城镇化过程中滇池流域不透水表面扩张特征及其水环境效应

以云南省昆明市滇池流域为研究区,揭示了滇池流域近30 a来高速城镇化发展过程中不透水表面扩张特征,在此基础上利用距离衰减函数和重力学模型分析了不透水表面扩张背景下的水环境效应。研究结果表明,滇池流域不透水表面呈现出沿着滇池全面扩张的趋势,高强度城区由2001年的1个变为2017年的4个,自然地表面积向不透水表面面积转移了35%,高强度城区面积比例由0.06%增加到了12.05%;近30 a来流域不透水表面增长速率超过了21 km2/a,在2004至2017期间,其增长速率达到了38 km2/a;不透水表面空间影响力与湖泊水质呈现出显著的相关关系,溶解氧(dissolved oxygen,DO)、叶绿素a(chlorophyll a,Chl.a)、总磷(total phosphorus,TP)、高锰酸盐指数(permanganate index,PI)、酸碱度(potential of hydrogen,p H)、透明度(transparency,Trans)均通过了显著性检验;各水质参数呈现周期性变化,同时不透水表面扩张对水质参数的影响是显著的,表明滇池流域高速城镇化是导致滇池富营养化和蓝藻水华频繁爆发主要原因。

随机森林在城市不透水面提取中的应用研究

基于高分一号数据采用随机森林模型,引入归一化水体指数NDWI、归一化植被指数NDVI、土壤调节植被指数SAVI、建筑指数BAI、Brightness指数、ICA独立分量、纹理信息及原始影像波段等共17个特征,在matlab环境下提取了深圳市某区域不透水面,并与最大似然分类和支持向量机方法进行对比.结果表明:随机森林的多特征组合方法能有效提升分类精度,在不透水面信息提取中比传统参数分类方法(MLC)总体精度提高了7.681%,Kappa系数提高了0.119 4.

从就业质量报告看云南高校创业教育的现状与问题

为了缓解就业压力,培养大学生的开拓精神和创业能力,深入了解高校创业教育的现状与问题,以昆明市17所高校为研究对象,对各高校《2015年毕业生就业质量报告》进行比较分析,发现云南高校创业教育普遍存在创业教育领导机构建设不完善、创业教育学科建设不完善、创业教育师资队伍匮乏、创业教育实效性不强、创业教育竞赛组织形式化等问题。据此,结合地方优势和高校教育工作开展的实际情况,从社会、政府、学校三个层面提出了相应建议。

基于多分类器组合的城市不透水面提取研究

将多分类器组合方法应用于16m分辨率“高分一号”遥感影像不透水面提取,首先通过BP神经网络、CART决策树、最大似然分类算法构建多分类器集合,然后利用简单投票、加权投票、贝叶斯平均法、模糊积分等多分类器组合方法提取不透水面,试验证明,多分类器组合能提高“高分一号”遥感影像不透水面提取的精度,具有广泛的应用前景。