基于Landsat时间序列影像和AHTC算法的高山松地上生物量估测

【目的】为了提高高山松地上生物量估测的精度,开发一种滤波算法,减少Landsat时间序列数据的噪声。【方法】基于1987、1992、1997、2002、2007、2012、2017年国家森林资源连续清查固定样地的数据以及1987—2017年的Landsat时间序列影像,利用谷歌地球引擎(Google earth engine,GEE)以及Python,通过Land Trendr滤波、Savitzky-Golay滤波、Horn卷积以及基于空间卷积理论开发的自适应霍恩地形卷积(Adaptive horn topography convolution,AHTC)算法对Landsat时间序列数据进行滤波,应用随机森林回归算法(Random forest regression,R_(FR))构建香格里拉市高山松地上生物量估测模型,并选择最优估测模型对1987、1992、1997、2002、2007、2012、2017年高山松地上生物量进行反演制图。【结果】1)从图像的直接评价指标均方根误差(Root mean square error,RMSE)以及峰值信噪比(Peak signal-to-noise ratio,PSNR)来看,经过AHTC算法滤波后的图像质量最好;2)在使用R_(FR)方法的情况下,滤波后的数据均表现出比原始数据更高的估测精度;3)经过AHTC算法滤波后的时间序列数据对高山松地上生物量的估测效果最优,其决定系数R2为0.885、均方根误差RMSE为34.63 t/hm^(2)、预测精度P为60.75%、相对均方根误差r RMSE为43.59%;4)采用AHTC和R_(FR)方法反演结果分别为1 236万t(1987年)、1 155万t(1992年)、1 455万t(1997年)、1 330万t(2002年)、1 314万t(2007年)、1 345万t(2012年)、1 654万t(2017年)。【结论】使用AHTC滤波方法在一定程度消除了时间序列影像自身所携带的大量噪声和不确定性,有效地提高了时间序列影像的质量,同时也为提高高山松地上生物量遥感估测精度提供了一种新思路。

一种自适应的混合型无线传感器网络拓扑控制算法

针对特定应用场合的混合型拓扑控制算法是W SN拓扑控制领域的研究热点之一。在研究经典的面向事件驱动型网络拓扑控制算法—ASCENT基础上,提出了一种自适应的混合型拓扑控制算法—AHTC算法。针对大规模事件驱动型网络场景应用,解决了ASCNET算法不能适应于大规模网络、未考虑节点剩余能量、网络丢包率高等问题。仿真结果表明,改进的算法有更好的节能性和稳定性。