改进的直方图均衡化在遥感图像分类中的应用

遥感图像监督分类主要依据地物的光谱特征,具有很大的局限性.本文提出一种改进的直方图均衡化方法一均衡化后各像素灰度值调整,利用该方法对遥感图像进行处理,处理后的图像再进行监督分类.实验结果表明该方法直观、简明、处理速度快.并能取得较高的分类精度,具有一定的实用性.     

利用GPS水准点精化局部CQG2000

CQG2000模型的精度仍不能满足中、大比例尺的测图需要,如何充分利用现有成果,提高其价值和实用性,是目前需要迫切解决的问题。本文提出了通过加密GPS水准点来提高现有CQG2000精度的方法,并研究了GPS水准点数目和分布对提高结果的影响。     

义乌市分类处置闲置土地

义乌市积极开展闲置土地清理处置工作,今年共查出闲置土地7宗,总面积3．0681公顷。闲置土地主要集中在工业用地,闲置原因主要是“三通一平”等配套基础设施没有及时跟上,致使企业无法正常开工建设。义乌市采取分类处置的办法处理闲置土地,因政府原因造成的闲置土地：一是努力消除闲置原因。对政策处理未到位原因造成的闲置,政府加大工作力度、兑现政策,交付土地尽快开工。     

正交距离圆曲线拟合方法

在分析圆曲线拟合准则基础上,提出采用正交最小二乘法拟合圆曲线。该方法以圆曲线正交距离残差平方和极小为准则。基于间接平差原理详细推导了相关模型和算法,并以实际算例说明了该方法的效果。     

简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用

人工神经网络作为一种不需估计类别分布参数的遥感影像分类方法,能够克服分类中的不确定性,提高分类精度。模糊ARTMAP人工神经网络具有稳定、泛化性能好、支持增量式学习等特点,通过对简化模糊AR-TMAP神经网络和H-ARTMAP神经网络的分析和集成,构造了一种用于高光谱遥感影像分类的简化模糊H-ART-MAP网络。实验证明该方法在分类效率、运算时间和分类精度等方面都优于最大似然分类、BP神经网络、最小距离分类、光谱角制图模型等分类方法。     

基于决策树的我国农业数据挖掘分析

决策树是用于分类的常用建模方法。首先对分类的概念和决策树方法分别进行了总体介绍,在此基础上对我国30个省市自治区的乡村劳动力、耕地面积以及农业总产值信息数据进行了挖掘分析,在运用决策树对数据进行分类过程中对连续数据采用聚类分析的方法进行离散化处理,从而避免了原始经验分类方法的主观性。最后,通过上述决策树分类方法,生成我国农业情况的决策树,获得相关空间分类规则,并对其进行分析说明。结果表明,决策树分类方法适合我国农业情况。     

黄土高原西部白草塬剖面L1 和S1 记录的古地磁场特征

文章详细介绍了黄土高原西部白草塬剖面L1和S1的高精度岩石磁学和古地磁学结果,讨论了白草塬剖面记录古地磁场的特征,从古地磁学角度探讨白草塬剖面黄土沉积的连续性.白草塬剖面黄土沉积物中,磁铁矿和磁赤铁矿是主要的亚铁磁性矿物,粗粒的碎屑磁铁矿是其天然剩磁和特征剩磁的主要载体.白草塬剖面L1和S1没有记录任何地磁漂移.其中,L1没有记录Mono Lake或Laschamp地磁漂移的原因可归结于黄土沉积物堆积过程的不连续性和/或粗颗粒载磁矿物的重磁化,但前者是主要原因,而堆积过程的不连续性是导致S1没有记录Blake地磁漂移的主要原因.因此,白草塬剖面的L1和S1分别存在约2000年和 4000～6000年的沉积不连续.     

FPAR的Monte Carlo模拟研究

FPAR (fraction of photosynthetically active radiation absorbed by the canopy)是植被冠层阻截太阳光合有效辐射的比例,是遥感估算陆地生态系统植被净第一性生产力(NPP)的重要参数.利用Monte Carlo方法模拟光子在植被冠层中的辐射传输过程,以植被冠层二向反射分布函数的模拟来验证模拟的正确性;在此基础上对400-700nm光合作用波段范围内的植被叶片吸收光子辐射比例的FPAR进行模拟.FPAR的Monte Carlo模拟结果,揭示了FPAR与太阳天顶角及植被冠层参数之间的关系.     

基于相关系数匹配的混合像元分解算法

遥感影像中的混合像元不仅影响地物识别和分类的精度,而且已成为遥感科学向定量化发展的主要障碍.为此,人们已经提出了多种混合像元分解算法,其中应用最为广泛的是最小二乘法.该方法虽然具有意义明确、简单易行等特点,但也易受局部噪声、大气效应、环境辐射等因素的影响.本文将混合像元分解问题归结为一个基于光谱匹配的非线性最优化问题,并针对最小二乘法的不足提出了一种新的基于相关系数匹配(spectral correlation matching, SCM)的混合像元分解技术.通过在北京市北三环及其以北区域内案例的研究表明:在城市区域内,利用图像选取终端端元的办法,基于相关系数匹配的混合像元分解算法的总体精度高于带全约束的最小二乘法(LS)的分解结果.对比分析表明:在目标光谱的绝对值整体放大或缩小而光谱形状得到了很好的保持、及局部噪声使得光谱值显著变化但光谱形状得到了一定程度保持时,基于光谱形状的相关系数法可以得到比基于光谱绝对值的最小二乘法精度更高的分解结果.     

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.