需求跟踪矩阵在软件测试中的应用与实现

软件测试是保障软件质量的重要手段。需求跟踪矩阵是一种管理需求变更和验证需求是否能够实现的有效工具，是测试需求分析的输出。为满足用户的需求和提高用户使用产品的满意度，文章在软件测试的过程中，引入了需求跟踪矩阵，分析了需求跟踪矩阵在软件测试中的应用与实现。     

挠力河湿地植被覆盖度对水文要素的响应

挠力河国家级自然保护区位于黑龙江三江平原腹地，是我国重要的生态功能区。基于遥感影像数据与保护区水文数据，通过像元二分法反演区域植被覆盖度，分析1984～2021年挠力河保护区植被覆盖度的时空分布特征，研究降水量与保护区淹水频率对于植被覆盖度的影响。结果表明，1984～2021年挠力河湿地低、中植被覆盖度地区呈先增后减趋势，中高植被覆盖度地区则反之。从保护区多年逐月降水与每年各月植被覆盖度的相关系数来看，挠力河保护区内植被生长情况整体受降水量影响较大，呈正相关，且植被覆盖度对降水量的响应为滞后约1个月。湿地淹水频率在0.45～0.50之间时，湿地植被长势良好。研究成果可为挠力河湿地生态保护提供参考。     

基于Sentinel-2影像的南四湖菹草群落遥感提取研究北大核心CSCD

基于Sentinel-2遥感数据,选用最大似然监督分类法、随机森林机器学习分类法和基于时序NDVI的物候特征分类法等3种方法,对2021年5月初南四湖沉水植被(菹草群落)进行提取研究,利用同期实测的南四湖菹草群落面积和分布数据对3种方法的提取精度进行分析,结合菹草植被覆盖度分析3种方法对菹草的提取能力。结果表明:①不同方法提取的南四湖菹草群落总面积存在明显差异。监督分类和随机森林方法提取的2021年南四湖菹草群落面积均在100 km^(2)以下,分别为98.97 km^(2)和75.92 km^(2),基于时序NDVI的方法提取面积为207.44 km^(2),最接近实地调查的菹草面积。②无论是全湖还是核心区,监督分类和随机森林法的提取精度均75%左右,平均相对误差(MRE)在0.5左右,平均误差在20~30 km^(2)左右,而基于时序NDVI的方法精度在90%以上,MRE和ME area也最低。③对比植被覆盖度发现,监督分类和随机森林方法只能提取到近湖岸的植被覆盖度较高的菹草,对湖心区覆盖度较低的菹草提取效果差,而时序NDVI的方法对低植被覆盖度菹草群落更敏感,是菹草遥感提取的有效方法。本研究对于创新沉水植被遥感提取方法和指导湖泊生态环境遥感监测具有一定的参考价值。