基于粒子群优化支持向量机的延长县滑坡易发性评价

参数优化问题直接影响着支持向量机的预测精度和泛化能力,粒子群优化算法具有全局最优搜索能力,因此通过粒子群算法优化支持向量机参数可以有效提高预测精度。以延长县历史滑坡数据为基础,分析了岩性、地貌类型、土壤厚度、坡度、坡向、坡高与滑坡分布的关系,并利用滑坡密度值对各定性或定量因子进行了归一化处理;在此基础上,通过区域内所划分的16 300个斜坡单元作为评价单元,采用粒子群优化支持向量机(PSO-SVM)算法完成了延长县滑坡的易发性评价。从滑坡密度指标角度来看,评价结果中高易发区和极高易发区的历史滑坡数占比72.19%,通过滑坡面积百分比(LAR)等指标进行了有效的验证,均显示出对滑坡易发性评价效果良好。

基于MOD16的银川平原地表蒸散量时空特征及影响因素分析

地表蒸散发是陆地水文循环的重要组成部分,分析蒸散量时空变化特征是深入了解干旱区水文过程的基础。由于银川平原缺乏区域尺度实际蒸散量的长期观测,很难得到长时间序列蒸散量的时空变化特征。基于MOD16A3地表蒸散量数据及研究区内气象站点实测数据,采用Theil Sen Median趋势度分析、MK突变检验及CA-Markov模型等方法,从时间与空间的角度分析20042019年银川平原地表蒸散量的变化特征及影响因素,预测2024年地表蒸散量的发展趋势。研究结果表明:20042019年银川平原蒸散量年际波动总体是增加趋势,MK突变检验结果显示2010年是蒸散量时序数据的突变点;银川平原实际蒸散量与潜在蒸散量空间分布格局、变化趋势均存在明显的差异性,蒸散量在近16年呈增加趋势,潜在蒸散量呈减少趋势,符合干旱区蒸散发互补相关理论。采用CA-Markov模型对2024年银川平原地表蒸散量未来发展趋势进行预测,模拟结果显示在未来5年银川平原蒸散量仍呈增加趋势;蒸散量的时空变化受气候与人类活动的共同影响,蒸散量与气温、降水、日照时数呈正相关,与相对湿度呈负相关,土地利用结构影响年蒸散量的空间格局,呈现出水田>旱田>林地>草地>荒漠的规律。

基于XGBoost算法的遥感图像云检测

云检测是利用卫星遥感影像进行相关应用的基础。针对云检测过程容易受到复杂地表环境干扰的问题,提出了一种基于极限梯度提升(XGBoost)算法的云检测模型。该方法以TOA反射率、亮温和光谱指数等组建特征空间;然后,采用贝叶斯优化对XGBoost模型的超参数进行了调整。为检验XGBoost的云检测效果,选择不同云场景的Landsat 8遥感影像为测试数据,并把XGBoost、随机森林和决策树的云检测结果作对比。结果表明:本文提出的XGBoost云检测模型的云识别效果优于随机森林和决策树,展现了XGBoost在云检测中的潜力;且XGBoost的F1分数和Kappa系数分别可达73%和71%以上,实现了较准确的云检测,可为后续开展云检测研究提供一定的支持。