寒区复杂地表冻融状态判别式算法改进

基于冻融土的微波辐射特征,在HUT(Helsinki University of Technology)积雪辐射模型的基础上,引入新的冻土介电常数模型计算冻/融土的介电常数,利用高级积分方程模型(Advanced Integrated Emission Model,AIEM)计算地表发射率,改进了寒区复杂地表微波辐射模型和冻融状态判别式算法。采用AMSR^2(The Advanced Microwave Scanning Radiometer 2)被动微波辐射计亮温数据和地基微波辐射计观测数据进行了地表冻融状态判别式算法精度的验证与比较。结果显示:改进后的判别式算法对冻土的判识精度有明显提升,总体判识精度在82%以上,是一种较可靠的判别模式。

武夷水仙茶产地判别多元数字化指纹图谱构建

武夷水仙是武夷岩茶最重要的生产茶树品种之一,传统上根据武夷山地区微域自然环境的不同将其产区分为"名岩"和"丹岩"。通过对2个产区武夷水仙茶品质组分和矿物质元素分析测定及差异显著性检验,运用多元数字化指纹图谱技术构建产地判别模型。结果显示:"名岩"和"丹岩"产区的武夷水仙茶叶中Ni、Ba和Mn存在极显著(p<0.01)差异;Cr、K和Cd存在显著(p<0.05)差异;茶多酚、咖啡因、粗纤维、氨基酸总量、茶黄素、茶红素、茶褐素、18种氨基酸组分、11种茶多酚组分、F、Fe、Ca、Mg、Al、P、Cu、Zn、Sn、Pb、Na、Mo、Co和As的差异不显著(p<0.05)。以Pearson卡方系数大于0.95为筛选依据,从57个试验变量中选择Mn、Ni、Cd、Ba和Cr这5个变量作为产地判别模型构建的特征变量,有效避免了模型的"过度拟合问题",该判别模型的识别正确率达88.24%。该结果也说明矿物质元素指纹图谱适合于武夷水仙茶叶产地的判别研究。

视频目标跟踪算法综述

本文介绍了视频目标跟踪算法及其研究进展。首先给出了视频目标跟踪技术的定义和特点;然后将其分为生成式跟踪算法和判别式跟踪算法两大类,进而简单评析了两大类算法中的经典方法;最后进行了总结和展望。

青藏高原地区近地表冻融状态判别算法研究

青藏高原地区以其独特的气候水文特征被称为"亚洲水塔",这一地区广泛分布的冻土及其冻融过程对地表非绝热加热与水文过程具有重要影响。然而,恶劣和复杂的地理环境为这一区域的地表冻融过程本地观测和遥感监测均带来极大挑战。本文利用AMSR-2传感器遥感数据开展青藏高原地区的近地表冻融判别算法研究,包括判别式算法和季节性阈值算法,并使用4个青藏高原典型地区的土壤温湿度密集观测网数据对算法进行区域适应性优化。研究特别针对季节性阈值算法进行了两点改进:首先考虑到地表发射率的变化对于冻融相态的转变指示更为直接,故采用6.9 GHz水平(H)极化的准发射率替换季节性阈值算法中的原有冻结因子;其次使用一种新的数据归一化方法:标准差归一化方法,用以替代原有的离差归一化方法,并通过阈值设定对判别精度的影响分析改进后的优势。结果证明,冻融判别式算法在升轨时期的整体精度最具优势,其优势在于能够减少夏季地表发射率复杂变化导致的误判,基于标准差归一化方法的季节性阈值算法在降轨时期的整体精度具有优势。通过对不同典型区域的冻融土辐射特征和判别精度的分析,发现地表发射率的变幅(初始液态含水量)大小是影响所有冻融判别算法精度的最关键因素。

产生式与判别式线性混合分类器

产生式方法和判别式方法是解决分类问题的两种不同框架,具有各自的优势.为利用两种方法各自的优势,文中提出一种产生式与判别式线性混合分类模型,并设计一种基于遗传算法的产生式与判别式线性混合分类模型的学习算法.该算法将线性混合分类器混合参数的学习看作一个最优化问题,以两个基分类器对每个训练数据的后验概率值为数据依据,用遗传算法找出线性混合分类器混合参数的最优值.实验结果表明,在大多数数据集上,产生式与判别式线性混合分类器的分类准确率优于或近似于它的两个基分类器中的优者.

根河地区冻融监测和降尺度算法的验证分析

高分辨率地表冻融监测对研究根河地区碳氮循环、水土流失和土壤冻融侵蚀非常重要。本文采用Kou等(2017)提出的被动微波亮温降尺度方法和1 km空间分辨率的温度数据,将0.25°空间分辨率的被动微波亮温降尺度至0.01°空间分辨率。利用通过模型模拟与实验数据发展得到的冻融判别式算法DFA_Zhao(Discriminant Function Algorithm)和改进的冻融判别式算法DFA_Kou(Improved Discriminant Function Algorithm),基于降尺度前后的被动微波亮温监测根河地区的地表冻融。以根河地区2013年7月-2015年12月的地下0-5 cm深度的实测土壤温度检验这两种冻融判识算法的分类精度。结果显示,降尺度前后两种冻融判识算法整体判对率差异在6.72%内;DFA_Zhao算法融化判对率的均值比DFA_Kou算法高10%,DFA_Kou算法冻结判对率均值比DFA_Zhao算法高1%。两种冻融判别式算法的冻结判对率均在90%以上,升轨期的融化判对率均在80%以上,但两算法降轨期的融化判对率较低,在40%-82%之间。同时,还进一步讨论并分析了两种冻融判别式算法和被动微波亮温降尺度方法可能存在的问题,指出了可能的改进方向。