本文结论验证了卫星导航技术应用于雾霾天气监测及预报的可行性。     

多年平均气温空间化BP神经网络模型的模拟分析

气温数据空间化是插补无站地区温度、使气温数据便于综合分析的重要技术手段.理想情况下,气温的空间化分布受经度、纬度和海拔高度的影响,呈现规律性的空间分布态势.但是,各种微观因子如坡度、坡向、地形起伏、地表覆被等的存在,在一定程度上扰乱并弱化了这种规律性的分布态势.本文基于Matlab平台,利用BP神经网络研究了多年平均气...     

基于人工神经网络的多特征因子路网匹配算法

在综合考虑多个特征因子的线要素匹配时,根据经验知识确定各特征因子的权值会造成人为误差。针对该问题,本文提出了基于人工神经网络的多特征因子路网匹配算法,根据线要素的几何和拓扑特性选取长度、方向、形状、距离及拓扑5个特征因子的相似度作为路网匹配参考因子。首先,分别在参考图层和待匹配图层中选取样本数据组成样本对,计算样本数据的5个特征因子相似度,用样本数据的5个特征因子相似度和样本的匹配度组成学习模式对;然后,利用BP神经网络的误差反向传播机制自动学习调整各神经层之间的连接权值;最后,输入全部数据,计算参考图层的弧段和待匹配图层的弧段间的匹配度,实现综合多特征因子的路网匹配。实验结果表明,利用人工神经网络进行综合多特征因子的路网匹配可以提高匹配效率和匹配准确度。     

基于随机森林算法的近地表气温遥感反演研究

近地表气温是城市热环境的重要表征,是改变和影响城区气候的重要因素。为获得空间上连续的近地表气温,本文以北京市为研究区,利用Landsat5/TM数据计算分别得到地表温度、归一化植被指数、改进的归一化差异水体指数、地表反照率、不透水面盖度,并结合气象站点气温和高程作为输入参数建立随机森林模型反演近地表气温。结果表明,随机森林反演的近地表气温平均绝对误差（MAE）为0.80 ℃,均方根误差（RMSE）为1.06 ℃,与传统多元线性气温回归方法相比,平均绝对误差（MAE）和均方根误差（RMSE）分别提高0.06 ℃和0.09 ℃。研究表明,利用随机森林模型反演近地表气温是可行的,并且具有一定的优越性。此外,对随机森林模型的输入参数进行重要性分析,地表温度对气温反演模型的影响最大,其次为高程。     

融合数字表面模型的无人机遥感影像城市土地利用分类

城市土地利用是城市生态学中的关键问题,深入了解城市的土地利用对合理规划城市功能分区、提升用地效益、促进区域经济与环境发展具有重要意义。因此,城市土地利用类型分类研究一直是城市规划学和城市地理学研究的核心内容之一。快速发展的无人机技术为城市土地利用分类提供了丰富的数据支撑,基于无人机遥感影像建立的数字表面模型（DSM）和数字正射影像（DOM）可以有效提高城市土地利用分类的精度。为了充分利用无人机遥感影像的丰富信息,本文提出了一种融合高分辨率DOM和DSM的城市土地利用分类方法。本文融合了DOM和DSM作为数据源。在面向对象分类方法的基础上,DSM分别被用于多尺度分割过程中像元融合的最终阈值和地物分类过程中的地物高度特征。该方法在天津市宝坻区的京津新城进行了验证,结果表明,相对于最初的多尺度分割方法,融合DSM后的多尺度分割方法的分割质量指数（QR）、过分割指数（OR）、欠分割指数（UR）和综合指数（CR）都有所降低,分割效果明显提高。优化后的面向对象分类方法,在分类精度上有所提高,尤其是道路、建筑物和其他建设用地。总体精度由85%提高到了87.25%,Kappa系数由0.79提高到0.82。由此可看出,优化后的面向对象分类方法可以更有效地进行城市土地利用分类。     

浙江省土地利用与土地覆被遥感综合调查研究

本文从土地利用/土地覆被的国内外研究现状与趋势出发,在总结与分析本地区土地利用与土地覆被已开展工作基础上,根据本次浙江省遥感综合调查的目标与任务 ,基于现代遥感与信息技术 ,建立了土地利用与土地覆被现状调查的技术路线与方法,为今后开展同类研究提供了借鉴     

地表温度的多源遥感数据反演算法对比分析

 多源遥感数据的综合应用是提高地表温度反演精度的有效途径.MODIS数据和Landsat TM数据在我国同一地区获取的时间相差不大,可以获取近似同步的MODIS数据和TM数据.本文将基于MODIS数据反演的大气参数应用于TM影像的地表温度反演,分别对单窗口算法和普适性单通道算法进行了实验研究,应用气象站实测的地表温度数据对反演结果进行了检验,并对比分析了不同土地覆盖条件下两种算法的精度差异.结果表明:两种算法反演精度均较高,单窗口算法反演精度为0.76K,普适性单通道算法反演精度为1.23K;在不同的土地覆盖条件下,两种算法表现出明显的差异性,水体区反演结果差异最小,均值差异仅为0.02K,植被区差异最大,均值差异为0.62K.