基于SPA-BPNN的成都市天府新区东部土壤As含量高光谱估测建模

为明确成都平原城市边缘带土壤中重金属As含量,以四川省成都市天府新区东部为研究区,对土壤原始高光谱数据进行一阶微分(FD)、二阶微分(SD)、去包络线(CR)和标准正态变换(SNV)处理,利用皮尔逊相关系数(PCC)和连续投影算法(SPA)筛选出最佳变换光谱的特征波段,分别建立偏最小二乘(PLSR)、极限学习机(ELM)、随机森林(RF)和BP神经网络(BPNN)4种回归模型,利用高光谱数据进行土壤重金属As含量估测并进行精度验证。结果表明,经去包络线一阶微分(CR-FD)变换的光谱与土壤重金属As含量相关性显著提升,由0.473提高到0.848;无论是基于PCC还是SPA算法筛选出的特征波段,非线性模型的拟合度以及预测精度均高于线性模型;相对于PCC算法,利用SPA算法筛选的特征波段建立的模型预测精度明显提升,PLSR、 ELM、 RF、 BPNN模型验证集的决定系数(R²)分别为0.786、 0.847、 0.856、 0.942。因此,以SPA算法筛选出的光谱波段作为自变量构建的BPNN模型(SPA-BPNN)是研究区内As含量的最优估测模型。     

采用分段主成分和PPI的高光谱影像分类

高光谱遥感影像波段多且存在混合像元,特征提取以及端元提取都是高光谱影像分类必不可少的工作,分类方法的选择也是因地适宜。以福建省泉州市德化县下属某一地区的CASI影像为实验数据,基于分段主成分(segmental principal component analysis,SPCA)和纯净像元指数法(pure pixel index,PPI),提出了最小距离(minimum distance classification,MDC)和二进制编码(binary encoding,BE)的高光谱影像分类方法。实验结果表明,MDC的总体精度为69.71%,BE的总体精度为70.88%。对单一地物精度而言2种方法各有其长,MDC对道路的分类精度更高,为98.08%;而植被、耕地和水体采用BE方法的分类精度更高,分别为94.12%、98.08%、98.11%。本文提出的方法应用于CASI高光谱影像,对该研究区的地物分类研究有一定的实用性和参考价值。     

基于OpenGL的三维地下管线信息系统的设计与实现

在三维管线的显示、查询以及分析方面进行了研究和开发，并对三维管线信息系统的建立提供了一个应用实例．