4DSVD分析误差与样本选取方法和样本容量的关系初探

分析误差与样本选取方法和样本容量的关系是4DSVD同化方法一个亟需研究的重要问题。获得支撑大气模式空间和观测空间吸引子的基向量是4DSVD研究的关键部分,样本的好坏和样本容量的范围是决定4DSVD基向量和分析结果质量的一个重要前提条件。首先利用Lorenz28变量模式,用4DSVD方法做了一些简单三维同化试验,探讨了Lorenz28变量模式的分析误差与样本容量和样本选取方法的关系。数值试验结果表明,对一个具体的模式,有限的样本容量就能够获得较高精度的分析结果;在模式系统和观测系统不变情况下,用一定样本容量得到的支撑模式空间和观测空间的基向量具有很好的稳定性,即一旦获得一组较好的基向量,在观测系统和模式系统不变的情况下,对同化任何时刻的观测适用;分析结果对选取方法没有太大的依赖性,但具体的样本容量要视不同模式和样本选取方法而定。用WRF模式做的4DSVD四维观测系统模拟试验结果表明,若样本选取方法得当,所需要的样本容量要远远小于模式自由度。4DSVD要真正获得较高精度的分析结果,需要的条件是尽可能的在吸引子上取样并选取充足的样本容量;间隔取样可以一定程度上减少计算量。根据数值试验结果提出了4DSVD在实际同化时样本选取的一些初步的方法。     

利用TM数据提取干旱区土地覆被信息的方法比较

以柴达木盆地香日德绿洲作为研究实验区,对该区域ETM遥感数据经过空间分辨率融合、主成分分析等方法进行空间信息增强及专题信息增强处理,组合最佳视觉背景图像,分别在不同背景图像上选择训练样本,利用最大似然法监督分类方法(MLC)、多空间尺度分层聚类(SSHC)和基于知识的模糊聚类方法(KFC)等分类器,分别用各自训练样本初始化各类别信息特征值,形成类别特征值模式库,分别以此为基础对待分样本进行分类,对初分类的结果经过类别合并、碎斑滤除以及重新编码赋色等分类后处理,得到最终分类结果及分类精度评价结果。从所获数据可以得出如下结论：从总体精度和Kappa值可知,SSHC和．KFC分类方法所获结果精度较高,总体精度比MLC分类结果约高于3％,SSHC之结果精度略高于KFC之结果;SSHC、KFC和MLC三种分类方法对该区域地表覆被信息的提取分类中,SSHC分类方法对耕地、石砾地、河滩和荒漠分类结果较好,KFC分类方法对耕地、沙地、河滩和荒漠分类结果较好,MLC分类方法对耕地、河滩和荒漠分类结果较好,三种分类方法对耕地、河滩和荒漠等三种地类的分类精度较高,用户精度都在80％以上,而对沙地和石砾地的分类结果其用户精度大都低于80％。     

Estimation of non-CO2 GHGs emissions by analyzing burn severity in the Samcheok fire, South Korea

This study was performed to estimate the emission of non-CO 2 greenhouse gases(GHGs) from biomass burning at a large fire area.The extended methodology adopted the IPCC Guidelines(2003) equation for use on data from the Samcheok forest fire gathered using 30 m resolution Landsat TM satellite imagery,digital forest type maps,and growing stock information per hectare by forest type in 1999.Normalized burn ratio(NBR) technique was employed to analyze the area and severity of the Samcheok forest fire that occurred in 2000.The differences between NBR from pre-and post-fire datasets are examined to determine the extent and degree of change detected from burning.The results of burn severity analysis by dNBR of the Samcheok forest fire area revealed that a total of 16,200 ha of forest were burned.The proportion of the area characterized by a ’Low’ burn severity(dNBR below 152) was 35%,with ’Moderate’(dNBR 153-190) and ’High’(dNBR 191-255) areas were at 33% and 32%,respectively.The combustion efficiency for burn severity was calculated as 0.43 for crown fire where burn severity was ’High’,as 0.40 for ’Moderate’ severity,and 0.15 for ’Low’ severity surface fire.The emission factors for estimating non-CO 2 GHGs were separately applied to CO 130,CH 4 9,NO x 0.7 and N 2 O 0.11.Non-CO 2 GHGs emissions from biomass burning in the Samcheok forest fire area were estimated to be CO 44.100,CH 4 3.053,NO x 0.238 and N 2 O 0.038 Gg.     

龙口市城镇聚落空间信息提取与动态变化研究

以胶东半岛龙口市为研究区域，利用1983年地形图、Landsat 1992.6和2002.6两个时期的TM影像，首先分析了该区域城镇聚落的影像特征，研究了城镇聚落及其背景地物的光谱特征，并探讨了它们在光谱特征上的可分性；然后分析并建立了基于光谱特征和形状特征的简单决策树模型，对研究区域城镇聚落信息进行了提取。在此基础上，简要分析了胶东半岛龙口市近20年来，城镇聚落动态变化的特点。     

归一化水汽指数与地表温度的关系

城市热岛的遥感研究,传统上主要利用归一化植被指数作为指标来评估地表温度-植被之间的关系。本研究探讨了以归一化水汽指数作为评估其与地表温度关系的适应性,比较了归一化水汽指数和归一化植被指数在表达城市热岛效应方面的效力。利用"单窗算法"和3个不同时段的TM/ETM+数据获取了珠江三角洲核心区域的地表温度分布图,分析了两种指数与地表温度之间的关系。对局部区域逐像元和对区域总体分析的结果表明:不同时段的地表温度与归一化水汽指数之间均存在较强的线性关系,而地表温度与归一化植被指数之间的线性关系相对较弱。说明在城市化的环境下,与传统上常用归一化植被指数作为指标来定量分析地表温度相比,归一化水汽指数提供了一种互补的、甚至更加有效的衡量指标。     

基于S3VM模型的高光谱遥感影像分类

针对传统的高光谱遥感影像分类受限于训练样本的个数,难以取得较好分类结果的不足,提出了一种基于聚类核的半监督支持向量机（S³VM）模型的高光谱遥感影像分类方法。该算法在半监督支持向量机的体系上加入未标记样本来辅助构建核矩阵,从而获得更优异的分类器,在小样本的基础上提高分类精度。试验结果表明,本文方法的分类精度好于传统方法,并且稳定性良好。     

GlobeLand30产品精度抽样测试与分析

GlobeLand30的发布为全球生态系统评价、环境规划、气候变化等研究提供了高分辨率的基础地表覆盖数据。以Landsat TM影像轨道号/行号分别为123/032所对应的区域为研究区,通过目视解译的方式在原始影像上选取地表覆盖类型作为地面参考数据,对2000和2010年两期的GlobeLand30的地表覆盖类型中的人造地表、农田、林地和水体进行了精度评定,并对比了两期产品数据的精度。此外,为了突出GlobeLand30产品的错分误差及其易于混淆的地物,以面的形式对产品的用户精度进行了计算和比较。研究表明,研究区内GlobeLand30数据具备很好的精度,与2010年数据相比,无论是总体精度,还是Kappa系数,2000年的产品其精度更高。本成果可以为研究区内GlobeLand30产品的使用提供参考。     

利用TM图像提取玛纳斯河流域上游积雪信息的方法研究

在我国干旱地区,天山是融水占年径流量比重较大的山区,在天山地区,冰雪为许多河流和生态环境的生存发展提供水资源,所以对冰雪的定量监测非常重要。通过对TM图像云和雪的光谱特征分析以及几种常用积雪信息提取方法的比较,以及对玛纳斯河流域上游地区的积雪进行实际检测,认为雪盖指数法是TM图像提取积雪的较佳技术手段。      

机关文化样本:娄底国税“家国情怀”文化

<正>宏观调控部门、执法部门、经济工作部门,这是国税与国土共同的属性。国税与国土一样都注重服务功能。而国税系统的文化建设起步相对较早,已经取得了一定的成效。     

基于半监督学习的遥感影像分类训练样本时空拓展方法

针对无法直接获取训练样本的遥感影像分类问题,从满足条件的其他影像中选择替代训练样本是最直接的方法,但由于地物类型在不同影像中的辐射环境不同,导致替代训练样本对待分类影像的代表性较差,无法保证分类精度.以直推式支持向量机(transductive support vector machine,TSVM)分类为例,发展了一种基于半监督学习的遥感影像训练样本时空拓展方法.该方法采用非监督方法从待分类影像中选择大量未标记样本,挖掘各类地物在特征空间中的结构信息;以替代训练样本所拟合的分类面为初始面,通过自适应渐进式的优化,实现对待分类影像的高精度分类.该方法要求训练样本的来源影像与待分类影像具有相似的地物分布和相近的时相.以SPOT5和QuickBird影像分类为例,分别通过基于像元的和基于分割对象的分类实验证实,该文提出的方法可有效地实现训练样本的时空拓展应用.