排序方式： 共有9条查询结果，搜索用时 125 毫秒
1
1.
城市居住单元环境质量的高分辨率遥感评价方法研究 总被引：5，自引：0，他引：5
高分辨率遥感影像由于其较高的空间分辨率使得在居住单元的尺度上进行城市环境质量的遥感评价成为可能。所研究的评价方法在选取传统的环境评价指标如绿地景观结构参数、建筑容积率参数基础上，提出了平均可视面积、影像地物交替复杂度以及山体、水体、绿地、道路等外界地物影响力等指标，进一步研究了相关指标的分析方法。最后采用模糊评判的方法得到各参数指标的评判矩阵，进一步获得各居住单元综合指标评价的最终结果。使用厦门市QuickBird遥感影像进行了相关评价方法的实验，对8个典型居住单元的环境评价实验研究表明，利用高分辨率影像进行城市人居环境质量评价是一种成本较低、简便可行的方法。 相似文献
2.
3.
利用遥感综合分析西风引导气流与地形对沙尘运移路径的影响 总被引：2，自引：7，他引：2
沙尘暴的发生受大气环流、地表状况、降雨的影响，还受到局部地区地形的影响。一次规模较大的沙尘暴过程，沙尘可以从蒙古国和我国西部沙源地输送到我国东部、韩国、日本乃至夏威夷、美国西海岸。中日亚洲沙尘暴ADEC项目对亚洲沙尘暴的起沙、传输和降落的运行机制已经作了深入的研究，并建立了亚洲沙尘暴的数值模拟系统。本文以影响北京地区的沙尘暴事件为例，利用遥感技术，综合DEM地形数据和地面实测数据分析西风引导气流和地形对沙尘运移路径影响，将MODIs影像数据和DEM地形数据以及地面观测站点实测数据相结合，进行综合分析，结果表明在一次沙尘暴过程中，沙尘在运移过程中的运移路径明显地受到西风引导气流、沙尘粒子自然沉降规律以及局部地形的影响，要预防(减少)北京地区的沙尘暴仅仅作好北京地区的生态环境建设是不够的，加强北京周边地区，尤其是张家口地区、官厅水库库区及库区周围地区的生态环境建设尤为重要。 相似文献
4.
容差粗糙集与神经网络结合的遥感数据分类方法 总被引：1，自引：0，他引：1
神经网络中的BP(Back Propagation)算法越来越多地用在遥感数据分类中. 但BP算法存在的缺点之一是网络训练时可能会导致网络出现全面的低性能. 为避免出现类似问题, 探索采用容差粗糙集方法对训练数据做分类预处理, 去除训练数据中的某些影响训练收敛的因素, 进而提高网络训练的成功率. 实验采用了北京地区2003年5月的TM数据, 分别用分类预处理前数据和经过分类预处理后的数据对BP网络进行了训练. 结果表明, 此方法不仅弥补了BP算法在处理遥感数据时的缺陷而且提高了分类精度. 相似文献
5.
沙尘暴过程地面测量与卫星同步观测实验及数据分析——以2002年沙尘暴事件为例 总被引：7，自引：3，他引：4
2001年中日亚洲沙尘暴项目ADEC在中国的新疆、甘肃、陕西、内蒙、北京、青岛以及韩国和日本布设了雷达气溶胶探测仪、沙尘颗粒收集仪、风速测量仪,结合利用卫星技术,于2002年4~5月对起沙、输送和沉降开展了实时监测和测量,获得地面风速、TSP、PM及地表温度等实测数据。以2002年3(4月沙尘天气为例,空中观测与地面监测密切结合,综合分析卫星遥感数据和地面实测数据,为沙尘暴综合分析与预测提供了基础数据。 相似文献
6.
多波段遥感数据的自组织神经网络降维分类研究 总被引：5，自引：0，他引：5
介绍了基于聚类分析的自组织特征映射神经网络分类方法，神经网络的输出层结构选用了3D结构，可以更好地保持多波段遥感数据中的内在拓扑结构；并选择天津大港地区的AsTER数据中的9个波段作为试验数据，通过对验证点的统计，分类精度达到了94％以上。 相似文献
7.
多维参数反演遗传算法的元胞自动机模型与应用 总被引：3，自引：0，他引：3
城市是一个自组织的复杂系统,其扩展受许多不确定性因素影响。元胞自动机(CA)模型具有强大的空间运算能力,可以有效地模拟复杂的动态系统,在模拟城市扩展及其他地理现象中,得到了良好的效果。转换规则是CA模型的核心,其利用由地理元胞的状态及空间关系得出的空间参数计算元胞的变化。空间参数权重的确定是模型应用的难点。现有的权重确定方法存在可靠性不高,运算量大等不足。通过一种改进的遗传算法--实数编码遗传算法可以自动获取参数的权重。分析表明,所提出的方法在CA模型运算时间、模拟精度方面均有所提高。 相似文献
8.
ASTER数据的自组织神经网络分类研究 总被引：8，自引：0，他引：8
传统的遥感数据分类方法大多基于统计学的参数估计，假设数据分布服从高斯正态分布。神经网络方法无需参数估计和统计假设，因而，近来越来越多地应用于遥感数据分类之中。介绍了基于聚类分析的自组织特征映射分类方法。ASTER卫星数据是新型遥感数据，包括 3个15 m分辨率波段和 3个30 m分辨率的短波红外波段。选择北京地区的ASTER数据作为方法实验数据，首先对数据进行了小波融合，然后进行了土地覆盖类型的自组织特征映射神经网络分类研究，把研究结果同最大似然判别法得到的分类结果进行了比较，分类精度比最大似然判别法总体提高了9％。 相似文献
9.
基于小波融合的ASTER数据自组织特征映射神经网络分类研究 总被引：7，自引：2，他引：7
重点介绍了有自组织功能的两层结构的神经网络Kohonen自组织特征映射, 两层之间各神经元实现全连接并且在竞争层各神经元之间还存在侧连接, 实现了有效的竞争和抑制, 提高了自适应的学习能力, 因此成为国际遥感数据分类的研究热点. ASTER卫星数据是新型遥感数据, 包括3个15 m分辨率波段和3个30 m分辨率的短波红外波段. 选择天津大港ASTER数据作为方法实验数据, 首先对数据进行了小波融合, 然后进行了土地覆盖类型的神经网络分类研究. 研究结果与相同训练点的最大似然监督分类比较, 总体提高分类精度7%, 特别对城镇分类精度提高近一倍. 相似文献
1