基于特征空间中类间可分性的层次型多类支撑向量机

针对支撑向量机的特点提出了一种特征空间中的类间可分性度量 ,并基于该度量通过聚类算法构造了二叉树和单层聚类两种层次型多类支撑向量机。通过多光谱遥感影像的分类实验证明了该可分性度量的有效性。     

东祁连山表土花粉组合及其数量特征

应用TWINSPAN分类和DCA排序对东祁连山地区7个不同植被类型的表土花粉组合及其与环境的关系进行定量研究。表土花粉类型可分为3组：Group1为花粉产量大的本地花粉，可较好地反映当地植被的特征；Group2为产量小的本地花粉，反映植被特征较差；Group3为外来花粉，在土壤地层中较常见。样地排序结果可划分出6个组：(1)山地草原化荒漠，(2)青海云杉林，(3)祁连圆柏林，(4)金露梅灌丛，(5)矮嵩草草甸，(6)小嵩草草甸，各组具有不同的花粉组合特征；但山杨—白桦林可能是由于花粉自身和花粉保存等原因，花粉组合无突出特征，难以区分。海拔高度和干燥度是影响表土花粉和植被分布的重要因素。藜科／蒿属(C／A)、木本花粉／非木本花粉(AP／NAP)随植被变化也反映出与植被分布的一致性。     

地貌基本形态的主客分类法

针对现有地貌基本形态分类法的欠缺，提出了“地貌基本形态的主客分类法”。本分类法是一种以相对高度为主，绝对高度为辐的地貌分类法。它首先根据相对高度将地貌基本形态划分为平原、丘陵、低山，中山和高山等，然后再按绝对高度把这些形态再分别划分为低位、中位、高位三种类型。该地貌分类法的优点在于①符合人们对于山地的高、中、低的观念，避免了现有地貌分类法中出现的那种与人们固有观念相冲突的高山不高、低山不低的现象；②统一了地貌基本形态的划分标准，避免了平原、丘陵按相对高度划分，而山地按绝对高度划分的不一致性；③有利于地貌知识的科学普及和地貌的利用。     

岷江干旱河谷植被分类及其主要类型

沿岷江干旱河谷(流域-海拔梯度)剖面线设置“U”形样带3条，对植被和环境因子进行了调查，就岷江干旱河谷调查的48个样方，151个物种创建样地一物种数据库，应用TWINSPAN植被数量分类方法进行分类，并根据中国植被的分类原则和调查的样地物种组成特征，对数量分类的结果进行适度调整，建立了岷江干旱河谷地区植被(生态系统)分类系统。将岷江干旱河谷的植被划分为11个群系，18个群丛，均为灌丛单一类型。11个群系分别为：绣线菊灌丛、小花滇紫草灌丛、黄花亚菊灌丛、莸灌丛、驼绒藜灌丛、小马鞍羊蹄甲-白刺花灌丛、瑞香灌丛、西南野丁香灌丛、檀子栎灌丛、金花小檗-忍冬灌丛、华帚菊-小黄素馨灌丛。     

Uncertainty Estimate in Resources Assessment: A Geostatistical Contribution

For many decades the mining industry regarded resources/reserves estimation and classification as a mere calculation requiring basic mathematical and geological knowledge. Most methods were based on geometrical procedures and spatial data distribution. Therefore, uncertainty associated with tonnages and grades either were ignored or mishandled, although various mining codes require a measure of confidence in the values reported. Traditional methods fail in reporting the level of confidence in the quantities and grades. Conversely, kriging is known to provide the best estimate and its associated variance. Among kriging methods, Ordinary Kriging (OK) probably is the most widely used one for mineral resource/reserve estimation, mainly because of its robustness and its facility in uncertainty assessment by using the kriging variance. It also is known that OK variance is unable to recognize local data variability, an important issue when heterogeneous mineral deposits with higher and poorer grade zones are being evaluated. Altenatively, stochastic simulation are used to build local or global uncertainty about a geological attribute respecting its statistical moments. This study investigates methods capable of incorporating uncertainty to the estimates of resources and reserves via OK and sequential gaussian and sequential indicator simulation The results showed that for the type of mineralization studied all methods classified the tonnages similarly. The methods are illustrated using an exploration drill hole data sets from a large Brazilian coal deposit.     

福建九龙江下游地区土壤地球化学分类

本文以福建省九龙江下游的长泰、漳州、龙海三市县为实例，利用多目标区域地球化学调查资料，探讨了土壤地球化学分类的方法，提出了分类命名方案和诊断标准，将本区土壤划分为铁铝土、硅铝土、铝硅土、硅土4个大类，其中硅铝土又分为一般硅铝土、铁质硅铝土、钾质硅铝土、硫铁质硅铝土4个亚类，调查了各类(硅土除外)的52种元素平均含量和农业利用情况。     

Self-organizing feature map neural network classification of the ASTER data based on wavelet fusion

Remote sensing classification methods can be classified as supervised and unsupervised catalogs. The maximum likelihood method (MLH) is a super-vised classification method,which is widely used in the remote sensing data classification and produces good results[1]. In the MLH, the parameters are esti-mated, assuming that the samples are normally dis-tributed in spectral space, to determine the mean vec-tor and covariance matrix of all classes. In most cases, however, the samples are not norma…     

江西省区域岩矿石物性数据统计特征

介绍以江西省全境和两个地层区为空间范围内的53741个岩矿石密度数据、12677个磁化率数据、12424个剩磁强度数据的岩石物性统计特征,供在江西省境内进行矿区物探工作时参考。     

基于ETM影像数据融合的土地覆盖分类研究

在ERDAS软件支持下，对ETM遥感影像数据的TM1-TM5，TM7与其全色波段TM8进行融合，采用主成分、乘积法、Brovey转换三种融合方法，重采样方法分别为邻域法、立方卷积法及双线性内插法。采用相同的训练样本区及最大似然法分类方法，对融合产生的9幅影像及未融合影像进行土地覆盖分类，通过对分类影像的Producers Accuracy，Users Accuracy，Kappa三者的精度数据和地物波谱信息的对比分析，在总体上，上述的影像融合方法对提高土地覆盖分类的精度不明显，但就某些地物类型来说，还是值得采用的；三种融合方法和三种重采样方式它们之问相比较而言，乘积法融合法和立方卷积重采样法相对较为可取。     

玉米地组分亮度温度分类变化研究

以玉米整个生长期野外热红外辐射观测数据为基础,对两种组分亮温分类方法作了比较,并对玉米地组分亮温的变化特征展开了分析。结果表明,农田亮温组分的数目和数值随测量时间和日期改变。在整个测量期间,在当地时间中午前后,农田呈现出3个亮温组分植被、被阳光照到的亮土和植被阴影下的暗土。观测早期,植被亮温分布相对集中;随着农田植被覆盖率的增高,植被亮温分布逐步分散,组分间温差缩小,部分亮温值相互重叠。产生这些现象的原因将在以后的研究中加以探讨。