排序方式： 共有6条查询结果，搜索用时 15 毫秒
1
1.
在阐述地理时空大数据时代下GIS空间分析面临的机遇与挑战的基础上,从《GIS空间分析》课程教学内容总体梳理,地理时空大数据等专业前沿知识更新,典型教学案例引入和面向行业应用的针对性实践教学内容设计等方面开展《GIS空间分析》课程内容建设。这些探索对于培养满足地理信息产业发展需求、具有实践和思维创新能力的应用型空间信息技术人才具有重要的实践意义。 相似文献
2.
水稻冠层氮素含量光谱反演的随机森林算法及区域应用 总被引：5，自引：0，他引：5
利用地面实测数据构建高精度的水稻冠层氮素含量光谱反演点模型并将其进行尺度转换,实现了水稻冠层氮素含量准实时、大区域监测。以氮素光谱敏感指数作为输入变量,冠层氮素含量数据为输出变量,利用随机森林算法构建水稻冠层氮素含量高光谱反演模型,并用苏州市水稻农田验证区数据,检验模型的普适性和有效性;利用准同步的Hyperion数据,采用对输入、输出变量进行线性变换的简单尺度转换方法实现了点模型的区域应用。结果表明:基于随机森林算法的水稻冠层氮素含量高光谱反演模型可解释、所需样本少、不会过拟合、精度高(模型在实验区的预测精度为R2=0.82,验证区检验精度为R2=0.73)且具有普适性;点模型基于高光谱遥感卫星影像和尺度转换进行区域应用,精度较高(R2=0.81)。 相似文献
3.
多源遥感与作物模型同化模拟作物物生长参数时空域连续变化 总被引：3，自引：1，他引：2
本文将遥感信息与作物模型同化实现作物生长参数的时空域连续模拟,进而监测生长参数的时空域变化.首先将作物模型WOFOST(World food studies) 与冠层辐射传输模型PROSAIL 耦合构建WOPROSAIL 模型,利用微粒群算法(PSO) 通过最小化从CCD 数据获取的土壤调节植被指数观测值SAVI(soil adjusted vegetation index) 与耦合模型得到的模拟值SAVI’之间差值优化作物模型初始参数.通过MODIS 数据反演实现参数的区域化,并将区域参数作为优化后作物模型输入参数驱动模型逐像元计算生长参数,实现生长参数的时空域连续模拟与监测,最终建立区域尺度遥感-作物模拟同化框架模型RS-WOPROSAIL .结果表明：同化模型解决了作物模型模拟空间域和遥感信息时间域的不连续问题.模型模拟的叶面积指数(LAI) 、穗重(WSO) 、地上总生物量(TAGP) 等生长参数较好地体现了水稻生长状况时空域变化,研究区水稻模拟产量与实际产量的误差为27.4% . 相似文献
4.
基于高光谱高频组份分形特征的水稻铅胁迫评估 总被引：2，自引：0，他引：2
通过研究铅污染胁迫下水稻的光谱高频组份的分维数来诊断水稻铅污染胁迫水平。根据实验区水稻冠层实测ASD高光谱数据和同步获取的农田土壤重金属含量数据,利用Daubechies小波系中的“Db5”母小波对水稻的350—1300 nm波段范围进行小波分解得到第5层高频组份(d5),并采用盒维法计算d5的分维数,最后采用模糊数学建立d5的分维数与污染胁迫水平的数学模型。结果表明：d5能有效地探测到铅污染胁迫的光谱弱信息,并实现不同污染水平水稻高光谱信号的分离;d5分维数在同一污染水平的年际相对变化率小于4%,不同污染水平的区分度大于75%,即高、中和低污染水平水稻高光谱d5分维数的86.7%、75%和91.7% 分别集中在1.160—1.200,1.220—1.275和1.280—1.320三个区间;采用升(降)半梯形分布的隶属度函数建立水稻高光谱d5分维数与其污染胁迫水平的数学模型,并进行了模型精度检验,其判别精度大于90%。小波变换、分形分析和模糊数学三者相结合有效地实现了光谱弱信息提取、度量及建模,达到水稻重金属污染胁迫状况监测的目的,也为作物其他环境胁迫弱信息的动态识别与精确度量提供借鉴意义。 相似文献
5.
针对目前地理信息科学专业许多课程"理论与实践"教学相脱节,学生应用理论知识解决实际应用问题能力不足等局限,以"遥感地学应用"课程为例,针对不同类型的教学内容,提出了"在线学习+课堂面授"的理论教学和"问题探究+翻转课堂"的实践教学相结合的教学模式,对教学内容设计、教学模式实施、考核方式和改革效果进行了简要的阐述,可为高校开展面向"理论与实践"相结合课程的混合式教学模式改革提供参考. 相似文献
6.
针对土地利用变化对植被净初级生产力(NPP)影响尚不明确的问题，该文利用MODIS、MERRA-2和Globeland 30地表覆盖等数据，基于CASA模型估算京津冀地区2000-2020年NPP,从土地利用类型面积和景观格局两方面共同探讨土地利用变化对区域NPP变化的影响。结果表明：耕地面积减小，但NPP增加，森林、草地面积增加，NPP相应增长，2000—2010年、2010—2020年植被土地利用类型面积变化对NPP变化的贡献率分别为18%、34%;景观异质性、破碎程度和连通性变化对NPP变化的影响呈增强趋势；2000—2010年，景观破碎化程度、聚集度、连通性以及森林和草地面积变化对NPP变化影响较强；2010—2020年，景观异质性以及森林和草地面积变化对NPP变化影响起主导作用。成果可为优化京津冀地区土地利用结构、提升区域固碳能力提供数据支撑。 相似文献
1