区域碳收支能力估算的面向对象遥感分类方法

全球气候变暖问题是人类面临的最艰巨的挑战之一,通过先进的面向对象分类方法可以提高碳排放与碳汇能力的研究水平,对于控制区域气候变化具有推动作用。本文利用面向对象分类方法,以广西百色市右江区为研究区域,选取Landsat 8 OLI和Google Earth影像数据提取区域地物信息,并针对研究区地势复杂的特点,采用设置多种尺度参数的方法,选取最优尺度进行影像分割。同时,引入隶属度函数法、最邻近分类法和CART决策树分类器3种方法,基于影像光谱差异、几何形状、对象纹理等特征,逐层逐级地实施面向对象分类,随后加以针对性的精度评价分析并检验分类结果。通过总结分析前人的地物碳系数转换关系并结合高精度面向对象分类结果,构建了基于土地覆被类型的碳收支能力估算模型,并根据已有的基于CASA模型的碳收支能力估算方法加以精度校验,最终估算出右江区碳收支能力为-399.64万t。此外,本文结合右江区行政区划、人口分布、DEM等相关数据对区域碳收支能力进行了专题性剖析。结果表明,面向对象分类方法是研究小区域碳收支能力的有效途径,在区域碳循环评估中具有更好的准确性和预见性,有效促进碳收支平衡研究领域的发展。     

GF-2在城市绿地分类及景观格局度量中的应用

城市植被是维护城市生态系统平衡的重要组成元素,不同类型的植被具有不同的生态服务效益,然而基于植被精细分类的城市绿地景观格局度量研究较少。因此本文以北京城市副中心为研究区,使用夏、冬两季GF-2卫星遥感影像,基于随机森林特征优选和面向对象分类,划分了植被类型,并在此基础上使用景观指数法和移动窗口法分别度量了功能区尺度和栅格尺度绿地景观特征。研究结果表明：针对GF-2数据,使用多尺度分割后影像对象的光谱、纹理特征可以有效地提取植被信息;不同时相的影像能反映各类型植被的物候特征,相比于单时相数据,其分类精度更高,达到了87.7%;各功能区绿地景观格局特征差异较大,城市绿心拥有最丰富的植被且分布集中,商业区植被覆盖度和多样性均较低,绿地景观破碎;北京城市副中心景观多样性及各类型植被分布特征的空间差异显著,当前副中心绿地景观格局已形成规划的基本轮廓,但城市绿心和老城区公共绿地的建设仍有不足。研究探明了北京城市副中心绿地建设现状,证明了国产GF-2卫星在城市生态环境监测中具有较高的应用价值,有助于推动GF-2在城市生态环境领域的应用,并为副中心建设中的绿地系统监测和优化提供参考。     

基于不确定性的大样本集抽样设计

本文研究是针对全球森林覆盖变化检测系统的大训练样本选择的优化问题。样本自动标记系统自动标记了"千万个"代表森林和非森林的像元。为了提高精度和效率,我们需要从千万个样本的大样本集中选择对训练分类器有益的样本。本文提出了两种方法:第一种方法是传统的分层等距离采样;第二种方法是基于不确定性的样本优化,通过研究相同样本间的相似性度量指标、样本不确定性度量指标及样本特征空间分布,来实现基于不确定性的训练样本选择策略。实验通过精度评价验证了基于不确定性的采样策略能比传统的分层等距离采样策略获得好的效果。     

时空属三位一体地籍信息模型研究

针对地籍空间对象、非空间对象及其之间的相互联系,提出了时间、空间和属性一体化管理的地籍时空模型,该模型包含了地籍的主体即权利人、地籍的客体即地块以及地籍权利对象的时间变化建模,文章对该模型的应用及存储进行了分析。     

区域生态环境综合信息图谱的分类与案例分析——以福建省为例

生态环境图谱类型的划分是自然资源合理开发利用和治理及地学信息图谱研究的基础。该文采用系统分析的思路,在总结对比分析前人对土地利用/土地覆被、植被、地貌、景观以及生态环境等的分类研究的基础上,依据地学信息图谱的方法论,借助遥感和地理信息系统等技术,构建生态环境综合信息图谱分类的系统,并以福建省为例,提出福建省生态环境图谱的分类系统。     

云南边境生态环境数据组织管理研究

生态环境数据合理有效地组织与管理,对于开展区域生态环境研究意义重大。本文首先探讨了生态环境数据组织管理的基本流程。在此基础上,指出生态环境数据分类编码与元数据的规范化,以及生态环境模型的设计是实现生态环境数据组织管理的难点所在。随后,笔者以云南边境地带生态环境数据为例,提出了生态环境数据分类编码与元数据方案。并且在深入剖析生态环境数据特征的基础上,重点研究了生态环境数据的建模方案,提出了生态环境辅助数据模型(EcoADM)。最后,简要介绍了云南边境生态环境数据库管理原型系统的建设。     

Detecting Arctic snow and ice cover with FY-1D global data

Chinese meteorological satellite FY-1D can obtain global data from four spectral channels which include visible channel(0.58-0.68 μm) and infrared channels(0.84-0.89 μm,10.3-11.3 μm,11.5-12.5 μm).2366 snow and ice samples,2024 cloud samples,1602 land samples and 1648 water samples were selected randomly from Arctic imageries.Land and water can be detected by spectral features.Snow-ice and cloud can be classified by textural features.The classifier is Bayes classifier.By synthesizing five d ays classifying result of Arctic snow and ice cover area,complete Arctic snow and ice cover area can be obtained.The result agrees with NOAA/NESDIS IMS products up to 70%.     

基于模糊Hopfield神经网络的大气降水粒子分类

提出基于模糊Hopfield神经网络的大气降水粒子分类,它是通过计算样本间的模糊关系的相似程度,再加上Hopfield网络所特有的高稳定性,对大气降水粒子进行分类.通过对各降水粒子所对应雷达回波数据的分析,验证了方法的可行性.     

CryoSat-2卫星海冰区域波形识别及海冰干舷高确定

利用40%阈值法对CryoSat-2卫星波形数据进行重跟踪,将波形特征参数和海冰浓度相结合,对海冰和Lead(浮冰之间的开阔水域)进行有效识别。利用沿轨前后搜索算法计算海冰干舷高,并引用AWI结果,绘制2011~2013年北冰洋多年冰区域和一年冰区域平均海冰干舷高变化趋势图。比较本文结果与AWI结果的各年同期数据,验证本文结果的可靠性。     

���ڻز�ǿ�ȵĺ��׵��ʷ���ϵͳ�ؼ�����

???????????????????????????????????????????????????ALL????????????????洢????????????????????????ALL???????????????????????????????????????????е???????????γ?????????????????????????????????????????BP?????????????????????к????????????????????????????????Ч????????????????ò??????????????????