黄河源永曲河流域地表温度与土地覆盖的时空变化特征分析

为明确黄河源地区地表温度变化特征及其影响因素,以永曲河流域为例,利用2008年、2020年landsat数据,通过辐射传输法反演地表温度,分析地表温度的时空变化特征及其与土地覆盖类型、地形因子和归一化植被指数之间的相互关系。研究结果表明：(1)2008~2020年,永曲河流域地表平均温度由24.330℃上升至24.592 ;(2)地表温度具有显著的地形分异特征,与海拔高度呈现负相关关系,高海拔地区尤为显著。地表温度随坡度增加而降低,按平缓坡、阳坡、半阳坡,半阴坡、阴坡的顺序,地表温度逐渐降低;(3)不同土地覆盖类型的地表温度差异较明显,草地的地表温度较高,小灌木丛较低,平均地表温度相差4.688 ;(4)地表温度与NDVI呈正相关关系,且自西向东相关性逐渐增强。     

基于相位一致性和字符纹理特征的车牌定位算法

针对在光照变化和光线不足环境下车牌定位困难的问题, 将相位一致性应用于车牌定位, 提出了基于相位一致性和字符纹理特征的车牌检测算法。利用相位一致性不受亮度和对比度变化影响的特点, 提取图像边缘信息; 在获得的图像相位一致性边缘上, 扫描车牌图像。将扫描区域垂直投影为一维信号, 并利用小波多分辨率的特性滤除噪声的干扰, 再根据车牌中的字符纹理的统计量特征进行车牌提取。实验表明, 该算法在光照变化和光线不足的环境下, 能获得96%的车牌识别准确率。     

基于无人机与机器学习的黄河源高寒草地植被覆盖度反演技术

针对高原高寒地区大面积草地植被覆盖度调查与实验过程中地面测量效率低下,遥感数据质量不佳、数量源受限与反演结果不确定等问题,在黄河源地区利用低空无人机(unmanned aerial vehicle, UAV)遥感技术、统计建模与机器学习方法,开展基于可见光影像的高寒草地植被覆盖度反演与验证。结果表明:基于可见光构建的过绿指数与植被覆盖度的相关系数达0.676,比归一化差异指数高出近5.2%,具有较高的可靠性;利用过绿指数建立的高寒草地植被覆盖度统计模型中,对数模型和Gamma模型精度较高,但具有显著的地域差异性;直接利用低空无人机遥感波段值建立的机器学习模型精度显著优于各个统计模型,获得的均方根误差、估算精度、相对偏差和决定系数比统计模型中表现最优的对数模型分别提高2.68%、3.75%、7.35%和13.91%,且无需计算植被指数,在成本、效率和精度等方面具有较大的优势。