基于MaxEnt模型的重庆市茎瘤芥气候适宜性区划

利用最大熵模型(MaxEnt)和ArcGIS等方法,选择重庆市47个茎瘤芥实际种植点和20个环境影响因子,结合CMIP6的未来3种气候情景数据,预估2050s(2041-2060年)和2070s(2061-2080年)重庆市茎瘤芥的气候适宜区域,为重庆市茎瘤芥种植的规划布局提供科学参考。结果表明:MaxEnt模型对重庆市茎瘤芥的气候适宜性模拟效果较优,最湿月降水量(贡献率26.7%)、年平均降水量(22.3%)、海拔(19.6%)、最冷季平均温度(8.9%)、年平均温度(6.3%)和气温年较差(4.5%)为影响重庆市茎瘤芥种植区的6个主导因子,累计贡献率高达88.3%。各主导因子阈值分别为178~185mm、1170~1225mm、100~380m、7.8~9.0℃、17.5~18.6℃和27.6~28.6℃。1970-2000年当前气候下,重庆市茎瘤芥适宜区占总面积11.6%,其中高适宜区面积为1422km2,占总面积的1.7%,以涪陵、丰都、忠县为主。SSP1-2.6、SSP2-4.5和SSP5-8.5气候情景下,21世纪50年代茎瘤芥适宜区面积占比分别为11.0%、11.4%和11.2%,70年代茎瘤芥高适宜区面积占比为10.8%、10.6%和9.6%。未来气候变化对茎瘤芥生长发育不利,为减少不利影响,应选择适宜区域种植。

双偏振天气雷达水凝物识别研究

对双偏振天气雷达回波的水凝物分类,是利用降水粒子对极化电磁波的散射特性对水凝物相态进行识别的过程。不同相态降水粒子由于在形状、大小和空间取向等方面存在差异,对一定极化状态的电磁波会产生不同的散射特性,导致与这些特性密切相关的雷达偏振参量也各不相同,综合利用这些偏振参量,可以有效地识别出各种水凝物的相态。提出一种利用深度学习和模糊逻辑算法进行联合判别的水凝物相态识别方法:首先,采用深度学习算法对降水粒子所对应的雷达回波产品数据进行特征提取,并利用Softmax分类器对提取到的特征进行分类,实现降水粒子所对应降水模式的识别;其次,在已知降水模式的情况下,利用模糊逻辑算法,实现对降水粒子类型的最优判别;最后,结合其他雷达产品对分类结果进行分析与比较,发现两者能够达到极好的吻合。这种采用深度学习方法对降水粒子进行初次聚类,再利用模糊逻辑算法实现精确聚类的方法,大大提高了水凝物识别的准确性。

基于支撑向量机和超像素的极化SAR图像分类

针对极化SAR图像的分类方法多集中在像素级,这些方法不仅运算量大,而且分类效果较差,提出一种利用支撑向量机和超像素分割相结合的方法对极化合成孔径雷达(PolSAR)系统图像分类。首先,利用SLIC算法对Pauli分解后的极化SAR图像进行超像素分割。然后,利用预处理后的数据得到高维的极化特征空间,并利用监督局部线性嵌入(SLLE)算法对高维极化特征进行降维,减少特征空间的冗余信息,提取主要信息。最后,以超像素为处理单元,获得每个超像素内的特征,利用支撑向量机(SVM)对超像素块进行分类,获得初始类别分类结果,之后,使用Wishart分类器再次分类。实验结果表明所提的方法较基于像素点分类的方法能够得到更好的分类效果。

基于超像素和信息论的SAR图像目标检测研究

针对传统的恒虚警率(CFAR)检测算法的不足,提出新的基于超像素和信息论的SAR图像目标检测方法。首先利用改进的SLIC超像素生成算法将SAR图像分割成超像素块,然后计算各超像素块自信息值并选出候选超像素块,最后用邻域加权信息熵剔除法滤除虚警超像素块,最终得到目标检测结果。同时与两种基于杂波统计模型的CFAR检测算法的检测效果进行对比,结果表明所提检测算法对SAR目标有较高的检测准确度,且目标物原有形态能得到很好的保留。