多场景下自然资源业务审批地理底图智能调度技术

针对自然资源项目审批存在地块大小不均、图层多样、坐标点数目差异性大等特点,在调用地理底图进行空间分析过程中需适配多地块、多图层、多界址点等不同分析应用场景。本文以空间分析效率和分析系统稳定性为目标,开展动态调度机制研究,智能化选择最优地理空间信息分析方法,构建复合式快速分析体系,达到减少审批项目平均耗时、缩短平均等待时间的目的,以保障系统运行稳定性,提高自然资源审批系统的空间分析效率。     

基于随机森林模型的农业电子商务浅析——洛川苹果网络销售问题与对策

随着互联网产业的飞速发展,电子商务开始进入农业领域。以电子商务起步较早的"洛川苹果"作为研究对象进行调研。基于随机森林模型的决策树集成算法,对农业网络销售体系整体进行数据分析,模型构建,从问题表象出发挖掘其在不同部分的影响因子,最终基于影响因素解决问题,提出合理化建议:加强农村基础设施建设、健全农村公共服务体系以及完善农村电子商务培训制度等,因地制宜,推进农业电子商务的健康发展。     

基于改进型决策树遥感分类的土地利用变化研究

在遥感和GIS技术支持下,以香格里拉建塘镇为研究区,以2000年、2009年Landsat TM影像为基础数据,运用光谱特征和地学辅助知识相结合的改进型决策树分类方法分别对研究区2个年份的基础数据进行土地利用信息提取和变化分析。研究结果显示:(1)基于改进型决策树遥感分类法与最大似然法相比分类精度有明显提高;(2)10 a间,香格里拉建塘镇城镇建筑用地、裸地面积呈上升趋势且变化最大,灌草地面积小幅增加,耕地、林地、水体、雪地冰川呈减少趋势,土地利用变化速度和综合程度越来越快。     

史前连续文化聚落的决策树分类挖掘研究——以郑州-洛阳地区为例

利用C4.5决策树分类算法和GIS组件Super Map Objects,开发实现了基于连续文化序列的空间数据挖掘系统,运用此系统对郑州-洛阳地区史前四个连续文化时期的聚落进行了数据挖掘,提取了聚落遗址面积的分类规则,并根据这些分类规则和聚落的空间分布情况对四个文化时期的I级聚落进行对比分析,得出了I级聚落的空间分布特点,即I级聚落中的一些特大面积的聚落朝着中心聚落的方向发展。     

基于决策树的高光谱数据特征选择及其对分类结果的影响分析

本文利用OM IS高光谱数据,研究了决策树算法（Decision Tree,DT）特征选择的特点以及特征选择对决策树分类结果的影响。设计了三种特征选择方法：SEP,MDLM和RELIEF,将它们与DT特征选择的结果以及特征选择后的分类精度（考虑了三种分类器：最大似然法、后向传播神经网络、最邻近法）进行对比,并分析了这三种特征选择方法对决策树结构和分类精度的影响。结果显示,DT是一种比较好的特征选择方法;经过特征选择后再生成的决策树比直接生成的决策树,用到更少的特征（平均减少了43.36%）、有更多的节点（平均增加了18.61%）和更高的分类精度（平均提高了0.35%）,当样本数量少时,分类精度的提高幅度最大,而树的大小却基本没有增加。     

基于决策树的我国农业数据挖掘分析

决策树是用于分类的常用建模方法。首先对分类的概念和决策树方法分别进行了总体介绍,在此基础上对我国30个省市自治区的乡村劳动力、耕地面积以及农业总产值信息数据进行了挖掘分析,在运用决策树对数据进行分类过程中对连续数据采用聚类分析的方法进行离散化处理,从而避免了原始经验分类方法的主观性。最后,通过上述决策树分类方法,生成我国农业情况的决策树,获得相关空间分类规则,并对其进行分析说明。结果表明,决策树分类方法适合我国农业情况。     

利用遥感信息决策树方法分层提取荒漠化土地类型的研究探讨

选择甘肃省民勤县绿洲作为典型荒漠化区域,根据荒漠化土地分类体系确定决策树的结构及各类地物在树形中的位置。基于各类地物的光谱反射特性和图象数据反映的综合特征,采取相应的识别和提取方法,以最大限度地利用遥感数据源。对于非荒漠化土地分类,利用土壤调节植被指数、阈值数字信号统计可以分离成一类树枝;而重点讨论的3种荒漠化土地类型的分层分类,则相继采用光谱特征提取、几何特征提取、纹理特征提取、监督分类以及植被指数等复合识别指标进行分枝。结果表明:利用决策树分层提取法可以有效地排除和避免提取地物时所有多余信息的干扰及影响,目标明确。同时,为提高分类的精度,开展野外遥感调查和特征分析是极其重要的。     

基于决策树模型的海岸带分类方法研究

海岸带地物分布复杂,地物混淆常造成海岸带提取困难。该文以江苏省粉砂淤泥质海岸为研究对象,运用图像光谱特征、纹理特征并引入地学知识,构建研究区遥感图像分类决策树模型,并利用ETM 图像进行海岸地物分类研究。结果表明:采用的决策树模型可以较好地结合纹理信息和地学知识,解决遥感图像中复杂地物分类过程中的混淆现象,分类精度达89.26%,比最大似然法分类精度提高了15.19%。     

3个时期骆马湖大型水生植物的分布及变化

大型水生植物对湖泊的生物地球化学循环具有重要影响.一方面,大型水生植物在生长过程吸收营养;另一方面,其通过向水体释放氧气而影响磷元素以及其他相关因子,进而影响磷元素的生物地球化学循环.为了从宏观上了解骆马湖生态系统变化,以1990年9月20日、2000年5月2日和2008年10月15日Landsat TM/ETM+影像为主要数据源,以大型水生植物的归一化植被指数(NDVI)为测试变量,运用分类回归树(classifica-tion and regression tree,CART)方法确定分割阈值,通过构建知识决策树的方法识别骆马湖大型水生植物动态变化特征.3个时期的遥感分类的总体精度与kappa系数分别为92.28％和0.87、91.73％和0.86、93.38％和0.88,因此,该方法的分类精度完全满足骆马湖水生植物分布及变化的研究.研究结果表明,骆马湖大型水生植物分布面积由1990年的55.461 6 km2,减少到2000年的41.801 4 km2,2008年又增加到79.065 km2;大型水生植物主要分布在骆马湖北部河湖交汇区;人类活动干扰是造成骆马湖大型水生植物分布面积发生变化的主要原因.