排序方式: 共有77条查询结果,搜索用时 371 毫秒
1.
元胞自动机模型已经成为城市空间扩展模拟研究的重要方法之一,并得到广泛应用。然而,现有的城市扩展元胞自动机模型仍存在不足。由于元胞状态设置较为简单,从而使模型转换规则中对不同用地类型向城市用地转换的差异与强度考虑不够。基于此本文在元胞自动机模型的框架下,设计了多元结构的元胞状态及转换规则,提出了顾及地类转换差异与强度的城市扩展元胞自动机模型。在计算非城市用地向城市用地转换的转换概率时,该模型考虑了3个方面的概率:① 地形地貌、经济发展等城市发展的驱动因素对城市用地扩展的影响概率,该概率采用logistics方法进行计算;② 邻域元胞的用地类型对中心元胞转换概率的影响,该概率采用扩展摩尔型方法进行计算;③ 不同类型的非城市用地(本研究中包括耕地、林地和裸地3种类型)向城市用地转换的强度,该概率由模拟基期土地利用数据与目标年份土地利用数据的叠加,得出不同类型的非城市用地在此时间段内向城市用地转换的规模,进而确定不同类型的非城市用地向城市用地转换的强度。最后,将以上3种概率的乘积作为元胞转换的概率。通过转换概率与转换阈值的对比判断中心元胞是否在下一个阶段转换为城市用地。经过迭代计算,不断增加城市用地元胞的数量。当模拟城市用地的结果与目标年份的城市用地规模差值在一定的范围内时停止模拟,得出最终结果。模型构建完成后,本文以长株潭城市群核心区为例进行了模拟实验。以2001年该地区的土地利用数据为基期数据,模拟2010年该地区的城市用地规模和空间分布。研究结果表明,根据本文提出的模型模拟的城市扩展结果与真实数据相比具有较高的一致性。模拟结果正确率达到68.66%,比基于传统logistics回归的元胞自动机模型的模拟精度提高了4.25%,Kappa系数为0.675。该模型较好地模拟了长株潭城市群核心区城市扩展,在城市空间扩展模拟中具有较好的适应性与有效性。 相似文献
2.
3.
基于GIS的黄河上游龙羊峡库区生态环境遥感监测研究 总被引:8,自引:0,他引:8
本项研究以黄河上游生态环境严重退化的龙羊峡库区为研究区,应用遥感与GIS一体化的方法,建立了库区生态环境动态监测信息系统。在系统的支持下,利用多时相、多波段TM遥感数据,对库区近十年来生态环境变化进行监测分析,揭示了库区土地沙漠化、水土流失、土地利用/土地覆盖的现状,以及建库近十年来生态环境时空演化的过程与发展趋势,为库区生态环境治理提供科学依据。本项研究利用遥感和GIS技术,采用生态环境综合分类系统,在一次分类处理中通过多层次不同级别的组合获得了基于同一信息源的土地沙漠化、草场盖度、土地利用处地覆盖等多种环境类型信息,并利用环境信息模型对库区的土壤侵蚀进行了评价。基于GIS的分类后再处理使遥感分类精度有了一定程度的提高。研究表明,在GIS的支持下充分利用遥感信息监测与评价生态环境,是区域生态环境定量化研究的有效途径。 相似文献
4.
5.
应用系统以ArcInfo和ArcView为开发平台 ,以软件工程理论为指导依据 ,应用GIS技术、数据库技术和模块设计技术为基本的技术支持 ,设计了青海旅游信息系统的结构及数据库 ,使用Avenue语言进行二次开发 ,并利用VisualBasic和Flash进行了界面开发及模块实现。该系统可实现青海旅游信息专题图浏览 ,景点查询、定位 ,多媒体方式介绍 ,以及路线选择功能 ,能为游客提供图、文、声并貌的旅游向导 ,实现了青海旅游资源的计算机化宣传 ,也可为GIS技术在青海盐湖资源、水力资源信息技术的应用提供借鉴 相似文献
6.
随着遥感技术的发展,遥感数据日益增加。然而,受传感器限制及云雨天气影响,单一传感器难以获取高时空分辨率的遥感影像,从而在一定程度上影响全球及区域环境变化研究。遥感影像时空融合理论与技术的发展为解决这一问题提供了有效途径。近年来,国内外学者提出了大量的时空融合算法,但对于复杂地表景观区域空间细节的融合仍存在挑战,地表非均质区域时空融合的精度有待提高。为此,本文提出了一种面向非均质区域的空间增强型时空融合模型。首先,基于混合像元分解原理与遥感数据空间特征尺度不变性假设,将低分辨率光谱变化降尺度为高分辨率光谱变化值;然后,基于不同分辨率遥感数据光谱关系的时间不变性假设,获得最终融合影像。试验结果表明,相对于常用融合模型STARFM、FSDAF,本文模型既能有效反映不同地物物候变化信息,同时能更好地保留地表的空间细节,增强了非均质地表覆盖区域融合影像的空间特征与效果;本文模型的均方根误差RMSE、相关系数r及结构相似性指标SSIM平均值分别达到0.024、0.898、0.897,相对于常用融合模型STARFM、FSDAF,RMSE平均值分别降低了6.71%和4.33%,r平均值分别提高了1.9... 相似文献
7.
为了有效地提取大范围地形复杂区域的土地利用/土地覆盖遥感信息,以位居青藏高原与黄土高原过渡地带的青海东部地区为研究区,研究基于蚁群智能优化算法(ant colony intelligent optimization algorithm,ACIOA)的土地利用/土地覆盖遥感智能分类。首先选用TM图像、DEM、坡度和坡向数据作为分类的特征波段;然后利用归一化植被指数NDVI对实验区数据进行植被分区;最后利用ACIOA算法进行分类规则挖掘,并依据分类规则进行土地利用/覆盖信息的提取。研究表明,基于植被分区的多特征蚁群智能分类的总体精度为88.85%,Kappa=0.86,优于传统的遥感图像分类方法,为大范围地形复杂区域的土地利用/土地覆盖遥感信息提取提供了有效的方法。 相似文献
8.
融合时间序列环境卫星数据与物候特征的水稻种植区提取 总被引:3,自引:0,他引:3
获取高精度的区域水稻种植面积对于农业规划、配置与决策具有重要意义。区域尺度的水稻面积获取依赖于高时空分辨率影像,但受卫星回访周期和气候影响,难以获取足够时间序列的高时空分辨率影像,从而影响水稻种植面积遥感提取的精度。为此,提出适应于中国南方多雨云天气地区,基于国产环境卫星(HJ-1A/1B)与MODIS融合数据的水稻种植面积提取的新方法。以洞庭湖区为实验区,利用STARFM模型融合环境卫星NDVI数据与MODIS13Q1数据,获取时间序列的环境卫星NDVI数据,利用水稻关键期的NDVI数据结合物候特征参数对水稻种植区域进行提取。结果表明,该方法能有效提取区域水稻种植的面积,水稻种植面积提取的总体精度与Kappa系数分别达到91.71%与0.9024,分类结果明显优于仅采用多光谱影像或NDVI数据。该研究为中国南方多雨云天气地区水稻种植面积提取提供了有效的方法。 相似文献
9.
面向对象方法的时间序列MODIS数据湿地信息提取——以洞庭湖流域为例 总被引:2,自引:0,他引:2
以洞庭湖流域为研究区,对大范围湿地信息遥感提取方法进行了研究。先基于时间序列MODIS EVI及物候特征参数,通过J-M(Jeffries-Matusita distance)距离分析,构建了MODIS(250 m)最佳时序组合分类数据;其次,通过Johnson指数确定了最佳分割尺度,采用面向对象的遥感分类方法(Random tree分类器)提取了洞庭湖流域的湿地信息,并验证该方法的适用性。研究结果表明,基于时序数据与面向对象的Random tree分类的总体精度和Kappa系数分别为78.84%和0.71,较之基于像元的相同算法的总体分类精度和Kappa系数分别提高了5.79%和0.04。同时,基于面向对象方法的湿地整体的用户精度与生产者精度较基于像元方法分别提高了4.56%和6.21%,可有效提高大区域湿地信息提取的精度。 相似文献
10.
基于MODIS数据的长株潭地区城市热岛时空分析 总被引:7,自引:1,他引:6
基于MODIS影像,采用分裂窗算法反演的地表温度对长株潭地区城市热岛空间分布与季相变化特征、影响因子进行定量研究。结果表明,长株潭地区春季和夏季存在明显的城市热岛效应,而冬季和秋季城市热岛并不明显;地表覆盖类型对城市热岛的影响十分明显,长株潭地区春、夏、秋季植被绿地状况与城市热岛呈现明显负相关分布,其中以夏季最为明显,夏季地表温度与NDVI相关系数的平方R2达到0.8193,即植被覆盖对城市地表温度的影响显著。因此,城市植被的分布与季节变化影响着城市热岛的强度与时空分布,揭示出植被绿地对降低城市热岛效应具有重要的作用,大范围的绿地建设能有效降低城市热岛效应。 相似文献