资源驱动型旅游地中心城市形象研究——以黄山市屯溪区为例

资源驱动型旅游地中心城市是我国普遍存在的一种旅游城市类型，但对这类城市形象的研究相对较少。以黄山市屯溪区为例，在感知形象测度的基础上，利用定性与定量方法论结合分析其感知形象现状和问题，并提出解决方案，总结出该类型城市在形象建设中应当注意的四对矛盾。     

一种简便快速检测涕灭威对DNA损伤的方法

介绍一种简便、快速检测涕灭威对DNA损伤的方法,并将这种方法与其他几种检测DNA损伤的方法进行了比较.这种方法直接把菌体或组织匀浆液放入琼脂糖凝胶的加样孔穴中,在原位裂解后,在较高pH环境下进行电泳,根据DNA的量和损伤程度评价涕灭威对生物个体或生态系统产生的影响.     

流域地表生态信息的卫星遥感图像处理技术

以福建省九龙江流域为例,利用计算机技术和遥感-GIS工具软件,探讨利用多源卫星遥感影像获取流域地表环境信息的图像处理与分析技术,列举卫星遥感可获取的流域地表生态环境专题信息。重点分析利用遥感-GIS界定流域范围的方法、流域地表覆盖状况和植被覆盖密度的卫星遥感影像处理方法。      

一种面向灾害应急的UAV影像快速拼接方法

洪涝、地震等自然灾害发生突然,特别是对城郊设防水平较低地区,短时间内能造成巨大的损失.及时、准确、快速地获得足够的灾情信息是减灾救灾的前提；依靠无人机采集的灾区遥感影像越来越成为减灾部门提取第一手灾情信息的首选数据源.结合无人机影像特点,优化利用影像局部不变特征进行特征匹配,通过RANSAC算子剔除匹配粗差,并用变换优化法求取最佳变换模型参数,然后采用基于动态规划的最佳拼接缝搜索策略和加权平均相结合的融合策略,在保证灾害应急精度要求的前提下,很好地消除了拼接缝和“融合鬼影”现象,为城郊区应急情况下的灾情信息获取提供了新的技术手段和支持.     

Research on Urban Tourism Image Positioning： A Case Study of Dengfeng in Henan Province

Aiming at facilitating the research of urban tourism im- age positioning, this paper summarizes the domestic and abroad theories on urban tourism image and analyzes its significance for cities. With De...     

基于无人机可见光影像的绿色植被提取

在分析健康绿色植被光谱特性及无人机可见光影像典型地物各波段像元值差异的基础上,提出一种综合利用红、绿、蓝3个可见光波段信息的新型绿色植被指数——差异增强植被指数（DEVI）.利用该指数及其他8种常见可见光植被指数结合不同阈值方法提取研究区域绿色植被信息,并采用地表真实感兴趣区和基于SVM的监督分类方法进行精度量化评价.结果表明：由DEVI计算的植被指数灰度影像直方图具有良好双峰形态,可利用双峰直方图阈值法快速确定阈值,且阈值一般位于0.9~1之间;同时,DEVI提取精度明显优于其余8种植被指数,且采用双峰直方图阈值法时,总体精度为98.98%,Kappa系数为0.9791,相对误差为1/83.为验证DEVI是否具有良好的可适用性及可靠性,选取3种典型植被覆盖区域进行可行性验证,结果表明：利用DEVI可高精度提取建筑密集区域和植被零散分布区域的绿色植被信息,总体精度分别为98.42%和98.56%,Kappa系数分别为0.9610和0.9635,相对误差分别为1/125和1/91;而植被集中分布区域提取精度略低于上述2种典型区域,总体精度为97.40%,Kappa系数为0.9371,相对误差为1/53.因此,提出的差异增强植被指数——DEVI可以有效、高精度、低成本提取不同植被覆盖典型区域无人机可见光影像中的绿色植被信息,为陆地生态系统中的绿色植被监测研究提供一种可行性方法.     

基于Landsat8影像的Himawari-8叶绿素a空间降尺度研究

新型地球静止气象卫星Himawari-8由于空间分辨率较低,其叶绿素a产品难以满足空间异质性高的近岸海域水质监测要求。为了克服这个限制,基于非线性的随机森林算法,利用陆地资源卫星Landsat8的波段反射率数据和Himawari-8的叶绿素a产品,通过构建降尺度模型,以提高Himawari-8的叶绿素a数据的空间分辨率。结果表明,2个秋季模型和2个冬季模型的模型决定系数(R²)分别达到0.6、0.72、0.71和0.85;均方根误差(RMSE)为别为1.47,1.05,1.89,0.76mg/m³。通过实测站点数据对比分析表明,降尺度模型生成的叶绿素a与葵花叶绿素a数据具有较高的一致性,R²达到了0.81,能较好的反映近岸海域叶绿素a浓度的空间变化特征。     

Estimation of in-use steel stock for civil engineering and building using nighttime light images

To establish a sustainable society, it is necessary to understand the flows and stocks of materials. However, traditional material flow analysis requires large quantities of data relating to the consumption and trade of materials in the past and the lifetime distributions of end use. To overcome the problem that such data may not be available, we have proposed using nighttime light images to estimate the in-use stocks of materials in countries for which the data are unavailable. In the previous study, in-use steel stock for civil engineering and building in 2006 was estimated using nighttime light images. However, several aspects of the methodology must be improved, and time-series analyses using nighttime light images have not yet been performed. Therefore, in this study, we improved the estimation of in-use steel stock by using new geological information (i.e., LandScan population distribution data) and correcting the pixel area. We prepared radiance-calibrated nighttime light data for 2006 and 2010 and conducted time-series analyses of the in-use steel stock using the nighttime light data. The in-use steel stock for civil engineering and building in 2010 was found to amount to approximately 11.3 Gt, which was approximately 21% higher than that in 2006.     

基于葵花影像中国地区夜间云识别方法研究

目的实现适用于中国地区的夜间云识别。方法根据红外波段云与非云的亮温差异,采用亮温阈值法研究适用于中国地区的夜间云识别算法。中国地形高程差异明显,其地表辐射能量也存在较大差异,影响云检测结果精度,因而提出基于三个高程阶梯的云识别方法。由于云检测结果验证缺少可见光波段,使用MODIS云数据产品和雷达数据CALIPSO分别做定性和定量验证。结果云检测区域与MODIS的MYD06云产品基本一致,CALIPSO雷达数据四个月的平均验证结果为:非云区域的提取精度约77.86%,云区域的提取精度为79.67%,将有云区域错提为非云的误差率为2.76%,而将非云区域误提取为有云区域的错误率为12.31%。结论利用日本静止气象卫星Himawari-8影像数据,根据阈值法提出的基于三个高程阶梯的云检测算法,较好地实现了适用于中国地区的夜间云识别。     

一种基于LVQ神经网络与图像处理的火焰识别算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,通过分析室内火灾图像与常见干扰光源图像的特点,提出一种基于人工神经网络的火焰图像检测技术。对火焰图像的基本特性进行分析,利用火焰图像序列的面积重叠率和中心相对移动率以及颜色等信息,结合实现学习向量量化(LVQ)神经网络融合技术,对视频序列图像中火焰的自动检测。仿真试验结果表明,基于LVQ神经网络的信息融合算法的网络收敛速度较快,有较高的火灾火焰识别准确率。