红树林遥感智能分类方法研究

利用ＧＩＳ信息中的红树林地域分布规律作向导，充分利用械树林区的光谱信息进行红树林植被信息提取。在对比研究常规的红树林图象自理方法的基础上，提出了适用于红树林植被信息遥感监测的智能分类方法。     

Estimation of Sea Ice Thickness from SARAL/AltiKa in Drifting Orbit Phase

Abstract

Intra and inter-annual variations in the sea ice thickness are highly sensitive indicators of climatic variations undergoing in the earth’s atmosphere and oceans. This paper describes the method of estimating sea ice thickness using radar waveforms data acquired by SARAL/Altika mission during its drifting orbit phase from July 2016 onwards yielding spatially dense data coverage. Based on statistical analysis of return echoes, classification of the surface has been carried out in three different types, viz. floe, lead and mixed. Time delay correction methods were suitably selected and implemented to make corrections in altimetric range measurements and thereby freeboard. By assuming hydrostatic equilibrium, freeboard data were converted into sea ice thickness. Results show that sea ice thickness varies from 4 to 5?m near ice shelves and 1 to 2.5?m in the marginal sea ice regions. Freeboard and sea ice thickness estimates were also validated using NASA’s Operation Ice Bridge (OIB) datasets. Freeboard measurements show very high correlation (0.97) having RMSE of 0.13. Overestimation of approximately 1–2?m observed in the sea ice thickness, which could be attributed to distance between AltiKa footprint and OIB locations. Moreover, sensitivity analysis shows that snow depth and snow density over sea ice play crucial role in the estimation of sea ice thickness.     

利用X射线衍射测定单斜辉石中硬玉组分含量

硬玉是单斜辉石中十分重要的端元组分,是单斜辉石分类的主要基础。利用x射线衍射分析确定的硬玉组分含量计算式为Jd(％)=[A-2.235]×25.741,其中Jd为硬玉组分百分含量,A为2—Theta角为30°(d=2.97)时峰值的相对强度Ⅰ与半高宽的乘积,其计算误差仅6.32％。     

用于数值分类的聚类分析

这里所谓聚类分析包括传统的聚类分析和作者提出的聚类统计检验分析。传统的聚类分析是常用的重要数值分类方法。但是，这个方法由于缺乏显著性检验，在国际上已长期公认是一个在多元统计中并不完整的方法。本文把聚类统计检验分析在其具有显著性检验的优越性上，和传统聚类分析作了对比分析。聚类统计检验分析区分有均匀聚类与中心聚类。前者用（１６）作为聚类判据，后者则用（２７），并且各用相应的公式（１７）－（２１）与（２     

简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用

人工神经网络作为一种不需估计类别分布参数的遥感影像分类方法,能够克服分类中的不确定性,提高分类精度。模糊ARTMAP人工神经网络具有稳定、泛化性能好、支持增量式学习等特点,通过对简化模糊AR-TMAP神经网络和H-ARTMAP神经网络的分析和集成,构造了一种用于高光谱遥感影像分类的简化模糊H-ART-MAP网络。实验证明该方法在分类效率、运算时间和分类精度等方面都优于最大似然分类、BP神经网络、最小距离分类、光谱角制图模型等分类方法。     

基于决策树的我国农业数据挖掘分析

决策树是用于分类的常用建模方法。首先对分类的概念和决策树方法分别进行了总体介绍,在此基础上对我国30个省市自治区的乡村劳动力、耕地面积以及农业总产值信息数据进行了挖掘分析,在运用决策树对数据进行分类过程中对连续数据采用聚类分析的方法进行离散化处理,从而避免了原始经验分类方法的主观性。最后,通过上述决策树分类方法,生成我国农业情况的决策树,获得相关空间分类规则,并对其进行分析说明。结果表明,决策树分类方法适合我国农业情况。     

基于蚁群智能的遥感影像分类新方法

智能式遥感分类是遥感研究的新热点.提出了一种基于蚁群智能规则挖掘(ant-miner)的遥感影像分类新方法.遥感数据各波段之间存在较强的相关性,这种相关性往往会导致分类产生误差.而ant-miner算法中的信息素是基于规则整体性能的,信息素的动态更新能有效地处理相关性较强的数据,所提供的正反馈信息能纠正启发式函数缺陷所造成的错误.因此,蚁群智能算法应用于遥感分类具有一定的优势.将该方法用于广州市地区的遥感影像,取得了较好的分类结果.并与See5.0决策树方法及最大似然方法(MLH)进行了对比研究,实验结果表明,蚁群智能算法分类精度比后两者的分类精度更高.     

基于语义的地理信息分类体系对比分析

地理信息分类体系之间的语义不一致性,被认为是影响地理信息系统实现在语义层次上信息共享的最大障碍.首先,本文在阐述中国地理信息分类体系之间参照模式的基础上,提出了一种基于语义的地理信息分类体系对比分析方法.其次,对中国现行的几种地理信息标准分类体系进行了详细的对比分析.最后,为中国地理信息分类体系的编制和修订提出了一些建议.     

遥感影像特征提取与选择及在影像分类中的应用

利用模式识别中特征提取和特征选择的相关理论对遥感影像的纹理特征进行遴选和变换处理,得到描述纹理的二次特征。实验证明这些新特征能够提高影像分类精度和分类效率。