基于蚁群智能的遥感影像分类新方法

智能式遥感分类是遥感研究的新热点.提出了一种基于蚁群智能规则挖掘(ant-miner)的遥感影像分类新方法.遥感数据各波段之间存在较强的相关性,这种相关性往往会导致分类产生误差.而ant-miner算法中的信息素是基于规则整体性能的,信息素的动态更新能有效地处理相关性较强的数据,所提供的正反馈信息能纠正启发式函数缺陷所造成的错误.因此,蚁群智能算法应用于遥感分类具有一定的优势.将该方法用于广州市地区的遥感影像,取得了较好的分类结果.并与See5.0决策树方法及最大似然方法(MLH)进行了对比研究,实验结果表明,蚁群智能算法分类精度比后两者的分类精度更高.     

GVG采样线代表性检验

通过在实验区内设置不同类型的采样线,对GVG采样线的代表性进行检验.结果表明,高速公路和乡村道路类型的采样线对区域代表性的精度在95%以上;国道为86.726%;省道为65.447%.对于不同的缓冲区,高速公路、省道和乡村道路类型采样线,以200m缓冲区的代表性最好.而国道则以800m缓冲区的代表性最好.对于不同的作物而言,无论何种类型的采样线或者缓冲区,种植面积最大的棉花的精度是最好的.最低的是省道采样线1000m缓冲区,精度是78.146%,最好的是国道采样线800m缓冲区,精度是99.974%.除省道外,其他精度都在94.8%以上.这说明GVG采样线所获得的成数对于区域主要作物的代表性是很好的.     

MODIS数据自适应火点检测的改进算法

在MODIS火点检测算法基础上提出一种自适应火点检测的改进算法,并对改进算法进行的构建详细描述.改进的算法按照直方图统计来选择进行非火点排除的中红外通道亮温阈值,利用背景像素相对增温法判断疑似火点,提高了火点的识别能力.另外改进算法对云覆盖下的火点也有一定的识别能力.选择中国小火点发生频繁的广东地区进行改进算法的检验,结果表明火点检测效果理想.     

基于语义的地理信息分类体系对比分析

地理信息分类体系之间的语义不一致性,被认为是影响地理信息系统实现在语义层次上信息共享的最大障碍.首先,本文在阐述中国地理信息分类体系之间参照模式的基础上,提出了一种基于语义的地理信息分类体系对比分析方法.其次,对中国现行的几种地理信息标准分类体系进行了详细的对比分析.最后,为中国地理信息分类体系的编制和修订提出了一些建议.     

辽宁东五家子金矿矿脉含矿性评价标志研究

辽宁东五家子金矿的矿脉由蚀变岩和石英脉透镜体构成,可采矿体均为硫化物石英脉型.工业矿脉中,石英为烟灰色,发育他形、半自形的细粒黄铁矿等硫化物,有较大规模的矿体.矿化脉中,石英为乳白色,发育粗粒、自形的浅色黄铁矿,无可采矿体.在工业矿脉、次要矿脉、矿化脉的蚀变岩和石英脉样品中,Au,Hg与其他元素的相关性有明显区别.用石英脉样品的As-Ni-Ba图解和蚀变岩样品的Au-Ag-Ba图解预测,矿区外围的西沟1号脉和西沟3号脉属于工业矿脉.     

川西南周公山及邻区下二叠统碳酸盐岩成岩作用对储集性的影响

川西南周公山及邻区下二叠统的中-低孔、中-低渗碳酸盐岩储层的储集空间以次生成因的溶孔、溶洞和构造裂缝为主.研究认为,多世代方解石胶结、化学充填作用以及埋藏期的压实(溶)作用是孔隙很难得到保存的主要原因;同生-准同生期的混合水云化作用和表生期、埋藏期的流体溶蚀作用则产生了大量的次生溶孔、洞,使储层的孔渗性得到明显的改善;构造破裂作用可以产生新的储集空间,还影响各储集体之间及单一储集体内部空隙的连通.成岩相分为混合水云化-溶蚀-破裂相、溶蚀-胶结相和胶结-压实-压溶相.各种成岩作用的叠加形成了现今下二叠统油气储层的分布格局.     

相控建模技术在羊二庄油田的应用

羊二庄油田的明馆储层非均质性严重,高含水、高开发后期的剩余油分布比较复杂,第一次油藏描述中应用传统的确定性建模方法已经不能满足剩余油挖潜的需要.采用RMS相控建模软件,通过构造建模、沉积微相建模、储层物性建模,建立羊二庄油田三维可视化相控地质模型,并实现了与数模软件的无缝接口.     

基于光谱和纹理的SVM矿化蚀变信息提取研究

针对传统矿化信息提取方法单一,利用光谱或纹理、信息量相对较少、需要大量样本的缺陷,利用基于光谱和纹理的支持向量机(SVM)原理,建立矿化信息提取模型.选择青海泽库县析界日地区作为典型研究区.首先提取研究区光谱和纹理信息,选取训练样本;然后求解最优超平面,进而确定决策函数;最后泛化推广识别其他待识别的样本.通过所提取的遥感蚀变异常信息与重砂异常点叠加分析,叠加基本吻合;从野外实地验证来看,均发现了不同程度的矿化现象,并指出了5个重点异常区.     

Accuracy assessment of lidar-derived digital elevation models

Despite the relatively high cost of airborne lidar-derived digital elevation models (DEMs), such products are usually presented without a satisfactory associated estimate of accuracy. For the most part, DEM accuracy estimates are typically provided by comparing lidar heights against a finite sample of check point coordinates from an independent source of higher accuracy, supposing a normal distribution of the derived height differences or errors. This paper proposes a new methodology to assess the vertical accuracy of lidar DEMs using confidence intervals constructed from a finite sample of errors computed at check points. A non-parametric approach has been tested where no particular error distribution is assumed, making the proposed methodology especially applicable to non-normal error distributions of the type usually found in DEMs derived from lidar. The performance of the proposed model was experimentally validated using Monte Carlo simulation on 18 vertical error data-sets. Fifteen of these data-sets were computed from original lidar data provided by the International Society for Photogrammetry and Remote Sensing Working Group III/3, using their respective filtered reference data as ground truth. The three remaining data-sets were provided by the Natural Environment Research Council's Airborne Research and Survey Facility lidar system, together with check points acquired using high precision kinematic GPS. The results proved promising, the proposed models reproducing the statistical behaviour of vertical errors of lidar using a favourable number of check points, even in the cases of data-sets with non-normally distributed residuals. This research can therefore be considered as a potentially important step towards improving the quality control of lidar-derived DEMs.     

一种实用的地面数字化成图方法——简别码法

介绍一种由简别码(简码加判别码)代替编码法草图法地面数字成图的方法。与现行方法相比,该方法编码容易,操作简单方便,野外采集数据速度快,内业根据生成的简别码判读方便、编辑速度快,提高了整个成图工作的效率。