基于自适应标注样本的高分辨率影像道路提取

针对现有道路提取算法中难以大规模人工标注样本类别标签的问题,提出了一种基于自适应标注样本提取遥感影像道路的方法。首先,通过改进的模糊C均值聚类算法提取道路区域,进行初步的样本标注;其次,利用基于二次投票的集成去噪算法定位标签噪声样本,更新样本数据集;再次,将更新后的样本集投入随机森林训练并预测影像的分类结果;最后,对道路提取结果进行多方向形态学滤波去除非道路区域,得到精确的道路提取结果。通过不同分辨率、不同场景、不同方法的实验结果表明,所提方法可以自主选择并标注样本,相比传统算法具有较高的提取精度,对于高分辨率遥感影像中直线型、曲线型道路均有较好的道路提取效果。     

春玉米物候期及熟性空间分异的遥感分析

粮食主产区作物布局、农作物物候是实现农业种植制度优化、农业信息化和机械化的重要基础,是应对气候变化决策的科学依据。结合内蒙古赤峰市实地调查数据和Landsat 8影像,基于生长季中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer, MODIS)遥感影像构建的植被指数(normalized difference vegetation index, NDVI)时间序列数据集,采用Savitzky-Golay(S-G)滤波和4次多项式对NDVI时间序列进行重构拟合,反演了春玉米种植区的空间分布。利用动态振幅阈值法、拐点法和最大值法确定了春玉米物候期(出苗期、拔节期、抽雄期和成熟期),并计算春玉米生育期、分析品种熟性;通过时空分析,系统地研究了农业生产实际中春玉米物候期及品种熟性的空间分异。研究表明,春玉米种植区的空间分布提取精度达85%以上;2018—2019年春玉米出苗期、拔节期、抽雄期和成熟期分别出现在5月8—27日、5月29日—6月11日、7月21日—8月10日和9月11日—10月1日,物候期随纬度增加而延迟;春玉米种植品种以...     

草原植被遥感监测方法研究进展

在回顾我国草原植被遥感监测方法的基础上,重点介绍目前农业部在草原植被遥感监测中所使用的方法及其局限性。提出我国草原植被遥感监测今后应关注和解决的重点问题,指出草原植被遥感监测方法的研究重点应集中在提高草原植被遥感监测的精度和方法标准化上,并建议应加强我国草原遥感监测和信息化管理平台的建设。     

高校图书馆进行远程信息素质教育的探讨

分析了信息素质与远程教育之间的关系,阐述了高校图书馆从事远程信息素质教育方面的优势,并提出了高校图书馆实施远程信息教育的3种方式。     

植被高光谱遥感分类方法研究

结合具体的OMISI高光谱遥感数据,对各种常用植被高光谱遥感分类方法进行分类训练,通过比较分类性能,得到各种方法在植被高光谱分类中的若干应用规律和分类过程中选择最优分类方法的一些技巧。在此基础上,提出将传统分类方法与基于光谱特征匹配的分类方法相结合对高光谱图像进行分类的方法。     

远程监控管理技术在微机房管理中的应用

利用远程监控管理技术对计算机机房内的机器设备进行管理,可以有效降低机房管理工作中的人力开支,提高管理工作的自动化程度.提出了将现有远程监控系统应用在机房管理工作中的设计思想,并对具体实现作了详细的阐述.     

基于Web Services的远程数据传送的研究与实现

分析了基于Web Services的远程数据传送技术,将它和多层体系构架Sping.Net结合,这样结合的优点是服务器端不需要创建Web Services文件,客户端也不需要手工创建代理类,将有Sping.Net容器来动态生成。此开发模式可以提高系统的开发效率,通过创建一个药品监督管理系统的数据传送子模块来说明这个新开发模式的优越性。     

基于嵌入式系统的电机远程监测系统的实现

针对电机系统这一关键设备的远程网络监测,提出了在ARM处理器(主机)上运行嵌入TCP/IP协议的μC/OS-II系统,远程监控PC(客户机)运行LabVIEW虚拟仪器的网络监测方案。网络连接现场主机(ARM网络节点)和远程PC客户机,在远程客户机上运行LabVIEW编写的监测程序,用信号发生器模拟电机的电流、速度信号,远程PC客户机上的虚拟示波器较好地复现了现场主机采集到的信号波形。     

利用logistic模型对MODIS数据进行湿地提取

MODIS是近年来较常用于宏观土地利用/土地覆盖的一种遥感数据来源。为了克服MODIS空间分辨率的限制,在建立提取模型的时候使用了多期遥感数据,并且加入了地形辅助数据。Logistic模型是一种非线性的回归分析模型,它通常是用于预测和判定未知单元的类别属性。先划出训练样区,计算出湿地分布与各因子之间的关系式,进而得到湿地分布概率图,选取一定的阈值(0.5),最终提取出湿地。研究结果显示,Logistic模型用于遥感分类,分类精度高于最大似然法。另外,加入了地形因子(dem,slope,tpi)后,分类精度得到明显的提高。     

玉米地上鲜生物量的高光谱遥感估算模型研究

以ASDFieldSpec光谱仪实测了不同生长季大田玉米的冠层高光谱与作物的地上鲜生物量,采用单变量非线性拟合模型和线性逐步回归以及神经网络技术,建立了玉米地上鲜生物量高光谱遥感估算模型,并对模型的估算结果进行了初步分析。分析结果表明,绿光波段反射峰区、红光波段以及红边区的单波段反射率与作物的地上鲜生物量相关性较大,而其他波段与作物的鲜生物量相关性相对较差;多波段逐步回归方式构造的统计遥感模型预测效果相对理想,而通过神经网络方式建立的遥感估算模型结果最为理想,能够准确预测玉米的地上鲜生物量。图3,表1,参7。