基于综合质量的农村居民点整治潜力分区研究

农村居民点整治可以有效改善农村人居环境、统筹城乡发展、推进美丽乡村建设,可以调整土地资源利用结构,促进耕地向数量、质量、生态三位一体转变,同时也是落实增减挂钩政策的重要环节,而整治潜力测算是农村居民点整治的必要前提;如何科学系统地进行农村居民点整治潜力测算,统筹考虑整治后耕地综合质量进行潜力分区,是当下亟待解决的热点问题。采用模型法、多因素综合评价法、熵权法,探索统一科学的农村居民点整治潜力测算和潜力分区体系。结果显示,河北省涿州市农村居民点整治潜力巨大,整治数量潜力合计8 280.11 hm2,达到2014年涿州市现状农村居民点总面积的71.76%;整治后耕地质量状况较好,国家自然等别区间为10.45~15.00等,国家利用等别区间为7.81~12.00等,国家经济等别区间为5.00~5.56等,大多集中在中等地范围中,较有利于河北省涿州市开展耕地占优补优;涿州市农村居民点整治潜力状况较好,主要是一级潜力区和二级潜力区,其中一级区分布在东城坊镇、松林店镇、刁窝乡、义和庄乡4个乡镇,面积总计320.02 km2,占涿州市总面积的42.59%,二级区分布在涿州市北部和南部,三级区位于涿州市城区范围。该研究能对农村居民点整治实践进行全局系统地把握,保证整治的经济、社会和生态效益达到最大化,同时,可以为指导涿州市农村居民点整治事业继续进步和健康发展提供理论依据。

AdaTree算法在遥感影像分类中的应用

目前的遥感影像分类研究中,决策树的生成完全依赖于现有的数据挖掘软件,缺少对决策树算法的深入研究和改进。本文以遥感影像分类为背景,采用BoostTree算法作为模型,通过算法改进构建了一种新的复合决策树算法——AdaTree,并以该算法为基础,设计实现了决策树遥感影像分类系统。以AdaTree算法作为分类器,分别对Landsat7ETM+影像和WordView2影像进行了基于像元和面向对象的分类实验,并与BoostTree和SVM算法进行了比较。实验结果表明,AdaTree算法在分类精度上要优于BoostTree和SVM算法,平均Kappa系数分别达到0.905 2和0.939 8。

零维三角列多项式系统的实根隔离快速算法

提出了一个基于一般位置方法的快速零维三角列实根隔离算法.该算法克服了已有算法中结式计算系数过大导致计算时间过长的瓶颈问题.实验结果也说明所提算法非常高效.