幼儿园电气设计注意要点与探讨

根据幼儿园的特殊性,参照相关国家规范标准及本人相关工程经验,重点分析幼儿园在照明设计的灯具选择的注意要点,并根据相关规范列出关于供配电、周边防护、消防安全一些特殊注意设计要点,以供参考。

融合机载LiDAR和高光谱影像的土地利用分类

高光谱影像具有丰富的波谱和纹理信息,机载LiDAR点云数据包含了地物高密度、高精度的三维信息。分别从两种数据中提取地物的光谱特征、纹理特征和高度特征,并进行不同的特征组合,然后采用随机森林分类器进行地物分类实验。结果表明,机载LiDAR点云和高光谱数据在地物分类方面具有很强的信息互补性;融合了LiDAR高度特征的总体分类精度和Kappa系数均优于仅使用高光谱影像,其中“PCA+NDVI+GLCM+CHM”的特征组合总体分类精度和Kappa系数最高,分别为85.96%和0.81;与未加入LiDAR特征的组合相比,总体分类精度提高了5.33%。

基于无人机LiDAR的单木生物量估测

单木生物量是遥感反演大尺度森林生物量的基础,为提高森林单木生物量估测精度和效率,利用无人机LiDAR点云精确估算桉树、马尾松的单木生物量。首先通过优化算法,提取树高和冠幅,然后采用改进的凸包算法计算树冠面积与体积,把单木结构参数引入CAR模型,构建单木生物量估测模型,并与线性模型进行比较。结果表明:桉树样地树高、冠幅相关性系数R 2分别为0.92、0.72;马尾松样地相关性系数R 2分别为0.94、0.78,算法提取的树木参数与实测数据相关性较好。改进的CAR模型的精度优于线性模型,桉树和马尾松样地R 2分别为0.821、0.830,RMSE分别为17.731、19.149 kg/株。CAR模型引入冠幅面积、体积等树冠因子的生物量模型拟合度更好、精度更高,其中桉树、马尾松样地R 2提高了0.102、0.115,RMSE下降了4.484、5.683 kg/株。利用无人机LiDAR数据提取单木结构参数进行生物量估测可取得很好拟合优度和精度。