基于空地协同采样的植被覆盖度随机森林估算方法

基于无人机高光谱影像,建立地形复杂地区植被覆盖度的非参数随机森林回归估算模型。为获得构建随机森林模型所需的足够数量的训练样本,利用低空无人机搭载的光学相机,在从地面难以到达的山地、水域和植被茂密区,通过垂直拍摄获得厘米分辨率的航拍影像,作为对地面样方采样的补充。首先计算地面数码相机照片和无人机可见光影像的红绿蓝植被指数(red-green-bluevegetationindex,RGBVI),然后使用大津分割法提取样方的植被覆盖信息,得到构建模型所需的训练样本。在此基础上,基于2018年8月16-18日在内蒙古自治区察右中旗油娄沟矿区获取的GaiaSky-mini2无人机高光谱影像数据,利用递归特征消除算法优选参与随机森林回归的特征变量集,利用空地协同获取的训练样本构建植被覆盖度的随机森林回归估算模型。该模型在测试集上的确定系数R2为0.923,均方根误差为0.087,优于常用的像元二分模型,可用于矿区植被动态信息的精细化监测。

基于无人机LIDAR数据多尺度特征的沥青路面病害提取方法

目的针对大范围公路路面病害监测需求,提出基于低空无人机激光雷达遥感数据和随机森林分类算法,构建沥青路面病害目标的遥感识别模型。方法首先,基于激光点云高程信息提取多尺度表面粗糙度和高斯曲率指数,以及利用激光反射强度影像提取路面和病害目标的几何特征,然后基于提取的48 个多尺度统计特征利用随机森林算法建立了沥青路面坑槽与塌陷两类主要病害的识别模型。采用搭载于ScoutB 1 - 100 低空无人直升机平台的RIEGL - VUX100 激光雷达扫描仪,获取了新疆石河子市与沙湾县交界处的一段县级沥青道路的激光点云数据,对所提出方法和模型进行了验证。结果本文所提出的模型可较好识别路面的塌陷与坑槽病害目标,以地面调查和目视解译结果为参照的验证精度为92 .3%,Kappa 系数为0.902 ,优于其他两种常用的机器学习分类模型,可为公路养护部门提供一种新的快速路面病害监测方法。

实施旅游强镇战略 打造全域旅游标杆——关于恩施市龙凤镇全域旅游发展的思考

龙凤镇位于恩施市北郊,是全国综合扶贫改革试点。近几年来,围绕打造城郊特色产业增长极,龙凤镇抢抓改革试点机遇,强势启动全域旅游发展工作,已取得突出成效。当前恩施市正在着力打造文化旅游产业集群,龙凤镇要以此为契机,走旅游强镇之路,着力推动全域旅游产业布局,打造特色产业增长极,创建全域旅游示范标杆,形成'小康试点'的龙凤样本。

“背包组长”服务机制探究——兼谈乡村社会管理服务体系建设

近年来,恩施市沐抚办事处在加强社会管理和服务体系建设方面进行了大量有益的实践与探索,涌现出一大批深受人民群众欢迎和拥戴的＂背包组长＂。＂背包组长＂是当地农民群众对村民小组长的形象称呼,他们常年活跃在田间地头、沟沟坎坎,把服务延伸到基层组织的＂神经末梢＂,挑起了服务群众大梁。

建城乡医疗联合体 为农民分忧解难题——恩施市龙凤镇综合扶贫改革试点创新医疗卫生工作机制的调查

为着力解决农村医疗基层基础薄弱、人才匮乏、服务水平不高、老百姓"看病难、看病贵"的问题,恩施州、市两级积极探索龙凤镇综合扶贫改革试点城乡医疗资源共享机制,将城市优质医疗资源下放到基层,建立"大院带小院"的"城乡医疗联合体"管理新模式。一、主要做法(一)专家坐诊,远程会诊,人员轮训,实现人才技术共享1、专家坐诊。在认真落实"

沥青路面老化状况遥感监测与评估模型建立及应用

针对大范围公路路面健康状况快速监测与评估需求,基于地面光谱测量获取的路面光谱数据,对不同老化程度的沥青路面光谱特征进行了分析,通过求导和包络面去除等方法得出老化沥青路面和新沥青路面在400～680nm、860～970nm两个波段范围内存在显著光谱特征差异。然后基于这些特征波段构建了沥青路面老化乘积指数(Multiplication Aging Index,MAI)模型,并利用北京房山良乡地区的WorldView-2卫星影像来刻画沥青路面在道路使用中出现的老化状况。通过与地面实测光谱数据和路面状况描述进行对照,将实地测量得到的Munsell明度色卡值与本文提出的MAI指数进行了统计分析,结果表明:该MAI指数能较好地反映沥青路面的老化状况,可实现对研究区内14条沥青道路的老化状况进行遥感监测与评价,研究结果可为道路管理部门制定养护规划提供新的技术手段。

利用无人机多光谱影像数据构建棉苗株数估算模型

目的针对农业机械化、信息化和智能化发展对棉花长势快速监测与评估提出的需求,提出一种新的技术途径,依据低空无人机UAV(unmanned aerial vehicle)遥感技术为苗期棉花株数快速估算和长势等级分类。方法基于高分辨率无人机多光谱遥感影像,利用光谱信息、空间位置及数学形态学信息,结合田间调查数据,引入Hough变换等数学形态学方法实现田间棉苗垄中心线的提取,利用支持向量机回归方法构建具有较好稳健性的棉株估算模型,并依据株数估算结果进一步实现了保苗率、壮苗率计算和整体长势等级分类。结果以田间实地测量得到的样方数据为参考,对模型棉株估算精度评估的结果显示:支持向量机回归模型得到的株数估算精度更高,优于对比模型,估算值与观测值之间的确定系数R^2为0.945 6,均方根误差为0.510 7。以株数为指标评估得到的整体长势空间分布与地面样方调查情况一致,实验田块里弱、壮、旺苗的比例分别为14.50%、83.37%、2.13%,表明研究区棉田出苗整齐度较差,整体长势偏弱。结论本文建立的棉苗株数与数学形态特征的回归模型能有效识别棉苗株数并进行整体长势等级分类,可为精准田间管理提供依据,为无人机在农业中的应用提供参考。