排序方式: 共有22条查询结果,搜索用时 93 毫秒
1.
Google Earth Engine平台支持下的赣南柑橘果园遥感提取研究 总被引:1,自引:0,他引:1
赣南地区是中国柑橘主产区,柑橘种植产业经数十年发展已具较大规模。本文利用Google Earth Engine平台,使用2140景Landsat影像进行像元级融合,重构目标年份季节最小云量影像集,构建多维分类特征集,利用随机森林分类算法,实现了1990、1995、2000、2005、2010和2016年赣南柑橘果园的分布制图。结果表明:利用Google Earth Engine平台可实现大量遥感影像数据的高效处理;最小云量影像合成方法能够有效解决多云多雨地区高质量光学影像获取困难的问题;以最小云量影像合成构建的数据集,使用随机森林分类算法能够有效提取赣南柑橘果园,分类平均总体精度和Kappa系数分别为93.15%和0.90,分类效果良好;赣南柑橘果园面积由1990年9.77 km2扩大为2016年2200.34 km2,2005年以后呈大规模扩张趋势,果园分布由零星分布,逐步形成连片化的聚集分布特点,柑橘果园用地的主要来源为林地、灌丛和耕地。 相似文献
2.
3.
4.
针对非开挖工程工勘资料缺乏,掘进地层岩性难以判别的问题,提出一种基于非开挖泥浆性能检测与弱监督机器学习结合的典型非开挖地层岩性识别方法。结合自主设计研发的非开挖泥浆性能检测系统工程现场应用,获取非开挖掘进导向段泥浆流变性能参数和密度等敏感参数的训练样本。利用部分有标签数据与K近邻(K Nearest Neighbors,KNN)算法对所有泥浆参数训练样本进行特征标签,采用核函数映射到高维空间支持向量机(Support Vector Machines,SVM)进行分类处理,建立了以上海地区典型非开挖地层分类为目标的分类模型。将该地层识别模型应用于上海地区非开挖工程,验证其有效性。结果表明,该方法能在非开挖实时钻进条件下快速识别钻进地层,识别正确率高达96%。研究成果通过采集导向段泥浆性能参数,识别非开挖掘进段地层岩性,为非开挖扩孔阶段钻具选型、泥浆设计等提供了重要地质信息保障。 相似文献
5.
喀什至和田铁路是铁道部架子队管理模式的试验工程。由原来的施工队伍的单纯施工变为管理施工相结合,施工队伍承担起甲方的部分职责。根据地质条件、工期要求、机械设备配备状况,结合桩基设计参数,确定本工程钻孔灌注桩成孔采用旋挖钻机。钻孔桩施工工艺:施工准备→场地布置→桩孔位置的确定→泥浆制备→钻头的选用→钢筋笼制作→旋挖钻进成孔→一次清孔→钢筋笼安放→下放导管→二次清孔—混凝土灌注。 相似文献
6.
国土空间规划“一张图”有利于统一国土空间用途管制、强化规划实施监督,推进政府部门间的数据共享及政府与社会之间的信息交互,各级政府正在大力开展国土空间规划“一张图”的建设工作。目前各类规划数据类型众多,但是存在规划数据体系不科学、数据间缺乏关联、不易融合,以及难以联动更新等问题。因此,本文首次提出了规划实体,以南京市控制性详细规划和公共设施专项规划为研究对象,重点开展了规划实体编码体系、属性设计及关联关系构建等研究,并且进行了实例验证。研究表明,基于规划实体形成的规划数据体系更加科学,能够有效实现数据间的关联融合及动态更新,为国土空间规划“一张图”的构建提供了新的建设思路。 相似文献
7.
8.
城市群作为国家新型城镇化的主体形态,表征其空间结构和组织演变的城镇建设用地具有明显“群态化”特征。借鉴群落生态学理论,利用城镇用地开发速率指数、景观指数、核密度估计等方法,对长三角城市群1978—2017年城镇建设用地的规模分布、形态变化和集聚状态进行探讨,提炼出快速城镇化背景下城镇建设用地的群态化演变模式。研究结果显示:① 随着长三角城镇建设用地的不断增长,城镇建设用地规模表现出从低级向高级逐渐跃迁的层级变动特征和明显的区域分异,汇合成群态化发展的“量”的物质基础。② 在空间发展上,城镇建设用地斑块趋于紧密、均衡,其形态变化由分散、无序逐渐变为集中和规整;在空间集聚上,城镇建设用地热点区向大城市集聚,逐渐打破城市行政界线,呈组团式发展态势,催生出群态化演变的“质”的提升。③ 在40年的快速城镇化过程中,长三角城镇建设用地经历了独立发育模式、优先生长模式、组团嵌套模式和圈层共生模式,最终形成“群内有群、多重嵌套”的群态化模式。本文通过分析城镇建设用地群态化的演变过程,重新解读城市群作为城镇化的主体形态这一现实规律,为推进新型城镇化进程和促进城市群高质量一体化发展提供相关的理论基础。 相似文献
9.
通过自主研发设计的非开挖随钻检测系统,采集非开挖钻进参数,进行非开挖钻进实时地层岩性识别,为非开挖施工提供安全信息保证。针对非开挖工程工勘资料缺乏,掘进地层岩性难以判断的问题,提出了一种基于非开挖随钻检测系统实时采集数据,利用随机森林算法建立地层识别模型,通过模型去识别未知地层,并将识别结果可视化展示。通过非开挖随钻检测系统在工程现场的实际应用,获得了包括钻速、扭矩、转速、拉力、泵压、泵量等钻进敏感参数作为训练样本,利用随机森林算法对采集的钻进参数进行训练,构造决策树与随机森林,对钻进参数进行分类,建立了以典型非开挖地层岩性分类为目标的分类模型,分别确定了杂填土、黏土、粉细砂、砾石和淤泥的地层分类标签。进一步,基于机器学习的分类结果,利用PCA主成分分析将地层识别特征降维至三维,实现了地层岩性识别结果的三维展示。将预测模型应用于实际工程,以验证其有效性。结果表明,该方法能在非开挖实时钻进条件下快速识别钻进地层,识别正确率高达92%。该研究成果通过采集导向随钻参数,识别非开挖掘进段地层岩性,为非开挖扩孔阶段钻具选型、泥浆设计等提供了重要信息。 相似文献
10.
相对辐射校正是遥感变化检测中重要的预处理过程,伪不变地物(Pseudo-Invariant Features,PIF)是多时相影像中相对不变的地物,是相对辐射校正中的重要依据。针对高分遥感图像变化检测中相对辐射校正的要求,本文提出了一个自动提取和优化选择PIF的流程和方法:首先计算两期图像的亮度、光谱特征和空间特征的变化向量,然后对各变化向量的像元值从低到高进行排序,经多数投票后提取PIF,最后使用“迭代线性回归—去除异常值”方法选择获得最终PIF。以2016年11月27日和2017年7月18日的2期“北京二号”高空间分辨率多光谱影像为例,选择地物占比不同的两个实验区对流程和方法进行了验证,并与多元变化检测和迭代加权多元变化检测的PIF提取方法进行了比较。使用两期WorldView-2影像和Landsat-8 OLI影像对方法的适用性进行了验证。结果表明:① 2个实验区提取的PIF精度分别为98.74%和98.71%,PIF像元合理分布于未变化区域、包括了影像中主要的地物类型;② 使用本文方法提取的PIF建立的相对辐射校正模型具有显著的线性拟合效果(p<0.000 1);③ 本文方法考虑了图像亮度、光谱信息以及空间信息的差异,使用参数少,可操作性高;④ 与多元变化检测和迭代加权多元变化检测方法相比,本文方法提取的PIF更为合理,建立的辐射校正方程拟合效果更佳;⑤ 本文方法适用于具有相同波段设置的中、高空间分辨率光学遥感影像。 相似文献