基于相差值聚类的高校教师绩效评价法

运用基于相差值的聚类评价法进行绩效评价,探索打破绩效评价中只"重科研"或只"重教学"的单一模式,体现了对教师多元化发展方式的尊重,拓宽了高校教师绩效综合评价的思路,对我国高等教育事业的发展有着重要的意义.

基于神经网络算法的Sentinel-2数据的灌溉面积提取

在灌区用水管理中,灌溉面积及其空间分布信息非常重要。传统的灌溉面积提取手段耗费大量的人力物力和时间,已经不能满足灌区的现代化管理。自遥感技术应用于灌溉面积提取以来,经过几十年的发展,已经有很多的研究成果。但现今在应用于灌溉面积提取的遥感技术中,前沿的方法多数采用多个传感器数据或长时间序列的数据,且往往针对某一特定的区域,很难具体的应用在实际的灌区工作中。为了在灌区管理的实际应用中准确高效地提取灌溉面积和分布,开展了一种基于光学卫星多时相差值数据的神经网络算法的灌溉面积提取技术研究。以山东省淄博市桓台县的试验田为研究区域,首先利用随机森林对Sentinel-2卫星数据的所有波段以及一些与土壤水含量以及植被相关的指数进行重要性排序,不同地区的地情下重要性排序结果也不同,所以利用重要性排序可以快速的获取适合此地区的波段以及指数的组合。选取重要性较高的波段或指数作为神经网络模型输入层进行灌溉面积提取。然后根据实际样本田的数据对提取结果进行检验,所得到的总体灌溉面积提取精度达到了76.7%。Kappa系数为0.74。此外,对研究区域进行植被覆盖度分级,并分析了在不同植被覆盖度下的灌溉面积提取结果精度变化。其中,在中等和较高的植被覆盖度地区具有更高的精度。研究区大部分地区为农业地区,作物以冬小麦和夏玉米为主,使用数据为3月中下旬卫星影像,研究区此时期植被覆盖度较高,符合在此地情下进行灌溉面积提取在中等和较高植被覆盖度地区具有更高精度的结果。基于神经网络的多时相光学卫星数据差值提取灌溉面积研究可以在不同地区的地情下通过重要性排序获取适合该研究区波段的组合,得到更高的灌溉面积提取结果精度。

基于季相变化特征的撂荒地遥感提取方法研究

在我国西南地区耕种条件差,地块比较破碎,地块类型比较复杂,中低分辨率遥感数据难以满足撂荒地提取的需要。选取贵州修文县为试验区,基于高分辨率卫星遥感数据(哨兵2号),探索单期或多期影像在中国西南地区的撂荒地检测能力,构建撂荒地遥感监测方法,为今后我国西南地区撂荒地统计调查提供参考。结合野外调查数据,在划分不同撂荒地类型基础上,综合遥感影像的光谱特征、植被指数特征以及多时相植被指数变化特征分析,优选不同类别撂荒地遥感提取敏感特征集,利用CART决策树分类方法,提取不同类型的撂荒地。结果表明:①单个时相对不同类型的撂荒地识别能力差异显著,基于单时相影像,难以开展撂荒地高精度遥感监测提取;②不同时相的植被指数变化特征对撂荒地的识别能力较强,其中比值植被指数优于差值植被指数和归一化植被指数;③以贵州修文县为例,开展了撂荒地空间分布制图及撂荒面积统计分析,修文县撂荒地面积约为6 460 hm2,占修文县耕地面积的13%;④基于多时相高分辨遥感数据,通过季相变化特征构建的撂荒地检测方法,能够满足我国西南地区撂荒地高精度遥感监测提取,为大范围撂荒地遥感调查和制图提供技术参考。