高光谱遥感数据光谱特征提取算法与分类研究*

针对高光谱数据的特点,探讨了高光谱数据特征提取的若干算法,重点研究了导数光谱和光谱编码技术,并从地物光谱曲线中提取了其光谱吸收特征.对同类曲线特征求交得到识别地物的有效特征;对不同类曲线特征求交得到区分不同类地物的有效特征.最后基于提取的特征建立了地物识别决策树,从而达到快速识别分类地物的目的,能够实现依据地物光谱特征的地物识别与分类.     

基于小波变换的影像融合算法与效果评价

在众多的图像融合技术中，基于小波变换的图像融合方法已成为目前研究的一个热点。小波变换具有多分辨率等特点，可以有效地将特征明显、分辨率高的图像融合在一起，得到比任何一幅源图像效果都好的图像。在阐述小波变换的Mallat算法的同时，对遥感影像融合的分析与评价进行了深入的探讨，提出了综合利用3类统计参数进行评价的方法。经实验，评价结果与理论分析结果和目视效果相吻合，说明这些参数可以作为遥感影像融合客观效果的评价准则。     

矿区土地资源可持续利用研究

论述了矿区土地可持续利用的必要性及含义，在讨论矿区土地利用特点的基础上分析了矿区土地可持续利用的障碍，对可持续利用的原则和对策进行了研究。     

“3S”技术在露天矿生产与管理中的应用研究

由遥感（ＲＳ）全球定位系统（ＧＰＳ）、地理信息系统（ＧＩＳ）构成的“３Ｓ”技术是当代地球信息科学的主体，本文介绍了“３Ｓ”技术及其应用于露天矿生产与管理中的优越性，讨论了应用领域与应用模式。     

城市景观格局与水文效应关系研究

基于多时相TM/ETM+影像,运用支持向量机分类方法对蚌埠市景观进行分类,解译得到1989年、1995年、2003年和2007年土地利用专题图。采用景观指数法、转移矩阵法,分析了蚌埠市景观格局与城市水文效应之间的关系。研究表明:蚌埠市城市水文效应特征明显;耕地破碎化程度较低,连通性好,利于涵养水分和农业发展;建筑用地增加并有集中趋势,地表径流量增大;城市供水能力保持平稳,人均用水量相对减少,城市水质偏差。为此,调整城市景观格局,有利于改善城市水文状况。     

土地利用规划管理信息系统工作流建模研究

工作流管理的主要特点是使管理过程自动化，使人及各种应用工具相互协调工作，达到“在适当的时候把适当的信息传递给适当的人”的目的．这恰好满足了土地利用规划管理信息系统的需要．本在综合比较现有工作流建模方法、参考前人研究成果的基础上，结合土地利用规划MIS的业务特点，将工作流模型分解为4个紧密相关的视图：过程模型、功能模型、信息模型和组织模型，并为各种视图制定了表达方法．特别是在有向图的基础上，为过程模型设计的描述方法中，定义了GIS活动的表达．     

一种基于投票法融合的ASTER遥感影像水体提取方法

遥感影像在水资源调查和洪涝灾害监测中发挥着重要作用,但从遥感影像中提取水体通常面临着阴影和狭小水体漏提等难题。针对单一方法在水体提取中的局限性,引入分类器集成的思想,提出一种基于投票法融合的水体提取方法,首先利用Bagging、Random Forests和神经网络(NN)分类器对遥感影像进行分类,然后采用多数投票法从决策层融合3个分类结果,得到研究区水体提取结果。试验结果表明,该方法能够有效去除阴影且能较好地识别狭小水体,具有良好的应用效果。     

多类支持向量机推广性能分析

为了分析多类支持向量机(Multi-category support vector machines,M-SVMs)的推广性能,对常用的M-SVMs算法加以概述,推导、总结了理论推广误差公式.对于给定的样本集,可以设计合理的编码来提高ECOCSVMs的推广性能,通过构造合理的层次结构来提高H-SVMs推广性能,其余M-SVMs算法的推广性能均取决于样本空间.研究结果为有效使用M-SVMs提供了依据,为改进M-SVMs指明了方向.     

基于形态学属性剖面的高光谱影像集成分类

传统高光谱遥感影像逐像素分类方法未考虑像元之间的空间关联性且泛化性能较低。形态学属性剖面是表征影像空间结构的有效方法,同时集成学习可显著提升分类算法的泛化能力。为了在高光谱影像分类中充分利用影像的空间信息并提高分类的稳定性,提出一种基于形态学属性剖面高光谱遥感影像集成学习分类方法。首先,用主成分分析和最小噪声变换进行特征提取,并借助形态学属性剖面获取影像的多重空间特征;然后用极限学习和支持向量机的方法进行分类;最后将多个分类结果以多数投票的方式集成。区别于已有集成学习方法,综合考虑了不同特征提取和不同分类方法的联合集成,并将形态学属性剖面引入其中以充分利用影像的空间信息。采用AVIRIS和ROSIS两组高光谱数据检验该方法的分类性能,实验结果表明该方法可获得高精度和高稳定性的分类结果,总体精度分别达到83.41%和95.14%。     

基于双EnKF的土壤水分与土壤属性参数同时估计

为提高土壤水分数据同化结果的精度,将基于双集合卡尔曼滤波(Dual Ensemble Kalman Filter,DEnKF)的状态-参数估计方案与简单生物圈模型(simple biosphere model 2,SiB2)相结合,同时更新土壤水分和优化模型参数(土壤属性参数)。选用2008年6月1日~10月29日黑河上游阿柔冻融观测站为参考站,开展了同化表层土壤水分观测数据的实验。研究结果表明:DEnKF可同时优化土壤属性参数和改进土壤水分估计,该方法对表层土壤水分估计的精度0.04高于EnKF算法的精度0.05。当观测数据稀少时,DEnKF算法仍然可以得到较高精度的土壤水分估计,3层土壤水分的估计精度在0.02~0.05之间。