基于神经网络的区域生态环境分类方法研究

如何利用智能化信息提取技术，进行区域生态环境自动分类，一直是一种前沿性研究。该文在分析研究区自然景观特征的基础上，总结了影响区域生态环境的建模要素，基于神经网络技术，并根据生态环境的遥感探测机理，利用TM卫星遥感数据中的可见光、热红外、植被指数(NDVI)以及DEM数据，建立了基于BP神经网络的区域生态环境信息自动提取模型，形成了一种新的生态环境分类方法，其分类结果与实际情况完全一致。     

基于神经网络的西藏拉萨地区生态环境分类

根据生态环境分类指标的科学性、完备性、简洁性和数据的可获取性,选取了影响拉萨地区生态环境的主要地形和气候因子高程、坡向、≥0℃积温、年平均温度、年平均降水量、潜在蒸散量和湿润度等7个有代表性的指标,利用GIS的空间内插方法将所有这些指标转成100 m×100 m的空间珊格数据,再根据每个指标特定的地理和环境意义进行指标的分带,对7个指标进行主成分分析后提取主要信息。通过选择4个典型样区作为训练区,对拉萨地区的生态环境进行了分类。结果表明,拉萨地区的主要生态环境类型包括河谷农业类型、山地草原类型、高山草甸类型及高山裸岩及冰雪类型。其中,高山草甸和山地草原生态环境类型占主导,分别为10 768.52 km2和10 646.6 km2,各占总面积的36.61%和36.20%,而河谷农业类型占总面积的10.75%。此外,拉萨地区分布有较大面积的高山裸岩及冰雪区生态环境类型,面积为总面积的14.16%。作为特殊类型的生态环境类型,拉萨地区境内的纳木错的湖泊面积是668.76 km2,占该湖面积的近一半和拉萨地区总面积的2.27%。     

生态环境需水量分类及计算方法综述

根据生态系统的生态环境功能,可以将生态环境需水量分为:河流生态环境需水量、植被生态用水量、用于湖泊湿地保护与恢复的生态环境需水量、城市生态环境需水量和回补超采地下水的生态环境需水量等。在此基础上,综述了各项生态环境需水量的计算方法,并提出了在生态环境需水量分类及计算方法方面需要进一步研究的问题。     

扎龙湿地的形成背景及其生态环境意义

扎龙湿地位于黑龙江省西部, 为乌裕尔河下游尾闾湖形成的苇草湖沼。作者通过野外调 查、表土样品粒度对比和遥感影像分析, 探讨了湿地形成演化的地质环境背景, 分析了扎龙湿地 与嫩江、沙地的成因联系。研究认为齐齐哈尔- 大庆沙地由北西走向的纵向沙垄和低洼盐碱带组 成, 与科尔沁沙地一起构成了一个NE 向展布的沙带, 可能主要形成于末次冰期时期。其后嫩江 进入沙地, 对沙地进行改造, 在扎龙地区留下众多牛轭湖。后期由于构造抬升嫩江河道西迁, 乌裕 尔河成为内流河, 其尾闾湖最后演化成为现在的扎龙湿地。因此扎龙地区的环境演化过程为: 风 成沙地形成→嫩江改造、破坏沙地→嫩江西迁、乌裕尔河分流→扎龙尾闾湖形成→扎龙尾闾湖退 化、湿地形成。因此扎龙湿地与连环湖是在风成沙丘上形成的沼泽地, 是整个嫩江流域生态环境 最脆弱的一个关键区。一旦湿地消失, 将导致这个地区的盐碱化和沙漠化, 对附近的齐齐哈尔和 大庆两市的生态环境造成严重影响。     

基于MODIS NDVI时序数列的柴达木盆地土地覆盖分类研究

以2003年柴达木盆地的MODIS卫星遥感影像为基础数据,结合野外实地考察资料,综合分析了2003年柴达木盆地的植被指数时间变化与空间分布特征,提取了该年度该区域各主要土地覆盖类型NDVI的时序数列曲线,采用NDVI时序数列变化曲线形状匹配方法对柴达木盆地进行了土地覆盖类型分类.在此基础上使用了将以月为单位的变化曲线转换为十二维空间中的单位向量,比较向量夹角以决定其相似度的先进算法,取得了良好的分类效果,获得了2003年柴达木盆地比较精确的土地覆盖分类图.提出了利用MODIS卫星遥感影像进行土地覆盖分类的新方法.     

基于LBV数据变换方法的海岸带多光谱影像分类方法研究

在传统的海岸带多光谱影像分类方法的基础上,提出了运用LBV数据变换方法对海岸带多光谱影像进行地物分类识别的方法,通过图像数据变换能够分别提取出表示地物总辐射水平、可见光-近红外辐射平衡和表示波段辐射变化矢量(方向和速度)L、B、V的值.通过应用青岛海岸带TM多光谱影像,提取LBV变换图像并与原始假彩色合成图像比较,分别进行监督分类试验.运用LBV数据变换方法获得的图像信息量更丰富,地物类别更鲜明,有利于图像的目视解译,分类精度提高约3.12%.     

基于小波变换的高分辨率影像纹理结构分类方法

该文提出了利用小波变换获取纹理结构子图像能量参数，并用这些参数进行高分辨率图像纹理结构分类的新方法。由阐述遥感影像纹理结构识别原理人手，提出影像纹理结构特征抽取的小波变换方法，构造了有明确的数学和物理意义的参数来描述影像纹理信息，在此基础上利用这些参数进行影像纹理结构分类。试验结果表明，小波变换方法适用于具有规则和较强方向性的纹理结构影像分类。     

基于卷积神经网络的极光图像分类

极光是由带电粒子经磁层—电离层碰撞大气而产生的。面对形态各异、演变过程复杂的极光图像,对其合理分类为进一步探究日地电磁活动和能量耦合等空间物理问题奠定了基础。针对该问题,引入深度学习的方法,通过卷积神经网络模型自主表征极光特征并实现极光图像分类。该方法对2003年北极黄河站越冬观测的38 044幅和8 001幅典型极光图像分类正确率达93.17%和91.5%;自动识别2004—2009年观测数据的极光形态,4类极光时间分布规律与三波段激发谱能量分布基本一致。实验结果表明,基于卷积神经网络的极光表征方法,能有效实现极光图像的自动分类。     

ENVI遥感图像监督分类方法比较

鉴于遥感监督分类方法的普遍应用,本文介绍了五种常用的监督分类方法:平行六面体法、最小距离法、马氏距离法、最大似然法和人工神经网络分类法。就同一地区TM影像应用这五种方法进行了土地利用分类,对比分析了这五种方法的分类精度,发现人工神经网络对土地覆盖与利用的分类精度高于最大似然法,最大似然法分类精度优于平行六面体法、最小距离法和马氏距离法。所得结论对有关遥感图像分类工作具有指导和借鉴意义。     

辅以NDVI/DEM的面向对象木薯提取方法研究——以广西壮族自治区武鸣县为例

木薯作为重要的非粮能源作物,因其种植分散、与易混淆作物缺乏生长时相差,从而导致其种植分布信息难以正确获取,一直是困扰木薯乙醇资源正确评估的技术问题。该研究以广西壮族自治区武鸣县为研究区,应用高分辨率RapidEye影像数据,探讨利用面向对象分类方法合理提取木薯种植面积及其空间分布信息。研究表明,将归一化植被指数(NDVI)和数字高程数据(DEM)应用于遥感影像的多尺度分割,并结合基于隶属度函数和阈值的面向对象分类方法,提取木薯种植面积的精度达85%,分类精度(以Kappa系数表示)为0.9。相比最大似然监督分类方法和未辅以NDVI/DEM的面向对象分类方法,该方法的总精度分别提高了5%和12%,Kappa系数分别提高了0.2和0.3。因此,NDVI和DEM数据参与影像分割的面向对象的信息提取方法,可以有效地提高遥感图像分类的精度,并为提取种植分散、与相关植被时相差异小的作物的空间分布提供了有效的技术借鉴。     

BP网络模型在沙尘暴预测中的应用研究

依据锡林郭勒地区30 a气象资料,应用人工神经网络(ANN)中不同BP网络结构和算法,探索建立沙尘暴预测模型的方法。研究认为,在建立锡林郭勒地区沙尘暴预测模型时,选择年大风日数、年平均地温、年蒸发量、相对湿度4个气象因子作为模型的输入因子是合理的;经过输入因子确定,层数、节点选择,每层激活函数和输出因子的确定,锡林郭勒地区沙尘暴预测模型可采用三层网络结构（4-6-1）。比较和试算显示,快速BP算法较普通BP算法的训练速度快,收敛精度高64.47%;快速BP神经网络的沙尘暴预测模型的预测精度可达到98%,较传统的多元线性回归数学模型高。因此,应用快速BP神经网络建立沙尘暴预测模型简捷、方便,具有精度高、智能化等特点,可在区域沙尘暴预测预报领域推广。     

基于EOS/MODIS数据的NDVI与EVI比较研究

作为NOAA/AVHRR 归一化植被指数(NDVI) 的延续和发展, EOS/MODIS 归一化植被指 数(NDVI) 和增强植被指数( EVI) 在许多领域得到广泛应用。应用数理统计和地统计学方法对二 者进行的对比研究表明: NDVI 在植被生长旺盛期容易达到饱和, 而EVI 则能克服这一现象, 比 较真实地反映植被的生长变化过程; 相同空间分辨率下, EVI 取值范围、标准差与变异系数均高 于NDVI, NDVI 数据比较均一, 其空间相关性高于EVI, EVI 更能反映研究区域内植被空间差异。 关键词:MODIS; 归一化植被指数(NDVI) ; 增强植被指数( EVI) ; 对比     

粒子群神经网络混合模型在农用地分等中的应用

针对常规农用地分等模型因子权重计算存在人为干扰和神经网络模型自身优化过程中易陷入局部最优的情况,该文综合了BP神经网络非线性权重数据挖掘特性和粒子群的全局优化能力,建立了农用地分等计算的粒子群神经网络混合模型(PSO-BP网络模型),并应用于广东省揭西县农用地分等计算中,发现PSO-BP网络模型能避免定级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PCA和BP神经网络的径流预测

径流预测为流域水资源的合理开发利用与统筹配置提供依据。运用多元线性回归、主成分回归、BP神经网络及主成分分析和BP神经网络相结合的方法,对新疆呼图壁河流域石门水文站2009-2011年各月径流量进行预测,并采用相关系数、确定性系数及均方根误差对各模型预测精度进行比较。结果表明：（1）神经网络等智能算法具有高速寻优的能力,对短时间尺度的月径流量的预测结果较好;（2）主成分回归等常规算法能充分反映出某地区径流的年际的稳定性,对全年径流总量的模拟精度较高;（3）主成分分析和BP神经网络相结合的方法,提高了神经网络的收敛速度,同时降低了局部极值的影响,优于简单的BP神经网络,适用于呼图壁河月径流量预测。     

3个时期骆马湖大型水生植物的分布及变化

大型水生植物对湖泊的生物地球化学循环具有重要影响.一方面,大型水生植物在生长过程吸收营养;另一方面,其通过向水体释放氧气而影响磷元素以及其他相关因子,进而影响磷元素的生物地球化学循环.为了从宏观上了解骆马湖生态系统变化,以1990年9月20日、2000年5月2日和2008年10月15日Landsat TM/ETM+影像为主要数据源,以大型水生植物的归一化植被指数(NDVI)为测试变量,运用分类回归树(classifica-tion and regression tree,CART)方法确定分割阈值,通过构建知识决策树的方法识别骆马湖大型水生植物动态变化特征.3个时期的遥感分类的总体精度与kappa系数分别为92.28％和0.87、91.73％和0.86、93.38％和0.88,因此,该方法的分类精度完全满足骆马湖水生植物分布及变化的研究.研究结果表明,骆马湖大型水生植物分布面积由1990年的55.461 6 km2,减少到2000年的41.801 4 km2,2008年又增加到79.065 km2;大型水生植物主要分布在骆马湖北部河湖交汇区;人类活动干扰是造成骆马湖大型水生植物分布面积发生变化的主要原因.     

NDVI、NDMI与地表温度关系的对比研究

通过研究归一化植被指数(NDVI)、归一化水汽指数(NDMI)与地表温度(LST)的相关关系,对比NDVI和NDMI定量分析LST的适宜程度。以Landsat 8遥感影像为数据源,以郑汴都市区为例,反演LST,计算NDVI和NDMI。从整体、分区、像元等不同层面分析NDVI和NDMI与LST的相关关系,并利用GEO-Da软件,分析150 m、300 m、450 m三种不同采样间隔数据的NDVI、NDMI与LST的空间相关性。主要结论为：①NDVI与LST的线性拟合度较差,而NDMI与LST具有很强的线性关系,剖面分析显示NDMI与LST呈显著负相关关系。②缓冲区分析结果表明,随着距城市中心距离的增加,用地类型增多,LST和NDMI之间的相关性逐渐增强。③在Moran's I空间相关性分析中,不同采样间隔下两指数与LST的负相关关系均比较明显,但由于水体在2个指数中数值的差异,使NDMI与LST表现出更强的空间负相关性,而NDVI与LST空间相关性则相对较弱。因此,总的来说NDMI是热环境研究的有效指标,与NDVI相比,NDMI与LST的负相关关系更强、更稳定,也更适宜于对LST的定量分析。     

生态保护工程和气候变化对长江源区植被变化的影响量化

分析长江源区生态保护工程和气候变化对植被变化的影响程度,对于长江源区生态工程的生态效益评估,以及区域植被适应性生态管理政策的制定具有重要意义。因此,本文基于1982-2015年的归一化植被指数数据(Normalized Difference Vegetation Index, NDVI)和气象数据,分析长江源区植被NDVI的时空变化规律,构建预测植被NDVI对气候因子响应的人工神经网络模型,在此基础上,在年和季节尺度上量化气候变化和生态保护工程对长江源区植被变化的影响程度。结果表明:①在长江源区气候条件变化和生态保护工程影响下,长江源区植被退化得到遏制,植被生长呈好转趋势;②海拔相对较低的通天河附近植被NDVI增加幅度较大,高海拔的沱沱河和当曲流域的植被NDVI增加幅度相对较小;③长江源区植被NDVI对气候因子响应存在1～2月的滞后性。构建的人工神经网络模型的拟合优度参数人工神经网模型具有较高的预测精度,可以用来模拟植被NDVI对气候因子的响应;④年尺度的植被NDVI增加受到生态保护工程的影响程度(58.5%)大于气候变化的影响程度(41.5%)。生长季生态保护工程对NDVI的影响程度(63.3%)大于气候变化对NDVI的影响程度(36.7%),而非生长季气候变化是影响长江源区植被生长的关键要素(52.8%)。研究结果有助于为长江源区植被生态系统恢复、管理和利用战略的科学制定提供决策依据。     

SeaWinds散射计海面风场神经网络建模研究

根据Sea Winds散射计只有两个入射角和两种极化方式的特点,利用其L2A数据和F291海上浮标数据,针对传统建模方法的不足和限制,借助神经网络建立了一个两种极化方式下统一的神经网络地球物理模型函数。该模型的主要特点是建模风矢量全部取自海上浮标测量数据,因而所用风矢量更加客观准确。通过与Qscat-1模型的比较和L2B与浮标风速之间的偏差统计分析,证明了该神经网络模型的有效性,并发现Qscat-1模型存在一定的系统性偏差。     

基于NDWI的海南岛西部沙漠化信息自动提取方法研究

分析海南岛西部沙漠化土地的光谱特征,主要表现为沙漠化土地整体反射光谱率偏高,在TM3和TM5波段表现尤其突出,反射光谱曲线的波峰形态也比其他背景地物更为明显。选择能较好反映沙漠化土地的植被信息（TM4）和土壤水分信息(TM5)的波段,经波段运算得出归一化水指数（NDWI）,用以自动提取沙漠化土地信息。运用海南岛西部典型沙漠化区域对该方法进行了精度检验,结果表明,利用NDWI自动提取沙漠化土地信息是可行的,正确率达到89.71％。为快速自动提取沙漠化土地信息提供了一种新思路,以期能更快捷地为沙漠化治理决策提供准确的时空变化信息和科学依据。     

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。