黄河三角洲农作物种植分区的遥感研究

本文选取了一年中三个不同时相的TM影像,分别求出了三幅影像的NDVI分布图,将其合成为一幅影像图。由于不同区域种植的作物在三个时相中的NDVI变化是不同的,因此在NDVI合成图上会呈现不同的颜色区域。通过对不同颜色区域进行采样分析,可以确定桃红色区域为冬小麦、玉米(大豆)轮作区,蓝紫色区域为棉花、春玉米、杂粮种植区,亮蓝区域为水稻种植区,亮绿色区域为林地、草地。最后,根据不同颜色区域的NDVI变化特征用非监督分类和监督分类相结合的方法对影像进行了分类提取。这样便可对黄河三角洲农作物的种植情况进行宏观的了解,为农作物种植合理布局及农业可持续发展提供依据。     

四川九寨沟地区泥盆—三叠系多重地层划分对比及沉积环境

位于青藏高原东缘四川盆地接壤处的四川九寨沟地区发育了总厚6000m以上的碳酸盐岩,通过1:5万区域地质调查和一系列专项调查,将该区内岩石地层划分为9个岩组。生物地层划分了3个珊瑚组合带,3个腕足组合带,1个腕足顶峰带,2个双壳顶峰带以及有孔虫组合带和顶峰带各1个。生态地层研究划分了两个生态群落。根据地球化学元素特征划分了11个地球化学段。研究了地层的常量元素和碳同位素特征。对碳酸盐岩进行了微相分析。综合各项沉积标志进行了沉积环境判别,其中岷河组沉积环境最为特殊,属于碳酸盐岩和陆源碎屑的混合沉积体系。     

国土资源数据管理初探

在分析国土资源数据及其管理特点的基础上,基于国土资源信息化和数据资源保护,将国土资源数据整体上分为资料数据、基础数据、业务数据、管理数据和元数据5类,提出了各类数据进行计算机管理的组织方法和采用的相关技术。     

影像与激光雷达数据的城市地物信息提取

针对城市地物信息提取中地物边界难以确定、分类精度不高的问题,该文提出一套综合利用影像及激光雷达点云高程信息的面向对象分类方法。在分割中,各类地物的最佳分割尺度由监督法分割精度评价确定,最终分割结果利用粒度理论下的分割尺度综合方法进行合成,能兼顾不同地物最优分割尺度,获得准确地物边界;在分类中,采用ReliefF特征选择算法度量从影像及点云数据提取的对象特征重要度,选择最佳特征组合,并采用多分类器组合方法进行分类,以消除Hughes现象,提高分类精度。选择德国斯图加特市两块实验区进行分类实验,结果表明:该方法有利于提高大范围城市地物精细信息提取的精度和效率,具有较高的应用价值。     

芝罘群岩石地层划分及区域对比

芝罘群分布于烟台市区北部芝罘岛、崆峒岛、担子岛等岛屿上,自下而上划分为老爷山组、兵营组及东口组.东口组为新建岩石地层单位.该群岩石组合为白云母钾长片麻岩、含电气石钾长石英岩、钾长石英岩、镜铁矿钾长石英岩、石英岩、白云母石英片岩夹黑云片岩、透辉变粒岩及大理岩等.其原岩为富钾、铁、硼的长英质碎屑岩夹粘土岩及富镁碳酸盐岩.兵营组单颗粒锆石U-Pb年龄为2171Ma,其成岩时代属古元古代早期.芝罘群区域上可与辽东地区古元古代榆树砬子群对比.     

旅游资源分类方法及其应用研究

旅游资源分类是进行旅游资源普查、评价的前提,也是科学合理利用旅游资源的重要途径。分析了旅游资源特性,认为旅游资源具有相对性、广泛性、交叉性。对国内外旅游资源分类方法及方案进行简要分析和评述,认为中国现行分类方法和方案具有较强科学性、合理性和可操作性,但是也存在一些问题。从理论上探讨旅游资源分类方法,并论述如何将这些分类方法综合应用于分类实践,认为旅游资源可以采用多种分类方法,不同分类方法的适用范围各有不同,也可以综合应用。     

福建沿海土壤地球化学分类及基准值研究

利用多目标区域地球化学调查成果,探讨了福建沿海土壤地球化学分类的方法,提出了分类命名方案和诊断标准,将研究区土壤按SiO2含量划分为铁铝土、硅铝土、铝硅土、硅土4个大类,其中硅铝土又分为一般硅铝土、铁质硅铝土、钾质硅铝土、硫铁质硅铝土4个亚类,铝硅土分为一般铝硅土和钾质铝硅土2个亚类;提出了在各种统计量中,中值比较客观地反映元素含量背景,适合作为基准值;给出了研究区各类土壤的分布图和52种元素及pH的基准值,分析了其成因和农业利用情况。     

模糊聚类分析及其地质应用实例

摘要聚类分析直接利用相似矩阵或相关矩阵来分类,但它们本身存在矛盾,分类时也会出现矛盾。为消除这个矛盾,可采用模糊聚类分析。它的特点是,通过相似矩阵连续自乘,改造成模糊分类矩阵,随后按不同要求进行分类。本文旨在介绍模糊聚类分析的步骤和方法,并提供一个PC—1500袖珍机模糊聚类分析源程序。附两个算例。     

A support vector machine classifier based on a new kernel function model for hyperspectral data

The kernel function is a key factor to determine the performance of a support vector machine (SVM) classifier. Choosing and constructing appropriate kernel function models has been a hot topic in SVM studies. But so far, its implementation can only rely on the experience and the specific sample characteristics without a unified pattern. Thus, this article explored the related theories and research findings of kernel functions, analyzed the classification characteristics of EO-1 Hyperion hyperspectral imagery, and combined a polynomial kernel function with a radial basis kernel function to form a new kernel function model (PRBF). Then, a hyperspectral remote sensing imagery classifier was constructed based on the PRBF model, and a genetic algorithm (GA) was used to optimize the SVM parameters. On the basis of theoretical analysis, this article completed object classification experiments on the Hyperion hyperspectral imagery of experimental areas and verified the high classification accuracy of the model. The experimental results show that the effect of hyperspectral image classification based on this PRBF model is apparently better than the model established by a single global or local kernel function and thus can greatly improve the accuracy of object identification and classification. The highest overall classification accuracy and kappa coefficient reached 93.246% and 0.907, respectively, in all experiments.