An overview of clustering methods for geo-referenced time series: from one-way clustering to co- and tri-clustering     

Xiaojing Wu  Raul Zurita-Milla  Changqing Song 《International journal of geographical information science》2020,34(9):1822-1848

  相似文献   

多元素衬值累加地球化学方法在找矿中的应用——以青海省夏日哈-什多龙远景区为例     

赵志飞 《地质与勘探》2020,56(2):328-336

青海省夏日哈-什多龙成矿远景区位于青藏高原东昆仑东段,西起都兰县夏日哈镇,东至兴海县什多龙一带,跨祁漫塔格北坡-夏日哈岩浆弧和北昆仑岩浆弧,是青海省重要的成矿区。为了在该区寻找新的成矿有利地段,本文在对该区区域地质背景、矿产特征及区内典型矿床地质特征系统研究的基础上,利用多元素衬值累加地球化学找矿方法,在区域上优选出一批找矿靶区。多元素衬值累加地球化学找矿方法首先收集远景区1∶5万水系沉积物测量成果,经过数据处理,绘制远景区衬值累计地球化学图,进而建立典型矿床找矿模式,最终通过对比分析,选出新的找矿靶区。对圈定的找矿靶区进行野外踏勘检查,均发现不同程度的矿化线索,为今后在该区进一步找矿起到了很好的指导作用。通过本次工作,发现了该方法在靶区圈定方面的优势:(1)可快速圈定异常,提高工作效率;(2)编制的地球化学图浓集中心更显著;(3)圈定的找矿靶区找矿成果显著,尤其针对陆相火山岩型多金属矿、斑岩型铜钼矿、矽卡岩型多金属矿找矿成果突出;(4)能直观反映背景变化趋势,有助于评价异常。  相似文献   

中国企业R&D国际化:时空格局与区位选择影响因素     

胡曙虹  杜德斌  范蓓蕾 《地理研究》2019,38(7):1733-1748

基于中国企业海外R&D投资数据和零断尾负二项回归分析方法,探讨了1998—2015年中国企业R&D国际化的时空格局特征,并从东道国角度分析影响其区位选择的主要因素。结果表明：研究期内中国新建海外R&D机构数量快速扩张;海外R&D投资区域分布广泛,呈现分散和集聚并存的特征;以华为为例分析了典型中国企业海外R&D投资的空间布局特征,认为目前华为海外R&D投资呈现集中布局在欧洲,零散分布在亚洲、美洲、非洲的空间特征,主要是由其以全球技术升级和满足多样化的市场需求等R&D国际化的战略动机所决定。回归分析结果表明,中国企业对发达国家和发展中国家进行R&D投资的影响因素有共同点但也存在一定的差异：① 现阶段东道国的R&D需求不是影响中国企业对其进行R&D投资的主要因素;② 代表中国与东道国经济往来密切程度的关联要素是影响中国企业R&D投资的重要决策因素;③ 发达国家吸引中国企业对其进行R&D投资主要是因其创新能力强、R&D资源数量多,而政策及制度供给是影响中国企业对发展中国家进行R&D投资的主要因素;④ 地理距离对中国企业R&D“走出去”的阻碍作用主要体现在对发展中国家的R&D投资中。  相似文献   

波段选择协同表达高光谱异常探测算法     

朱德辉  杜博  张良培 《遥感学报》2020,24(4):427-438

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。  相似文献   

An evaluation of Guided Regularized Random Forest for classification and regression tasks in remote sensing     

《International Journal of Applied Earth Observation and Geoinformation》2020

New Earth observation missions and technologies are delivering large amounts of data. Processing this data requires developing and evaluating novel dimensionality reduction approaches to identify the most informative features for classification and regression tasks. Here we present an exhaustive evaluation of Guided Regularized Random Forest (GRRF), a feature selection method based on Random Forest. GRRF does not require fixing a priori the number of features to be selected or setting a threshold of the feature importance. Moreover, the use of regularization ensures that features selected by GRRF are non-redundant and representative. Our experiments based on various kinds of remote sensing images, show that GRRF selected features provides similar results to those obtained when using all the available features. However, the comparison between GRRF and standard random forest features shows substantial differences: in classification, the mean overall accuracy increases by almost 6% and, in regression, the decrease in RMSE almost reaches 2%. These results demonstrate the potential of GRRF for remote sensing image classification and regression. Especially in the context of increasingly large geodatabases that challenge the application of traditional methods.  相似文献   

基于GIS的高校物流代理点选址研究     

贾艳红  文帆  钟英 《测绘与空间地理信息》2020,(3):19-21,25

随着电子商务在社会生活中的广泛兴起,校园物流代理点也随之产生;物流代理点在很大程度上方便了师生快递领取,但由于高校物流代理点选址普遍存在随意性和不合理性,导致师生快递领取时浪费过多时间和精力。针对此问题,本研究结合GIS空间分析技术,通过对广西师范大学雁山校区学生宿舍、教学楼、食堂和道路分布数据的分析,利用缓冲区分析和叠置分析优选出物流代理点最佳分布区域,并对校园中现有的物流代理点分布合理性做出评价,进而给出合理的校园物流代理点选址区域建议,旨在为学校物流代理点科学选址及改善和提升校园人文品质提供合理建议,同时为物流企业规划选址及GIS空间分析应用提供参考。  相似文献   

基于随机森林特征选择的城市绿化乔木树种分类     

温小乐  钟奥  胡秀娟 《地球信息科学学报》2018,20(12):1777-1786

城市绿化在改善空气、水和土壤质量,吸收和减少二氧化碳及各种污染物,缓解城市热岛和减少雨水径流等方面发挥着重要作用。及时准确地获取树种信息是城市规划与绿化管理的先决条件,对进一步改善城市生态环境也具有重要意义。基于遥感技术,使用高空间分辨率的WorldView-2卫星影像,采用光谱、纹理、指数以及几何等多种特征相结合的面向对象方法,并通过随机森林进行特征选择,对福州大学旗山校区北部的榕树、杧果、香樟、重阳木、羊蹄甲、垂叶榕以及木棉7种主要绿化乔木进行树种分类。实地验证结果表明：通过特征选择可以减少或规避数据冗余以及休斯效应的产生,该方法可以提高现有同类型树种分类的精度,当淘汰全部特征的20%,利用34个特征（包括15个光谱特征、6个纹理特征、8个指数特征和5个几何特征）进行分类时,总精度最高,可达74.95%,Kappa系数为0.67。其中,光谱平均值的特征重要性最高,而各波段的标准差的重要性较低。WorldView-2卫星影像的4个新增波段,特别是黄光和红边波段及其构建的指数特征重要性较高,也说明这些波段在植被遥感,特别是树种分类中极具应用前景。  相似文献   

国外军事地质学热点问题     

李万伦  吕鹏  孟庆奎  王铭晗 《地质论评》2020,66(1):189-196

近年来以美国为代表的西方军事强国在军事地质学领域已取得了很大进展,尤其在应对未来战争方面作了许多准备。通过系统搜集国际军事地球科学会议(ICMG)和美国地质学会(GSA)有关军事地质学的最新专题研讨会论文与其他公开出版资料,梳理了当前国外军事地质学研究的热点问题并阐述了其新进展,其中作战领域包括地形情报研究、军事基地选址、潜在特殊战场环境调查、地下重要设施评价、非常规作战环境调查;非作战领域则包括抢险救灾、生态环境保护和环境安全评价等。最后分析了当前军事地质学研究存在的问题,并指出了其未来发展趋势。  相似文献   

机载多光谱LiDAR的随机森林地物分类   总被引：1，自引：0，他引：1  

曹爽  潘锁艳  管海燕 《测绘通报》2019,(11):79-84

机载多光谱LiDAR技术利用激光进行探测和测距，不仅可以快速获取地面物体的三维坐标，还可以获得多个波段的地物光谱信息，可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征，完成多光谱LiDAR的随机森林地物分类；并分析随机森林的特征贡献度特性，采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度，而且可以适当地去除部分冗余和相关的特征，从而有效提高分类精度。  相似文献   

结合空间信息选取最优端元组合的混合像元分解     

徐君  王彩玲 《测绘通报》2019,(7):6-11

传统的混合像元分解算法认为每个像元都包含图像中所能提取的全部端元组分，但这并不符合实际情况。实际上图像中大多数混合像元仅由少部分端元混合而成。由于端元提取精度及噪声的影响，采用全部端元对混合像元进行分解，会使得混合像元中实际并不存在的端元的丰度估计值不为零，分解结果存在较大误差。由于混合像元大多存在于不同地物的交界处，基于此，本文提出了一种结合图像的空间信息选取混合像元最优端元子集的方法。利用一个空间结构元素，从混合像元的附近邻域开始搜索，将搜索到的纯净像元光谱与所提取的图像端元光谱进行对比，并确定混合像元的端元子集进行分解。根据RMSE大小和变化情况，逐步扩大结构元素的大小，不断调整搜索范围，直至得到最优端元组合。模拟数据和真实数据的试验结果表明，该方法相比传统的全端元光谱分解方法，在总体上获得了更好的分解效果。  相似文献