2000～2014年洞庭湖区植物面积变化及其与湖泊水位的关系

利用增强型植被指数(enhanced vegetation index,EVI),采用Mann-Kendall方法和Sen’s斜率估计方法,研究2000~2014年洞庭湖区的植物面积及其变化趋势,以及其与水位之间的关系。研究结果表明,枯水年洞庭湖区的植物面积最大,平水年的次之,丰水年的最小;2000~2014年期间,洞庭湖区增强型植被指数的变化存在空间异质性,东洞庭湖区的大部分区域的增强型植被指数无显著变化,南洞庭湖区的大部分区域的增强型植被指数显著增大;洞庭湖区18.08%的区域的增强型植被指数显著增大,这些区域主要集中在高滩地(平均海拔为26.61 m);7.51%的区域的增强型植被指数显著减小,这些区域主要集中在低滩地(平均海拔为25.79 m);随着湖泊水位的上升,洞庭湖区植物面积在减少,当洞庭湖水位为24 m时,最适合植物生长,当洞庭湖水位低于24 m时,洞庭湖区的植物面积受水位变化的影响较小。     

融合多时相高分影像的建筑物轮廓优化方法

针对高分影像建筑物提取存在错分和漏分等问题,常见的单幅影像矩形轮廓优化由于投影差、树木和阴影遮挡等问题边缘准确度不够,本文提出了一种融合多时相建筑物轮廓优化方法。首先,将两期高分影像进行匹配等预处理,利用基于偏移阴影分类验证提取建筑物初始结果。然后,分别获得两期影像中各建筑物轮廓的最小面积外接矩形,并对同名建筑物的最小面积外接矩形的各对应角点进行匹配。最后,通过对比两期影像的对应最小面积外接矩形的对应边上建筑物像素点的数量,选择像素点数量多的边作为适宜边进行平移以获得最优边,四条边都是最优边后进行直线正交得到最终符合建筑物原始形态的轮廓。试验结果表明,本文方法相比传统方法和其他轮廓优化方法在精确度和完整度上均有提高。     

辽宁省国土规划编制的依据

辽宁省国土资源特点 辽宁省位于我国东北地区的南部,东南濒临黄渤两海,陆域与吉林、内蒙、河北接壤.处于东北经济区与环渤海经济区的结合部.陆域面积14.81万平方公里,占全国的1.5%:海域面积6.8万平方公里,其中近海3.5万平方公里.由东部山地、中部平原、西部丘陵、北黄海、辽东湾五元模块组成.区间自然地理差异较大,地势东西高,中间低,落差为70C米.地处温带大陆性季风气候区,四季分明.     

测量坐标系统与土地面积

根据测量坐标系统和地图投影有关知识,在理论上推导出不同坐标系统与土地面积、同一坐标系统不同平面上的土地面积关系计算公式,并分析其使用价值。     

基于空间抽样的农作物面积遥感测量

传统的农作物面积统计通常采用人工统计的方法,费时费力,并且精确度不高,实时性不强。为了快速、准确地获取农作物面积,本文根据实际业务需求,充分利用遥感技术,同时结合地理信息技术,与基于PPS二阶空间抽样主法提出了一套切实可行的农作物面积遥感测量方法和流程。     

基于扩展空间句法的城区人口密度估算方法

城市人口密度是人口空间分布的重要指标,对城市交通、安全、规划和管理都有着重要意义。针对传统的人口密度估算方法在数据要求、可操作性以及精度方面的不足,本文提出一种基于扩展空间句法的城市人口密度估算方法。该方法通过城市空间可达性与城市行人流量的相关关系,估算城市人口密度的空间分布情况。经过实验验证表明,与传统估算方法相比,该方法需要的人口统计数据较少,可操作性强,与G IS软件无缝融合,通过反距离权重法(IDW)可使模拟估算结果连续,试验验证表明该方法适用于城镇地区人口密度估算。     

训练样本对TM尺度小麦种植面积测量精度影响研究(Ⅱ)——样本质量对小麦测量精度的影响分析

本文以小麦为例,在构建标准训练样本数据集的基础上,引入欧式距离、马氏距离和纯度三个指标对训练样本数据进行质量评价和分等定级。然后将相同样本数量,但不同质量等级的训练样本输入到最小距离、最大似然和支持向量机三种分类器中进行影像分类和冬小麦提取,并对小麦识别结果进行分析和比较。研究结果显示:同一分类器和不同分类器对相同指标划分的不同质量等级的训练样本响应不同,对不同指标划分的相同质量等级的训练样本响应也不同;相同分类器,面积误差最小和总体像元精度最高所对应的训练样本的质量等级不一样。     

国家林业局：我国已完成今年全年造林任务的37．9％

4000多万吨 目前三峡库区水土保持工作进展顺利,库区森林覆盖率已经达到34．5％,仅去年一年就减少土壤侵蚀量4000多万吨。根据重庆市水利局的统计数据,2008年末,三峡库区森林覆盖率已经达到34．5％,比直辖之初提高12．6个百分点,水土流失面积减少1万平方公里,去年一年就减少土壤侵蚀量4000多万吨。这充分体现了水土保持建设在控制土壤侵蚀、改善库区生态环境的积极作用。     

基于遥感影像的巢湖流域面状水体分维测算

通过对2000年2月的研究区ETM＋遥感影像光谱特征进行分析,利用修正的归一化差异水体指数（MNDWI）与谱间关系法提取研究区面状水体形态信息,使用小岛法计算面状水体的分形维数,得到巢湖流域全区面状水体的总体分维D0=1．2776,及以主要河流所划分的各子区的分维值：南区D1=1．2800,西区D2=1．3032,北区D3=1．2376。反映了研究区各子区地理环境与人类活动的差异。