基于卷积神经网络和特征选择的无人机多光谱影像林地提取方法

针对林地普查过程中人工监测耗时长、数据实时性和真实性差以及遥感数据空间分辨率低的问题,使用无人机高分辨率多光谱影像,依据深度学习理论和数据降维技术,提出了一种基于卷积神经网络和特征选择的林地提取方法.从网络训练效率出发对参与提取的特征参数进行重构和筛选,利用主成分分析(principal component analysis,PCA)法和相关性分析法对多光谱数据进行降维,在最大程度保留其光谱特征和纹理特征的前提下对输出参数进行抽取,并通过构建U-Net卷积神经网络模型实现无人机多光谱影像的林地提取和精度验证.结果表明:基于卷积神经网络和特征选择的无人机多光谱影像林地提取方法可以有效避免提取结果破碎化以及草地等相近反射率地物的误分,对树木阴影区也有较好区分,识别精度能够达到84.79%.该方法在区域林地变化监测领域具有较大的应用价值与现实意义.

汶川地震极重灾区震后生物多样性的恢复与评价

自2008年汶川地震以来,四川省社会经济和生物多样性恢复情况始终是国家生态环境保护部门和动植物保护部门长期关心的问题。利用汶川地震极重灾区近15年土地利用类型变化、植被分类及动植物统计数据计算综合生物多样性指数,分析地震以来受灾地区的生态恢复情况,结果表明:极重灾区地震两年后,土地利用类型整体变化较小,群落多样性水平还未恢复到震前水平,但生物多样性综合指数有所恢复;后期恢复建设进程中适当减缓了绿化进程,生活用地增加;至2015年继续加强生物多样性保护工作,生物多样性综合指数逐渐上升。

共享单车骑行的时空与人文驱动力研究

随着城市共享单车的普及,了解骑行行为的时空与人文驱动力变得尤为重要。本研究通过多维度解析共享单车数据,旨在探讨共享单车使用模式的变化及其背后的原因。研究过程中,我们对纽约市2020年6月和12月超过200万条数据进行了预处理和加工,并运用地理学方法和地理数据对纽约市共享单车使用情况进行了深入分析。文章关注了共享单车的使用量、骑行距离、使用时段以及与城市功能区的关联性。此外,本文还考察了年龄、性别以及工作日和周末等人文因素对共享单车使用的影响。本研究为城市交通规划和共享单车运营提供了有益启示,同时对于理解共享单车在城市交通中的地位和作用具有重要意义,也为相关政策制定提供了参考依据。