基于MODIS数据的浒苔信息提取方法研究

浒苔是一种大型绿藻,大量浒苔爆发会严重影响景观,干扰旅游观光和水上运动的进行。本文利用NASA提供的MODIS02的250m分辨率影像,分别采用了比值法、归一化植被指数法和监督分类中的最小距离分类,提取了浒苔的信息,实验结果表明,三者都可以提取浒苔信息,但是比值法提取的结果最好,最小距离分类很难与薄云区分,必须加入人工目视解译,归一化植被指数可以区分出薄云,但是遗漏较多。     

遗传算法优化支持向量机矿产预测方法

针对矿产预测中已知矿点的样本数目较少的问题,该文提出了一种基于遗传算法优化的支持向量机矿产预测方法。采用遗传算法优化支持向量机的惩罚因子和径向基核函数参数,避免了参数选择不当对支持向量机预测结果的影响,从而提高矿产预测的精度。以空间建模工具ArcSDM中的卡林型金矿床数据为例进行实验。结果表明,支持向量机模型的预测准确率为89.3%,查准率为70.2%;而证据权方法的预测准确率为79.4%,查准率为50%,均小于支持向量机预测结果,说明遗传算法优化的支持向量机是一种有效的矿产预测方法。     

融合时间序列环境卫星数据与物候特征的水稻种植区提取

获取高精度的区域水稻种植面积对于农业规划、配置与决策具有重要意义。区域尺度的水稻面积获取依赖于高时空分辨率影像,但受卫星回访周期和气候影响,难以获取足够时间序列的高时空分辨率影像,从而影响水稻种植面积遥感提取的精度。为此,提出适应于中国南方多雨云天气地区,基于国产环境卫星(HJ-1A/1B)与MODIS融合数据的水稻种植面积提取的新方法。以洞庭湖区为实验区,利用STARFM模型融合环境卫星NDVI数据与MODIS13Q1数据,获取时间序列的环境卫星NDVI数据,利用水稻关键期的NDVI数据结合物候特征参数对水稻种植区域进行提取。结果表明,该方法能有效提取区域水稻种植的面积,水稻种植面积提取的总体精度与Kappa系数分别达到91.71%与0.9024,分类结果明显优于仅采用多光谱影像或NDVI数据。该研究为中国南方多雨云天气地区水稻种植面积提取提供了有效的方法。     

锑矿床研究若干问题初探

锑矿床研究的重点包括：锑矿床分类;不同构造环境下锑矿庆的成因模式;锑的来源。今后锑矿床分类将以锑矿庆形成的构造背景为主,结合锑矿床成因方式和容矿主岩特点来进行。文章介绍了几种典型构造环境下（大型走滑、造山挤太和造山崩坍）锑矿床形成机理和成因模式。现有的资料表明锑矿床受壳幔相互作用所制约（如拆沉作用,ｄｅｌａｍｉｎａｔｉｏｎ）,这无疑会成为锑矿研究的热点和难点。     

应用NOAA/AVHRR数据测算局地水稻种植面积方法研究

本文采用在模糊监督分类中增加迭代过程的方法－－模糊监督分类一迭代法,在分解混合像元的基础上,利用ＡＶＨＲＲ数据求算水稻种植面积。根据稻田与旱地存在温度差异的特点,在分析ＡＶＨＲＲ数据统计特征的基础上,增加了第３和４两通道参加模糊监督分类,从而增加了分类橡元值矢量维数,增强了对水稻的鉴别能力。反采用的迭代法是收敛具有效的,经本方法输出的水稻种植面积百分含量图与实际水稻分布十分吻合,测算出的面积值与Ｔ     

基于决策树的多光谱影像分类研究

采用了辅以纹理特征的决策树方法进行分类,探讨了决策树在遥感数据分类方面的优势,提高了遥感影像的分类精度。     

RTK在大比例尺地形图航测数字化测图中的应用

结合某开发区1：2000地形图航测数字化测图工程，探讨了采用GPSRTK的自由基站二步法拟合方式测量航外像控点（平高点），实施大比例尺地形图野外检测的可行性。对比测量实验表明，该方式在像控点要求的特定位置不仅能保证平面精度，也可以保证高程精度；与常规的RTK相比，该方式具有基站设置位置灵活、不需单独提前解算基准转换参数，以及显著提高工效等优点。     

投影寻踪学习网络的遥感影像分类

采用投影寻踪(projection pursuit,PP)学习网络方法建立了一种新的遥感影像分类模型。该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能,具有简捷的网络结构和良好的鲁棒性能。利用苏州市TM影像进行了分类实验,将分类结果与BP神经网络和最大似然法的分类结果相比较,投影寻踪学习网络的分类精度较高,具有一定的实用性。     

基于权重与混合模型的遥感图像分类方法研究

提出了一种基于权重与混合像元模型的遥感图像分类方法。该方法在现有光谱混合模型的基础上,根据实际应用需要确定地类权重,通过地类丰度与权重因子加权平均确定像元的隶属类型,从而实现遥感图像分类。以SPOT-5土地覆盖遥感分类为例,对权重与混合像元模型结合的图像分类方法进行了验证,结果表明,该方法提高了遥感图像分类精度,在一定条件下更具实际意义。     

基于遥感分类的植被覆盖度提取

阐述了基于遥感分类进行植被覆盖度提取的方法,分析了直接利用关系模型提取植被覆盖度的缺点,遥感分类可获得不同类型地物,此后关系模型分别提取,解决了直接利用关系模型提取中存在的缺点.