排序方式: 共有21条查询结果,搜索用时 15 毫秒
1.
基于决策树方法的云南省森林分类研究 总被引:2,自引:0,他引:2
森林分类对于理解森林生态系统结构和功能具有重要意义。由于云南省地形和森林类型复杂,首先按云南省的16个行政区划将全省Landsat TM影像分为对应的16个区域。以TM波段1~5和7,以及由植被指数、缨帽变换、主成分变换、DEM组成的18个变量组,统计训练样本光谱值均值变化和光谱值与频率间的关系。利用交点计算公式计算类间最佳分类界点进而建立决策树,逐一分离各区的所有森林类型,将分类结果合并得到云南省阔叶林、针叶林和针阔混交林类型分布图。最后将分类结果与监督分类中的最大似然比法的分类结果进行对比。结果表明:监督分类的总体分类精度为74.39%,Kappa系数为0.63,决策树方法的总体分类精度为86.61%,Kappa系数为0.80,说明决策树方法可以提取高精度的云南省森林类型,进而为该区域森林叶面积指数和生物量反演等研究提供基础数据支持。 相似文献
2.
3.
自然遗产地边界界定对于遗产地保护和管理具有重要的意义。已有的遗产地边界界定方法多基于先验知识和专家经验,具有一定的主观性,精度也有待进一步验证。以卫星遥感影像为基础数据,提出层次分析法(Analytic Hierarchy Process, AHP)和GIS结合的自然遗产地边界界定方法,并将其用于四川卧龙自然保护区边界确定。首先利用AHP分析并构建自然遗产地边界影响因子等级体系,然后基于GIS分析建模,通过数字化得到卧龙自然保护区的边界。与已公开的相关资料相比,该方法划定的保护区面积和边界更加科学、客观、精确,为珍稀动物大熊猫栖息地提供了明确的自然边界,而且突出了人与保护区相互关系及保护区的自然和生态保护价值。 相似文献
4.
由于遥感技术的标准研究及制订工作远远落后于遥感技术的发展,影响着遥感技术发展和产业化的进程。全国遥感技术标准化技术委员会为适应这一需求,率先在国内组织开展遥感技术标准化研究与标准体系的建立工作。这对于推动我国遥感技术的发展和产业化进程,以及形成具有自主知识产权的国际标准,提高我国在国际标准化舞台上的地位、作用和影响力意义重大。本文分析了国内外有关遥感技术标准方面的研究现状,介绍了我国遥感技术标准化技术委员会及其工作情况,初步提出了我国遥感技术标准化工作计划和发展策略。 相似文献
5.
吴哥遗产地土地利用/土地覆盖变化遥感分析 总被引:2,自引:0,他引:2
吴哥窟是柬埔寨的象征,近年来深受严重的环境问题的困扰。利用长时间序列卫星影像,采用最大似然分类方法,提取吴哥遗产本体及周边区域近30年土地利用/土地覆盖及变化信息,并基于转换矩阵方法分析各土地类型变化规律,最后利用野外地面实测数据对分类精度进行了验证。研究表明:基于光学影像的吴哥遗产地土地利用/土地覆盖分类精度可达81.4%;遗产地周边建设用地增加迅猛;林地面积大量减少,主要转化为农业用地及草地;农业用地显著增加,来源于裸地及林地;水体和湿地变化较少;导致吴哥土地类型变化的主要驱动因素是旅游业带来的资源过度开发、森林大量砍伐,吴哥遗产的原真性、完整性和蕴含的历史与文化价值也正遭受极大威胁。 相似文献
6.
针对林业、建筑、近海、岛礁和滩涂的测绘要求,中国科学院上海光学精密机械研究所开发了具有自主知识产权的机载双频激光雷达产品样机,可以同时完成对陆地地形和海底地形进行测绘。该样机在三亚蜈支洲岛进行了飞行试验,最大探测深度达到30 m,等效一类水质条件下可达50 m,最小探测深度达到0.22 m,测深数据和单波束声呐数据对比中误差为0.108 m,实地测量数据和陆地点云量测数据比对中误差为0.18 m,试验结果基本符合设计预期,为进一步产品定型打下了良好的基础。 相似文献
7.
8.
通过对地球科学激光测高系统(Geoscience Laser Altimeter System,GLAS)波形数据进行高斯分解,提取精确的波形特征信息,计算出GLAS波形数据激光穿透指数(LPI),基于LPI提出GLAS数据反演叶面积指数(LAI)的新方法,建立了GLAS数据反演森林LAI的模型(R2=0.84,RMSE=0.64),并用留一交叉验证法(LOOCV)对反演模型的可靠性进行了验证,结果表明,该模型没有过度拟合,具有很好的泛化能力,最后通过人工神经网络融合GLAS与TM(Thematic Mapper,专题制图仪)遥感数据实现区域尺度森林LAI反演,用25个实测LAI对反演精度进行了验证,研究表明反演LAI与实测值较为接近,精度较高(R2=0.76,RMSE=0.69),为生态环境研究提供精确的输入参数,为GLAS数据大区域高精度LAI反演提供新的方法和思路. 相似文献
9.
10.
输电通道内地物要素复杂,机载LiDAR获取的电力线、杆塔、植被等地物点云密度差异大、空间分布不规则,实际应用中“所见即所得”的应用需求对点云的高效自动化分类带来挑战。将深度学习中的PointNet++算法用于输电通道机载点云自动分类研究,分析样本加权对不同密度点云数据分类精度的影响,利用两组实验数据验证算法的精度和效率,并与随机森林分类算法进行比较。结果表明:基于样本加权PointNet++的方法在输电通道点云自动化分类方面适用性更强,平均F1值87.14%,且分类精度和效率均优于随机森林方法。 相似文献