可变神经网络结构下的遥感影像光谱分解方法

多层感知神经网络(MLP)是主流的非线性分解方法,但是目前缺乏有效方法处理MLP分解结果中的丰度负值问题。为此,提出一种可变神经网络结构的方法,逐步去除负值丰度对应的端元,并调整相应的网络结构使之针对剩余的端元进行分解。通过武汉地区模拟TM遥感影像实验可以发现,该方法与传统MLP方法以及线性光谱分解方法的平均误差分别为0.077 7、0.081 9、0.094 3,说明该方法的分解精度高于其他2种分解方法,能克服丰度负值问题。     

HJ-1B和Landsat卫星蓝藻水华监测能力评估——以洱海为例

蓝藻水华是富营养化湖泊共同面临的问题。遥感技术为快速、大范围水华监测提供了可能,选取遥感数据应首先明确不同卫星的水华监测能力。以洱海为例,对比分析HJ-1B和Landsat卫星在内陆中小湖泊水华监测的时间和空间监测能力,评价两者在水华监测中的适用性及优势。结果表明:两者均能有效识别水华,提取水华分布细节信息,相比MODIS更适合用于中小湖泊水华监测;进一步分析表明,综合两者数据监测蓝藻水华,可以更加客观统计水华时间特征,描述水华空间分布发展规律,对于其它中小湖泊利用遥感手段辅助水华监测具有参考意义。     

基于Windows Phone的野外数据采集系统的设计与实现——以土壤调查为例

野外数据采集是自然资源调查的重要组成部分。随着新兴技术的发展,野外数据采集已经摆脱了传统的手工采集模式,但由于平台的局限性,其发展受到限制。本文以目前最新的智能移动系统Windows Phone为平台,并以土壤数据采集为例,设计和开发了野外数据采集系统,探索了新移动平台的性能,为以后野外数据采集系统提供了新的设计思路。