排序方式： 共有11条查询结果，搜索用时 187 毫秒
1.
基于生态足迹的格网化生态承载力评价——以衡水市为例 总被引：1，自引：0，他引：1
针对行政单元生态承载力评价不能精细反映区域内部生态状况的差异和局部细节特征的问题，难以满足精细管控生态承载力的需要，本文提出了格网化生态承载力评价方法。基于生态足迹模型，结合人口空间分布模型，借助GIS空间分析技术，从格网角度对生态足迹和生态承载力进行定量估算与空间格局分析，并以衡水市为例进行试验验证。结果表明，格网尺度生态承载力评价方法与区域生态承载力评价方法相比更符合真实情况。从格网尺度看，衡水市生态足迹分布圈层特点，生态承载力呈离散分布特征。生态赤字状况表现出明显的异质性，沿滏东排河和滏阳河两侧呈条带状分布。衡水市大部分地区处于生态赤字临界状态，生态状况亟须得到保护。 相似文献
2.
基于小波与包络线的土壤有机质高光谱估测 总被引：2，自引：0，他引：2
以陕西省横山县为研究区,对小波分析法与包络线去除法融合应用于土壤有机质高光谱估测的有效性进行了探究。利用陕西省横山县84个土壤样本的光谱反射率和有机质含量数据,采用小波分析法去除了部分噪声,通过光谱一阶微分变换,提高光谱反射率与有机质的相关性,采用包络线去除法提取建模因子,减少数据冗余后最终采用回归分析法建立土壤有机质的估测模型。结果表明,与未采用小波分析法建立的模型比较,建模因子的相关性提高了0.1~0.25,模型的判定系数可达0.932,提高了0.207,检验样本的均方根误差RMSE为0.107,减小了0.116。总体而言,小波分析与包络线去除法联合应用于土壤有机质高光谱估测是有效的且所建模型精度较高,但数据质量对模型精度有重要影响。 相似文献
3.
考虑影响因素的复杂性,提出土壤有机质含量区间值高光谱估测的思想。根据在陕西省横山县采集的84个土壤样本数据,采用14种光谱反射率变换方法及因子互乘变换筛选反演因子,采用模糊识别方法进行土壤有机质含量估测。结果表明,原始光谱反射率(R)及其平方(R2)、平方根(R1/2)、倒数(1/R)、自然对数(ln R)的一阶微分、二阶微分及其互乘变换与有机质含量的相关性明显增强,模型优化系数可调节类别判别的准确度,12个检验样本的准确度为91.67%。这表明提出的土壤有机质含量区间值高光谱估测模型是有效的。 相似文献
4.
数字化测图质量评价特点与定量评价指标体系 总被引：7，自引：0，他引：7
随着测绘科学技术的发展,数字化测图已代替了传统的模拟法测图.分析数字化测图地形图质量评价的内容与特点,提出利用层次分析法确定影响数字化测图质量的定量评价指标,建立了多指标多层次数字化测图质量定量评价指标体系,为建立数字化测图质量的模糊综合评价模型提供了理论基础. 相似文献
5.
针对土壤含水量高光谱定量反演中影响因素的多样性及实测数据划分上的模糊性问题,该文利用可变模糊集理论进行土壤含水量预测。以山东省泰安市的94个棕壤样本为研究对象,对室外光谱数据进行平方根的一阶微分变换;在此基础上,采用单相关分析法提取反演因子,即R669、R762、R1022、R1235、R2060;根据可变模糊集理论建立土壤含水量高光谱可变模糊集估测模型,用平均相对误差以及决定系数进行模型精度评价。实验结果表明,基于平方根的一阶微分变换的可变模糊集模型估测,18个检验样本的平均相对误差为2.761%,模型的决定系数R2=0.972。研究表明,利用可变模糊集进行土壤含水量高光谱估测是有效的,可以为土壤含水量的定量估测提供一种新的建模方法。 相似文献
6.
基于半监督模糊识别的土壤含水量高光谱估测模型研究 总被引：1，自引：0，他引：1
快速估测土壤含水量对发展精准农业具有重要意义。为提高土壤含水量光谱估测精度,该文基于山东省泰安市周边的94个棕壤样本光谱与含水量实测数据,首先对原始光谱进行对数倒数一阶微分变换,利用最大相关性原则选择特征因子,然后利用半监督模糊识别模型建立土壤含水量光谱估测模型。实验结果表明:以波段655 nm、1 235 nm、1 497 nm、1 677 nm、2 059 nm的对数倒数的一阶微分变换数据作为特征因子,所建土壤含水量光谱估测模型的精度较高,其中18个检验样本的平均相对误差为4.406%,模型的决定系数R~2=0.977;半监督模糊识别模型充分利用了训练样本的确定性及不确定性信息,可有效用于土壤含水量估测。 相似文献
7.
粒子群优化神经网络的土壤有机质高光谱估测 总被引：2，自引：0，他引：2
针对提高土壤有机质高光谱估测精度的问题,该文对山东省泰安市的92个棕壤样本进行光谱去噪,剔除异常样本处理后,对光谱反射率进行11种变换,发现一阶微分变换最佳;然后计算土壤有机质含量与变换后光谱反射率的相关系数,选取5个特征波段,分别利用多元线性回归、BP神经网络、支持向量机、粒子群优化神经网络4种方法建立土壤有机质含量高光谱估测模型并进行精度比较。实验结果表明,多元线性回归、BP神经网络、支持向量机和粒子群优化神经网络模型的决定系数R2分别为0.520 3、0.665 4、0.735 0和0.853 0,均方根误差分别为2.12、1.99、1.45和1.08。研究结果表明,粒子群优化神经网络的反演精度高、稳定性强,可有效提高土壤有机质的光谱估测能力。 相似文献
8.
土壤含水量高光谱灰色关联度估测模式 总被引：2，自引：0，他引：2
针对土壤含水量高光谱估测中的不确定性,基于灰色系统理论,建立土壤含水量灰色关联度高光谱估测模式。首先根据光谱特征因子的非时间数据序列特性,利用基于加权距离的灰色关联度计算方法,构建灰色关联度预测模型;然后利用识别残差建立修正模型,提出了具有残差修正的灰色关联度预测模式,并应用于山东省泰安市土壤水含量高光谱估测。结果表明,检验样本的平均相对误差为3.614%,而基于经典的灰色关联模式和线性回归模型的平均相对误差分别为4.762%和6.841%。应用实例说明提出的模式是有效的。 相似文献
9.
空间分层是准确度量遥感分类不确定性程度及其空间分布的基础与关键。本文提出了一种基于不确定性分析的遥感分类空间分层及评估方法,首先基于随机森林算法获取像元后验概率,确定分类不确定性度量指标;其次,采用模糊C均值进行空间分层;最后,对分层结果合理性进行定性与定量评估,并与同尺度数据产品精度评价结果及后验概率不确定性分层方法进行对比分析。以北京市顺义区Landsat 8 OLI遥感影像数据为例,研究结果表明：① 基于最大概率、模糊混淆指数和概率熵指标将顺义区分为不确定性大、中、小3层,相应的遥感数据层分类精度分别为62.28%、74.96%、79.31%;② 分类不确定性空间分层结果与度量指标大小的空间分布基本一致,错分地类图层与不确定性大层的地类空间分布基本一致;③ 遥感数据和数据产品的各层地类空间特征、层分类精度大小趋势一致,与总体分类精度相比,不确定性大层的层分类精度降低,不确定性小层的层分类精度提高;④ 与后验概率不确定性分层方法相比,本研究不确定性大层的层分类精度降低1.08%,不确定性中层提高3.58%,不确定性小层提高0.16%,q值由0.19提高到0.24,空间分异性更高。证实了研发的遥感分类不确定性空间分层结果的合理性。研究旨在提出适用于遥感分类的不确定性分层方案,用于优化遥感分类训练样本和精度评价验证样本的空间布设。 相似文献
10.
土壤有机质含量地面高光谱估测模型对比分析 总被引：2，自引：0，他引：2
采用高光谱技术获得的数据进行土壤有机质含量的反演和估测是近年来的研究热点。为确定有效的估测建模方法,利用地面实测的土壤高光谱反射率及有机质含量等数据,采用小波分析方法实现去噪,包络线去除法实现建模参数提取和数据量压缩,结合多种不同的数据变换方法,利用BP神经网络法、多元线性回归法及最小二乘回归法建立不同的估测模型。对比发现,BP神经网络模型的估测效果优于回归模型,其中结合对数的平方变换和神经网络所建立的模型为最优估测模型,模型的决定系数达到0. 933,检验样本的均方根误差达到0. 069。实验证明,BP神经网络+对数的平方变换模型的学习机制适用于土壤有机质含量地面高光谱估测且效果好。通过在建模因子层面上进行数据变换建立了较好的估测模型,其研究方法、模型和结论,对土壤有机质含量地面高光谱估测具有一定的参考意义。 相似文献