Land cover classification of remote sensing imagery based on interval-valued data fuzzy c-means algorithm

There is a certain degree of ambiguity associated with remote sensing as a means of performing earth observations.Using interval-valued data to describe clustering prototype features may be more suitable for handling the fuzzy nature of remote sensing data,which is caused by the uncertainty and heterogeneity in the surface spectral reflectance of ground objects.After constructing a multi-spectral interval-valued model of source data and defining a distance measure to achieve the maximum dissimilarity between intervals,an interval-valued fuzzy c-means(FCM)clustering algorithm that considers both the functional characteristics of fuzzy clustering algorithms and the interregional features of ground object spectral reflectance was applied in this study.Such a process can significantly improve the clustering effect;specifically,the process can reduce the synonym spectrum phenomenon and the misclassification caused by the overlap of spectral features between classes of clustering results.Clustering analysis experiments aimed at land cover classification using remote sensing imagery from the SPOT-5 satellite sensor for the Pearl River Delta region,China,and the TM sensor for Yushu,Qinghai,China,were conducted,as well as experiments involving the conventional FCM algorithm,the results of which were used for comparative analysis.Next,a supervised classification method was used to validate the clustering results.The final results indicate that the proposed interval-valued FCM clustering is more effective than the conventional FCM clustering method for land cover classification using multi-spectral remote sensing imagery.     

利用二型模糊聚类进行全球海表温度数据挖掘

基于二型模糊集的C均值聚类方法对全球时序海表温度数据进行了聚类分析,得到全球海表温度异常的典型聚类模式,并从聚类中心挖掘出潜在的海洋气候指数。     

利用主成分背景抑制的红外目标检测

提出了一种基于主成分背景抑制的红外目标检测算法。首先分析了红外成像的时空相关性,采用主成分分析技术分解时域关联信息抑制背景杂波;接着采用空间关联模糊自适应共振神经网络建立时空背景模型检测目标。实验结果显示,该算法能有效地抑制背景突显目标和检测出复杂场景下的红外目标,其F1指标值高达94.2%。     

DLG数字产品的质量评定研究

随着信息化的发展,地理信息数字产品的质量特点发生了质的变化,如何科学评定DLG数字线划图的质量是本文探讨的重要问题。本文提出应用模糊数学理论,用模糊综合评价法评定DLG数字产品的质量,并且建立了该方法的数学模型,确定了质量评价体系的指标因素和权重等。结合具体实例详细阐述了DLG数字线划图的模糊综合评价方法,进一步验证此方法行之有效。     

河南省水资源开发利用评价

运用灰色关联分析的方法,选取对河南省水资源开发利用影响较大的指标,并运用模糊综合评价模型对全省的水资源开发利用进行评价,从而为全省水资源合理利用提供决策依据。     

地图产品质量模糊评价模型的判据选择

研究利用模糊评价方法评价地图产品的质量,特别是4D产品的质量,已经受到越来越多的关注。但是,这些研究一般都没有具体讨论模糊评价模型的适用性问题。本文以目前地图产品质量检验评价实践中的一个通用做法为判据,讨论了正确选择评价模型的重要性。     

基于光谱和空域信息的城区变化检测方法研究

目前的变化检测研究主要集中在利用中、小比例尺遥感图像进行自然环境等方面的变化检测,如草场的季节性变化、灾害检测、植被分布变化、土地使用规划等。然而随着城市的快速发展,为了满足城区管理规划中对道路、房屋等变化细节进行分析的需求,并由于高分辨率卫星诸如Ikonos,Quickbird等的出现,我们有必要并且有可能开发出一套实用、有效的、可靠的城区自动变化检测系统。针对城市区域的复杂性及其高分辨率卫星影像的配准误差问题,本文提出一种通过模糊逻辑结合光谱特征和空域特征的城区变化检测方法,以期望减小图像整体及局部配准误差对变化检测精度的影响。     

地下水系统决策的时序多层次多目标模糊优选模型与应用

阐述了目前国内外地下水系统决策的研究现状及存在问题,分析了地下水系统决策中的时序性、多层次性和模糊性,将地下水系统决策概化为时序多层次多目标模糊决策问题,以单元系统多目标模糊优选理论模型为基础,构造了地下水系统管理的多时段多层次多目标模糊优选模型,并给出了应用实例.     

城市居住单元绿地景观遥感环境研究

城市是人类改造最彻底的景观,城市中的居住单元是与市民最息息相关的景观单元。绿地是居住单元的重要自然要素,在调节气候、改善环境质量、吸尘消声等方面起着重要作用,在一定程度上反映了居住单元景观质量的优劣。遥感、地理信息系统与景观生态学理论共同形成了对生态系统空间格局进行研究的独具特色的研究模式,而利用景观指数对空间格局进行定量化研究是这种研究模式的基本内容。传统的景观指数研究多基于TM、SPOT影像在较大尺度上开展,基于高分辨率遥感影像在居住单元这样的小尺度上研究景观格局还较少。本文具体介绍了利用高分辨率遥感影像提取居住单元绿地景观斑块的整个过程,并选取绿地覆盖率、斑块密度、分维数、均匀度指数和最大斑块指数等指数,分析了厦门居住单元的绿地景观结构,最后采用模糊评判的方法对选取的居住单元作综合评价。     

模糊均生函数残差模型在地下水数值模拟降水量预报中的应用

地下水主要补给来源为大气降水的入渗和地表水体的渗漏.在地下水模拟预报模型中需要预先知道降水量.迄今为止,年降水量的预测仍然是一个不易解决的难题.在模糊均生函数模型(FAFM)基础上,利用其残差数据序列对FAFM进行校正,提出了模糊均生函数残差模型(REMFAF),给出了模型预报精度的检验方法.实例研究表明,REMFAF模型应用于吉林省西部地区地下水数值模拟中的降水量预报,比FAFM的预报精度更高,取得了较为理想的结果.