通过软硬变化检测识别冬小麦

提出一种软硬变化检测的作物识别方法 SHLUCD(Soft and Hard Land Use/Cover Change Detection Method)。该方法利用多期遥感影像能够有效表达作物的生长物候特征,以达到在离散变化区(即纯净像元区,包括完全转换成作物的突变区域和非作物区域)和连续变化区(即渐变区,混合像元区,是部分转化为作物的区域)准确进行作物的识别。在北京市选择一个研究区,以冬小麦为研究对象,选用2011年10月6日(播种期)和2012年4月16日(拔节期)两期环境减灾1号卫星影像,分别采用硬变化检测方法 HLUCD(Hard Land Use/Cover Change Detection Method)、软变化检测方法 SLUCD(Soft Land Use/Cover Change Detection Method)和SHLUCD进行冬小麦的识别。实验结果表明:在不同尺度窗口下,SHLUCD较传统方法表现出较明显的优势,具有更低的均方根误差RMSE(SHLUCD为[0.14,0.07],HLUCD为[0.15,0.07],SLUCD为[0.16,0.08])和偏差bias(SHLUCD为-0.0008,HLUCD为-0.007,SLUCD为0.014)和更高的决定系数R2(SHLUCD为[0.68,0.86],HLUCD为[0.62,0.86],SLUCD为[0.60,0.86])。针对冬小麦突变区域、冬小麦渐变区域和非冬小麦区域分别进行评价,表明SHLUCD识别精度接近各区最佳的识别方法,进一步验证了SHLUCD的灵活性和适用性。SHLUCD方法在离散变化区能够通过土地覆盖类型状态变化来有效地识别出冬小麦,在连续变化区可识别出土地覆盖的状态变化程度定量表达冬小麦的丰度,是其他作物多时相遥感变化检测的前期实验基础。     

面向对象规则和支持向量机的天宫一号高光谱影像分类

传统的高光谱分类方法通常基于单一像元的光谱或纹理特征,很少考虑地物空间结构信息与空间相关特征.本文将面向对象规则与基于像元的分类进行融合,利用对象的空间结构特征和光谱特征进行混合分类,旨在克服像元层次分类的不足.本文尝试性的提出了两种混合分类方法:(1)基于分形网络演化的多尺度分割支持向量机分类(2)基于多层分水岭分割的SVM分类,并将这两种方法应用到天宫一号高光谱数据上.结果表明:基于面向对象规则的混合分类方法有效地提高了分类精度,不仅能够改善同谱异物现象,而且解决分类结果中地物破碎的问题.     

一种由铣刀刃形求螺旋槽形状方法的探讨

根据无瞬心包络原理,用向量法推导一种由已知铣刀刃形求螺旋槽形状的简便计算公式和方法.     

基于模式识别理论的卡钻类型判别分析

将模式识别理论中的支持向量机、Bayes判别分析以及多元回归分析应用于卡钻类型判别分析,建立了基于模式识别理论的卡钻判别模型。以近几年川东北卡钻数据为例进行了算例分析,结果表明：采用支持向量机、Bayes判别法及多元回归法对卡钻类型判别的结果与实际结果的误判率分别为1.92%,11.52%,61.54%。支持向量机（SVM）判别结果精度最高,但其判别方程式较为复杂,不能直观看出各分量对结果的影响程度;多元回归分析判别方程形式简单,可以直观表达各参量与卡钻之间的密切程度,但其判别精度较低;Bayes判别法计算精度介于二者之间,但其判别精度与判别式的个数密切相关。     

A Re-Evaluation of Long-Term Flux Measurement Techniques Part II: Coordinate Systems

To convert measurements of windspeed, eddy flux and scalar concentration into estimates of surface scalar exchange, we implicitly or explicitly assimilate the measurements into mathematical statements of the mass balance in a control volume on a representative patch of the surface. The form of this statement depends on the coordinate system in which it is written and the coordinate system should be chosen so that measurements can be used optimally. This requirement imposes a set of conditions on the coordinates. Here we perform a comparative analysis of some candidate coordinate systems, concentrating on the Cartesian and physical streamline systems. We show that over gentle topography there are definite advantages in working in streamline coordinates. Transforming measurements of vector and tensor quantities measured in the reference frame, s _i, of the anemometer into the reference frame, e _i, of the chosen coordinate system involves using the measured statistics of the wind field to define three Euler rotation angles. We compare the method in most common use, which employs the components of the mean wind vector and the Reynolds stress tensor to define these angles, with the more recent planar-fit method that uses instead an ensemble of mean wind vectors to define the rotations. We find that, in real flows, the standard method has a previously unrecognized closure problem that ensures that the third rotation angle defined using the stress tensor or scalar flux vector will always be in error and often give unphysical results. An alternative procedure is recommended. Finally, the relationships between measurements and model outputs are discussed.     

基于ITRF2005框架的南美板块运动及形变分析

本文通过利用ITRF2005框架速度场以及IGS参考站近两年观测数据解算所得速度场对南美板块的运动及形变特征进行分析。结果表明,南美板块整体以约12.4mm/a的速率向北西方向运动,其欧拉矢量参数与NNR-NULVEL1A模型基本一致。形变特征表现为中南部区域西缘因纳兹卡板块俯冲向东凹陷,东侧受大西洋中脊海底扩张推力向西运动,东西向的挤压使其约以22mm/a的速度收缩并阻碍其北向运动。板块南端则受南极洲板块挤压向北西运动。     

遗传算法优化的支持向量机湿地遥感分类——以洪河国家级自然保护区为例

湿地遥感分类作为湿地管理、监测与评价的重要手段,受到了广泛的关注。遗传算法(GA)借鉴了生物进化规律进行启发式搜索寻优,支持向量机(SVM)是一种新型的空间数据挖掘方法,二者相结合可以发挥各自的优势,寻找到支持向量机的全局最优参数,从而较准确地对湿地进行遥感分类。以洪河自然保护区为例,采用遗传算法优化的支持向量机方法进行了湿地遥感分类研究。同格网搜索下的支持向量机湿地遥感分类及最大似然监督分类对比,结果表明,遗传算法优化较格网搜索方式总精度提高了7.29%,较最大似然监督分类提高了12.06%,方法改善了沼泽、草地与裸地三种地物间的区分,是湿地遥感分类的有效手段。     

灰霾天气变化特征及垂直交换系数的预报应用

利用1998—2008年广东省广州、东莞和增城的常规气象资料及2004年6月10日—2008年12月30日Micaps 3.0的K指数、沙氏指数和L指数资料,重点分析了这三个地方10—12月的灰霾天气变化特征。研究结果表明,增城的能见度比例主要集中在大于10 km的范围内,空气质量最好,东莞的空气质量最差。广州和东莞10—12月的能见度等级百分比分布形态类似,轻微灰霾天气所占频率较大,其中10月占的比例最高。并提出垂直交换系数试图对污染物的垂直输送能力进行评估,进而尝试对灰霾天气进行预报。结果表明当垂直交换系数小于15 000时,城市容易出现灰霾天气,反之则说明该地的空气质量较为良好。     

SVM方法在武汉区域夏季暴雨预报业务中的应用

以2003～2006年ECMWF数值预报产品、Japan和T213降水预报场资料为基础,应用支持向量机（SVM）方法和CMSVM应用软件平台,通过对训练样本进行交叉验证和模型核参数的逐渐逼近,分区建立了武汉区域16,个区SVM24h暴雨预报模型,并在武汉区域5～7月进行实时业务应用。通过预报结果检验,5～7月武汉区域暴雨预报TS评分为33．59％,其中湖北省平均成绩为34．69％、湖南省平均成绩为34．15％、河南省平均成绩为31．71％。检验结果较好,表明SVM方法在区域性暴雨预报中具有一定的预报能力和参考价值。     

粒子群算法与支持向量机相结合的热带气旋强度预报试验

支持向量机(SVM)的惩罚参数及核参数的选择直接影响到模型效果,通过粒子群算法(PSO)解决支持向量机的参数选择问题,实现了参数选择的自动化。将该方法应用于热带气旋强度预报,利用气候持续性因子,挑选了1990年的100个左右样本进行预报检验,预报时效为12 h、24 h、36 h、48 h的强度平均绝对误差分别为3.00、4.35、4.93和6.68 m/s。另外,还与国外预报结果及采用最小二乘回归法的预报结果进行了效果的比较,SVM方法显示了更好的预报能力。