排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
湿地生态系统是全球三大生态系统之一,为地球上20％的已知物种提供了生存环境,享有"地球之肾"的美誉.然而,在城市快速发展的时代背景下,湿地生态系统遭遇了重大威胁.以珠海市生态系统为研究对象,基于2016-2019年10 m分辨率的Sentinel-2遥感影像,解译得到珠海市湿地景观空间分布格局;再利用ArcGIS空间分析方法和Fragstats计算其景观格局指数,并分析了珠海市湿地景观格局变化及其驱动因素.结果表明:①水库、坑塘是珠海市湿地景观中的优势景观地类,其中坑塘、湖泊、沼泽湿地的破碎度在加剧,空间连通性较差,河流、红树林地的聚集度相对较好;②2016-2019年珠海市湿地面积逐年减少,减少总量达到1656.66 hm2,其中面积减少最多的为坑塘水面和沼泽湿地,面积增加最多的为红树林地湿地;③坑塘、沼泽湿地的减少主要转移为非湿地,而非湿地转移为湿地的现象相对较少;④导致珠海市湿地景观减少的主要因素是经济的飞速发展,人口扩张和渔业发展也给湿地带来了威胁. 相似文献
2.
随着遥感技术在水体提取与监测方面的广泛应用,更多的研究者致力于提高遥感水体提取的精度。离散粒子群算法在遥感图像分类研究中获得了较高的精度和更稳健的分类效果,已经被应用到遥感水体提取领域,但其在水体提取中的适用性和精度还有待对比与验证。本文采用最新提出的2种基于离散粒子群算法的水体提取方法,即光谱匹配耦合离散粒子群算法（SMDPSO）与最大熵耦合离散粒子群算法（MEDPSO）,基于Landsat8_OLI遥感影像,分别选择了有冰雪、有云、有山体阴影和有建筑物的4种环境复杂,常规方法提取精度较低的区域进行水体提取,并与2种常用的水体指数法（NDWI、MNDWI）进行了对比与验证。结果表明：① SMDPSO和MEDPSO方法在4个实验区都能快速地寻找出最佳的水体分布,具有一定的通用性;NDWI和MNDWI方法对有冰雪、有云、有山体阴影和有建筑物影响的区域表现出水体信息的错分现象,提取精度较低;② SMDPSO方法能够识别细小河流和离散水体,水体提取精度较高,但在有冰雪、云、山体阴影和建筑物的复杂环境下提取精度较低、误判率高;MEDPSO方法不仅可以识别细小水体,而且也解决了其他3种方法在提取过程中无法抑制背景信息干扰的问题,在4个实验区的总体精度均在97.8%以上,高于其他3种方法;③ 将离散粒子群算法引入到水体提取方法之中,可增强方法的区域整体性,也可提高其水体提取的精度和自动化程度;④ 运用最大熵模型等机器学习方法,可以结合光谱、形状和纹理等影像信息以及地形信息来进行水体识别,使得水体信息提取精度更高。本文的研究可为离散粒子群算法的推广以及遥感水体提取方法的选择提供参考。 相似文献
1