基于TM影像的半干旱区土地利用信息提取——以山西省定襄县为例

为了更准确提取半干旱区的土地利用信息,以山西省定襄县为研究区,利用Landsat TM影像,在主成分分析(PCA)的基础上,结合归一化植被指数(NDVI)和纹理信息,构建支持向量机(SVM)分类模型,提取研究区的土地利用信息。结果表明:与最大似然法和单纯依靠纹理特征SVM分类方法相比较,基于NDVI和纹理特征的SVM分类法的分类精度有了显著提高,分类总精度达到了84.50%,Kappa系数为0.8113。研究表明,该方法对半干旱区的土地利用信息提取较为理想。

基于GIS主成分聚类分析的山西省县域经济差异研究

山西省作为我国重要的能源化工基地,分析其县域经济发展差异,对促进区域经济协调发展有重大的意义。该文以山西省县域为研究对象,选取反映县域经济差异的15个指标,以2001～2007年份为研究时间截面,采用主成分聚类分析与GIS相结合的方法,对县域经济发展差异进行分析。结果表明:山西省107个县域单元可以分为五类:发达型、较发达型、中等型、落后型、较落后型;2001年至2007年山西省县域经济有了较快的发展,经济差异在逐步缩小。在研究截面里,全省多年人均GDP也有较大的增长趋势,贫富差异缩小。

SPOT5遥感影像土地利用信息提取方法研究

【目的】探讨高分辨率遥感影像土地利用信息提取方法的优劣,为研究土地利用/覆盖动态变化提供参考。【方法】以结合纹理特征的支持向量机(Support vector machine,SVM)分类和多尺度分割的面向对象分类为主要技术,对陕西佛坪长角坝乡遥感影像的土地利用信息进行提取,并将分类结果与基于传统像元的最大似然法分类结果进行比较分析。【结果】面向对象分类法的总精度达到90.67%,较结合纹理特征的SVM法提高了8.34%,而与最大似然分类法相比提高了近20.32%,克服了其他分类方法存在的同谱异物现象及分类结果中地物破碎等缺点,取得了较好的分类结果。【结论】利用面向对象分类法不仅达到了提取土地利用信息的目的,而且精度高、速度快。

以新发展理念引领高素质人才发展

党的二十大报告指出:“培养造就大批德才兼备的高素质人才,是国家和民族长远发展大计”,我国进入实现第二个百年奋斗目标的关键时刻,做好高素质人才培养工作,对实现中国式现代化责任重大、意义深远。新一轮科技革命的开展,人才资源成为取得竞争优势的关键因素,综合国力竞争就是“高素质人才”资源的竞争。进入新时代以来,我国人才强国战略进入发展攻坚期、加速期、冲刺期,要“深入实施人才强国战略,加快建设世界重要人才中心和创新高地”,就要求全党全国必须以着眼于新发展阶段、秉持新发展理念、明确高素质人才培养为重点任务,以中国式现代化全面推进中华民族伟大复兴的“中国梦”。

基于BP神经网络的遥感影像分类研究

BP神经网络具有收敛速度快和自学习、自适应功能强的特点,能最大限度地利用样本集的先验知识,自动提取合理的模型。本文采用Landsat TM遥感图像作为数据源,以山西省定襄县为研究区,通过主成分分析方法来压缩输入数据,并结合NDVI和纹理特征来建立BP神经网络的土地利用分类模型,将分类结果与基于光谱单元信息的神经网络分类和基于纹理特征的神经网络分类结果进行定性和定量比较分析。结果表明:该方法总精度达到了80.50%,分别比基于光谱单元信息的神经网络分类和基于纹理特征的神经网络分类提高了18.89%和6.23%,能够有效地解决地物光谱混淆、分类精度不高等问题。

SVM多窗口纹理土地利用信息提取技术

针对单一窗口纹理分类时地物破碎,分类精度不高等问题,提出了一种基于支持向量机多窗口纹理的遥感图像分类方法。该方法在对SPOT5遥感影像进行纹理特征提取的基础上,构建了结合多窗口纹理的SVM模型。以陕西省佛坪县长角坝乡为试验区,利用此模型对该区域的土地利用类型进行分类研究,并将分类结果与单一窗口纹理SVM分类和单元数据(光谱)SVM分类结果进行了比较分析。结果表明:多窗口纹理参与的土地利用分类总精度达到85.33%,比单一窗口纹理分类提高了13.11%,而与单元数据SVM分类相比提高了近24.10%,取得了较好的分类效果,有效地解决了单一窗口纹理分类时地物破碎、分类精度不高等问题。