基于环境减灾卫星CCD数据与决策树技术的植被分类研究

以内蒙古呼伦贝尔地区为例,基于遥感数据获取区域7种典型植被的NDVI时间序列曲线。在此基础之上,分析曲线趋势及其特征值,研究基于曲线差异的植被分类信息提取方法。同时,以国产环境减灾卫星CCD数据作为主要遥感数据源,提取研究区5月上旬与8月上旬两期NDVI数据及其比值,采用决策树分类方法研究得到区域30 m空间分辨率植被分类结果。经实地验证,一级类型总体分类精度为83.64%,二级类型为70.91%,其中乔木林的分类精度最高,然后是农田与草地,灌丛的分类精度相对最低。结果表明该方法能够快速、准确据提取植被分类信息,为国产环境减灾卫星CCD数据的广泛深入应用提供理论与数据支持。     

河南省基本公共服务水平的区域差异与影响因素

构建基本公共服务水平评价指标体系,运用不平衡指数和改进熵权的方法,测算2016年河南省各地市基本公共服务的发展水平和发展均衡度,分析基本公共服务水平的影响因素。结果表明:河南省基本公共服务水平在空间分布上从西北向东南呈逐渐下降的趋势,低水平地区连接成"V"型形态;大部分落后地区基本公共服务发展的平衡度较低,不同程度地存在着"短板"现象;造成基本公共服务水平区域差异的内部主导因素是基础教育、医疗和环境服务,外部影响因素主要是人口集聚程度和经济发展水平。     

积温数据栅格化方法的实验

根据中国 4 0 0多个气象站 1995年的积温数据分析 ,≥ 0℃积温和≥ 10℃积温与经纬度、海拔高度的相关性分别为r2 =0 96 5 6和r2 =0 94 0 2。以≥ 0℃积温数据为例 ,利用聚类分析法 ,将全国分为 7个积温计算区 ,每个区分别构建模型 ,通过“回归方程计算 +空间残差”的方法对全国积温数据进行栅格化。验证结果为 :计算值与实测值之间的线性相关系数r2 =0 9889,平均相对误差 3 5 6 % ,相对误差在 5 %以内的气象站个数占验证气象站总数的 86 %。     

DMSP-OLS与NPP-VIIRS夜间灯光数据测算统计指标能力评估——以京津冀地区县域GDP、人口及能源消耗为例

夜间灯光数据记录了地球表面的人造灯光强度,是估计社会统计指标的有效手段之一。为了评估DMSP-OLS和NPP-VIIRS 2种夜间灯光数据对社会统计指标的模拟潜力,采用4种常用的灯光校正方法分别对2种夜间灯光数据进行灯光饱和性校正,根据校正后的夜间灯光数据分别建立与京津冀地区县域GDP、人口和能源消耗3种社会统计指标间的线性回归模型,从模型拟合的相关系数、F统计量值与概率p值中分析并评价了2种夜间灯光数据对GDP、人口和能源消耗3种社会统计指标的测算能力。本文研究结果表明：EANTLI法是2种夜间灯光数据的最佳校正方式,而HSI法不适用于夜间灯光数据校正后与县域社会统计指标的线性关系拟合2种夜间灯光数据对GDP的拟合效果都较好,NPP-VIIRS夜间灯光数据估算社会统计指标的拟合能力要优于DMSP-OLS数据。     

基于GIS的定位观测数据空间化

属性数据空间化是当前GIS领域的前沿问题之一。在对中国624个气象站多年平均气温数据空间化过程中,通过使用30秒分辨率的数字高程数据,把气温分解为受经纬度、海拔高度影响的规律性成分和受其它因素影响的非规律性成分两部分,并分别用多元回归和反距离权重内插方法对二者实施空间化,最后将空间化结果进行合成得到基于栅格的中国多年平均气温分布数据。该数据既能反映气温在空间上的宏观变化,又能反映气温在局部地区的微观变化。该方法可供其它类型观测数据空间化、特别是在观测站点稀疏的情况下参考和借鉴。     

属性数据空间化误差评价指标体系研究

属性数据空间化作为地学数据处理和地学数据产品加工的一种重要手段,已经成为GIS领域的研究热点之一。属性数据空间化与其他数据处理手段和方法一样,也必然会产生误差。分析、评价空间化过程产生的误差,探讨减少误差的技术方法,对于提高数据产品的质量、更好地满足用户需要具有重要意义。完整的属性数据空间化误差的评价指标包括数据源、空间化模型和数据产品等三个方面。数据源误差评价指标,包括数据点密度、等值线密度、多边形斑块密度和数据源均匀度指数;空间化模型误差评价指标包括:相关系数、模型显著性(相关系数检验、F检验、t检验)和模型的估计误差;数据产品的误差评价指标包括平均误差、最大误差、误差的数值分布和误差的空间分布。     

全国1:25万土地覆被遥感制图精度在内蒙古东部的实地验证

土地覆被是全球变化和区域可持续发展研究的重要内容,土地覆被遥感制图是支持全球变化和区域可持续发展研究的基础数据,制图质量是相关研究成果科学性的重要保证.本文针对全国1∶25万土地覆被遥感制图的精度评价,用大类分错扣1分,同一大类中的小类分错扣0.5分的计分评价方法,共选取190个样点,在内蒙古东部进行了实地验证.验证结...     

栅格化属性精度损失的评估方法及其尺度效应(英文)

Rasterization is a conversion process accompanied with information loss, which includes the loss of features’ shape, structure, position, attribute and so on. Two chief factors that affect estimating attribute accuracy loss in rasterization are grid cell size and evaluating method. That is, attribute accuracy loss in rasterization has a close relationship with grid cell size; besides, it is also influenced by evaluating methods. Therefore, it is significant to analyze these two influencing factors comprehensively. Taking land cover data of Sichuan at the scale of 1:250,000 in 2005 as a case, in view of data volume and its processing time of the study region, this study selects 16 spatial scales from 600 m to 30 km, uses rasterizing method based on the Rule of Maximum Area (RMA) in ArcGIS and two evaluating methods of attribute accuracy loss, which are Normal Analysis Method (NAM) and a new Method Based on Grid Cell (MBGC), respectively, and analyzes the scale effect of attribute (it is area here) accuracy loss at 16 different scales by these two evaluating methods comparatively. The results show that: (1) At the same scale, average area accuracy loss of the entire study region evaluated by MBGC is significantly larger than the one estimated using NAM. Moreover, this discrepancy between the two is obvious in the range of 1 km to 10 km. When the grid cell is larger than 10 km, average area accuracy losses calculated by the two evaluating methods are stable, even tended to parallel. (2) MBGC can not only estimate RMA rasterization attribute accuracy loss accurately, but can express the spatial distribution of the loss objectively. (3) The suitable scale domain for RMA rasterization of land cover data of Sichuan at the scale of 1:250,000 in 2005 is better equal to or less than 800 m, in which the data volume is favorable and the processing time is not too long, as well as the area accuracy loss is less than 2.5%.     

NOAA-AVHRR资料反演地温与地面实测值的对比分析

对遥感反演和地面实测2种方法获得的地温数据进行对比。首先,用NOAA-AVHRR第4、5波段数据和NASAPathfinder地温计算模型计算出中国1999年1月的最高月地温;然后,将其与同期267个气象站的实测月最高地温值进行比较。结果为:遥感反演地温与地面实测月最高地温的线性相关系数为0.86,标准差为5.6℃,反演值比实测值平均偏低2.8℃。用实测地温数据对遥感反演地温值进行线性修正,修正后的反演值与实测值的线性相关系数为0.86,标准误差由修正前的5.6℃变为5.2℃,平均误差由修正前的4.9℃变为4.1℃,平均偏低值由修正前的2.8℃变为0.1℃。修正后的遥感反演地温与实际值更加接近。     

精准水稻种植信息系统结构、管理与应用

精准农业是当今世界农业发展的新潮流 ,中国 2 1世纪农业的发展方向之一。稻谷产量占我国粮食总产量的 4 0 %左右 ,实现精准水稻种植具有重大意义。在上海市农工商现代化农业园区“精准农业试验与示范基地”开展的水稻精准种植试验 ,结果与其他地块相比较 ,化肥使用量减少 1 5 % ,单产提高 8% ,总收益提高 1 8%。精准水稻种植信息系统是实现水稻精准种植的核心 ,目前完成 PRC/ INFO1 .0版本的开发 ,本文介绍了系统的结构、功能和技术特点。