多目标多维自反馈模糊决策模型

针对多目标的决策问题,依据模糊识别理论提出一种多目标多维自反馈模糊决策模型.首先根据给定的目标初始权重计算加权综合决策值;然后利用单指标模糊识别方法计算加权综合决策值的模糊划分;最后依据成因分析并用决策值的模糊划分,计算出目标的权重.重复上述计算过程,可得到满足精度要求的加权综合决策值及其模糊划分,根据计算结果可判定决策类别和优劣排序.炼钢企业评价决策实例表明,所提出的模糊决策模型是有效的.     

联合机载激光测深波形和点云的水陆识别方法研究

水陆识别在河口海岸带水陆资源管理和科学研究中具有重要作用。利用机载激光测深(Airborne LiDAR bathymetry, ALB)回波波形和点云信息可实现水陆交界区域高精度和高分辨率水陆识别。但在复杂海陆环境区域,采用ALB波形特征或三维点云高程特征的传统识别方法具有各自不足。针对复杂海陆环境区域高精度水陆识别问题,提出了联合ALB波形和三维点云特征的水陆识别方法。首先,利用红外激光获取的三维点云高程,基于K-means聚类方法进行海陆识别。然后,利用红外和绿激光波形信息识别陆地中的内陆水域。将该方法应用于实际Optech CZMIL水陆识别。结果表明:相比传统点云聚类和波形聚类水陆识别方法,该方法将ALB水陆识别精度提高了3.6%～5.5%。     

地表粗糙度的测量计算方法及其对微波辐射散射的影响分析

地表粗糙度反映了地表的微小起伏,是土壤水分微波遥感反演研究中重要的地表参数。以闪电河流域为研究区,首先利用针板法对不同地物下的地表粗糙度进行测量,然后对测量数据进行透视变换、数字化、倾斜校正及周期校正等一系列的处理,计算得到不同地表的粗糙度结果。研究表明：在使用针板法测量地表粗糙度时,为校正不同剖面测量姿态的影响需要进行倾斜校正以减小计算偏差,而对胡萝卜地、花菜地等具有周期性田垄结构的地表还需要进一步进行周期校正。通过对获取的闪电河流域典型地物的地表粗糙度进行分析,发现该地区草地的地表粗糙度较小,作物区的地表粗糙度普遍偏大,各类地物的地表粗糙度由小到大分别为草地、花菜地、玉米地、胡萝卜地、土豆（收割）地和土豆（未收）地。最后对地表粗糙度与机载微波辐射、散射观测进行相关性分析,发现在地面单点测量的地表粗糙度与机载尺度的微波辐射散射特性之间不存在明显关系。