面向不同环境背景的Landsat影像水体提取方法适用性研究     

乔丹玉  郑进辉  鲁晗  邓磊 《地球信息科学学报》2021,23(4):710-722

快速、准确地从卫星影像中提取水体信息一直是遥感应用的热点问题,在水资源管理、水环境监测和灾害应急管理等领域极具应用价值。虽然目前已有多种针对Landsat系列影像的水体提取方法,但由于地理位置、地形和水体形态等环境背景因素的影响,导致同种方法在不同的环境背景中呈现出不同的提取效果。本文针对人为影响严重、影像明暗对比强烈的城区（北京怀柔县城周边）以及地形起伏明显、水体细小的非城区（北京密云水库周边） 2种典型背景环境,选择波段设置略有差异的Landsat 5（2009年）和Landsat 8（2019年）卫星影像,对比了常用的指数法（NDWI和MNDWI）和分类法（最大似然法和支持向量机）在水体信息提取方面的优势和不足。结果表明：在城区背景中,SVM的准确性最高（总体精度>97%）;在非城区背景中,MNDWI与SVM的精度相当（总体精度>95%）,前者更适用于水体的快速提取,而后者提取的山间细碎河流更完整,且在Landsat 8中应用的效果更好。该研究为不同环境背景下水体提取方法的选择提供了参考。  相似文献   

Prediction of ultimate axial load-carrying capacity of piles using a support vector machine based on CPT data     

《Computers and Geotechnics》2014

The support vector machine (SVM) is a relatively new artificial intelligence technique which is increasingly being applied to geotechnical problems and is yielding encouraging results. In this paper SVM models are developed for predicting the ultimate axial load-carrying capacity of piles based on cone penetration test (CPT) data. A data set of 108 samples is used to develop the SVM models. These data were obtained from the literature containing pile load tests and each sample contains information regarding pile geometry, full-scale static pile load tests and CPT results. Moreover, a sensitivity analysis is carried out to examine the relative significance of each input variable with respect to ultimate strength prediction. Finally, a statistical analysis is conducted to make comparisons between predictions obtained from the SVM models and three traditional CPT-based methods for determining pile capacity. The comparison confirms that the SVM models developed in this paper outperform the traditional methods.  相似文献   

Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取     

王晓晓  韩留生  杨骥  李勇  张大富  孙广伟  范俊甫 《测绘通报》2022,(3):111-115

遥感卫星的波段设置、信噪比及传感器观测角度等因素都会影响作物提取精度。为充分挖掘与发挥Sentinel-2卫星多光谱成像仪(MSI)与Landsat 8陆地成像仪(OLI)在冬小麦信息提取方面的优势,本文以商河县为研究区,基于两数据源的光谱特征、纹理特征、植被指数特征组合数据,利用随机森林(RF)与支持向量机(SVM)对冬小麦进行提取。结果表明:基于单一影像的最优Kappa系数与最优OA分别为0.89和95.13%,基于组合数据源的最优Kappa系数为0.92,最优OA为95.28%,两数据源组合的精度优于单一数据源提取精度;数据组合效果与分类器的性能有关,RF的Kappa系数相对于SVM分别提升0.04、0.20和0.11,OA分别提升2.41%、11.31%和6%,RF对冬小麦提取精度优于SVM。本文研究结果对于构建中高分辨率影像组合的典型农作物分类提取体系具有重要意义。  相似文献   

基于多种模型的云南元江哈尼云海景观预报研究     

丁圣  段玮  朱勇  李刚 《气象与环境学报》2020,36(3):106-112

为推动区域旅游事业发展,满足旅游气象服务需求,研究针对云南元江哈尼云海景观进行了立体气象观测和业务预报实验。本研究基于云南元江云海气候站2016—2019年观测数据,利用经验预报法、Logistics回归、支持向量机、决策树分析等方法,进行了云海景观出现与否的二分类预报实验。结果表明：各预报方法间训练样本总体准确率在74.3%—82.2%之间差别不大,但传统经验预报基于云海机理研究背景,预报指标物理意义明确,随着预报经验的积累经验预报2019年TS评分为54.8,优于2016—2018年TS评分46.0,也优于仅使用局地数据的统计学习算法的预报评分,且其他几种统计学习预报方法的检验样本TS评分均不如训练样本评分高。云海景观出现需要水汽条件和大气静稳条件的配合,局地云海气象观测站建设收集的立体气候数据有利于预报人员改进预报指标体系,提高预报准确率,有利于提升区域旅游气象服务能力发展。  相似文献   

基于支持向量机预测安达曼海南部内孤立波传播特性     

陆可潇  王晶  魏鑫 《海洋科学》2021,45(5):31-38

内孤立波是发生在密度稳定层化海水中的一种特殊的海洋内波。预测内孤立波传播难度较大。本文提出了一种方法,利用美国麻省理工学院大气环流模型（MITgcm）的内孤立波模型计算了大量模拟数据,建立数据库。采用机器学习的方法,建立一个基于支持向量机（support vector machine,SVM）的安达曼海南部内孤立波传播预测模型。最后运用安达曼海南部的Sentinel-1A合成孔径雷达（SAR）图像对内孤立波传播预测模型结果进行检验。结果表明：基于SVM的内孤立波传播时间预测模型预测的时间平均绝对百分比误差为8.43%,平均绝对误差为1.00 h。基于SVM的内孤立波到达位置预测模型预测的位置平均绝对百分比误差为0.071%,平均绝对误差为0.069°。基于SVM的内孤立波振幅预测模型预测的振幅范围为23.80~84.98 m。  相似文献   

基于两种机器学习方法分析东海北部海域三疣梭子蟹(Portunus trituberculatus)时空分布     

栗小东  王晶  杨春蕙  王迎宾 《海洋与湖沼》2021,52(5):1284-1292

为了解东海北部海域三疣梭子蟹(Portunustrituberculatus)资源时空分布规律,探索更适合三疣梭子蟹资源量预测的模型方法,根据2006—2007年共四个季度在东海北部海域的底拖网调查数据,运用梯度提升回归树(gradientboostingregressiontree,GBRT)和支持向量机(supportvector machine,SVM)这两种机器学习方法,分析了三疣梭子蟹时空分布与环境因子之间的关系,同时使用方差解释率(VE)、相对均方根误差(RMSE)以及决定系数R2等指标对不同模型的拟合效果、预测性能以及稳定性等进行了比较,选择其中最佳模型对东海北部海域三疣梭子蟹资源分布进行预测。结果显示, GBRT模型的拟合效果相对优于SVM模型,两种模型的拟合结果均显示底层海水盐度(SBS)为影响三疣梭子蟹资源分布最为显著的环境因子。GBRT模型的预测性能较高且模型较为稳定,其预测结果显示夏季的资源量高于其他三个季节,且各季节所研究海域的东南部均存在一个资源分布的低值区。研究结果预期可为三疣梭子蟹资源分布及资源量预测新方法的探索和分析提供技术指导。  相似文献   

基于小波核双重加权SVM模型的蓝藻水华识别与变化检测     

潘琛 《上海国土资源》2013,(4):38-43

以淀山湖为研究区域,利用Landsat系列遥感影像,提出了归化蓝藻指数的构建方法,结合波段组合和Gabor滤波器构建多特征空间,并基于变精度粗糙集和灰色关联决策相结合的方法进行特征空间的优化。在此基础上,采用小波核双重加权SVM分类模型,得到研究区蓝藻水华空间分布格局的识别与检测结果。以误差矩阵证明此分类模型能够较准确地识别出蓝藻水华覆盖区,满足环境调查的要求。研究成果为淀山湖蓝藻水华的防治和水生生态系统的保护提供了科学依据。  相似文献   

用支持向量机方法做登陆热带气旋站点大风预报   总被引：2，自引：0，他引：2  

钱燕珍  孙军波  余晖  陈佩燕 《气象》2012,38(3):300-306

将支持向量机（SVM）回归方法应用于在登陆热带气旋影响下,每天00、06、12、18 UTC 4时次2分钟平均的站点风速预报。从2002-2007年热带气旋本身强度、站点地形情况和站点附近高低空环境场要素,设计相关因子,建立了4种预报模式,其中模式4的风速拟合误差的标准差为1.591 m·s~（-1）。用2008年8个登录热带气旋做独立样本检验,预报风速与实际风速的平均绝对值误差为1.750 m·s~（-1）,标准差为2.367 m·s~（-1）。结果表明,在适当的样本截取和预报因子选取后,SVM方法建模的风速预报48小时内效果较好。  相似文献   

高分辨率遥感影像中云和似云目标的自动区分     

李爱勤  王环东  王静怡  胡翔云 《测绘通报》2017,(6):31-35

云的存在会对遥感影像的处理及目标识别等产生影响,因此,自动提取云对高分辨率卫星影像的应用具有重要意义。高分影像上更加复杂的云的细节形态及似云目标的干扰,使得高分影像的自动云提取难以达到实用水平。本文以雪地为例,选取形状、纹理和边缘3个差异化特征作为云与似云目标区分的关键,提出了一种区分高分辨率遥感影像中云和似云目标的云检测算法。首先利用Wallis滤波对输入影像进行预处理,增强影像中不同尺度的影像纹理模式;然后对影像进行快速稳定的均值漂移分割,利用灰度和纹理特征构成支持向量机的第一层分类器,将分割后的区域对象分成"云"和普通地物,再利用边缘、形状、纹理等特征结合灰度特征构成支持向量机的第二层分类器,将"云"区分为云区和似云目标;最后使用Grab-cut对云检测结果进行边缘迭代精化。本文算法取得了优良的试验结果,证明了算法在似云目标干扰下对高分辨率遥感影像进行精确云检测的能力。  相似文献   

A comparative analysis among computational intelligence techniques for dissolved oxygen prediction in Delaware River   总被引：1，自引：0，他引：1  

Ehsan Olyaie  Hamid Zare Abyaneh  Ali Danandeh Mehr 《地学前缘(英文版)》2017,8(3):517-527

Most of the water quality models previously developed and used in dissolved oxygen (DO) prediction are complex. Moreover, reliable data available to develop/calibrate new DO models is scarce. Therefore, there is a need to study and develop models that can handle easily measurable parameters of a particular site, even with short length. In recent decades, computational intelligence techniques, as effective approaches for predicting complicated and significant indicator of the state of aquatic ecosystems such as DO, have created a great change in predictions. In this study, three different AI methods comprising: (1) two types of artificial neural networks (ANN) namely multi linear perceptron (MLP) and radial based function (RBF); (2) an advancement of genetic programming namely linear genetic programming (LGP); and (3) a support vector machine (SVM) technique were used for DO prediction in Delaware River located at Trenton, USA. For evaluating the performance of the proposed models, root mean square error (RMSE), Nash–Sutcliffe efficiency coefficient (NS), mean absolute relative error (MARE) and, correlation coefficient statistics (R) were used to choose the best predictive model. The comparison of estimation accuracies of various intelligence models illustrated that the SVM was able to develop the most accurate model in DO estimation in comparison to other models. Also, it was found that the LGP model performs better than the both ANNs models. For example, the determination coefficient was 0.99 for the best SVM model, while it was 0.96, 0.91 and 0.81 for the best LGP, MLP and RBF models, respectively. In general, the results indicated that an SVM model could be employed satisfactorily in DO estimation.  相似文献