针对以往Open Street Map(OSM)数据质量评价中只考虑片面评价指标或只考虑单一层次评估对象的不足,本文选取典型研究区,以来自政府规划机构的权威数据集作为参照数据,基于模糊综合评价法,设计了质量评价指标与空间层次相结合的多层次多...
详细信息
针对以往Open Street Map(OSM)数据质量评价中只考虑片面评价指标或只考虑单一层次评估对象的不足,本文选取典型研究区,以来自政府规划机构的权威数据集作为参照数据,基于模糊综合评价法,设计了质量评价指标与空间层次相结合的多层次多粒度OSM路网目标数据质量评估模型,从单一目标、群组目标和整体目标3个粒度,集成构建集个体数量控制与群体结构控制于一体的数据质量评估指标体系,并解决评估模型中隶属度确定与最优组合权重赋权的关键技术问题,实现了宏观与微观相结合、全局与局部相结合的OSM数据质量的多维度多层次综合度量。实验结果表明,该方法具有可行性和实用性,可为基于VGI数据源实现相关行业应用提供实证依据和可靠的数据质量评估方法。
利用高光谱遥感技术定量估测野鸭湖湿地植被含水量,对于监测和诊断野鸭湖湿地植被的生理状况及生长趋势具有重要意义,也能够为高光谱遥感影像在野鸭湖湿地植被含水量诊断中的实际应用提供理论依据和技术支持。采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植被冠层和叶片的光谱,并测定了对应的含水量。以上述实测数据为基础,首先以芦苇为例初步探明了不同含水量水平下典型湿地植被冠层和叶片光谱反射率的响应模式,然后采用相关性及单变量线性与非线性拟合分析技术,从冠层和叶片两种层次,对不同尺度下的含水量与"三边"参数及高光谱植被指数进行了分析拟合,并采用交叉检验中的3K-CV方法对估算模型进行了测试和检验,确立了不同尺度下野鸭湖湿地植被含水量的定量监测模型。结果表明:(1)随着含水量水平的增加,芦苇冠层与叶片光谱在可见光波段(350—760 nm)和红外波段(760—2500 nm)的反射率均呈逐渐降低趋势。(2)不同尺度含水量与选取的光谱特征参数整体上相关性较强,与"三边"参数基本上都呈极显著相关,相关系数最大达到0.906;与高光谱指数全部呈极显著相关,相关系数最小为0.455,最大达到0.919,并通过选取不同尺度上相关性最佳的光谱特征参数,分别基于"三边"参数和高光谱植被指数构建了不同尺度下的含水量估算模型。其中,冠层尺度下,黄边面积(SDy)与SRWI(Simple Ratio Water Index)的估算效果最好,估算模型分别为y=-9.462x2-2.671x+0.608和y=0.219e1.010x;叶片尺度下,红边面积(SDr)与WI(Water Index)的估算效果最好,估算模型分别为y=0.562x+0.376和y=2.028x2-0.476x-1.009。通过3K-CV的交叉验证,不同尺度下的含水量估算模型均取得了较为理想的预测精度,预测精度的最小值为94.92%,最大值为97.06%,表明估测模型具有较高的可靠性与普适性。(3)高光谱植被指数与含水量拟合方程的拟合度相对高于"三边"参数与之建立方程的拟合度,说明多波段组合的光谱特征参数更适合含水量的判别。
暂无评论