最新录用
小球藻属DNA条形码的鉴定研究
下载:47 浏览:460
基于精细化理念的海岸线管控思考与探讨
下载:57 浏览:522
基于陆海统筹的海岸带“三生空间”分区体系研究
下载:56 浏览:499
基于雷达高度计的辽东湾海冰外缘线提取及其变动规律
下载:53 浏览:388
摘要:
为了分析利用雷达高度计资料提取海冰外缘线的精度,推进高度计在中国海冰遥感监测中的应用进展,本研究中基于Jason-2高度计沿岸和水文专用产品(PISTACH),提取了2008—2016年间辽东湾海冰外缘线,并与高分一号(GF-1)观测结果进行了对比验证,最后分析了辽东湾外缘线变动与国家海洋局葫芦岛海洋站气温观测数据的关系。结果表明:2013年末至2016年初3个冰期内的验证试验显示,基于Jason-2高度计判定的海冰外缘线延伸范围与基于GF-1遥感影像提取的结果符合良好,两者提取的海冰外缘线延伸距离均方差为2.81nmile,并且海冰外缘线变动规律与气温数据变动规律一致;对2008年6月—2016年10月期间共8个冰期的辽东湾海冰外缘线的变动规律分析显示,2010年冰情最为严重,辽东湾海冰外缘线自海岸起沿Jason-2高度计轨道往南延伸约90nmile, 2014年和2015年的冰情较轻,延伸距离均小于40nmile,另外,延伸距离的变动与葫芦岛的10日滑动平均气温呈明显的滞后响应关系,当滞后4d时,两者的相关性最强,相关系数为-0.56。研究表明,基于雷达高度计资料可以准确地提取辽东湾海冰外缘线,本研究结果对于中国海冰数据产品的开发和数值模拟的改进与验证具有重要参考。
基于物理核心素养的学生物理建模能力培养
下载:55 浏览:330
新型防水材料及其在建筑工程中的应用
下载:66 浏览:1121
Twin-block矫治器治疗安氏II类1分类错牙合疗效分析
下载:133 浏览:1296
射频天线分类及性能测试研究
下载:116 浏览:657
遥感图像特征提取与分类算法在自然灾害监测中的应用
下载:165 浏览:2865
浅谈核电厂电气元件类物项的分类采购管理
下载:91 浏览:987
CPC分类号在数据备份/恢复领域的应用
下载:53 浏览:689
CPC分类号在数据备份/恢复领域的检索应用
下载:55 浏览:698
浅谈艺术类高职院校分类考试改革下的招生对策
下载:267 浏览:2691
基于深度学习的航空摄影测量技术分析及研究
下载:81 浏览:1057
基于土地分类管理的城市拓展规划研究
下载:172 浏览:1841
细粒度图像识别与分类算法研究
下载:63 浏览:850
摘要:
针对深度学习常用人脸识别方法训练不易收敛、图像分辨率低影响大等问题,提出了一种基于通道注意力模块的多尺度特征融合残差神经网络(channel attetion multi-scale fusion)CAMF-ResNet。该方法基于残差块和softmax损失的人脸识别方法,改进了残差网络,利用特征金字塔提取不同层次的特征进行信息融合,并融合了不同尺度的特征,它可以获得更多的描述性信息,提高图像表示的性能。在端到端网络特征提取中,利用注意机制提取相应的高阶特征表示,得到描述能力强的图像表示。实验结果表明,该方法能有效解决深层网络退化和参数过多的缺陷,提高对细粒度图像判别性区域的精细化能力进而提高模型分类精度以获得更高描述性信息特征表示。
基于物理核心素养的学生物理建模能力培养
下载:253 浏览:1297
基于GEE的咸宁市土地利用分类评价
下载:264 浏览:2819
摘要:
图像分类是遥感的一个基本目标。遥感图像分类是利用遥感图像进行地物分类的过程。遥感图像分类的目标是将遥感图像中的像素分为不同的地物类别,常用的分类类别包括建筑物、道路、水体、森林、农田等。在Google Earth Engine中进行图像分类可以通过编写JavaScript或Python代码来实现。实现湖北省咸宁市土地利用分类,并对比两种方法分类结果。土地利用分类的意义在于为土地管理、环境保护、资源管理和决策支持提供重要的数据和信息,促进可持续发展和有效利用土地资源。GEE中实现土地利用分类的方法包括有监督分类和无监督分类,本文使用两种方法对咸宁市土地利用进行分类,以巩固学习的相关课程。
基于机器学习的年度内土地覆盖分类
下载:149 浏览:1484
摘要:
本文利用scikit-learn的随机森林分类器对土地覆盖类型进行了分类,探讨了机器学习在分类问题上的应用效果。本文采用了多源遥感数据作为特征输入,对八种土地覆盖类型进行了识别和比较。结果表明,随机森林分类器在土地覆盖分类上表现较好,整体的准确性达到了93.5%,kappa值为0.92,说明该分类器能够有效地区分不同的土地类型。各类别的producers准确率和consumers准确率也较高,除了水体和人工林两个类别较低外,其他类别都在90%以上。本文认为,增加这两个类别的样本数量或者选择更有区分力的特征可能会提高它们的准确率。本文为机器学习在土地覆盖分类上的应用提供了一种有效的方法和参考。