Vegetation species mapping in a coastal-dune ecosystem using high resolution satellite imagery

Vegetation mapping is a priority when managing natural protected areas. In this context, very high resolution satellite remote sensing data can be fundamental in providing accurate vegetation cartography at species level. In this work, a complete processing methodology has been developed and validated in a complex vulnerable coastal-dune ecosystem. Specifically, the analysis has been carried out using WorldView-2 imagery, which offers spatial and spectral resolutions. A thorough assessment of 5 atmospheric correction models has been performed using real reflectance measures from a field radiometry campaign. To select the classification methodology, different strategies have been evaluated, including additional spectral (23 vegetation indices) and spatial (4 texture parameters) information to the multispectral bands. Likewise, the application of linear unmixing techniques has been tested and abundance maps of each plant species have been generated using the library of spectral signatures recorded during the campaign. After the analysis conducted, a new methodology has been proposed based on the use of the 6S atmospheric model and the Support Vector Machine classification algorithm applied to a combination of different spectral and spatial input data. Specifically, an overall accuracy of 88,03% was achieved combining the corrected multispectral bands plus a vegetation index (MSAVI2) and texture information (variance of the first principal component). Furthermore, the methodology has been validated by photointerpretation and 3 plant species achieve significant accuracy: Tamarix canariensis (94,9%), Juncus acutus (85,7%) and Launaea arborescens (62,4%). Finally, the classified procedure comparing maps for different seasons has also shown robustness to changes in the phenological state of the vegetation.     

结合PCA、多尺度分割及SVM的ASTER遥感蚀变信息提取

为了利用遥感影像进行更加精确的找矿预测,本文选择新疆东天山尾亚地区ASTER数据进行矿化蚀变信息提取方法研究。为了提高信息提取精度,本文提出了结合主成分分析(PCA)、多尺度分割和支持向量机(SVM)的遥感矿化蚀变信息提取方法。首先,分析ASTER数据的特征,选取各矿化蚀变信息的特征波段,对组合波段进行主成分分析,获得主分量图像;然后,对各主分量图像进行多尺度分割,并获得分割之后的均值图像;接着,提取训练样本,利用SVM对训练样本进行训练,采用试验方法求得最优核参数和松弛变量,构造最优SVM模型;最后,运用最优SVM模型完成矿化蚀变信息的提取。进行主成分分析时,铁染蚀变信息选择Band1、2、3、4组合,Al-OH基团蚀变信息选择Band 1、4、6、7组合,OH和CO32-基团蚀变信息采用Band 1、2、8、9组合。在运行SVM时采用了序列最小优化算法(SMO)进行求解,速度提高了12%。实验结果表明,与波段比值法、主成分分析法及基于光谱角和SVM的方法等3种方法相比,本文方法提取铁染蚀变信息、Al-OH基团蚀变信息及OH和CO32-基团蚀变信息的总体精度可达到87.98%、 90.01%及88.93%,Kappa系数分别为0.8011、0.8134及0.8023,与成矿区带、已知矿点和已有不同地质背景成矿特征相关性较好。     

支持向量机、随机森林和人工神经网络机器学习算法在地球化学异常信息提取中的对比研究

地球化学勘查是通过发现异常、解释评价异常进行找矿的。因此,地球化学异常识别对矿产资源的定位、定量预测具有重要的的指示作用。在大数据时代的背景下,机器学习方法不要求数据满足正态分布的分布形式,且具有非线性以及泛化能力强等特点,因而逐渐地被应用于矿产资源的定量预测评价,如神经网络、支持向量机、贝叶斯网络、随机森林、受限玻尔兹曼机、极限学习机等。本文通过设计理论实验,可视化了不同算法,提出了不同机器学习方法在不同地区的地球化学异常信息提取中的效果存在不一致性的假设。在此基础上,以湖南香花岭锡多金属矿整装勘查区及甘肃合作金矿整装勘查区的地球化学异常提取为研究内容,将人工神经网络、随机森林以及支持向量机应用于研究区地球化学异常信息的提取与识别工作。在香花岭研究区,人工神经网络的结果较好,在合作研究区,随机森林的结果较好,从而验证了上述假设。通过生成两研究区的地球化学异常图,讨论了该方法在两研究区地球化学异常的地质意义和该方法的可靠性与实用性。此外,还完善了基于多种监督机器学习方法的地球化学异常信息提取流程,为软件开发提供了一定的理论依据。     

2019年初浙江罕见连阴雨过程的成因分析

利用浙江省2019年2月地面气象观测资料、FY 2G红外云图资料、NCEP和ERA Interim再分析资料,对浙江省2019年冬末春初典型的连阴雨天气过程的成因进行了分析,得出以下结论：①连阴雨期间500 hPa极涡呈偶极型,主体持续收缩在北极附近,浙江位于700 hPa和850 hPa切变南侧稳定的西南气流及温度正距平中,对流层高层西风急流持续偏强、位置偏北,强度和位置变化超前于降雨;②源自孟加拉湾北部至青藏高原、中南半岛到南海的两条水汽通道持续输送水汽至我国华东地区,浙江同时受两条水汽带叠加影响时雨强达到最大,红外卫星云图分析可对水汽输送通道和天气形势作大致判断,提供降雨预报辅助性参考;③700 hPa湿Q矢量显著辐合区和850 hPa经向风0 m〖DK〗·s-1等风速线重叠的区域易出现明显降雨,集中降雨时段浙江上空存在很大的低层假相当位温和水汽通量的水平梯度,水汽输送带位于梯度区之上。     

基于GIS的空间数据和空间数据库浅谈

在数字城市、数字省区等数字工程建设和各个部门信息化建设迅速开展的时候，大量甚至海量空间数据的存储和管理成为地理信息系统建设工作者们面临的重要问题，研究空间数据和空间数据库变得非常迫切。简要介绍了空间数据的概念、特征和空间数据结构模型，并对空间数据库的设计做了简单阐述。