排序方式： 共有54条查询结果，搜索用时 19 毫秒
1.
顾及多尺度分割参数的FNEA面向对象分类 总被引：1，自引：0，他引：1
首先对分形网络演化（FNEA）算法做了介绍,通过试验对比4种分割方法棋盘分割、四叉树分割、多尺度分割、光谱差异分割的效果。此外,通过eCognition Developer 8.7分析软件对影像进行多尺度分割预处理,从5开始,以5为单位向上递增,共选取12组参数进行分割试验,采用面向对象CART分类器对分割后影像分类。对比分类效果图可知,小尺度分割参数对分类效果能有较好的提升;对比总体精度及Kappa系数可知,小尺度分割参数分类精度优于大尺度分割参数,且当分割参数Scale为10时,分类精度达到最好的级别。 相似文献
2.
把地质大数据和人工智能技术引入矿产资源定量评价及成矿预测体系中,提高了海量地质数据的有效信息挖掘,弥补了传统方法的不足。本文基于白象山矿区基础地质资料和物化探成果资料,利用三维地质体建模技术和三维空间分析技术,量化三维控矿因素,建立了一种基于CART 算法的三维成矿预测模型。通过在白象山矿区的实验表明：该模型能较好的定位已知矿体,并且预测出在已知矿体北部、东部、东北部、西部、南部和东南部具有较高的成矿概率,可圈定找矿靶区。该模型将地质大数据应用于找矿勘探工作,具有纯数据驱动、预测精度高、预测结果可靠等优点。研究发现,该模型的预测效果与训练数据集的数量、矿控因素提取、决策树深度等有关。 相似文献
3.
The North American Land Data Assimilation System project phase 2 (NLDAS‐2) has run four land surface models for a 30‐year (1979–2008) retrospective period. Land surface evapotranspiration (ET) is one of the most important model outputs from NLDAS‐2 for investigating land–atmosphere interaction or to monitor agricultural drought. Here, we evaluate hourly ET using in situ observations over the Southern Great Plains (Atmospheric Radiation Measurement/Cloud and Radiation Testbed network) for 1 January 1997–30 September 1999 and daily ET u‐sing in situ observations at the AmeriFlux network over the conterminous USA for an 8‐year period (2000–2007). The NLDAS‐2 models compare well against observations, with the National Centers for Environmental Prediction's Noah land surface model performing best, followed, in order, by the Variable Infiltration Capacity, Sacramento Soil Moisture Accounting, and Mosaic models. Daily evaluation across the AmeriFlux network shows that for all models, performance depends on season and vegetation type; they do better in spring and fall than in winter or summer and better for deciduous broadleaf forest and grasslands than for croplands or evergreen needleleaf forest. Copyright © 2014 John Wiley & Sons, Ltd. 相似文献
4.
不透水面是衡量城市化程度的重要指标之一,对京津唐城市群的不透水面进行深入研究,可以量化城市群扩张过程及其影响,对该区域多城市协调发展及规划布局具有重要意义。本文结合高分辨遥感影像、生长季及落叶季的Landsat TM遥感影像和夜间灯光数据等,采用分类和回归树（Classification and rRegression Tree, CART）算法,构建了适于京津唐地区不透水面盖度提取的技术方案,获取了京津唐地区1995-2016年共5期地表不透水面盖度专题信息,并分析了地表不透水面的时空演变规律,结论为：① 适于京津唐地区不透水面盖度提取的CART算法的最佳输入变量组合为：生长季和落叶季的Landsat TM图像以及对应的夜间灯光数据;其次为生长季Landsat TM遥感图像和夜间灯光数据组合方案。利用该组合方案,ISP估算输出结果的交叉验证精度R值可以达到约0.85,可以满足地表不透水面纵向对比分析的需要。② 从地表不透水面总面积数量值来看,1995-2016年京津唐主体城市区域整体上呈增长趋势,其中2011-2016年地表不透水面积增加愈加明显;③ 从地表不透水面盖度值的高低来看,1995-2016年京津唐中、高盖度不透水面的占比都是在不断增长的,低盖度不透水面占比存在少量下降现象,且京、津、唐3城市的主体城区各阶段变化差异较大,反映出了各城市扩张具有各自不同的时空演变特征。 相似文献
5.
基于分类回归树算法的东南太平洋智利竹筴鱼渔场预报 总被引：4，自引：0，他引：4
为了提高智利竹筴鱼渔场预报水平和满足渔业捕捞生产的需要,利用2002—2008年的东南太平洋公海海域捕捞的中国大型拖网渔船共计15艘的生产统计资料,以及海洋环境数据(包括海表温度、叶绿素a浓度、表温距平、叶绿素a浓度距平、海表温度梯度强度和海面高度异常等数据),基于CART的算法,构建了智利竹筴鱼渔场决策树预报模型。用含1 114条记录的数据集对模型进行训练,并采用ROC方法对该模型诊断中心渔场的准确性进行了分析。最后将该模型应用于2009年各月份的智利竹筴鱼中心渔场预报,并与实际渔场位置进行了对比,结果显示预报渔场与实际生产位置基本一致,表明利用CART决策树方法建立智利竹筴鱼渔场预报模型是可行的。 相似文献
6.
基于影像多种特征的决策树分类方法 总被引：1，自引：0，他引：1
阐述了决策树分类CART算法原理,将纹理信息、NDVI指数引入决策树方法对影像进行分类,并将分类结果与最大似然分类结果进行比较,研究表明决策树分类方法相对传统分类方法总体精度提高了8.9148%,Kappa系数提高了0.1074。 相似文献
7.
The physical retrieval algorithm of atmospheric temperature and moisture distribution from the Atmospheric InfraRed Sounder （AIRS） radiances is presented. The retrieval algorithm is applied to AIRS clear-sky radiance measurements. The algorithm employs a statistical retrieval followed by a subsequent nonlinear physical retrieval. The regression coefficients for the statistical retrieval are derived from a dataset of global radiosonde observations （RAOBs） comprising atmospheric temperature, moisture, and ozone profiles. Evaluation of the retrieved profiles is performed by a comparison with RAOBs from the Atmospheric Radiation Measurement （ARM） Program Cloud And Radiation Testbed （CART） in Oklahoma, U. S. A.. Comparisons show that the physically-based AIRS retrievals agree with the RAOBs from the ARM CART site with a Root Mean Square Error （RMSE） of 1K on average for temperature profiles above 850 hPa, and approximately 10% on average for relative humidity profiles. With its improved spectral resolution, AIRS depicts more detailed structure than the current Geostationary Operational Environmental Satellite （GOES） sounder when comparing AIRS sounding retrievals with the operational GOES sounding products. 相似文献
8.
Given the difficulty of separating the three Picea species—P. glauca, P. mariana, and P. rubens (white, black, and red spruce)—in the pollen record, little is known about their unique histories in eastern North America following deglaciation. Here we report the first use of a classification tree analysis (CART) to distinguish pollen grains of these species. It was successfully applied to fossil pollen from eight sites in Maine and one in Massachusetts. We focused on the late glacial/early Holocene (14,000 to 8000 cal yr B.P.) and the late Holocene (1400 cal yr B.P. to present)—the two key periods since deglaciation when Picea has been abundant in the region. The result shows a shift from a Picea forest of P. glauca and P. mariana in the late glacial to a forest of P. rubens and P. mariana in the late Holocene. The small number of P. rubens grains identified from the late glacial/early Holocene samples (<5%) suggests that that species was either absent or rare at most of the sites. The occurrence and distribution of the three species do not reveal any geographic or temporal trend during late glacial time, but the data suggest that they were distributed in local patches on the landscape. The results of this study indicate that the recent population expansion of Picea (1000 to 500 cal yr B.P.) was likely the first time since deglaciation that P. rubens was abundant in the region. 相似文献
9.
基于CART集成学习的城市不透水层百分比遥感估算 总被引：1，自引：0，他引：1
利用Landsat ETM^＋遥感数据，提出了一种基于CART集成学习的ISP遥感亚像元估算方法，将Boosting重采样技术引入CART分析中，用于提高ISP估算的精度。实验结果表明，该方法的ISP估算性能优于传统的单一CART学习算法，从ETM^＋影像中估算的ISP值与真实值之间的相关系数达到0．91，平均偏差为11．16％。 相似文献
10.
依托中分辨率成像光谱仪完整的数据序列和丰富的光谱信息,遥感特征指数在湿地生态系统发展变化的状态、趋向和规律研究方面发挥着不可替代的优势。传统类间距离判别的遥感特征指数选取中常存在过分依赖数据统计特征、入选指数与目标地类间生态学意义不明确、分类模型普适性差等局限性。基于此,本研究以河北省白洋淀湿地自然保护区为例,提出类可分离性距离判别（Class Separation Discrimination,CSD）与类间距离判别（Class Distance Discrimination,CDD）相结合的方法构建最优遥感特征指数集,并采用QUEST算法和马氏距离判别法构建分类决策树模型用于白洋淀湿地信息的提取研究,尝试克服传统类间距离指数选取中的不足。结果表明：运用CSD和CDD相结合的方法所选取的遥感特征指数在研究区湿地信息提取过程中的总体分类精度达到了91.32%,Kappa系数0.88,较传统的分类与回归树（Classification and Regression Tree,CART）方法,分类精度提高了1.67%;其次选取的最优指数与待提取的湿地类型均具有明确的生态学意义,如挺水植物在立地干湿交替条件下的潴育化过程决定了氧化铁比率IO可成功的将混分的耕地和挺水植物进一步分离;进一步将基于研究区2017年OLI影像构建的CSD和CDD相结合方法与CART方法的模型分别应用于研究区2019年OLI影像进行分类,基于CSD和CDD相结合方法构建的模型分类总体精度和Kappa系数分别为：86.97%、0.83,基于CART方法构建的模型无法满足分类需求,研究结果较好地证明了基于CSD和CDD相结合方法构建的模型在年际之间具有良好的适用性和稳定性。总之,CSD和CDD相结合的方法在不降低湿地信息提取精度的基础上,有效避免了传统遥感特征指数选择方法的局限性,提高了分类模型的普适性,是遥感特征指数选择算法和决策树相结合在湿地信息提取方面的有益尝试。 相似文献