基于决策树分类的水稻干旱灾损评估

干旱对农作物生长有很大影响,农业干旱是人们研究的热点问题之一.以Landsat8 OLI、Sentinel-2A为遥感数据源,结合实地采集样点,选取湖北曾都区、随县作为研究区,采用决策树方法对研究区的水稻作物进行旱情评估.首先预选NDVI、TVDI、GVMI、MPDI等旱情指标和样本数据进行相关性分析以选取最佳指标,分别提取7、8、9月份水稻旱情分布,然后利用各月份水稻旱情分布构建决策分类树,对水稻旱情区进行分类提取,得到水稻干旱受灾面积及空间分布.研究表明:以上4种指数中,GVMI和样本相关性最高,为最优指数;决策树分类法对水稻旱灾遥感监测的总体精度为93.1%,Kappa系数为0.85,根据不同灾害程度对灾害区进一步划分后精度有所下降,分别为86.2%、0.81,研究区内水稻受灾面积达到43957.49 hm^(2),占比56.87%,其中欠收区、绝收区和未种植区分别占比25.41%、26.78%和4.68%,其他为正常生长区.决策树分类法对水稻旱情监测效果显著,可为水稻干旱监测与评估提供理论和实践参考.

一种计盒维数估算的新方法

根据3种标准分形体(Koch曲线、Sierpinski三角形垫片、Vicsek分形)的实验,总结得出一种计盒维数估算的实用方法:1)盒子尺寸不应该是无限小,而应该是不大不小;2)盒子数量尽可能多,但不要太多;3)盒子采用指数递减速率;4)盒子递减速率最好接近分形体结构,建议不采用常用的递减速率(ε=12、ε=13、ε=14),对于自然图形,建议指数递减速率采用ε=0.75或ε=0.80;5)对于标度区识别,需要依据一定准则,判断合理的点对数量.本方法也适合3维目标的计盒维数和1-3维边界维数的估算.