排序方式： 共有2条查询结果，搜索用时 31 毫秒
1
1.
连续在线滨海湿地生态物联网观测系统,因传感器技术局限及环境干扰会产生异常观测数据,影响数据使用,有效的数据预处理极为重要。以上海崇明东滩国际重要湿地生态观测数据为研究对象,将异常数据分为数值异常、波动异常与异常事件3种类型,基于回归残差概率分布异常检测算法,使用查找表和多指标时间序列模型,综合多环境要素相互关系,构建针对滨海湿地生态观测的数据预处理方法。相比传统方法,该方法在保证异常数据检测精度的同时,更好地区分了异常事件与传感器异常,减少误判。通过分析9个指标5万余条数据,以10-8~10-20的阈值分别检测出0.18%~8.12%的数值异常和波动异常,以及2次异常事件。分析数据预处理结果,传感器的观测原理、观测季节等因素会影响传感器的稳定性,人类活动是造成观测区异常事件发生的主要因素。 相似文献
2.
海岸带潮滩地形具有快速变化的特点;在盐沼植被覆盖的潮滩区域,地面激光扫描仪（terrestrial laser scanning,TLS）获取地形数据受到地表植被的影响。为了研究TLS在盐沼潮滩使用的地形测量精度与盐沼植被种类、盖度的关系,本文以芦苇群落、白茅群落、互花米草群落、海三棱藨草群落4种典型海岸带盐沼植被群落为研究对象,在移动窗口法的基础上辅以聚类分析的植被滤除算法,分别从点云原始数据中恢复地表地形地貌特征。研究结果表明：1）植被盖度越高,TLS反演地形精度越低,两者负相关。2）不同植被的激光穿透能力不同：盖度大于50%时,激光无法穿透原始盖度分别为70%、65%、65%的白茅群落、互花米草群落、海三棱藨草群落,均方根误差（root-mean-square error,RMSE）分别为22.0、22.0、8.6 cm;盖度等于50%时,白茅群落、海三棱藨草群落、芦苇群落和互花米草群落的RMSE分别为16.0、6.6、4.5、5.7 cm;盖度小于50%时,芦苇群落、互花米草群落、海三棱藨草群落地形反演精度小幅度提高,白茅群落地形反演精度提升较为明显。3）在盐沼潮滩地区使用TLS反演地形时,增加TLS架设高度、对同一区域多方位反复扫描可能有助于提高地形反演效果。 相似文献
1