基于高分1号影像的森林植被信息提取

实时最新森林植被信息的提取是林业航空植保作业的必要前提。论文以安徽省蚌埠市为研究区域,探讨了基于高分1号卫星遥感数据在亚热带农林植被混合地区的森林植被信息提取。根据植被物候信息差异选择了提取森林植被信息的5个关键时期高分影像,采用分区决策树方法监测森林植被的空间分布和面积信息,并与未分区决策树法的提取结果进行比较。结果表明：采用分区决策树法和未分区决策树法对于大中尺度森林植被信息提取的总体精度均优于85%。但分区决策树森林植被提取总体精度达到90.72%,较未分区决策树法提高3.80%、4.65%,Kappa系数达到0.81,较未分区决策树法提高约0.07~0.10,结合植被物候信息的分区决策树森林植被提取法好于未分区决策树法,能够满足林业航空植保作业的精度需求。具有较高空间分辨率、宽覆盖、短重访周期的高分1号影像,对于大区域的林业航空植保当年最新森林植被信息的提取表现出较大的潜力。     

滑坡灾害危险性评价模型比较

通过对庆元地区滑坡灾害的详细研究，比较讨论了单变量评价、决策树评价与逻辑回归法等3种滑坡危险性评价模型在实际应用中的效果。单变量模型最为简单，计算方便，得到的结果也具有较高的准确性，当收集到的滑坡因素越多，对滑坡发育的刻画越精确，则最终评价结果也越可信；决策树算法能迅速从大量样本中归纳出一般规则，并具有较高的精度，但其结果也受到训练样本数量大小和样本维数即参与评价的因素集数量的影响；逻辑回归模型具有计算方法简单、评价结果物理意义明确等突出优点，但需要有大量样本数据的支持才能取得较好的效果。     

用于地震预警系统的单台站防误触发算法研究

利用单台站的信息在较短的时间内识别地震事件和干扰事件是地震预警系统面临的关键问题。研究了基于波形特征参数的决策树方法来提高地震预警系统的单台抗干扰能力。为了研究电磁干扰对地震预警系统的影响,进行了7种电磁干扰试验。使用事件触发后3 s内的波形数据提取5个特征(事件结束否、Speed、Sparse、Pration、对称性),用决策树建立了特征值和事件类型之间的映射关系。使用了大量的强震记录和干扰记录(6359条强震记录、163条干扰记录)对训练后的决策树进行了验证。结果表明,所提方法识别率高,易转换成IF-THEN规则,能方便地写到计算机程序或专家系统中。该算法可以作为地震预警或报警系统的前端地震事件检测模块,以提高系统的可靠性。     

事件树原理及其应用中的几个问题

在比较决策树与事件树异同的基础上,系统阐述了事件树的定性及定量分析,并给出定量分析的计算公式及应用实例,探讨了事件树与事故树的联合应用。     

基于熵权-HDT的航空器维修人误概率确定

人误是造成民用航空维修差错的主要因素。为确定不同情境下人误发生概率,结合某维修基地具体情况,采用熵权法确定主要的影响因子,并基于全决策树法分析主要影响因子对航空器维修人误概率的影响程度。计算结果显示,该维修基地人因可靠性的主要影响因子包括航空器维修人员的安全态度、技能、沟通、工作环境、压力以及工段长领导能力。根据各主要影响因子的不同品质描述等级组合,确定该情境下航空器维修人员的人误概率。鉴于该维修基地人因可靠性影响最明显的因子是"沟通",提出信息及时交流、明确沟通重要性等解决措施。     

基于决策树的城市黑臭水体遥感分级

水体黑臭程度遥感监测是了解城市水质现状和综合评价城市水环境治理效果的重要手段.以南京、常州、无锡和扬州为研究区,共采集171个样点,同步测量水质参数和光学参数,分析黑臭水体与一般水体的水色和光学特征,构建决策树模型进行重度黑臭水体、轻度黑臭水体和非黑臭水体（记为一般水体）识别.结果表明：①根据色度可将水体分为1~6类水体,其中,类型1~4为黑臭水体,分别为灰黑色、深灰色、灰色和浅灰色水体,类型5和类型6水体为一般水体,分别为绿色系和黄色系水体;②类型1水体的非色素颗粒物和有色可溶性有机物含量高,但色素颗粒物的吸收并不占主导,类型2和5水体的吸收以色素颗粒物吸收占主导,类型3、4和6水体的吸收以非色素颗粒物吸收占主导;③根据六类水体的反射光谱差异用黑臭水体差值指数（difference of black-odorous water index,DBWI）、三波段面积水体指数（green-red-nir area water index,G-R-NIR AWI）、绿光波段反射率和归一化黑臭水体指数（normalized difference black-odorous water index,NDBWI）构建的水体分类识别决策树,能够有效识别出重、轻度黑臭水体和一般水体;④将决策树模型应用于2019年4月9日扬州的PlanetScope影像上,并利用10个同步过境点进行验证,整体识别精度达到80.00%,K值达到0.67.通过水色分类后的城市水体分级模型方法,可推广应用于类似的水体,为黑臭水体监管提供技术方法.     

基于知识的洞庭湖湿地遥感分类方法

湿地遥感影像分类是遥感研究的一大难题。分析洞庭湖不同湿地类型在遥感影像上的光谱曲线规律,利用两个季节的洞庭湖ETM数据,并辅助以物候特征和地面GIS信息,通过遥感软件Erdas Image的专家分类知识库建立决策树分类方法,结合研究区的DEM进行洞庭湖湿地的影像分类,通过专家分类器分层次实现了包括水体、泥沙滩地、防护林滩地、湖草、芦苇滩地和苔草滩地以及其他水体7种湿地类型的分类。相比传统分类方法,专家分类过程以规则为基础,可以同时利用多个条件进行分类,减少了数据处理时间,同时还提高了分类精度,最终得到试验区较为可靠的遥感分类图像。     

基于ETM影像多种特征的CART决策树分类——以延边州为例

分类回归树(CART)是一种非参数化的分类与回归方法,在用于遥感影像自动分类时,可方便地应用多源知识,提高分类精度.以延边州试验区土地利用/覆被分类为例,利用分类回归树分析从训练样本中集中发现分类规则,集成遥感影像的光谱特征、纹理特征和辅助地学特征进行分类试验,并与传统的最大似然分类方法进行比较.结果表明,基于CART的决策树分类结果的总精度和Kappa系数分别为90.37%和0.8863,分类精度比MLC监督分类方法有明显提高.     

基于决策树的辽宁省北部沙漠化信息提取研究

以沙漠化问题较突出的辽宁省北部地区为例,选取2007年Landsat 5 TM遥感影像作为基本数据源,通过对影像中耕地、林地、草地、水域等常见地物及典型沙漠化土地进行光谱特征分析和波段间的相互运算,将修改型土壤调整植被指数（MSAVI）、归一化差异水体指数（NDWI）和遥感图像缨帽变换后的土壤亮度指数（SBI）、绿度植被指数（GVI）及湿度指数（WVI）等特征变量融入决策树分类模型后进行分层分离,从而实现对沙漠化信息的高精度提取。结果显示,决策树分类法可排除提取地物时的干扰信息,是保证沙漠化土地信息快速自动提取的方法之一。     

环杭州湾地区城市扩张的遥感动态监测

以环杭州湾地区为研究对象,应用决策树和形状指数相结合的方法从TM影像中分别提取了2003年和2006年的城镇用地信息,并对杭州市、绍兴市和宁波市的城市扩张特点进行了分析和研究。通过精度检验,城镇用地总体Kappa系数都在0.87以上,说明该方法提取城镇信息是行之有效的。2003年环杭州湾地区的城镇用地面积为914.04km²,2006年为1 286.1km²,4年间城镇用地净增了372.06km²,主要城市用地净增了192.6km²;杭州市、绍兴市、宁波市市区面积增加了43.7 km²;而其它县城与开发区增加了145.6 km²;说明小城市在环杭州湾地区城市化进程中处于主导地位;而大城市的作用则相对较小。杭州市、绍兴市城市扩张明显,其中尤以杭州市下沙区和绍兴市袍江工业园区的扩张最显著;宁波市城市扩张最小,特别是余姚城区。扩张方向上,杭州市主要向西北和北面扩张;宁波市在各个方向上的扩张比较平均。