基于Sentinel-2A的红树林提取机器学习方法比较

红树林和生态环境保护、生态平衡和生物多样性息息相关。使用Sentinel-2A数据获取海南省东寨港红树林保护区的遥感影像,对数据进行预处理,提取光谱特征、纹理特征和湿度特征,基于K近邻（K-nearest neighbor,KNN）、随机森林（random forest,RF）、决策树、支持向量机（support vector machine,SVM）和反向传播神经网络（back propagation neural network,BPNN）方法,通过多次实验提取出海南省东寨港红树林区域,并探讨了机器学习方法中不同类型分类器在提取红树林过程中的优缺点。结果表明：(1)Sentinel-2A的Band8A、Band11、Band12波段组合能够较好突出红树林特征,结合湿度特征和纹理特征可以提高红树林的分类精度;(2)基于机器学习方法能够准确提取红树林区域,其中,SVM分类精度最高,达到92.31%,BPNN、RF分类精度分别为88.46%、90.38%,Kappa系数表明分类结果具有良好的一致性;(3)比较不同机器学习方法对红树林的分类效果,发现SVM和BPNN等非线性方法能提取出更准...     

移动背景下测量学AR实训教材设计

针对传统测量实践教学过程中对于来源多样、格式迥异的学习资料未能有效进行组织的问题,提出了增强现实(Augmented Reality,AR)实训教材的设计思路.结合测量实践课程的特点和AR技术优势,针对学生的情感认知及书籍的信息负荷等方面,从课程内容的布局、虚实场景的结合及交互方式等几个方面对AR实训教材进行设计.实现...     

信息时代地图技术美的研究与实践

通过分析现代地图表现形式及存在的问题，探讨了信息时代地图制图技术美的含义和地图技术美的表现形式。并在技术美创新理念指导下，对利用计算机技术和图形图像处理技术来改进地图符号设计，提高地图表现力进行了一些理论探讨和技术尝试．同时也得到了一些有益的启示。     

米槠次生林内4种植物叶片DOM的数量和质量特征

选取福建省三明市米槠次生林内的4种植物,即米槠(CAC),木荷(SCS),山杜英(ELS),芒萁(DID)为研究对象,对其叶片进行了室内淋溶处理,并分析了淋溶液中的可溶性有机碳(DOC)和可溶性有机氮(DON)含量及pH值,芳香性指标(AI)和荧光效率指数(Feff)等,以揭示其淋溶液中可溶性有机质(DOM)的数量和质量特征。结果表明:4种植物叶片DOM含量总体随淋溶次数的增加逐渐减小,其中首次淋溶后淋溶液中的DOC和DON含量最大,分别占总淋溶量的平均值为67.90%和44.51%;淋溶液中前3次DOC和DON淋溶量总和分别占10次淋溶总量的87.40%~94.77%和68.46%~72.49%;且前3次淋溶次数间呈极显著差异(P0.01),其后差异性不显著。DOM的pH值和光谱指标随着淋溶次数的增加逐渐上升.总体上乔木树种DOM的数量和质量比林下植被要高,这是由于乔木树种的DOM含有更多的养分和芳香类和腐殖化的高分子量化合物,而林下植被的DOM含有较多低分子量化合物和易分解组分。     

太原机场气象网络系统的维护以及UNIX系统常见故障的分析排除

本文阐述了民航气象网络的应用和维护中的一些问题,着重介绍了ＵＮＩＸ系统的维护和常见故障的处理。     

�������������ݶ����ݵ��ܶȷ����о�

???????????????????????????????????????????????????????????桢????????????????????Tesseroid??????????????ù????????????????(ART)????????????????????????????????????????飬???????????????趨?????б???????     

ERA-Interim和GHCN-CAM再分析气温数据在天山山区的适应性分析

天山山区是新疆主要河流的发源地,对该区域再分析气温数据进行适应性分析具有重要的研究意义,气温观测数据由于受到太阳辐射、海拔、大气环流和传感器角度等因素的影响,导致诸多误差;在其应用之前需要验证,尤其在海拔差异较大的天山山区。为验证ERA-Interim和GHCN-CAM两种再分析气温数据在天山山区的适应性,本文在数据预处理的基础上,利用45个气象站点日平均气温数据分别计算偏差(BIAS)、相关系数(R)、均方根误差(RMSE)等统计指标,并从不同海拔、偏差的空间分布上对天山山区1984—2016年ERA-Interim和GHCN-CAM逐月平均气温数据进行了适应性分析。结果表明:(1) GHCN-CAM(R=0. 94; BIAS=0. 55℃; RMSE=4. 08℃)气温值在天山山区的适应性强于ERA(R=0. 95; BIAS=2. 35℃; RMSE=4. 21℃)。(2)在气温的年内变化上,两种再分析数据值均低于观测值,表现为低估。(3)在季节尺度上,冬季(12月、1月和2月)表现为冷偏差,其他季节暖偏差。春秋两季模拟精度比夏冬两季高。(4)在1500～2000 m地区气温的模拟最好。从偏差的空间分布来看,天山中部、东部的再分析数据比天山南、北部能更好的反映气温的空间分布特征。山区地形复杂度和气象站点的不均匀是影响再分析数据精度的主要因素。