毛乌素沙地植被覆盖变化的遥感分析

为了防止毛乌素沙地沙漠化、改善生态环境质量,近10年国家在该区域实施了一系列生态环境建设工程。这些工程的主要目标就是恢复退化植被,提高植被覆盖率。本研究基于2000年、2005年、2010年三期的Landsat数据,利用eCognition软件中面向对象分类技术和地理信息系统的叠加分析功能,分析了2000~2010年间毛乌素沙地植被覆盖变化情况。同时,通过MODIS-NDVI数据计算分析了植被覆盖度的变化趋势。研究得出:1)该区域草地大幅度增加,尤其是2005年到2010年之间,增加更加明显;林地基本稳定;旱地由于退耕还林等政策有所减少;2)近10年来毛乌素沙地植被覆盖度呈逐步增加趋势,西北部和东南部增加尤为明显。产生上述变化的自然因素和人为因素的贡献率需要进一步研究。     

基于改进果蝇算法优化SVM的矿区地表变形预测方法

矿区地表变形呈现出典型的非平稳、突发性和不确定性,而传统支持向量机(Support Vector Machine, SVM)预测模型的预测性能受核参数选取影响较大。针对该问题,本文提出一种改进果蝇算法(Improved fruit fly optimization algorithm, IFOA)优化SVM的矿区地表变形预测方法。首先采用自适应变步长迭代方式代替传统FOA算法的固定迭代步长,提升FOA的收敛速度和全局寻优能力;然后利用IFOA对SVM进行优化,实现最优核参数自动选择的同时提升预测精度;最后采用某矿区实测数据开展试验。结果表明：所提方法相对于传统灰色模型和BP神经网络模型具备更高的预测精度和稳定性,更适合实际工程应用场景。