基于无人机影像城市建筑物的分类制图与统计

建筑物是人类生活的主要场所,对其进行分类与统计可以为城市规划、资源管理、灾害风险评估和环境监测等要事提供所需的基础数据和信息,从而支持正确决策的制定和城市的可持续发展。为解决遥感影像中各建筑物之间间距小的问题,基于机器学习中随机森林算法并结合多尺度分割进行安庆市区无人机影像建筑物的分类制图与统计,结果表明该方法的分类精度为0.873 4,Kappa系数为0.762 7,并通过目视解译法进行对比分析,得出该方法在建筑物分类上具有可行性。

西北地区干旱时空动态分布及成因分析

针对西北地区缺乏长时间序列干旱监测及成因分析,基于2001—2020年(4—10月)MODIS的归一化植被指数(normalized difference vegetation index,NDVI)和陆地表面温度(land surface temperature,LST)计算温度植被干旱指数(temperature vegetation drought index,TVDI),利用趋势分析法(Sen-MK)及Hurst指数法揭示了西北干旱区TVDI时空动态变化、未来持续状态,基于地理探测器模型分析了TVDI的影响因子。结果表明:近20年来,西北地区存在“暖湿化”现象;空间特征表明2004年、2006年、2007年及2019年发生了重大规模的干旱事件;TVDI单因子影响力依次为高程、温度、坡度、土地利用、降雨量;双因子交互结果显示高程∩温度、高程∩坡度、高程∩土地利用、高程∩降雨量这4类双因子交互组合影响力最大。

自适应集成的高分辨率树种遥感分类

针对单一分类器无法均衡所有树种特征差异,基于指数函数、基分类器总精度(OA)及其变化趋势,提出一种用于集成多树种分类器的自适应权重分配方法(AWOL)。AWOL利用指数函数分布特点,以基分类器当前OA作为指数函数自变量分配基础权重,再引入OA计算的一阶导数作为约束因子放缩权重,使集成分类器进一步权衡树种特征分布,最后不断迭代训练自适应调整融合权重。结果表明,AWOL更能更有效地权衡不同树种特征,获得最佳树种分类结果,OA达到86.1%,训练与验证损失仅为0.3%。AWOL下的集成分类器与SLIC结合所绘制的树种分布图在所选人工林内制图OA最高达到了90%。分析证明,AWOL可进一步平衡树种特征差异,减缓过度拟合等现象,与分割算法结合可绘制更高精度树种分布图。