基于空地协同采样的植被覆盖度随机森林估算方法

基于无人机高光谱影像, 建立地形复杂地区植被覆盖度的非参数随机森林回归估算模型。为获得构建随机森林模型所需的足够数量的训练样本, 利用低空无人机搭载的光学相机, 在从地面难以到达的山地、水域和植被茂密区, 通过垂直拍摄获得厘米分辨率的航拍影像, 作为对地面样方采样的补充。首先计算地面数码相机照片和无人机可见光影像的红绿蓝植被指数(red-green-blue vegetation index, RGBVI), 然后使用大津分割法提取样方的植被覆盖信息, 得到构建模型所需的训练样本。在此基础上, 基于2018年8月16—18日在内蒙古自治区察右中旗油娄沟矿区获取的GaiaSky-mini2无人机高光谱影像数据, 利用递归特征消除算法优选参与随机森林回归的特征变量集, 利用空地协同获取的训练样本构建植被覆盖度的随机森林回归估算模型。该模型在测试集上的确定系数R2为0.923, 均方根误差为0.087, 优于常用的像元二分模型, 可用于矿区植被动态信息的精细化监测。     

基于“认知-情感”模型的入境旅游目的地形象感知时空分异研究——以上海市为例

入境旅游目的地形象是入境旅游者做出旅游决策的重要依据,其时空分异规律对旅游目的地的精细化管理具有重要意义,研究采用计算机深度学习技术解读旅游图片,根据“认知-情感”模型从图片中获取入境旅游目的地认知形象和情感形象,再借助GIS对旅游目的地形象进行时空分析,从而深入探究入境旅游目的地形象感知的时空分异状况。研究结果表明:(1)入境旅游者的认知结构会随着年份变化而改变,季节变化对其影响较小。(2)自然景观与物质文化是入境旅游者最关注的内容,且这两类认知在空间格局上高度趋同。(3)上海市整体情感形象表现为正面形象,负面情感在旅游旺季时易出现。(4)在上海市旅游旺季期间,旅游者正面情感形象的地理集中程度最高,负面情感形象地理集中程度最低。最后对上海市入境旅游目的地优化提出建议。