元胞自动机和克隆选择算法的蓝藻水华预测模型

针对蓝藻水华频发影响水体质量和生态环境的问题,该文以太湖为例,探讨了元胞自动机和克隆选择算法在蓝藻水华预测方面的可行性。使用遥感经验算法计算水体叶绿素a浓度;将叶绿素a浓度分布数据作为预测模型的输入数据,将基于平衡方程的预报模型与元胞自动机进行耦合,对蓝藻水华时空变化过程进行了动态模拟;在预测方面实现了蓝藻水华空间分布情况的可视化,并采用克隆选择算法优化了预测模型中的重要参数。研究结果表明:利用克隆选择算法优化的元胞自动机模型能够在蓝藻水华预测中直观地显示蓝藻水华的时空变化特征;能够在短时间内重复性地预演蓝藻水华的变化过程,为决策者提供有用的参考。     

基于MODIS影像多特征的CART决策树分类

以山东省为研究区域,利用2009年9月MODIS的8 d合成波段反射率产品MOD09,选择特征变量植被指数(NDVI、EVI)、NDWI、NDMI、NDSI及辅助信息DEM,通过选取其中的影像特征组合来确定分类方案,构建各波段组合的CART决策树,对MODIS影像进行分类,得到CART决策树的最优波段组合。结果表明,特征变量DEM、NDVI、EVI对分类结果贡献较大;将CART决策树的分类结果与其相对应的最大似然分类结果进行比较可知,基于影像多特征的CART决策树分类方法能明显提高分类精度。     

面向对象分类特征优化选取方法及其应用

与传统基于像元的分类方法比较,面向对象的分类方法可利用的地物信息更加丰富,然而如何从众多信息中筛选出能够有效提取不同地物的分类特征,从而提高分类效率与精度,是使用面向对象方法分类时急需解决的问题。SEaTH算法（分离阈值法）是一种有效的自动选取分类特征并计算阈值的方法,但其只考虑了类间距离,容易存在信息的冗余,从而对分类精度造成一定影响。本文在SEaTH算法的基础上,综合考虑了特征间的相关性、类间距离以及类内距离,对SEaTH算法进行了优化,并将改进前后的两种方法运用到广东省肇庆市TM影像及环境一号卫星影像土地覆盖分类中进行对比分析。实验结果表明,改进后的方法筛选出的特征在提取地物上更为有效,尤其使耕地的分类精度提高了12.26%,使分类总体精度由80%提高到了85.26%。改进后的方法对不易获取多时相影像的地区的土地覆盖分类具有重要意义。     

Joint Boost特征选择的SAR信息可视化技术研究

提出了一种基于Joint Boost特征选择的合成孔径雷达(synthetic aperture radar,SAR)信息可视化方法。实验选用了ESAR的德国某机场的极化干涉SAR数据,提取几乎所有极化干涉信息分量构成较为完备的特征信息集合,实验结果证明了该方法的有效性。     

地图数据缩编更新中的道路自动选取研究

总结道路选取的研究现状,分析在道路的缩编更新过程中,道路要素选取需要考虑的要素指标。介绍一种道路选取方法,综合考虑道路的等级、长度、网眼面积、区域道路密度、是否是悬挂链等几何、语义和拓扑信息,模拟人类在缩编更新时的思维过程,实现道路的自动选取,并进行试验,验证方法的有效性。     

光谱波段宽度对森林叶片叶绿素含量反演的影响分析

随着传感器技术的发展,高光谱数据光谱的波段宽度逐渐变窄,如何从海量的光谱数据中找到最优的光谱波段反演叶绿素含量,成为研究的难点问题。本文在测量华中农业大学狮子山6种主要树种的光谱数据和叶绿素含量的基础上,利用叶绿素指数(CI)和回归方法反演叶绿素含量,并分析了波段宽度对反演叶绿素含量结果的影响,结果发现波段宽度会影响到叶绿素反演的精度,当波段宽度为30nm时,叶绿素含量与"红边"区域(700nm-730nm)和近红外区域(770nm-800nm)叶绿素指标(CI)间的线性关系较好,决定系数可达到77.62%,均方根误差为10.6ug/cm2。     

应用选权拟合法建立单历元伪距和载波相位双差模型

本文根据选权拟合法的一个重要性质:只要被约束的那部分参数估值无偏,其余的参数估值也无偏;该性质说明利用选权拟合进行参数估计的结果是条件无偏的。这个不同于一般正则化解的重要特性可以建立单历元伪距和载波相位双差模型,并通过实例验证了该方法的可行性。     

Optimising three-band spectral indices to assess aerial N concentration,N uptake and aboveground biomass of winter wheat remotely in China and Germany

Remotely and accurately quantifying the canopy nitrogen status in crops is essential for regional studies of N budgets and N balances. In this study, we optimised three-band spectral algorithms to estimate the N status of winter wheat. This study extends previous work to optimise the band combinations further and identifies the optimised central bands and suitable bandwidths of the three-band nitrogen planar domain index (NPDI) for estimating the aerial N uptake, N concentration and aboveground biomass. Analysis of the influence of bandwidth change on the accuracy of estimating the canopy N status and aboveground biomass indicated that the suitable bandwidths for optimised central bands were 37 nm at 846 nm, 13 nm at 738 nm and 57 nm at 560 nm for assessing the aerial N uptake and were 37 nm at 958 nm, 21 nm at 696 nm and 73 nm at 578 nm for the assessment of the aerial N concentration and were 49 nm at 806 nm, 17 nm at 738 nm and 57 nm at 560 nm for the estimation of aboveground biomass. The optimised three-band NPDI could consistently and stably estimate the aerial N uptake and aboveground biomass of winter wheat in the vegetative stage and the aerial N concentration in the reproductive stage compared to the fixed band combinations. With suitable bandwidths, the broadband NPDI demonstrated excellent performance in estimating the aerial N concentration, N uptake and biomass. We conclude that the band-optimised algorithm represents a promising tool to measure the improved performance of the NPDI in estimating the aerial N uptake and biomass in the vegetative stage and the aerial N concentration in the reproductive stage, which will be useful for designing improved nitrogen diagnosis systems and for enhancing the applications of ground- and satellite-based sensors.     

一种基于最佳指数模型的 TM 遥感影像最佳波段组合计算方法

如何通过定量计算选择最佳波段组合一直是TM等多波段遥感影像信息提取的研究热点。本文综合利用Erdas提供的可视化空间建模工具（ Spatial Modeler ）和面向对象的编程技术,提出了一种基于最佳指数（ Opti-mum Index Factor ,OIF）的定量计算与定性分析相结合的TM遥感影像最佳波段组合方法。实验证明,该方法快速有效,极大提升了TM等多波段遥感影像最佳波段组合的计算过程。