基于特征组合的黄河源园区土地覆被分类

为了解黄河源园区地物分布格局,本文以黄河源园区为研究对象,利用Landsat 8 OLI影像获取其光谱、植被、水体和纹理特征,采用Relief F算法对所有特征进行重要性排序,选出前8个特征作为优选特征;基于随机森林(RF)方法研究不同特征组合对分类结果的影响,为评估RF方法的效果,对优选特征组合,采用决策树、K近邻、感知机和支持向量机方法与RF方法进行对比;最后综合所有特征完成黄河源园区土地覆被分类。结果表明:(1)综合利用光谱、植被、水体和纹理特征,可以有效提高分类精度;(2)利用Relief F算法,可快速遴选出有效特征,大幅缩短模型运行时间;(3)相对于其他4种分类方法,随机森林的分类精度最高;(4)黄河源园区地物类型以中低覆盖度草地为主。

基于SMOS数据的三江源土壤水分时空变化

基于SMOS卫星和GNSS-MET地面土壤水分监测数据,采用皮尔逊相关、滑动平均、反距离权重法等方法,评估SMOS土壤水分数据在三江源地区的适用性,分析土壤水分的变化特征及其影响因素。结果表明:(1)SMOS土壤水分数据能反应研究区(4月-10月)基本规律,其值略低于地面实测值;(2)SMOS卫星升轨土壤水分值大于降轨土壤水分值,6月-8月SMOS土壤水分值高于其它月份;土壤水分季节性差异明显,夏季显著高于春季;(3)三江源区土壤水分空间分布差异较大,空间格局明显,总体上澜沧江源区相对湿润,长江源区相对干旱。