基于模糊集重心理论的岩体分类

将模糊综合评判方法应用于岩体分类可造成评判信息丢失,影响评判结果的准确性和可信度。针对该缺陷,引入模糊集重心理论,克服了综合评判方法中某些因素由于权值较小而被“淹没”的现象。在此基础上,选取了岩石质量指标、单轴抗压强度、岩体完整性系数、岩石软化系数、最大地震烈度和地下水渗水量这6个对岩体质量及其稳定性影响比较大的因素,以正态分布作为其隶属函数,采用加权平均值法确定各因素权重值,建立了基于模糊集重心理论的岩体模糊分类方法。结合具体的工程实例,阐明了上述各因素模糊集重心的计算方法。利用基于模糊集重心的岩体模糊分类方法,研究了某一地下工程围岩的稳定性级别,并与模糊综合评判方法计算的结果和围岩的实际稳定情况进行了对比,验证了方法的准确性和适用性。     

长江黄河源区高寒草甸退化研究进展

长江黄河源区内高寒草甸退化是当前研究的热点问题之一。但多数研究中涉及的源区范围、高寒草甸的分类、高寒草甸的退化原因及恢复治理措施等方面,各学者的看法并不相同,难以实现各项研究结果的比较研究。从源区范围、高寒草甸的分类、高寒草甸的退化原因及恢复治理措施等方面阐述了各学者研究的差异,指出:长江黄河源区高寒草甸的进一步深入研究有必要对源区的范围进行界定;高寒草甸的分类常常因研究目的不同而有所差异,以退化程度进行的分类能够反映高寒草甸的动态变化过程,但需要定量指标对退化的不同程度进行界定;遥感影像解译的结果由于遥感影像本身的不确定性和主观因素的影响而难以统一;退化的原因目前主要集中于自然因素和人为因素两方面的研究,针对这些因素采取的控制措施在局部区域取得了一定效果,但并没有抑制高寒草甸在总体上的进一步退化,寻找一种综合的有效的治理措施还是今后的研究目标。     

基于贝叶斯网络分类的遥感影像变化检测

遥感成像过程中,地面、大气等诸多要素的不确定性和波段之间的相关性等原因影响了分类精度,导致变化检测的不准确性。为了提高分类精度往往需要引入先验知识。贝叶斯网络是一种新的数据表达和推理模型,对数据没有严格的正态分布前提要求,通过动态地调整先验概率密度,能有效提高分类精度。以北京通州地区1996-05-29和2001-05-19两个时相的陆地卫星Landsat TM遥感影像为例,介绍了基于贝叶斯网络的分类算法,并在此基础上实现了两个时相遥感影像的变化检测。实验结果表明:基于贝叶斯网络分类算法的后分类比较变化检测方法是遥感影像变化检测的一种新的有效方法。     

基于S波段双偏振雷达一次强雹暴过程观测分析

利用宁波S波段双偏振天气雷达资料、NCEP再分析资料、结合常规观测资料和实地冰雹调查资料,对2020年3月21日浙江省中北部一次强雹暴灾害过程(简称“03·21”过程)的天气背景和双偏振雷达回波演变特征进行分析。结果表明：(1)此次雹暴过程环流形势属于低层暖平流强迫类型,雹暴影响过程约4 h,雹暴A和B先以强的对流单体形态移动,在自西向东移动过程中分别加强为超级单体。(2)典型降雹时次具有明显的三体散射特征(TBSS),垂直剖面图上强回波(>50 dBz)伸展高度超过-20℃层,低层的弱回波,中高层悬垂回波明显。径向速度垂直剖面图上,雹暴低层辐合,其上叠加了辐散层,使得雹块得以继续形成和增长。(3)冰雹区出现了Z_DR冰雹信号,对应的反射率因子(Z_H)均大于65 dBz,差分反射率因子(Z_DR)介于-2.0～0 dB,相关系数(C_C)介于0.80～0.98;当结合Z_H、Z_DR、C_C综合判断云中有冰雹粒子,C_C...     

煤田火区特征的土地覆盖分类方法 ——以乌达煤田火区为例

土地覆盖变化是土地分析与评价和生态环境变化预测的重要科学基础, 通过精确的土地覆盖分类方法 获取高精度的土地覆盖图是研究煤田火区生态环境变化的必要手段。本文以最大似然法、光谱角度法、面向对象 分类法和基于复合分区的分层分类法进行乌达煤田火区土地覆盖分类的方法研究。研究结果表明, 基于复合分区的 分层分类方法分类精度较高, 总体分类精度为92.97%, kappa 系数为0.9155。该方法通过基于地表热辐射特征、热 异常状况、地貌类型, 以及对生态系统扰动状况等的划分, 减少了地物信息的混淆度, 即通过提     

多时相Radarsat数据在广东肇庆地区稻田分类中的应用

将1996年获取的4个时相的Radarsat图像用于广东肇庆地区的稻田分类试验,结果表明,多时相Radarsat数据对水稻类型的识别精度较高,而且稻田的轮作规律容易推测出来。本文系统地介绍了这一试验研究的最新进展,探讨了神经网络分类方法在SAR图像处理中的应用潜力和Radarsat数据在中国南方水稻监测中的最佳时相选择和有效分辨率问题。     

利用极化SAR数据进行土地覆盖分类研究

基于相关矩阵特征向量的目标分解将地物回波复杂的散射过程分解成相互独立的三种单一散射分量:单向散射、双向散射和交叉散射,分别对应各自的目标相关矩阵。目标分解技术降低了散射回波之间的相关性,有利于分析地物散射机理,有助于提高分类精度。对荷兰F levoland地区全极化数据进行分解,经过试验和相关性分析,选用7种数据形成多参数数据组合,对其进行最大似然监督分类,同时进行常规三种极化加相位差的分类和基于复W ishart分布的最大似然分类,逐像元计算混淆矩阵,分析对比三种分类结果的精度,试验表明:相对于常规数据组合分类,基于复W ishart分布的监督分类可以小幅度提高分类精度,而利用目标分解得到多参数组合数据进行分类则有大幅度的提高。     

基于面向对象分类技术的沈阳市土地利用动态变化研究

基于RS和GIS技术,采用面向对象分类技术,根据沈阳市的实际情况,建立土地利用类型解译标志,利用多尺度分割方法进行影像分割,然后利用决策树法和最近邻的分类方法,建立分类规则,提取区域土地利用信息,得到该区域的两期土地利用/土地覆被数据,并对研究区的土地利用动态变化及引起这种变化的驱动力进行分析.研究中所采用的面向对象的分类方法在地表景观信息提取中充分利用了地物的光谱信息、纹理特征等特征,最大程度上克服由于不同地物光谱信息相似、相同地物光谱信息不同而造成的混分现象.     

基于码字匹配和引力筛选的半监督协同训练算法

针对传统的Co-training和Tri-training协同训练算法中基分类器独立性低、迭代过程中误差累积和整体泛化性能低的问题,将多视图理论、编码理论和万有引力公式引入协同训练分类算法中,提出了改进算法,算法有效地防止了迭代过程中的误差累积,同时提高了分类系统的泛化性能。在高光谱图像分类实验中,随机地从数据集中抽取5%、10%和20%样本作为已标记训练集时,码字匹配的协同训练分类算法对比Co-training和Tri-training算法,在分类精度上平均分别提高了12.38%和6.13%,在Kappa系数上平均分别提高了0.2和0.07。进一步加入引力筛选机制,对比Co-training和Tri-training算法,在分类精度上平均分别提高了21.30%和10.99%,在Kappa系数上平均分别提高了0.26和0.13,结果表明了本文算法的有效性。     

海洋浮游植物三维荧光光谱的逐层分类方法研究

提出活体海洋浮游植物三维荧光光谱逐层分类法,将浮游植物区分为不同的"光谱类别"。选取中国近海常见的26种分属于甲藻、硅藻、黄藻、金藻、隐藻、绿藻、蓝藻的浮游植物,在室温20℃和3个光照条件下培养,在第3,6,9,12,15天测其三维荧光光谱。采用主成份分析结合非负最小二乘回归法(NNLSR),以浮游植物叶绿素a的发射峰680nm所对应的激发光谱作为第一特征谱以区分门类,以EX730谱作为硅藻的逐层分类的第二特征谱,SY350谱作为甲藻的第二特征谱,将实验所用9种硅藻和8种甲藻各划分为3个光谱类别;分析405个浮游植物混合物,门类识别正确率大于94%,光谱类别的识别正确率为75%,该方法可用于海洋浮游植物种群结构变化的快速宏观监测。