排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
为精准实施海域使用现状的动态监测与有效管理,开展了江苏近海紫菜养殖区空间扩张模式研究。选取1990年、2000年、2013年和2018年四个时相的Landsat遥感影像为数据源,采用面向对象分类方法提取江苏近海紫菜养殖区的空间分布信息,分别计算1990年、2000年、2013年和2018年江苏近海紫菜区养殖面积并分析其变化趋势,揭示江苏近海紫菜养殖区空间分布特征,并剖析江苏近海紫菜养殖区的空间扩张模式。研究结果表明:(1) 1990年、2000年、2013年和2018年,江苏近海紫菜养殖区分布面积分别为804.69 hm~2、6 097.95 hm~2、29 453.29 hm~2、42 316.98 hm~2,呈现逐年增加的变化趋势。(2)江苏近海紫菜养殖区主要分布在连云港海域以及盐城-南通交界海域。(3)基于2018年紫菜养殖区空间分布格局,在江苏近海的部分港口航运区和特殊利用区存在紫菜养殖的不合理用海行为。(4)连云港海域紫菜养殖扩张模式以密度增大的填充型为主,盐城-南通交界海域以密度增大的外延型为主。该研究可为相关海洋管理部门提供江苏近海紫菜养殖区空间分布和扩张模式的基础数据,也可为控制江苏近海紫菜养殖规模,优化海洋产业布局提供决策支持。 相似文献
2.
针对传统分类方法易受到"同物异谱"和"同谱异物"影响，致使河口湿地覆盖分类精度较低的问题，提出一种基于遗传算法优化BP神经网络分类算法。以江苏省临洪河口湿地为研究区，选用哨兵Sentinel-2影像，经辐射校正、大气校正和图像裁剪等预处理后，构建基于自适应遗传算法优化的BP神经网络算法开展临洪河口湿地土地覆盖分类研究，并与传统BP神经网络、支持向量机和随机森林算法进行精度比较。研究结果表明：遗传算法优化后的BP神经网络算法开展河口湿地土地覆盖分类的总精度为96.162 7%，Kappa系数为0.952 0；与传统BP神经网络、支持向量机和随机森林分类算法的分类总精度相比，分别提高了7.359 7%、11.677 9%和6.042 4%；对应的Kappa系数也相应提高了0.090 8、0.118 0和0.074 8；有效解决了河口湿地土地覆盖分类精度低的问题。遗传算法优化后的BP神经网络可实现河口湿地土地覆盖的高精度分类，促进湿地资源的合理开发和保护，为实现海洋生态文明建设提供技术支撑。 相似文献
3.
为提高遥感影像融合质量,提升资源一号(ZY-1 02D)高光谱遥感影像滨海湿地植被分类精度,提出将ZY-1 02D高光谱影像与空间分辨率为10 m的哨兵2号(Sentinel-2)影像进行Brovey融合,并通过搭建AlexNet卷积神经网络对ZY-1 02D高光谱影像和Brovey融合影像的滨海湿地植被进行分类,与支持向量机、随机森林和BP神经网络分类算法进行精度对比。研究结果表明:经Brovey融合后,AlexNet、支持向量机、随机森林和BP神经网络算法的植被分类总体精度分别提高15.60%、7.00%、14.80%和10.00%,Kappa系数提高了21.35%、9.93%、18.97%、12.85%;基于Brovey影像融合与AlexNet算法的植被分类精度最高,总体精度为92.40%,Kappa系数为89.42%。空谱融合配合AlexNet卷积神经网络有效解决了高光谱遥感影像在滨海湿地植被分类应用中精度较低的问题,为滨海湿地植被资源动态监测提供技术和方法支撑。 相似文献
1