基于GF-1数据的耕地土壤镉(Cd)含量遥感估算方法

本文采用多种光谱变换和回归分析方法探索了使用GF-1卫星影像监测耕地土壤镉(Cd)含量的可行性。首先针对获取的GF-1原始影像数据,在完成预处理及剔除植被信息后进行倒对数、平方根和反正弦平方根变换,生成4套光谱影像;然后分别用采样点5 m缓冲区内各套影像光谱统计值与Cd含量进行相关性分析和多种回归分析。选择模型决定系数最高(>95%)的反正弦平方根变换后的自适应重加权回归方法构建的线性回归模型作为遥感估算模型。遥感估算结果在稻田积水、边缘地带等出现了异常估算值;笔者分析原因后应用线性插值的方法得到最终估算结果。相关性分析和建模精度表明该方法是可行的,有望应用于实际土壤质量监测和土地管理中。

悬索桥锚碇隧道爆破开挖的围岩累积振动效应研究

结合矮寨悬索桥锚碇隧道的爆破施工,通过围岩的声波测试得到围岩损伤度和松动圈范围在不同等级的爆破冲击荷载作用下的发育规律,探讨围岩累积损伤程度和振动速度之间的对应关系,以及引起岩体损伤度累计效应的阈值,较为完整地描述了爆破冲击荷载作用下围岩损伤度和松动圈的发展过程。在此基础上得出合理的爆破振动速度的控制指标。结果表明:锚碇隧道的爆破施工不但要控制单次爆破对围岩的扰动,更重要的是,应考虑围岩在频繁的近距离爆破作用下产生的累计振动效应并加以控制。爆破振动速度控制在3～6cm/s时,最大围岩松动圈厚度约为2.3m,围岩平均损伤度约为0.15。当测点处围岩的振动速度小于2cm/s时,围岩的损伤度积累不明显,可视为爆破振动累积损伤阈值。

基于BP神经网络的土地开发整理区土壤有机质含量遥感定量反演

利用BP神经网络和主成分分析法,结合SPOT-5遥感数据对土地开发整理区土壤有机质含量进行定量反演.试验采集了29个土壤样品并进行野外光谱测量,29个土样分为20个预测集和9个验证集,通过主成分分析对光谱信息进行变量转换,建立土壤有机质的BP神经网络预测模型,预测精度高达0.95.与土地开发整理前相比,土地开发整理后土壤有机质含量明显增加,土壤肥力提高而且分布均匀,土地平整效果显著,该方法对土地开发整理土壤质量验收工作具有重要的理论意义和实用价值.

基于鸟群优化BP神经网络的滑坡处治后变形预测

滑坡变形程度是判断处治后滑坡是否稳定的关键评价指标,开展处治后滑坡变形预测可提前掌握滑坡稳定性情况,有利于滑坡失稳风险分析,便于开展地质灾害防灾减灾工作。为了准确预测处治后滑坡变形情况,本文提出了一种采用鸟群算法(BSA)优化BP神经网络的滑坡变形预测方法,借助BSA-BP神经网络构建了广西某高速公路滑坡变形预测模型,对比分析了BSA-BP神经网络与BP神经网络的预测结果。结果表明,BSA-BP神经网络预测结果的均方误差和相关系数分别为0.0534和0.9976,BP神经网络预测结果的均方误差和相关系数分别为2.2256和0.968,鸟群算法可有效提高BP神经网络模型的预测精度,能有效应用于处治后滑坡变形预测,研究结果可为处治后滑坡失稳风险预测提供参考。

探地雷达在高等级公路工程质量无损检测中的应用研究

研究了探地雷达进行高等级公路质量无损检测的原理 ,对基层含水量、相对介电常数、基层的压实度、刚性路面脱空识别等公路工程质量问题进行分析和讨论 ,给出应用实例 。

非等时距灰色预测模型在连拱隧道监测中的应用

针对对门坡连拱隧道采用中导洞上下台阶法施工过程中隧道洞内变形的现场监测信息,采用非等距灰色预测模型对连拱隧道施工过程中隧道围岩的变形趋势进行了预测,并将预测结果与由指数模型和双曲线模型得到的结果进行了对比分析。分析结果和工程实践表明,其预测结果精度高,更接近于实测值,能很好地反映连拱隧道围岩的变形规律。

水稻冠层与土壤高光谱反演土壤重金属对比研究

针对土壤高光谱与水稻冠层高光谱反演多种土壤重金属含量精度差异较大的问题,探讨2种光谱反演土壤重金属适应性。通过对水稻冠层光谱与其土壤光谱的光谱指标变换,进行对比分析,在此基础上研究多元逐步回归、偏最小二乘回归在不同光谱指标下反演土壤重金属(Fe、Zn、Cu、Pb、Cd)的含量。结果表明,红光、近红外波段为土壤重金属含量敏感波段;水稻冠层波谱反演Fe、Zn、Pb、Cd含量的精度高于土壤波谱的反演精度;土壤波谱反演Cu含量的精度高于水稻冠层波谱反演精度。

灰色模型结合神经网络预测高速公路路基沉降

为了提高高速公路路基沉降的预测精度,考虑到神经网络强大的非线性映射功能,提出了"灰色模型+神经网络"对高速公路路基沉降进行预测分析的组合方法。以湖南省某高速公路路基沉降多个断面实测数据构建灰色GM(1,1)预测模型,在采用构建的灰色模型预测出相应结果的基础上,运用神经网络对预测结果做误差补偿。研究结果表明,采用实测数据拟合的灰色模型预测值的最大相对误差与运用神经网络对预测结果做误差补偿之后的优化预测值的最大相对误差分别为19.193%和0.865%,用神经网络对灰色模型预测结果做误差补偿之后的优化预测值与实测值更接近。

超限学习机在高速公路路基沉降预测中的应用

为了探索超限学习机在路基沉降预测应用中的潜力和优势,以湖南省某高速公路为研究对象,通过超限学习机算法对路基多个断面的实测沉降数据进行了预测建模,并与BP神经网络和支持向量机进行了对比分析。研究结果表明,采用超限学习机对K4+300断面和K20+840断面的预测值的最大相对误差分别为0.199%和0.176%,精度明显优于BP神经网络和支持向量机。故超限学习机能够对路基沉降做出较为科学、合理的预测。

基于FLAASH与QUAC模型的SPOT 5影像大气校正比较

卫星遥感影像的大气校正是定量遥感研究的前提与难点之一,大气校正有多种方法和模型。采用FLAASH与QUAC模型对覆盖长株潭地区的SPOT 5遥感影像进行大气校正,进而对校正前后的影像进行视觉、地物光谱曲线对比分析。结果表明,两种模型有其特定的适用范围,均能基本消除大气的影响,能较好地恢复各类地物光谱的典型特征;采用FLAASH模型的精度较QUAC模型的精度高;应用QUAC模型较FLAASH简便,它对输入参数和仪器标定精度的依赖性小。

基于小波神经网络组合模型的高填方路基沉降预测

利用小波变换良好的时频局域化性质和神经网络的自学习功能,结合S型成长曲线模型,建立了基于小波神经网络的高速公路高填方路基沉降预测模型,该模型的应用避免了计算过程中各种人为因素的影响.通过对汝（城）郴（州）高速公路K59＋375~K59＋445高路堤沉降现场监测数据的学习、预测与检验,并与S型成长曲线模型和BP神经网络的预测结果相比较,结果表明,组合模型的预测精度高,与实际情况相吻合.

模拟多光谱的土壤重金属含量反演研究初探

根据多光谱传感器的光谱响应函数,采用实测ISI921VF反射光谱数据模拟Landsat卫星ETM+传感器多光谱数据,在模拟光谱的基础上,通过光谱特征提取、构建土壤指数对土壤重金属Cu,Pb,As进行预测分析。研究显示,Cu,Pb与模拟ETM+光谱的B2,B3波段显著相关,As与DSI,RSI,NDSI相关系数在0.6以上,基于模拟多光谱建立的Cu,As模型精度较高,平均相对误差分别为7.9%,2.7%,表明模拟的Landsat卫星ETM+传感器多光谱具有预测耕地土壤重金属的潜力,为实现大范围监测土壤重金属污染提供新思路。

土地复垦工程的遥感评价

现阶段,我国土地复垦及其评价工作越来越受到重视。结合课题研究工作介绍了土地开发整理遥感评价方法。通过实验区域的选取、实验区相关实地数据的收集、遥感影像选择、试验区遥感影像的处理和解译、影像信息分类等研究工作,提取了土地复垦开发整理项目的工程量指标,建立了土地复垦项目的工程量评价体系,分析提取的成果与实地数据一致,证明遥感评价方法有效可行。

水稻冠层光谱变化特征的土壤重金属全量反演研究

通过水稻冠层光谱变化特征可直接或者间接反映耕地重金属污染状况。研究在光谱分析的基础上,采用植被指数(包括NDVI、DVI、SR、VOG、mSR705、SIPI)和相关分析相结合的方法提取与土壤中Cd、Pb、Zn相关的水稻冠层光谱敏感参数,通过最小二乘拟合建立土壤重金属全量反演模型。结果显示Cd、Pb与大部分植被指数存在显著负相关,基于NDVI(R1000,R670)的二次拟合模型能够有效地预测Cd全量,Pb估算模型以基于DVI(R1030-R670)的线性模型为最佳,表明重金属污染下的水稻冠层光谱变化特征能够获取土壤重金属含量信息,可监测耕地土壤重金属污染状况。

基于广义夹角的遥感图象计算机分类方法

通过研究遥感 ( RS)图象的物理基础 ,分析了传统分类方法的弊端 ,指出基于广义夹角的计算机分类方法 ( SAM法 )较适合地物光谱的形状特征 ,进而对 SAM法进行研究 ,并提出了改进方法和实施步骤 ,给出了分析比较试验实例 。

基于遥感技术的土地复垦工程量评价研究

随着全国范围内土地复垦工作的广泛开展,对于土地复垦项目的评价变得越来越重要。通过选取实验区域,获取实验区的相关实地数据及遥感影像,研究处理和解译实验区遥感影像,对影像进行分类处理,提取了土地复垦项目的工程量指标,并对其进行精度分析,建立了土地复垦项目的工程量评价体系,结果与实地数据一致,说明遥感评价方法具有实际可行性。

高速公路隧道口滑坡体稳定性监测最优变权组合模型

以湖南省某在建高速公路隧道口滑坡体稳定性监测数据为基础,采用经典GM(1,1)模型、Logistic模型和三次指数平滑模型3种单一模型进行变权组合。构建隧道口滑坡体变形的变权组合优化模型,并将组合模型预测结果与单一模型进行对比分析。研究结果表明,变权组合优化模型的预测精度高于单一模型,预测值和实测值更为吻合,能更好地预测滑坡体水平位移变形。

融合增强型模糊聚类遗传算法与ISODATA算法的遥感影像分类

针对ISODATA算法预设参数较多,其聚类中心与最优迭代数目很难预先准确设定,且在聚类时没有将影像自身特点充分考虑,对个体适应度函数重视不够的问题,本文提出一种融合增强型模糊聚类GA与ISODATA的聚类方法,对聚类原型矩阵进行编码,构造隶属度矩阵,解求个体适应度函数值,在影像特征空间中搜索得到样本全局收敛极值点。通过试验证明,该方法能避开随机初选值的敏感问题,避免聚类过程的随机性,使分类结果与实际情况更为接近,该算法精度优于传统的ISODATA算法与模糊聚类GA算法,提高了分类的精度,整体效果较好。

山区高速公路高边坡变形监测模型

结合高速公路实际边坡变形监测工作的情况,采用经典灰度模型和分形理论,改进了变维分形模型,对边坡沉降变形进行模拟预测,以得到预测精度更高的预测模型。研究结果表明,在本项目中,改进的变维分形的预测精度最高,灰度模型次之,常维分形预测最差。

路域植被覆盖度时空变化遥感定量反演

通过对路域植被覆盖度反演及其时空变化特征分析,可再现公路建设和运营对路域两侧生态环境的干扰过程和强度,反映路域生态环境质量。以京港澳高速(G4)长潭段为研究区,建立路域植被覆盖度遥感定量模型及主成分分析模型,分析路域植被覆盖度的动态变化空间格局及其变异性,并寻求其主要驱动因子。结果表明,影响路域植被时空格局的主要驱动力因子是公路运营带来的经济因素,环境因素次之,与地区实际经济发展情况吻合。