排序方式: 共有96条查询结果,搜索用时 0 毫秒
71.
基于高光谱特征选择和RBFNN的城市植被胁迫程度监测 总被引:5,自引:4,他引:1
以Hyperion星载高光谱数据为例,基于指数提取-特征选择-分类识别-模式分析的思路,分析广州市的城市植被胁迫状况。提取与胁迫相关的高光谱植被指数,对其进行相关分析,滤除相关性很高的植被指数,利用选取的特征应用RBF(径向基函数)神经网络对城市的植被胁迫程度进行分类,对广州市受胁迫植被的空间分布及其原因进行分析。研究表明:运用特征选取和RBF神经网络可以较好的区分城市植被受胁迫的程度;城市植被受胁迫的程度与城市交通污染、人为干扰相关性比较大;受胁迫植被的强度分布呈现从城市中心向外的梯度变化,在大块绿地外围呈环状分布。 相似文献
72.
多智能体与元胞自动机结合及城市用地扩张模拟 总被引:15,自引:3,他引:12
运用多智能体(Agent)和元胞自动机(CA)结合来模拟城市用地扩张的方法,将影响和决定用地类型转变的主体作为Agent引进元胞自动机模型中,Agent在CA确定的城市发展概率的基础上,通过自身及其周围环境的状况,综合各种因素的影响做出决策,决定元胞下一时刻的城市发展概率。运用Agent的决策结果,对CA模型中以随机变量体现的不确定性通过Agent决策行为给予地理意义的新解释。以城市郊区—樟木头镇为例,对1988~1993年城市用地扩张进行了模拟研究,取得了良好的模拟效果。 相似文献
73.
基于Pareto多目标遗传算法的公共服务设施优化选址研究——以深圳市医院选址为例 总被引:2,自引:0,他引:2
公共服务设施选址是一类复杂的多目标优化问题。传统遗传算法选址模型多将此问题转化为单目标优化问题,采用二进制或实数编码方式,在小规模数据下进行优化实验,其模型的空间搜索能力不足以满足当前设施优化选址的实际需求。文中基于Pareto多目标遗传算法,设计了行列号组合编码方式及多种重组方法相结合的遗传操作算子,构建了Pareto多目标遗传算法选址模型。实验表明,模型可较好地逼近Fonseca(2)测试函数的凹状解空间前沿,将模型应用于大规模数据环境下的深圳市公共设施优化选址中,取得了较好的实验结果。 相似文献
74.
基于多智能体的居住区位空间选择模型 总被引:10,自引:1,他引:10
多智能体系统(Multi-Agent system, MAS) 是一种进行复杂系统分析与模拟的强有力工具,尤其在社会科学领域得到了广泛的应用。本文提出了基于多智能体的居住区位选择模型(Agent-Based Model of Residential Location-ABMRL),将多智能体建模的方法应用于居民居住区位决策行为和地价动态变化的研究中,旨在探索与模拟居民在居住选择过程中的复杂空间决策行为,以及居民之间、居民与地理环境的相互作用而导致城市居住空间分异的演化过程。ABMRL模型由表征各类居民的多智能体层和表征地理环境的元胞自动层组成,对应人地关系中的两个基本要素--人类与自然环境。该模型认为居民迁居的动力源于内部的经济社会压力和外部的居住环境刺激。利用ABMRL模型模拟和验证了居住空间分异、圈层城市空间结构、城市绅士化等经典城市理论,并以广州市海珠区为实验区,模拟了该区域居民居住空间分异的演化过程和地价的动态变化。 相似文献
75.
元胞自动机被广泛应用于城市及其他地理现象的模拟,模拟过程中的最大问题是如何确定模型的结构和参数。该文提出一种基于分析学习的智能优化元胞自动机,该模型在逻辑回归模型的基础上,基于分析学习的智能方法,寻找元胞自动机模型的最佳参数。该方法允许用户控制空间变量影响权重,进而模拟出不同的城市发展模式,可为城市规划提供重要参考。 相似文献
76.
阐述了雷达差分干涉测量(D-InSAR)的基本原理,概括了国内外目前应用比较广泛的D-InSAR模型,针对长时间序列的城市地表沉降监测,应用较多的是基于相干点目标选择,相关的技术包括PSI、SBAS、CRT、CTA。通过多景数据的套合达到消除大气误差相位的目的。进一步总结了相关D-InSAR技术在地表沉降方面的应用进展。相关研究表明,D-InSAR技术能够应用于城市地表沉降监测,并且能够达到较高精度,逐步形成了完善的理论体系和技术处理流程。而且随着技术的发展,监测的时间尺度也在不断扩大、进一步拓展D-InSAR的试验区域。多种数据的结合和补充、方法的有效结合以及与传统的GPS、水准仪测量方法的结合是今后进一步关注的焦点和研究重点。 相似文献
77.
基于时空域密度异常的土地利用/土地覆盖短期变化检测 总被引:1,自引:1,他引:1
论文分析了时间序列遥感影像中土地利用/土地覆盖短期变化的特点及其时空异常特征, 认为和环境、物候等因素造成的影像变化相比, 由人为活动引起的土地利用/土地覆盖变化具有典型的时间和空间异常特征, 并提出了基于密度异常的土地利用短期变化检测方法。研究工作选取珠江口地区1—5月作物生长期间的3个时间序列Radarsat雷达影像进行试验, 在影像分割的基础上, 构建了基于对象的特征变化矢量, 并将密度异常检测算法(DBAD)扩展到变化矢量的N维特征空间上, 运用随机搜索策略确定检测参数, 对Radarsat时间序列变化矢量中的“小模式”事件进行了检测。检测结果认为, 密度异常检测算法检测的是变化矢量在特征空间的密度分布, 与变化矢量的强度和方向无关, 因此能在时间序列影像中分离出由典型的、正常的作物生长或农事活动引起的影像光谱或回波变化, 进而识别出由人为活动或突发事件导致的土地利用/土地覆盖变化, 这是通常的图像差值等方法难以做到的。进一步的抽样检测说明, 密度异常检测方法对新增建设用地的检测准确率最高(>88%);林地地表覆盖相对稳定, 检测误差也很低(8%);农用地和养殖水面的异常变化检测误差在11%—22%之间;较大的检测误差主要集中在建设用地、农用地和未利用地之间的转换(16%—25%);此外, 养殖水面的检测误差主要集中在河流沿岸及水面变化较大的养殖区域。影像分割结果特别是一些线状分割图斑以及混合地类图斑对误差也有一定的影响。 相似文献
78.
高时空分辨率的全球多类别土地覆盖数据对于地球系统的生物化学循环、气候变化等研究至关重要。目前公开的数据产品中,较高空间分辨率的全球多类别土地覆盖产品仅提供单一或短时期的数据,而全球逐年土地覆盖产品往往只有单一土地覆盖类型,难以从较长时间跨度上反映精细地物的年际变化。本文借助Google Earth Engine平台,利用现有多套全球土地覆盖产品、Landsat卫星系列影像、以及大量人工目视解译样本,结合多数据融合、时序变化检测和机器学习等的方法,研制了一套2000年—2015年全球30 m分辨率的逐年土地覆盖变化数据集AGLC-2000-2015(Annual Global Land Cover 2000-2015)。基于AGLC-2000-2015数据集,本文选择性分析了3个典型区域(中国珠江三角洲地区、青藏高原色林错湖区和亚马逊热带雨林区)的土地覆盖年际变化。结果显示,AGLC-2000-2015数据集达到了较高的精度水平:基准年份产品(AGLC-2015)的总体精度(OA)为76.10%,Kappa系数为0.72,显著优于现有30 m分辨率的全球土地覆盖产品Globeland 30(OA = 63.49%,Kappa = 0.58)、FROM-GLC(OA = 61.41%,Kappa = 0.55)和GLC-FCS30(OA = 63.46%,Kappa = 0.57);年际间分类模型的总体精度和Kappa系数分别为84.10%和0.81,在各大洲的平均总体精度均超过80.00%,表明该模型在全球多类别土地覆盖分类中表现良好。3个典型区域的土地覆盖变化分析显示,中国珠江三角洲地区城市扩张趋势明显(195.96 km2/a),其增量主要来源于耕地(84.88%);青藏高原色林错湖泊对于气候变暖响应明显,湖区面积呈扩大趋势(17.95 km2/a),湖面北岸扩张最为明显;亚马逊热带雨林南部区域毁林造田趋势明显,15 a间森林面积减少46356.53 km2,其中大部分转化为农田(39621.29 km2)。上述结果表明:AGLC-2000-2015数据集能够有效反映全球陆地区域在30 m空间分辨率下的地表覆盖分布及年际间的动态演化,为地表陆面过程研究和相关应用提供可靠的数据支撑。 相似文献
79.
基于多智能体的居住空间格局演变的真实场景模拟 总被引:4,自引:1,他引:3
多智能体建模方法为城市研究提供了一种新的研究思路.采用自下而上的多智能体方法构建真实场景的居住决策模型,并研究城市居住格局的形成和演变具有重要的理论意义和应用价值.但目前的多智能体模型通常把空间抽象为均质空间.无法反映真实的地理空间.通过对居住环境的"宜居性"评价,作为居民智能体对居住环境评价的影响因子.将多智能体模型与GIS相结合.为智能体模型提供一个异质的、动态变化的模拟环境.由此居民智能体根据自身的经济状况以及对居住环境的偏好不断地调整其在城市中的居住地,模拟出城市居住空间格局的演变过程.将模型应用于广州市海珠区,其模拟的住宅价格空间分布与实际情况相关系数在0.6以上,说明模拟结果与实际的情况比较吻合.模拟结果在一定程度上为理解和探讨居住空间格局的成因和动态变化提供帮助,为发展和验证城市理论提供一种重要的分析手段和模拟方法. 相似文献
80.
高分辨率影像解译理论与应用方法中的一些研究问题 总被引:51,自引:4,他引:51
近年来,不断发展的遥感技术使遥感数据呈现出高空间分辨率、高光谱分辨率和高时间采集频率的特点。卫星图像空间分辨率已经提高到0.6m级,而航空遥感数字影像分辨率高达0.1m以上。光谱分辨率高达3—4nm。不断发展的高分辨率遥感数据能够提高信息提取和监测精度,并拓展遥感数据的应用范围。目前,国外已经加快对高分辨率图像,特别是高空间分辨率影像,在城市环境、精准农业、交通及道路设施、林业测量、军事目标识别和灾害评估中的应用。但是总的情况是自动化程度不高。介绍高空间分辨率影像信息提取、高光谱和偏振影像信息提取、影像数据融合和高分辨率遥感变化探测等方面迫切需要研究的一些科学问题及其意义。建议建立图像知识库,改善数据共享环境,为有志于从事这方面研究的学者提供参考。 相似文献