基于背景场的地震亮温异常时空演变分析——以2014年新疆于田Ms7.3级地震为例

本文处理了新疆地区2010~2014年的FY-2E卫星热红外亮温数据,基于构建的亮温背景场资料,对2014年2月12日新疆于田Ms7.3级地震前地表红外亮温的时空分布和演变特征进行了分析。研究发现震前亮温异常主要呈条带状分布于塔里木盆地西南缘和东南缘地区,其位置和走向均与于田地震所处断裂带相吻合;异常出现在2014年1月27日(地震前16天),一直持续到2月2日(地震前10天),之后迅速消失;亮温异常十分明显,异常出现时亮温均值相比背景值增幅达8K～10K,异常值增幅可达20K以上。此次亮温异常现象在时空演变的各个方面均与于田地震具有很好的相关性,亮温背景场资料对于地震异常提取具有一定参考价值。     

文安地震前卫星热红外亮温变化

利用MODIS卫星热红外数据和静止卫星热红外遥感亮温资料,对2006年河北文安5.1级地震进行时间特征和空间特征两种异常分析方法。研究表明,地震前一个月左右,透热指数和异常比值同时出现高值异常,而地表的亮温增温异常区与未来发生的地震震中较为接近。     

3mm波段天空亮温的计算

依据建立的3mm波段晴空亮温理论模型,对晴空3mm天空亮温进行了理论和实验研究,提出了根据地面气候条件来求取天空亮温的简单实用方法．理论计算和实际测量结果的误差分析表明：3mm天空亮温的计算是正确的,用此计算值来进行金属目标辐射亮温估算是可行的,简化的理论算法完全满足工程应用的要求．     

基于ASTER影像的乌鲁木齐城区热岛空间格局研究

以乌鲁木齐市区为研究对象,利用ASTER热红外波段计算模式, 根据热红外图像的亮度值反演出乌鲁木齐市2005年8月的地面亮温,揭示城市热岛效应空间格局.通过对乌鲁木齐市区热岛效应分析,城区温度明显高于北部郊区,地面亮温的最高值集中于环河滩路及铁路沿线、城区北部、西部及南部工矿用地区域,而亮温的最低值主要集中在水域、城市绿地、林地及北部郊区农田等区域.     

基于遥感的上海城市热岛效应与植被的关系研究

选择2001年3月和7月上海地区的陆地卫星ETM+影像,利用ETM+热红外亮温计算模式将6波段影像灰度值转换成像元亮温,由此直接表征地表温度分布,对城市亮温热岛的空间分布特征、强度变化及其相关影响因素进行了概括.通过提取归一化植被指数(NDVI),并基于统计方法对不同下垫面类型的局域亮温和NDVI进行回归分析,一致证明亮温与植被水平呈明显负相关,且植被降低下垫面温度的效果夏季强于春季;对回归方程斜率的比较又揭示出植被对地面温度的影响受下垫面用地类型结构的制约;增加相同水平的植被,夏季白天降温程度在植被面积占优势的地区不及非植被或少植被区.建议应根据不同类型的下垫面环境进行针对性的植被规划.     

地球反照对月表亮温的影响：基于CE-1 MRM数据分析

嫦娥一号（CE—1）搭载的微波辐射计（MRM）获得了全月微波亮度温度（阳）数据,但其中包含的大量信息（例如地球反照等）尚未被挖掘．地球反照是影响月表夜晚阳的重要热源,也是研究全球气候变化的重要途径．根据月球同步自转的特点,本研究基于CE-1MRM数据初步提取了地球反照影响下的月球正面的澄海和低纬度带的高地地区的亮温信息．结果表明：澄海地区的亮温主要在1．0-1．6K之间,低纬度带的高地地区则在0．2—0．6K之间．     

利用GMS—5红外资料进行云的分类识别

利用GMS－5 3个红外通道（2个分裂窗区通道和1个水汽通道）的亮温资料，依据各种云不同的辐射特征对其进行分类，由此识别出积雨云（Cb）、浓积云（Cg）、卷云（Ci）、积云（Cu）、中云（Cm）、密云（Dense）等6种主要云类以及雾（Fog）和晴空区域。结合安徽寿县地面观测基准站1998年6、7月份的地面观测资料，对分类结果进行了检验，得到了较为令人满意的结果，准确率接近70％。     

气象卫星遥感信息数字化预测方法研究

利用GMS-5卫星遥感亮温（TBB）资料,按演化科学原理,对暴雨的发生、发展和消亡的过程物理学特征进行了数字化分析,并对武汉“98·7”暴雨进行了实例暴雨的细化预测,具有较强的实用性。     

利用Himawari-8卫星红外图像反演降雨

利用静止气象卫星Himawari-8的红外图像数据, 结合全球降雨测量计划的降水产品2AGPROFGMI, 通过将匹配的红外亮温和亮温差数据点与近地面雨强数据点一一对应, 使二者之间建立联系。利用静止气象卫星通道多的优点, 进一步建立多个以红外亮温(BT)、亮温差(BTD)以及近地面雨强为参数的二维和三维雨强查算表。通过反演试验, 找到能够较好地识别不同等级降雨强度的查算表, 其中三维查算表(BT10.4, BTD12.4-10.4, BTD6.2-7.3)对降雨事件表现出较高的检测概率(POD=0.8817)和较低的错判率(FAR=0.4042), 可以较好地判识降雨区域。     

GMS卫星红外云图云迹风的反演

GMS静止气象卫星探测所得到的红外云图资料,用计算机图象识别技术来反演云迹风。将整幅云图划分为若干个象素点数为32×32的小块,对每个小块进行目标物的分类运算。应用模式识别中区域聚类法即最近邻简单试探法和K-均值聚类算法来完成高云、中云、低云和地表的区分。云迹风的计算采用红外亮温交叉相关法,在设定的搜索区内通过计算相邻两个时次云图目标区与搜索区的红外亮温交叉相关系数,可以得到一个交叉相关系数匹配面。对匹配面上的主极大峰值和次极大峰值应用匹配面检测和连续性检测选出合适的峰值,进而得到云迹风矢量。云迹风的高度推算用选定目标云的红外亮温加权平均值与该季节气候统计温度垂直分布值相比较,推算出目标云为高云、中云或低云。     

一种改进的决策树分类方法在土地利用信息提取中的应用

选择昆明市作为研究区,以2011年LandsatTM影像为基础数据,通过分析研究区地形特征,提出把研究区进行分区并分别确定高程、坡度决策规则的改进型决策树分类方法,并结合分析的光谱特征规律,在决策分类中引进了比值型指数、NDVI值,构建基于光谱特征和地学辅助知识的决策树信息提取模型,最后对传统计算机自动监督分类方法与决策树信息提取模型方法解译的昆明市土地利用数据的精度进行评价。研究结果表明：基于改进的决策树分类方法进行遥感信息提取的昆明市土地利用数据的Kappa指数比传统监督分类方法提高了0．234,分类精度提高了17．03％;从各种地类类型的测试样本点平均正确率来看,改进的决策树分类方法比传统监督分类方法提高了21％,大大提高了LandsatTM遥感数据分类的精确度和可靠性。     

基于SVM的决策树多类分类器及在遥感图像中的应用

利用三种不同的聚类方法——利用类均值的最小距离聚类、利用类均值的最大距离聚类和利用最大间隔准则聚类,提出了三个基于SVM的决策树多类分类器.为了检验所提算法的有效性和先进性,对AVIRIS遥感图像进行了实验.实验结果表明,本文所提的三种算法明显好于最小距离分类法、线性判别分类法、决策树分类法、OAR-SVM和OAO-SVM.     

冕洞面积与绿日冕亮度间的一些统计关系

研究了冕洞面积与绿日冕高度在太阳活动２０，２１，２２周中的一些关系：１）冕洞总面积的最大值，最小值出现在绿日冕亮度差率为一些定值处；２）当冕洞总面积是最大或最小值时，绿日冕亮度减小为０．３１～０．６１相对强度单位或０．１０～０．１１相对强度单位。     

狮子关库区植物群落乔木层优势种及群落分类

对狮子关库区植物群落乔木层优势种及群落分类进行了研究，结果显示：库区乔木层优势种19种，包括常绿阔叶树7种、落叶阔叶树10种、针叶树2种。据此，库区有5个植被型17个群系34个群丛。     

克隆选择算法在遥感影像分类中的应用

 针对遥感影像分类中的局部极值、鲁棒性等问题,提出基于克隆选择算法的遥感影像监督分类方法。所提方法将遥感影像各波段亮度值定义为抗原的属性,通过计算遥感像元与抗体的亲和力识别其类别,并采用实数制方式对抗体进行变异,在保证亲和力上升的同时,也保证了系统的多样性。该算法应用于广州市遥感影像数据分类的实验结果显示：在抗体的进化过程中,抗体的亲和力和识别能力不断提高,最终的分类精度达到92.9%。与最大似然法相比,克隆选择算法的分类精度更高。     

从适地适树到适钙适树的理论与例证

适地适树是造林学理论与实践的基本原则。实现树种和立地“配对”即适地适树的传统方法是:首先对有林地目标造林树种的生长指标(通常是树高)和根据经验所选定的立地指标(通常包括气候、地形地貌、土壤、植被等)进行相关分析; 然后根据相关结果选定主要立地指标,并依据这些指标对有林和无林地的立地质量进行分类; 最后划分该树种的最适宜、较适宜、一般适宜和不适宜生长的立地类型,以用于指导造林生产活动。但基于经验和相关分析对立地质量进行评价的方法中存在其立地指标因人、因地和因树的改变而无法重复的缺陷。为此,提出以土壤钙的供应潜力作为立地质量的统一指标,以树种最大生长对钙的需求作为树种的生物学特性指标,当树种最大生长的钙需求与立地钙供应潜力相吻合时,树种与立地则满足适地适树原则。依此原理,以辽东栎(Quercus liaotungensis Koidz)为例,建立了基于钙供给与需求平衡的理论数学模型。运用该模型计算造林树种的理论生长指数,通过理论生长指数与最大实际生长量的比值得到适钙适树指数。通过对适钙适树指数与实际生长量进行相关分析验证了适钙适树理论模型的可预测性和真实性。结果表明,用土壤钙供应潜力作为立地质量评价指标可以很好地在造林生产活动中贯彻适地适树原则。适地适树的本质即为适钙适树。     

决策树学习方法应用于生境景观分类

遥感影像分类是进行景观生态学研究以及区域景观规划的基础工作,是获取环境资源与信息的主要手段。研究选取秦岭南坡地区100km2范围为实验区域,综合遥感影像、数字高程模型等空间数据,利用C5.0决策树学习算法从750个实地调查样点中自动提取分类知识、建立规则库并实现计算机自动景观分类;同时分析根据不同数量样点得到的决策树规则以及决策树分类精度变化的趋势。分析结果表明,在样点信息充分的条件下,利用决策树学习方法能够实现高景观分类精度;随着样点数量的增加,分类精度也随之提高,该研究中景观分类精度最高达到79.0%。     

基于决策树的入侵检测的实现

决策树是分类的常用方法.文章针对一个局域网上模拟的入侵检测问题,描述了对利用决策树方法学习的一种优化实现.并且对怎样处理缺失数据、连续属性的离散化、怎样剪枝以及分类法的准确率评估及提高等关键技术进行了研究.实验证明,该方法可为入侵检测系统生成有效的决策树.     

基于权重搜索树改进K近邻的高维分类算法

信息采集技术日益发展导致的高维、大规模数据,给数据挖掘带来了巨大挑战,针对K近邻分类算法在高维数据分类中存在效率低、时间成本高的问题,提出基于权重搜索树改进K近邻(K-nearest neighbor algorithm based on weight search tree,KNN-WST)的高维分类算法,该算法根据特征属性权重的大小,选取部分属性作为结点构建搜索树,通过搜索树将数据集划分为不同的矩阵区域,未知样本需查找搜索树获得最"相似"矩阵区域,仅与矩阵区域中的数据距离度量,从而降低数据规模,以减少时间复杂度.并研究和讨论最适合高维数据距离度量的闵式距离.6个标准高维数据仿真实验表明,KNN-WST算法对比K近邻分类算法、决策树和支持向量机(support vector machine,SVM)算法,分类时间显著减少,同时分类准确率也优于其他算法,具有更好的性能,有望为解决高维数据相关问题提供一定参考.