高光谱数据波段多、波段之间相关性强,导致信息冗余严重,增加了数据处理的工作量,有效准确地在众多波段中选择具有代表性的波段尤为重要。首先用Wilks'Lambda(WL),随机森林(random forest,RF)与自适应波段选择(adaptive band select...
详细信息
高光谱数据波段多、波段之间相关性强,导致信息冗余严重,增加了数据处理的工作量,有效准确地在众多波段中选择具有代表性的波段尤为重要。首先用Wilks'Lambda(WL),随机森林(random forest,RF)与自适应波段选择(adaptive band selection,ABS)这3种方法对高光谱数据进行降维处理。然后提出了基于曲线误差指数的评价方法,用此指数的趋势来确定每种降维方法所要选择的合适波段数量,同时用指数的大小评价不同降维方法的优劣,并用分类方法对评价结果加以验证。结果显示:Wilks'Lambda最终选择的波段数为10个,α6-α平稳值(选择6个波段时的曲线误差值与曲线误差平稳值之间的差值)为0.05;随机森林最终选择的波段数为13个,α6-α平稳值为0.06;自适应波段选择方法最终选择的波段数为20个,α6-α平稳为0.14。Wilks'Lambda的总体分类精度为80.56%,Kappa系数为0.77;随机森林的总体分类精度为79.11%,Kappa系数为0.76;自适应波段选择方法的总体分类精度为49.94%,Kappa系数为0.41。得出以下结论:(1)基于曲线误差指数的方法得出Wilks'Lambda有最小的α6-α平稳值,是最佳的波段降维方法 ;分类结果显示:Wilks'Lambda有最大的总体分类精度与Kappa系数,是最佳的波段降维方法。(2)基于曲线误差指数的评价方法与基于分类结果的误差一致,说明此方法具有可行性。
[目的]测定中国重要丛生竹的热值,结合其生物量计算对应的能量现存量,比较其现状差异,并探究丛生竹系统中具有发展生物质能源优势的竹种,为今后丛生竹生物质能源的开发利用、发展及相关研究提供基础资料。[方法]以中国8种重要丛生竹（青皮竹、粉单竹、麻竹、绿竹、黄竹、龙竹、缅甸竹、慈竹）的竹叶、竹枝、竹秆等器官为对象,分析其单位面积生物量,利用量热仪测定干物质热值,计算单位面积能量现存量。[结果]8种丛生竹单位面积生物量为16.68~77.72 t·hm^-2,其中龙竹最高,麻竹最小;各器官单位面积生物量表现为竹秆〉竹枝〉竹叶,不同丛生竹生物量分配不同;8种丛生竹各器官干物质热值为16.407~19.948 k J·g^-1,相同器官的干物质热值随竹龄增大而略有降低,竹种间器官平均干物质热值均以缅甸竹最高,最低的为绿竹的竹叶（16.652 k J·g^-1）和竹枝（17.522 k J·g^-1）及慈竹的竹秆（17.710 k J·g^-1）;除慈竹外,其他丛生竹的热值均表现为竹叶〈竹枝〈竹秆,慈竹表观为竹叶〈竹秆〈竹枝;各丛生竹地上部分单位面积能量现存量（MJ·m^-2）表现为龙竹（142.17）〉粉单竹（115.41）〉慈竹（112.97）〉缅甸竹（95.26）〉青皮竹（87.50）〉绿竹（85.31）〉黄竹（85.14）〉麻竹（31.34）。[结论]丛生竹是潜在的能源竹种,受林分特征、气候因素和竹种本身特性等因素的影响,8种丛生竹的热值、生物量及其分配差异显著。8种丛生竹的生长环境条件各异,以能量现存量最为基本单位进行竹种间的比较更加可靠。8种丛生竹能量现存量及其分配存在差异,单位面积生物量差异是其主要影响因素。比较8种丛生竹能量现存量的现状,龙竹较其他竹种具有效大的优势,有利于今后丛生竹生物质能源的开发、利用及相关研究。
模拟城市大气污染物浓度空间分布对研究城市空气质量及人体健康至关重要.本研究利用土地利用回归模型(Land Use Regression,LUR),提取包括污染点源因子、交通因子、人口因子、土地利用因子和气象因子等60个预测因子,基于地理加权算法(G...
详细信息
模拟城市大气污染物浓度空间分布对研究城市空气质量及人体健康至关重要.本研究利用土地利用回归模型(Land Use Regression,LUR),提取包括污染点源因子、交通因子、人口因子、土地利用因子和气象因子等60个预测因子,基于地理加权算法(GWR)建立春、夏、秋、冬四个季节的模型,实现对杭州地区近地表PM_(2.5)质量浓度空间分布的预测.结果表明:基于地理加权回归算法时,检验模型的R2值分别达到0.76(春季)、0.70(夏季)、0.73(秋季)、0.76(冬季),模型能够解释PM_(2.5)浓度值80%以上的变异.每个季度杭州地区PM_(2.5)浓度变化不尽相同,但总体以杭州中部最高,西南部偏低.研究说明基于LUR模型模拟大尺度地区PM_(2.5)质量浓度空间分布是可行的.
暂无评论