【摘 要】
：
随着城市化进程的加快,热岛效应成为当今社会热点问题,研究主要集中于热岛强度变化和景观格局影响分析。遥感热岛提取结果受到多方面因素的影响,因此影像选择尤为关键。以石家庄地区为例,选取不同季节、相同季节但植被状态不同的Landsat影像以及ASTER夜间影像,分析季节、农田生长状态、昼夜等因素对遥感热岛提取结果的影响。研究表明:农田作物生长茂盛、平均温度高的季节,遥感热岛提取效果较好且热岛强度较大;农
【机 构】
：
长安大学地球科学与资源学院,中国资源卫星应用中心
【基金项目】
：
中央高校基本科研业务费专项资金项目(300102278303、300102270204)。
论文部分内容阅读
随着城市化进程的加快,热岛效应成为当今社会热点问题,研究主要集中于热岛强度变化和景观格局影响分析。遥感热岛提取结果受到多方面因素的影响,因此影像选择尤为关键。以石家庄地区为例,选取不同季节、相同季节但植被状态不同的Landsat影像以及ASTER夜间影像,分析季节、农田生长状态、昼夜等因素对遥感热岛提取结果的影响。研究表明:农田作物生长茂盛、平均温度高的季节,遥感热岛提取效果较好且热岛强度较大;农田作物收获后,土地裸露,为保证遥感热岛有效提取应选择夜间数据。实验结果可为热岛研究过程中遥感数据选择和分
其他文献
对5G网络市场微网格进行网格画像打分,基于价值网格的覆盖差异,进而通过网业协同联动,对高价值网格实施差异化的价值提升举措,实现投资收益最大化,为价值建网、精准营销持续推进提供参考。
森林在生态系统服务中起着重要作用,例如提供清洁空气、保护生物栖息地以及减少全球温室气体的排放等。全球森林变化数据集(Global Forest Change,GFC)每年以30 m的高空间分辨率绘制森林覆盖变化图,成为监测森林覆盖时空变化特征的有效工具。利用谷歌地球引擎(Google Earth Engine,GEE),基于GFC产品,结合线性回归方法和空间自相关理论对西南地区2001～2019年
介绍了广东联通在AI创新领域进行的一项网络智能化运维实践,提出一种基于AI关联分析的网络设备配置异常监测方法,创造性地以AI关联分析中得到的弱关联规则构建异常特征模型,从海量配置数据中快速发现配置异常。该算法具备自学习、自挖掘能力,具备良好的泛化性和应用推广性,能有效应对5G时代大量网络新建和网络改造带来的配置稽核工作量爆发式增长。
数字孪生以各领域日益庞大的数据为基本要素,借助发展迅速的建模仿真、人工智能、虚拟现实等先进技术,构建物理实体在虚拟空间中的数字孪生体,实现对物理实体的数字化管控与优化,开拓了企业数字化转型的可行思路。首先介绍了数字孪生的演进与价值,然后给出了数字孪生典型特征及其体系架构,并基于该架构介绍了多项数字孪生关键技术,最后对数字孪生进行了展望,包括其面临的挑战与未来发展趋势。
高光谱图像的高维特性和波段间的高相关性,导致高光谱图像地物识别问题研究中,面临着数据量大、信息冗余的问题,降低了高光谱图像的分类识别精度。针对以上问题,提出了基于局部保留降维(Local Fisher Discriminant Analysis,LFDA)结合遗传算法(Genetic Algorithm,GA)优化极限学习机(Extreme Learning Machine,ELM)的高光谱图像分
雷达高度计的主要功能是测量全球平均海平面高度(SSH:Sea Surface Height),它通过准确测量收发脉冲之间的时间间隔来实现精准的星地距离测量,时间测量的准确度取决于高度计时
准确识别和划分城市功能区对合理规划城市发展和解决城市问题具有重要作用。遥感影像拥有丰富的光谱纹理特征但难以表征建筑物的社会经济属性,而社交媒体数据等城市数据为城市研究与应用提供了丰富的数据资源,补充了遥感影像所缺失的建筑物内在特征。融合高分辨遥感影像和POI数据的多特征信息,利用嵌入主题模型挖掘其潜在语义信息识别城市功能区。以宁波市2个典型的城市商业区为研究区设计3个实验,验证该方法的效果和性能。
全球水储量的时空变化研究,对理解全球水循环过程、安排农业生产、防治洪涝灾害等具有重要意义.GRACE重力反演与气象实验卫星为获取全球水储量变化提供了直接观测手段,但不同
影像融合在滨海湿地遥感监测中具有重要作用,然而滨海湿地区域多以水体、植物等为主,地物复杂多变,导致现有融合方法易产生光谱畸变且鲁棒性往往较差,难以满足滨海湿地的长时序动态监测需求。为此,提出基于空—谱质量评价的全色/多光谱影像融合方法SSQI_PANSHARP,所提融合模型以融合影像的空—谱质量评价为导向,集成多种融合方法在空间增强和光谱保真方面的互补优势,满足滨海湿地长时序遥感监测对融合方法鲁棒
广东联通在承载网、核心网、无线网、主机等网络中,针对设备流量、DNS、RADIUS、RRC等网络和业务指标进行大数据分析,指导运维人员实现重要故障的提前发现并及时对网络中的异常和隐患实施优化和应急措施。介绍并对比3种经典的时间序列预测模型,结合不同的阈值设定方法,实现现网性能指标的精准预测和异常告警。基于机器学习进行网络性能预测的方案在落地项目中展现出极好的赋能效果。