• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于多種分類器組合的森林類型信息提取技術(shù)研究

    2016-01-12 06:11:31張智超,范文義,孫舒婷
    森林工程 2015年3期
    關(guān)鍵詞:遙感熵權(quán)法

    基于多種分類器組合的森林類型信息提取技術(shù)研究

    張智超,范文義*,孫舒婷

    (東北林業(yè)大學(xué) 林學(xué)院,哈爾濱 150040)

    摘要:遙感圖像分類是遙感應(yīng)用系統(tǒng)中的關(guān)鍵技術(shù),提高遙感圖像的分類精度是發(fā)展遙感技術(shù)重點(diǎn),采用多分類器組合的算法對(duì)黑龍江塔河縣森林類型進(jìn)行分類。根據(jù)黑龍江省森林資源調(diào)查技術(shù)規(guī)定及研究區(qū)二類調(diào)查數(shù)據(jù)制定分類系統(tǒng),最終的分類級(jí)別為針葉林、闊葉林和針闊混交林。通過分析TM數(shù)據(jù)的原始波段和NDVI、BI等植被指數(shù)提取各分類類型的光譜特征。選擇最小距離法、最大似然法、馬氏距離法對(duì)研究區(qū)進(jìn)行分類,計(jì)算出各分類器的精度。在分類器組合的過程中采用信息熵方法確定組合分類器中各分類器的權(quán)重系數(shù),利用組合后新的分類器對(duì)研究區(qū)進(jìn)行分類。結(jié)果表明:多分類器組合的分類精度達(dá)75.59%,比單分類器精度提高了3.85%,對(duì)闊葉林、針闊混交林、針葉林3種分類類型的分類精度分別達(dá)82.32%、66.45%、75.49%,比單分類器進(jìn)度分別提高了2.87%、4.82%。4.10%。

    關(guān)鍵詞:遙感,分類器組合,TM數(shù)據(jù),熵權(quán)法

    中圖分類號(hào):S 771.8

    文獻(xiàn)標(biāo)識(shí)碼:A

    文章編號(hào):1001-005X(2015)03-0075-06

    Abstract:Remote sensing image classification is a key technology in remote sensing applications,and the improvement on the accuracy of remote sensing image classification is emphasized for remote sensing technology.The forest types in Tahe county of Heilongjiang province were classified based on multiple classifiers combination.The classification system was designed based on the forest resource inventory technical regulations of Heilongjiang province and inventory data for study area,and the classifications include coniferous forest,broadleaf forest,coniferous and broadleaf mixed forest level.Through the analysis on the TM data band and NDVI,BI vegetation indices,the spectral characteristics of each type of forest were extracted.The minimum distance,maximum likelihood,and the mahalanobis distance method were used to classify the forest types.The weighting factor of the classification was determined by the entry weight method based on the classification accuracy,and combined a new classifier for classification.The experiment results showed that the accuracy of multiple classifier combination achieved 75.59%,a increase of 3.85% compared with the single classifier accuracy.The classification accuracy of the three forest types were as follows:broadleaf forest 82.32%,coniferous forest 66.45%,coniferous and broadleaf mixed forest 75.49%,respectively,which increased by 2.87%,4.82%,4.10%,respectively,compared with the single classifier accuracy.

    Keywords:remote sensing;multiple classifiers combination;TM data;entropy weight method

    收稿日期:2014-11-12

    基金項(xiàng)目:國(guó)家高技術(shù)研究發(fā)展計(jì)劃(2012AA102001)

    作者簡(jiǎn)介:第一張智超,碩士研究生,研究方向:林業(yè)遙感。

    通訊作者:`*范文義,博士,教授。研究方向:林業(yè)遙感。

    Investigation of Forest Types Extraction TechnologyUsing Multiple Classifiers Combination

    Zhang Zhichao,F(xiàn)an Wenyi*,Sun Shuting

    (School of Forestry,Northeast Forestry University,Harbin 150040)

    E-mail:fanwy@163.com

    引文格式:張智超,范文義,孫舒婷.基于多種分類器組合的森林類型信息提取技術(shù)研究[J].森林工程,2015,31(3):75-80.

    森林類型信息是很多研究領(lǐng)域都需要的重要信息之一。由于森林具有面積大的特點(diǎn),所以遙感技術(shù)是解決森林類型信息的最有效方法之一。遙感圖像分類方法的提高直接制約著遙感技術(shù)的應(yīng)用和發(fā)展[1-2]。用遙感數(shù)據(jù)提取森林類型的算法可分為基于像元的分類算法、基于對(duì)象的分類算法和混合像元分解算法三大類[3]。基于像元的分類方法主要有最小距離分類、最大似然分類、波譜角分類、混合距離分類等,他們主要依賴地物光譜特性,由于遙感圖像本身分辨率以及“同物異譜”、“異物同譜”的現(xiàn)象存在,導(dǎo)致分類精度不高[4-7]。近年來神經(jīng)網(wǎng)絡(luò)分類方法的研究比較活躍,在分類時(shí)并不基于某個(gè)假定的概率分布,在監(jiān)督分類中通過對(duì)訓(xùn)練樣本的學(xué)習(xí)獲得權(quán)值,從而形成分類器,人工神經(jīng)網(wǎng)絡(luò)分類器所得到的精度較高[8-12],支持向量機(jī)分類方法有嚴(yán)格的理論基礎(chǔ),可以解決小樣本、高維數(shù)、非線性的問題,很好的應(yīng)用在高光譜和多光譜遙感圖像分類中[13-14]?;旌舷裨纸獾膯栴}國(guó)內(nèi)外提出了許多方法,Bateson等人提出了一種端元束方法[15];Wu等人將光譜除以各波段光譜均值后做混合像元分解[16]。在面向?qū)ο蟮姆诸惙椒ㄖ饕鎸?duì)的是高分辨率數(shù)據(jù),Andrea在航空?qǐng)D像和QuickBird圖像,用影像分割方法和面向?qū)ο蠹夹g(shù)對(duì)植被進(jìn)行變化檢測(cè)[17];周春艷用多尺度分割技術(shù)生成同質(zhì)影像對(duì)象利用光譜特征和形狀特征模糊分類的方法進(jìn)行分類[18]。目前,遙感圖像分類算法有很多,但沒有哪一種分類算法是最佳的[19],由于遙感影像數(shù)據(jù)的復(fù)雜性只能具體數(shù)據(jù)具體分析,以達(dá)到更好的效果。

    在當(dāng)前遙感技術(shù)的分類算法比較多也比較成熟的情況下,由于遙感圖像的復(fù)雜,單一分類算法的分類精度不能滿足應(yīng)用的要求,利用多種分類器組合的方法提高分類精度是可行的途徑。

    本文針對(duì)當(dāng)前遙感技術(shù)分類的現(xiàn)狀,用多分類器組合的算法研究提高遙感影像的分類精度,先確定組合分類算法的規(guī)則,再采用熵權(quán)法對(duì)各分類器的差異性進(jìn)行度量,從而確定各分類器的權(quán)重系數(shù),最后用加權(quán)的組合分類算法對(duì)遙感影像分類[20]。

    1實(shí)驗(yàn)區(qū)概況及數(shù)據(jù)處理

    1.1 研究區(qū)

    本文以大興安嶺地區(qū)塔河林業(yè)局為研究區(qū),塔河縣位于黑龍江省西北部,地處東經(jīng)123°19′~125°49′,北緯52°07′~53°20′之間,總面積為14 420 km2。東面是呼瑪縣,南面是新林區(qū)和呼中區(qū),西面是漠河縣,北界是黑龍江主航道中心線也是中國(guó)與俄羅斯的邊界線。塔河縣位于大興安嶺地區(qū)中心,總體地勢(shì)西高東低,屬山地和丘陵地形,區(qū)域內(nèi)最高海拔1 396.7 m,最低海拔209.8 m,平均海拔450 m,年平均氣溫-5℃,年平均降雨量400~500 mm,全年植物生長(zhǎng)期約為120 d,區(qū)域內(nèi)森林蓄積量達(dá)11.183萬 m3,樹種有樟子松、落葉松、云杉、山楊、白樺、柳樹和蒙古櫟[21]。

    1.2 數(shù)據(jù)收集與處理

    本研究采用Landsat-5 TM衛(wèi)星影像數(shù)據(jù),軌道編號(hào)為121/23和121/24,時(shí)間為2007年7月19日,地面數(shù)據(jù)采用2005年的二類調(diào)查數(shù)據(jù)。由于衛(wèi)星傳感器在獲得影像數(shù)據(jù)時(shí)受大氣、光、太陽高度角、植被等外界因素和傳感器內(nèi)在因素的影響,使得獲得的遙感影像數(shù)據(jù)發(fā)生輻射退化,所以在進(jìn)行分類之前對(duì)原始的遙感影像數(shù)據(jù)進(jìn)行預(yù)處理,其中包括輻射定標(biāo)、大氣校正、太陽高度角校正、幾何精校正等,兩景遙感影像數(shù)據(jù)通過確定同名地物點(diǎn)進(jìn)行拼接,校正后的精度在一個(gè)像元內(nèi)。再利用二類調(diào)查的矢量邊界掩膜提取出研究區(qū)。

    1.3 分類系統(tǒng)的制定

    本文制定的分類系統(tǒng)如圖1所示,依據(jù)黑龍江省森林資源規(guī)劃調(diào)查細(xì)則確定分類系統(tǒng)各層次的類別,本文的研究重點(diǎn)是將有林地再分類,參照二類調(diào)查數(shù)據(jù)把有林地分為針葉林、闊葉林和針闊混交林。闊葉樹種主要有山楊、白樺,針葉樹種主要是落葉松和樟子松。

    圖1 土地利用分類系統(tǒng) Fig.1 Land classification system

    2研究方法

    2.1 分類特征的選擇

    為了實(shí)現(xiàn)本研究的分類級(jí)別,先對(duì)TM影像進(jìn)行一級(jí)分類提取有林地,在一級(jí)分類過程中所分的4種土地利用類型分別為灌草地、林地、建筑用地和河流,一級(jí)分類使用TM影像數(shù)據(jù)的1、2、3、4、5波段和計(jì)算得到的NDVI波段數(shù)據(jù),采用最大似然分類算法進(jìn)行分類,得到的總體精度98.36%,kappa系數(shù)為0.96,有林地生產(chǎn)者精度99.31%。在一級(jí)分類提取有林地的基礎(chǔ)上,進(jìn)一步研究針葉林、闊葉林和針闊混交林級(jí)別的三級(jí)分類。

    根據(jù)TM遙感影像數(shù)據(jù)的特性,林地在3、4波段的光譜特性顯著,所以進(jìn)一步用3、4波段計(jì)算歸一化植被指數(shù)(NDVI)和比值植被指數(shù)(RVI)。K-T變換是根據(jù)多光譜遙感中土壤、植被等信息在多維光譜空間中信息分布結(jié)構(gòu)對(duì)圖像做的經(jīng)驗(yàn)性線性正交變換,本文選擇K-T變換第一分量土壤亮度指數(shù)(BI)和K-T變換第二分量植被綠度指數(shù)(GVI)作為分類系統(tǒng)的分類特征。計(jì)算各植被指數(shù)的算法如下:

    歸一化植被指數(shù)(NDVI):

    (1)

    比值植被指數(shù)(RVI):

    (2)

    K-T變換土壤亮度指數(shù)(BI):

    BI=0.2909b1+102493b2+0.4806b3+0.5568b4+0.4438b5+0.1706b7。

    (3)

    K-T變換植被綠度指數(shù)(GVI):

    GVI=-0.2728b1-0.2728b2+0.7721b4-0.733b5-0.1648b7。

    (4)

    以上植被指數(shù)公式中b1、b2、b3、b4、b5、b7分別代表TM原始圖像的第1、2、3、4、5、7波段。

    由于原始波段的數(shù)量級(jí)與NDVI、RVI的數(shù)量級(jí)不同,將NDVI和RVI拉伸到0~255之間,拉伸公式為

    (5)

    公式中DN像元值為圖像原始像元值,DNmax、DNmin為該圖像的最大值和最小值。

    在掩膜提取有林地的基礎(chǔ)上進(jìn)行分類,隨機(jī)選擇訓(xùn)練樣本,建立波譜庫,得到各分類類型的像元值見表1,拉伸到0~255后的值如圖2所示。

    表1 遙感影像訓(xùn)練樣本的像元值 Tab.1 Training sample pixel in remote sensing image

    圖2 遙感影像各地物類型像元拉伸值 Fig.2 Stretch comparison of the pixel for each surface feature type in remote sensing image

    如圖2所示,在NDVI、和RVI波段內(nèi)3種分類類型的光譜特征差異不顯著;在GVI波段可以清楚的分辨出針葉林,但是闊葉林和混交林的光譜差異不顯著;在波段b2、b3、b4、b5、b7、BI內(nèi)3種分類類型波普特征的差異顯著,所以在進(jìn)行分類的過程中選擇b2、b3、b4、b5、b7、BI6個(gè)波段作為分類特征。

    2.2 多分類算法組合

    多分類器結(jié)合是利用多個(gè)分類器方法的分類結(jié)果,通過某個(gè)合成方式,最終決策融合的規(guī)則。常規(guī)的分類器組合分為測(cè)量級(jí)和抽象級(jí),投票法組合分類器和Bagging算法組合分類器就是基于抽象級(jí)的組合方法,Bayesian平均結(jié)合規(guī)則就是基于測(cè)量級(jí)分類器組合方法。Wilkinson提出過將統(tǒng)計(jì)分類器和網(wǎng)絡(luò)分類器結(jié)合的方法[22];Pinz做過將最大似然法和神經(jīng)網(wǎng)絡(luò)法進(jìn)行結(jié)合[23];Acqual提出很多空間和光譜特征融合的多分類器分類方法[24]。

    加權(quán)求和的規(guī)則是通過各子分類器的分類精度大小通過一系列算法確定權(quán)重,這種思維較投票法更為科學(xué)。本研究采用的算法是先確定組合前每個(gè)分類器的權(quán)重,然后計(jì)算出各分類器分類精度的信息熵,通過得到的信息熵計(jì)算出各分類器的變異程度系數(shù),最后計(jì)算出各分類器的權(quán)重系數(shù)。熵權(quán)法的思想是指標(biāo)的信息熵越小,所提供的信息量越大,在評(píng)價(jià)中的作用就越大,相應(yīng)的權(quán)重也越大。本文假定各單一分類器間是相互獨(dú)立的,并且各分類器的識(shí)別能力有一定差異。所以利用信息熵計(jì)算出各分類器精度的熵值,再利用熵值修正各分類器的權(quán)重,所得到的權(quán)重值更客觀。權(quán)值的確定如下:

    先確定單個(gè)分類器各分類類型的精度e(k)i,計(jì)算各分類器的權(quán)重:

    (6)

    式中:k表示分類器編號(hào);i表示分類類型;n表示分類類型個(gè)數(shù);e表示精度值。

    不同分類器精度的熵值算法如下:

    (7)

    公式中k,i,n同上,系數(shù)m的取值如下:

    (8)

    根據(jù)計(jì)算得到熵值,再利用下面的公式得到各分類器精度的變異程度系數(shù):

    D(k)=1-H(k)。

    (9)

    由于變異程度越大,權(quán)重就越小,則不同分類器的權(quán)重系數(shù)用以下公式計(jì)算:

    (10)

    公式中N表示分類器個(gè)數(shù)。

    將分類器的信息熵權(quán)重系數(shù)加權(quán)求和,即可得到組合分類器的算法:

    (11)

    N、k同上,X為分類器算法。

    3結(jié)果與分析

    3.1 結(jié) 果

    對(duì)TM遙感數(shù)據(jù)用最大似然分類器、最小距離分類器、馬氏距離分類器分別進(jìn)行分類,得到的分類誤差矩陣和分類精度見表2~表5。

    表2 最小距離分類器分類誤差矩陣 >Tab.2 The minimum distance classifier error matrix

    表3 最大似然分類器分類誤差矩陣 Tab.3 The maximum distance classifier error matrix

    表4 馬氏距離分類器分類誤差矩陣 Tab.4 The mahalanobis distance classifier error matrix

    表5 3種分類器的精度報(bào)告 Tab.5 The classifiers accuracy reported

    表6 組合分類器的誤差矩陣和生產(chǎn)者精度 Tab.6 The error matrix and producer accuracy

    通過表5可見,3種分類器的對(duì)闊葉林的分類精度相對(duì)較高,最高達(dá)79.45%,最小為75.34%;采用最小距離分類器和最大似然分類器對(duì)針闊混交林的分類精度相似,馬氏距離分類器對(duì)針闊混交林的精度較低僅為47.84%;3種分類器對(duì)針葉林分類精度的波動(dòng)較大,最大精度與最小精度差達(dá)28.82%。馬氏距離分類器對(duì)闊葉林的識(shí)別進(jìn)度明顯高于針葉林和針闊混交林,相比較3種分類器,最大似然分類器的分類精度高于其他兩種分類器。

    經(jīng)過計(jì)算確定最小距離分類器信息熵權(quán)重系數(shù)為36.36%;最大似然分類器信息熵權(quán)重系數(shù)為42.97%,馬氏距離分類器信息熵權(quán)重系數(shù)為20.67%。組合后的算法為

    X=0.3636×X1+0.4297×X2+0.2067×X3。

    (12)

    X1、X2、X3分別表示最小距離分類器算法、最大似然分類器算法、馬氏距離分類器算法,X表示組合分類器的算法。

    加權(quán)求和分類器的分類結(jié)果如圖3所示。

    圖3 組合分類器分類結(jié)果 Fig.3 The classification of multiple classifiers combination

    最終組合分類器的總體精度為75.59%比單個(gè)分類器的高,組合分類器對(duì)每種分類類型的精度都有提高,尤其是闊葉林的分類精度達(dá)82.32%。

    3.2 分 析

    由研究結(jié)果可知,四種分類器對(duì)闊葉林和針葉林的分類精度都比較高,但是對(duì)針闊混交林的分類精度較低,這與針闊混交林的復(fù)雜結(jié)構(gòu)有一定關(guān)系。如圖4所示4種分類器對(duì)3種分類類型的關(guān)系,通過加權(quán)組合分類器的總體精度都高于單個(gè)分類器的精度,從分類類型分析,加權(quán)組合分類器的分類精度明顯高于單個(gè)分類器的精度,針闊混交林類型提高的最顯著,加權(quán)組合分類器的針闊混交林分類精度達(dá)66.45%比單個(gè)分類器中最高的最大似然法精度高4.82%,3種分類器對(duì)針葉林分類精度波動(dòng)較大,組合分類器對(duì)針葉林的分類精度達(dá)75.49%比單分類器算法提高了4.1%,組合分類器算法對(duì)闊葉林的精度達(dá)82.32%提高了2.87%。由于本研究在分類器組合的過程中考慮了各分類器之間的相關(guān)性和互補(bǔ)性,使得組合分類器算法有效的提高了3種分類類型的精度,減少了混淆矩陣中錯(cuò)分和漏分的現(xiàn)象。本研究在精度檢驗(yàn)過程中選擇了46 935個(gè)樣點(diǎn)作為檢驗(yàn)對(duì)象,大量的數(shù)據(jù)避免了檢驗(yàn)過程中所出現(xiàn)的偶然性,最終組合分類器的總體精度提高了3.85%。

    圖4 各分類器的精度 Fig.4 The accuracy of the classifiers

    4結(jié)論和討論

    4.1 結(jié) 論

    本文以TM遙感數(shù)據(jù)為信息源,首先對(duì)研究區(qū)進(jìn)行了一級(jí)分類提取林地精度達(dá)98.37%,以此基礎(chǔ)上對(duì)林地進(jìn)行分類,選擇了各分類類型中光譜差異較大的b2、b3、b4、b5、b7、BI 6個(gè)波段進(jìn)行分類,在分類的過程中選擇最小距離法、最大似然法和馬氏距離法3種分類器算法,得到的3種分類器對(duì)針葉林、闊葉林和針闊混交林3種分類類型的精度,從而提出了組合分類器算法的思想,利用信息熵權(quán)重系數(shù)的方法確定組合分類器的算法,得到組合分類器的總體精度為75.58%,針葉林分類精度為75.49%,闊葉林分類精度為82.32%,針闊混交林分類精度為66.45%。

    本文得到的結(jié)論有:通過多分類器組合方法對(duì)黑龍江省塔河林場(chǎng)的闊葉林、針闊混交林、針葉林進(jìn)行分類,使得分類的總體精度達(dá)75.58%比單個(gè)分類器提高了3.85%,對(duì)闊葉林的分類精度達(dá)82.32%比單分類器提高了2.87%、針闊混交林的分類精度達(dá)66.45%比單分類器提高4.82%、針葉林的分類精度達(dá)75.49%比單分類器算法提高4.1%;多分類器組合的分類算法綜合了各單分類器的優(yōu)點(diǎn),結(jié)合了分類器間的相關(guān)性與互補(bǔ)性,本文采用信息熵確定權(quán)重系數(shù)的規(guī)則,這與傳統(tǒng)的投票法規(guī)則相比更科學(xué),所以信息熵確定權(quán)重系數(shù)規(guī)則進(jìn)行多分類器組合的方法能有效的提高遙感信息的識(shí)別、提取。

    4.2 討 論

    本文在遙感影像的提取和識(shí)別的地物類型中引入了組合分類器的思想,具體的分析了組合分類器與單個(gè)分類器分類精度。提高遙感影像分類精度的方法有很多,本文選擇了組合分類器算法的方法提高分類精度,但在選擇單個(gè)分類器上的研究比較欠缺,在今后的研究中可以選擇更多的分類器算法如SVM、SAM、支持向量機(jī)等方法進(jìn)行組合已達(dá)到提高遙感精度的目的。

    【參考文獻(xiàn)】

    [1]金亞秋.空間微波遙感數(shù)據(jù)驗(yàn)證理論與方法[M].北京:科學(xué)出版社,2005.

    [2]楊紅磊.EM算法研究及其遙感分類應(yīng)用[D].北京:中國(guó)地質(zhì)大學(xué),2009.

    [3]羅小波,趙春暉,潘建平,等.遙感圖像智能分類及其應(yīng)用[M],北京:電子工業(yè)出版社,2011.

    [4]Ji C Y.Land-use classification of remotely sensed data using kohonen self-organizing feature map neural networks[J].Photogrammetric Engineering & Remote Sensing,2000,66(12):1451-1460.

    [5]Kohonen T.Self organization of a massive document collection[J].Neural Networks,2000,11(3):570-584.

    [6]駱劍承.基于徑向基函數(shù)(RBF)映射理論的遙感影像分類模型研究[J].中國(guó)圖像圖像學(xué)報(bào),2000,5(2):95-99.

    [7]Bagan H,Ma J W.Dimension reduction of self-organized neural networks classification for multi band satellite data[J].Geometries Information Science of Wuhan University,2004,29(5):461-465.

    [8]張友文,馮學(xué)智,阮仁宗,等.Kohonen神經(jīng)網(wǎng)絡(luò)在遙感影像分類中的研究[J].遙感學(xué)報(bào),2004,8(2):178-183.

    [9]劉純平.基于Kononen神經(jīng)網(wǎng)絡(luò)聚類方法在遙感分類中的比較[J].計(jì)算機(jī)應(yīng)用,2006,26(7):1745-1750.

    [10]戴芹,馬建文.基于遙感數(shù)據(jù)SOFM網(wǎng)絡(luò)分類結(jié)果的城市增長(zhǎng)潛力模型研究[J].遙感技術(shù)與應(yīng)用,2006,21(3):200-205.

    [11]尹汪宏,李超峰,張俊玲.基于混合核函數(shù)的自組織神經(jīng)網(wǎng)絡(luò)遙感圖像分類[J].計(jì)算機(jī)工程與設(shè)計(jì),2009,30(2):288-391.

    [12]曲培青,施潤(rùn)和,劉剋.基于遙感和BP人工神經(jīng)網(wǎng)絡(luò)的城鄉(xiāng)氣象站點(diǎn)劃分分析[J].地球信息科學(xué),2010,12(5),726-732.

    [13]Zhang J,Zhang Y.Classification of hyperspectral data using support vector machine[A].In:Proceedings of IEEE International Conference on Image Processing[C],Thessaloniki Greece,2001:882-885.

    [14]He L M,Kong F S.Multiclass SVM based land cover classification with multisource data[A].In:Proceedings of the Fourth International Conference on Machine Learning and Cybernetics[C].Guangzhou China,2005:3541-3545.

    [15]Bateson C A,Asner G P.Endmember bundles:A new approach to incorporating endmember variability into spectral mixture analysis [J].IEEE Transactions Oil Geoscience and Remote Sensing,2000,38(2):1083-1094.

    [16]Wu C.Normalized spectral mixture analysis for monitoring urban composition using ETM+ imagery[J].Remote Sensing of Environment,2004,93(4):480-492.

    [17]Laliberte AS,Rango A,Havstad K M,et al.Object-oriented image analysis for mapping shrub encroachment from 1937 to 2003 in southern New Mexico[J].Remote Sensing of Environment,2004,93:198-210.

    [18]周春艷.面向?qū)ο蟮母叻直媛蔬b感影像信息提取技術(shù)[D].青島:山東科技大學(xué),2006.

    [19]柏延臣,王勁峰.結(jié)合多分類器的遙感數(shù)據(jù)專題分類方法研究[J].遙感學(xué)報(bào),2005,9,(5):555-563.

    [20]叢喜東,梁志強(qiáng).地理信息系統(tǒng)在林業(yè)精細(xì)化管理中的應(yīng)用[J].林業(yè)機(jī)械與木工設(shè)備,2014,04:54-56.

    [21]徐化成.中國(guó)大興安嶺森林[M].北京:科學(xué)出版社,1998.

    [22]Wilkinson G G,F(xiàn)ierens F.Integration of neural and statistical approaches in spatial data classification[J].Geographical Systems,1995(2):1-20.

    [23]Pinz A J,Bartl R.Information fusion in image understanding Landsat classification and ocular fundus image[A].In:SPIE Sensor Fusion V [C],Boston,1992:276-287.

    [24]Acqual F D,Gamba P,F(xiàn)errari A,et al.Exploiting spectral and spatial information in hyperspectral urban data with high resolution[J].IEEE Transactions on Geoscience and Remote Sensing Letters,2004,1(4):322-326.

    [責(zé)任編輯:劉美爽]

    猜你喜歡
    遙感熵權(quán)法
    高職機(jī)電專業(yè)學(xué)生數(shù)學(xué)能力的調(diào)查及對(duì)策
    考試周刊(2016年103期)2017-01-23 15:58:59
    大學(xué)周邊健身房滿意度調(diào)查報(bào)告
    基于熵權(quán)法的京津冀區(qū)域信息化協(xié)調(diào)發(fā)展規(guī)律模型及其應(yīng)用
    基于熵權(quán)法的“互聯(lián)網(wǎng)+”農(nóng)業(yè)發(fā)展影響因素權(quán)重確定
    商(2016年34期)2016-11-24 20:05:32
    基于熵權(quán)法的西安市外向型經(jīng)濟(jì)發(fā)展綜合評(píng)價(jià)研究
    城市與區(qū)域經(jīng)濟(jì)可持續(xù)發(fā)展
    商(2016年27期)2016-10-17 04:35:55
    皮山縣綠洲
    商(2016年25期)2016-07-29 20:50:14
    基于最大似然法的南京市土地利用類型分類研究
    商(2016年22期)2016-07-08 14:32:30
    基于GIS的東川地區(qū)植被指數(shù)季節(jié)變化研究
    商(2016年22期)2016-07-08 14:05:14
    中國(guó)“遙感”衛(wèi)星今年首秀引關(guān)注
    久久毛片免费看一区二区三区| 在线精品无人区一区二区三| www.自偷自拍.com| www.自偷自拍.com| 日韩视频在线欧美| 免费黄频网站在线观看国产| 亚洲第一av免费看| 久久毛片免费看一区二区三区| 老熟女久久久| 熟妇人妻不卡中文字幕| 一级黄片播放器| 97人妻天天添夜夜摸| 看免费av毛片| netflix在线观看网站| 国产日韩一区二区三区精品不卡| 少妇被粗大猛烈的视频| 99香蕉大伊视频| 看非洲黑人一级黄片| 亚洲精品aⅴ在线观看| 香蕉丝袜av| 亚洲国产欧美一区二区综合| 交换朋友夫妻互换小说| 国产男女超爽视频在线观看| 欧美激情极品国产一区二区三区| 日韩欧美一区视频在线观看| 精品人妻一区二区三区麻豆| 激情视频va一区二区三区| 国产精品久久久久久精品古装| 大片免费播放器 马上看| 青春草亚洲视频在线观看| 中文字幕色久视频| 又粗又硬又长又爽又黄的视频| 亚洲熟女精品中文字幕| 久久99精品国语久久久| 男女下面插进去视频免费观看| 国产色婷婷99| 久热这里只有精品99| 亚洲国产毛片av蜜桃av| 美女视频免费永久观看网站| 亚洲欧美精品综合一区二区三区| 男女高潮啪啪啪动态图| 亚洲国产欧美在线一区| 久久久久国产一级毛片高清牌| 国产熟女午夜一区二区三区| 午夜av观看不卡| 少妇被粗大猛烈的视频| 亚洲精品,欧美精品| 国产黄色免费在线视频| 国产有黄有色有爽视频| 午夜日本视频在线| 亚洲欧洲国产日韩| 国产成人免费观看mmmm| 久久这里只有精品19| 制服诱惑二区| 日本wwww免费看| 精品午夜福利在线看| 亚洲av成人精品一二三区| 精品第一国产精品| 熟女少妇亚洲综合色aaa.| 国产激情久久老熟女| 中文字幕色久视频| 两个人看的免费小视频| 中国国产av一级| 两个人看的免费小视频| 国产精品女同一区二区软件| 美女福利国产在线| 亚洲成人手机| 亚洲成人手机| 久久99热这里只频精品6学生| 亚洲一级一片aⅴ在线观看| 久久这里只有精品19| 桃花免费在线播放| 汤姆久久久久久久影院中文字幕| 国产av精品麻豆| 大陆偷拍与自拍| 精品国产一区二区三区久久久樱花| 国产又色又爽无遮挡免| 久久精品aⅴ一区二区三区四区| 波多野结衣av一区二区av| avwww免费| 男人添女人高潮全过程视频| 国产一区有黄有色的免费视频| 蜜桃国产av成人99| 久久精品久久久久久久性| 韩国av在线不卡| 国产精品麻豆人妻色哟哟久久| 超碰97精品在线观看| 黄网站色视频无遮挡免费观看| 一本大道久久a久久精品| 天堂8中文在线网| 久久久久人妻精品一区果冻| 午夜久久久在线观看| 18禁裸乳无遮挡动漫免费视频| 婷婷色麻豆天堂久久| 欧美人与性动交α欧美精品济南到| 亚洲激情五月婷婷啪啪| 亚洲人成电影观看| 国产黄频视频在线观看| 久久久久精品久久久久真实原创| 99热国产这里只有精品6| 亚洲伊人久久精品综合| 欧美国产精品一级二级三级| 不卡av一区二区三区| 亚洲国产精品国产精品| 欧美激情极品国产一区二区三区| 欧美精品人与动牲交sv欧美| 可以免费在线观看a视频的电影网站 | 最近最新中文字幕免费大全7| 欧美精品av麻豆av| 欧美精品亚洲一区二区| 青春草视频在线免费观看| 国产一区二区激情短视频 | 久久久欧美国产精品| 纵有疾风起免费观看全集完整版| 免费不卡黄色视频| 嫩草影院入口| 老熟女久久久| 久久天堂一区二区三区四区| 在线精品无人区一区二区三| 日韩,欧美,国产一区二区三区| 欧美人与善性xxx| 女性生殖器流出的白浆| 国产有黄有色有爽视频| 天天操日日干夜夜撸| 香蕉国产在线看| 日本vs欧美在线观看视频| 免费av中文字幕在线| 午夜91福利影院| 一区二区三区激情视频| 国产亚洲av片在线观看秒播厂| 涩涩av久久男人的天堂| 国产探花极品一区二区| 天堂中文最新版在线下载| 亚洲av日韩在线播放| 交换朋友夫妻互换小说| 亚洲av国产av综合av卡| 少妇人妻久久综合中文| www.熟女人妻精品国产| 成人漫画全彩无遮挡| 久久精品亚洲熟妇少妇任你| 亚洲精品国产区一区二| 国产欧美日韩一区二区三区在线| 精品人妻一区二区三区麻豆| 久久久久精品人妻al黑| 男的添女的下面高潮视频| 亚洲人成电影观看| 欧美日韩福利视频一区二区| 午夜激情久久久久久久| av电影中文网址| 亚洲av综合色区一区| 熟妇人妻不卡中文字幕| 另类亚洲欧美激情| 老汉色av国产亚洲站长工具| 国产免费现黄频在线看| 午夜日本视频在线| 一边亲一边摸免费视频| 丝袜美足系列| av卡一久久| 午夜福利免费观看在线| 国产精品成人在线| 中文字幕最新亚洲高清| 免费女性裸体啪啪无遮挡网站| 日本黄色日本黄色录像| 免费少妇av软件| 高清不卡的av网站| 亚洲成人手机| 蜜桃国产av成人99| 18禁国产床啪视频网站| 国产一区二区激情短视频 | 一本—道久久a久久精品蜜桃钙片| 成年女人毛片免费观看观看9 | 涩涩av久久男人的天堂| 国产毛片在线视频| 欧美黄色片欧美黄色片| 在线天堂中文资源库| 欧美xxⅹ黑人| 精品国产一区二区久久| 青春草亚洲视频在线观看| 在线 av 中文字幕| 飞空精品影院首页| 搡老岳熟女国产| 大香蕉久久网| 成人毛片60女人毛片免费| 免费在线观看黄色视频的| 久久久久精品国产欧美久久久 | 中文乱码字字幕精品一区二区三区| 最近中文字幕高清免费大全6| 亚洲欧美清纯卡通| 飞空精品影院首页| 另类亚洲欧美激情| 人人妻人人爽人人添夜夜欢视频| 亚洲成av片中文字幕在线观看| 肉色欧美久久久久久久蜜桃| 又大又爽又粗| 丰满乱子伦码专区| 亚洲四区av| 新久久久久国产一级毛片| 国产av精品麻豆| 亚洲国产欧美在线一区| 久久精品久久精品一区二区三区| 一区二区三区乱码不卡18| 一级黄片播放器| 少妇精品久久久久久久| 国产男女超爽视频在线观看| 最黄视频免费看| 激情五月婷婷亚洲| 最近手机中文字幕大全| 女的被弄到高潮叫床怎么办| 国产色婷婷99| 看免费成人av毛片| 欧美精品人与动牲交sv欧美| 国产精品 欧美亚洲| 少妇 在线观看| 蜜桃在线观看..| 国产精品av久久久久免费| 别揉我奶头~嗯~啊~动态视频 | 热re99久久精品国产66热6| 亚洲国产看品久久| 老汉色av国产亚洲站长工具| 日韩一本色道免费dvd| 日本一区二区免费在线视频| 欧美国产精品一级二级三级| 国产在视频线精品| 丰满饥渴人妻一区二区三| 日韩 欧美 亚洲 中文字幕| 精品国产露脸久久av麻豆| 欧美亚洲 丝袜 人妻 在线| 操美女的视频在线观看| 91精品伊人久久大香线蕉| 久久久久久久大尺度免费视频| 97在线人人人人妻| 国产成人精品福利久久| 亚洲精品日韩在线中文字幕| 午夜激情久久久久久久| xxxhd国产人妻xxx| 国产精品国产三级国产专区5o| 亚洲少妇的诱惑av| 1024香蕉在线观看| 天天操日日干夜夜撸| 一级毛片 在线播放| 男男h啪啪无遮挡| 免费黄网站久久成人精品| 赤兔流量卡办理| 老鸭窝网址在线观看| 午夜激情久久久久久久| 婷婷色综合www| 纯流量卡能插随身wifi吗| 性高湖久久久久久久久免费观看| 日韩大码丰满熟妇| 国产精品欧美亚洲77777| 王馨瑶露胸无遮挡在线观看| 18禁观看日本| 人人妻人人澡人人爽人人夜夜| 天天躁夜夜躁狠狠久久av| 18禁裸乳无遮挡动漫免费视频| 好男人视频免费观看在线| 国产一区有黄有色的免费视频| 欧美激情高清一区二区三区 | 久热这里只有精品99| 成人国产麻豆网| 97人妻天天添夜夜摸| 午夜福利免费观看在线| 天美传媒精品一区二区| 亚洲人成网站在线观看播放| 中文精品一卡2卡3卡4更新| 国产精品久久久久久久久免| 这个男人来自地球电影免费观看 | 亚洲av日韩精品久久久久久密 | 欧美中文综合在线视频| 久久久久久久久久久免费av| 伦理电影免费视频| 国产免费又黄又爽又色| 少妇被粗大猛烈的视频| 久久人人爽人人片av| 丝袜美腿诱惑在线| 久久综合国产亚洲精品| 国产av一区二区精品久久| 国产精品秋霞免费鲁丝片| 久久久久国产精品人妻一区二区| 大香蕉久久网| 亚洲情色 制服丝袜| 男人舔女人的私密视频| 国产一区二区三区av在线| 国产老妇伦熟女老妇高清| 久久精品人人爽人人爽视色| 日韩伦理黄色片| 亚洲欧美一区二区三区久久| 男人添女人高潮全过程视频| 免费人妻精品一区二区三区视频| 制服人妻中文乱码| 成年av动漫网址| 制服丝袜香蕉在线| 久久影院123| 伊人久久大香线蕉亚洲五| 天天添夜夜摸| 国产亚洲最大av| 老熟女久久久| 精品福利永久在线观看| 黑人猛操日本美女一级片| 激情视频va一区二区三区| 久久女婷五月综合色啪小说| e午夜精品久久久久久久| 日韩 亚洲 欧美在线| 精品酒店卫生间| 色综合欧美亚洲国产小说| 老汉色∧v一级毛片| 欧美xxⅹ黑人| 多毛熟女@视频| 亚洲精品国产区一区二| 国产有黄有色有爽视频| 亚洲精品国产色婷婷电影| 黄色 视频免费看| 久久久久久久久久久免费av| 日韩大片免费观看网站| 在现免费观看毛片| 一个人免费看片子| 久久免费观看电影| 精品国产一区二区久久| 99久久99久久久精品蜜桃| 人妻一区二区av| 亚洲欧洲日产国产| 欧美精品高潮呻吟av久久| 成人国产麻豆网| 亚洲av综合色区一区| 1024视频免费在线观看| 水蜜桃什么品种好| av网站免费在线观看视频| 亚洲欧美清纯卡通| 亚洲av日韩精品久久久久久密 | 国产精品人妻久久久影院| 久久久久久久国产电影| 欧美日韩视频精品一区| 韩国高清视频一区二区三区| av在线观看视频网站免费| 下体分泌物呈黄色| 亚洲精品aⅴ在线观看| 一级毛片我不卡| 在线天堂中文资源库| 亚洲av电影在线观看一区二区三区| 精品亚洲成a人片在线观看| 亚洲欧洲国产日韩| 老司机靠b影院| 欧美在线一区亚洲| 久久韩国三级中文字幕| 久热这里只有精品99| 最近最新中文字幕免费大全7| 秋霞在线观看毛片| 视频在线观看一区二区三区| 亚洲五月色婷婷综合| 女性生殖器流出的白浆| 欧美少妇被猛烈插入视频| 男人添女人高潮全过程视频| 女人精品久久久久毛片| 婷婷成人精品国产| 国产黄色免费在线视频| 天堂俺去俺来也www色官网| 亚洲激情五月婷婷啪啪| 国产乱来视频区| 亚洲激情五月婷婷啪啪| 亚洲欧美日韩另类电影网站| 日韩大码丰满熟妇| 热re99久久精品国产66热6| 欧美日韩成人在线一区二区| 超碰97精品在线观看| 两性夫妻黄色片| 建设人人有责人人尽责人人享有的| 最近最新中文字幕大全免费视频 | 国产乱人偷精品视频| 日韩不卡一区二区三区视频在线| 欧美成人精品欧美一级黄| 午夜av观看不卡| 建设人人有责人人尽责人人享有的| 伊人亚洲综合成人网| 欧美日韩精品网址| 18在线观看网站| 国产日韩欧美视频二区| 在线观看免费日韩欧美大片| 欧美亚洲日本最大视频资源| 最黄视频免费看| 久久久久久久国产电影| 国产一区二区在线观看av| 亚洲伊人色综图| 日韩制服骚丝袜av| 国产在线一区二区三区精| 精品国产一区二区久久| 免费黄频网站在线观看国产| 一级片'在线观看视频| 成年动漫av网址| 国产激情久久老熟女| avwww免费| svipshipincom国产片| 亚洲人成网站在线观看播放| 人人澡人人妻人| 99re6热这里在线精品视频| 亚洲精品久久午夜乱码| videosex国产| 欧美人与性动交α欧美软件| 成人毛片60女人毛片免费| 欧美日韩av久久| 日韩人妻精品一区2区三区| 国产精品免费视频内射| 中文欧美无线码| 亚洲精品国产区一区二| 午夜老司机福利片| 亚洲欧美色中文字幕在线| 亚洲国产欧美在线一区| 午夜福利乱码中文字幕| 丰满迷人的少妇在线观看| 高清视频免费观看一区二区| av在线播放精品| 国产精品.久久久| netflix在线观看网站| 99精国产麻豆久久婷婷| www日本在线高清视频| 久久99一区二区三区| 亚洲欧美精品综合一区二区三区| 天天躁夜夜躁狠狠久久av| 少妇人妻精品综合一区二区| 日本av免费视频播放| 蜜桃国产av成人99| 国产一区二区在线观看av| 精品亚洲成国产av| 2018国产大陆天天弄谢| 日韩欧美一区视频在线观看| 青春草亚洲视频在线观看| 国产熟女午夜一区二区三区| 最近中文字幕2019免费版| 国产精品偷伦视频观看了| 综合色丁香网| 久久久久久人妻| 久久久久精品人妻al黑| 国产熟女午夜一区二区三区| 中国国产av一级| 久久精品国产亚洲av涩爱| 久久免费观看电影| 精品一区在线观看国产| 老司机靠b影院| 亚洲一码二码三码区别大吗| 免费观看性生交大片5| 成人午夜精彩视频在线观看| 国产精品无大码| 亚洲欧美一区二区三区国产| 母亲3免费完整高清在线观看| av.在线天堂| 国产成人免费无遮挡视频| 成年人免费黄色播放视频| 伦理电影免费视频| 国产精品久久久av美女十八| 看非洲黑人一级黄片| 国产无遮挡羞羞视频在线观看| 90打野战视频偷拍视频| 大片电影免费在线观看免费| 亚洲欧美成人综合另类久久久| 欧美乱码精品一区二区三区| 免费黄网站久久成人精品| 制服丝袜香蕉在线| 亚洲精品国产av成人精品| 亚洲在久久综合| 国产日韩一区二区三区精品不卡| 晚上一个人看的免费电影| 日韩一本色道免费dvd| 久久久久久久精品精品| av在线老鸭窝| 亚洲精品日韩在线中文字幕| 国产片特级美女逼逼视频| 国产伦理片在线播放av一区| 久久久国产一区二区| 久久久久久免费高清国产稀缺| 亚洲七黄色美女视频| 精品第一国产精品| 久久精品熟女亚洲av麻豆精品| 久久精品国产亚洲av高清一级| av网站在线播放免费| 亚洲熟女毛片儿| 男女边摸边吃奶| 欧美乱码精品一区二区三区| 久久国产精品大桥未久av| 黄片播放在线免费| 欧美变态另类bdsm刘玥| 久久99精品国语久久久| 高清欧美精品videossex| a级片在线免费高清观看视频| 久久这里只有精品19| 人人妻人人添人人爽欧美一区卜| 女性被躁到高潮视频| 亚洲图色成人| 亚洲精品一二三| 别揉我奶头~嗯~啊~动态视频 | 免费少妇av软件| 午夜福利网站1000一区二区三区| 国产免费视频播放在线视频| 精品国产一区二区三区四区第35| 人人妻人人澡人人看| 天堂8中文在线网| 日韩 欧美 亚洲 中文字幕| 一区二区av电影网| 国产无遮挡羞羞视频在线观看| 大话2 男鬼变身卡| 久久精品久久精品一区二区三区| 久久亚洲国产成人精品v| 人人妻人人澡人人看| 久久久久久人妻| 日韩不卡一区二区三区视频在线| 婷婷色综合www| 精品少妇黑人巨大在线播放| 90打野战视频偷拍视频| av一本久久久久| h视频一区二区三区| 久久99热这里只频精品6学生| 岛国毛片在线播放| 校园人妻丝袜中文字幕| 亚洲欧美精品自产自拍| 妹子高潮喷水视频| 在线观看免费日韩欧美大片| 在线观看人妻少妇| 亚洲精品国产一区二区精华液| 男女午夜视频在线观看| 亚洲欧洲精品一区二区精品久久久 | 夜夜骑夜夜射夜夜干| a级毛片在线看网站| 中文字幕精品免费在线观看视频| 亚洲七黄色美女视频| 一区二区三区激情视频| av在线观看视频网站免费| 乱人伦中国视频| 日韩一本色道免费dvd| 婷婷色综合www| 亚洲av中文av极速乱| 亚洲欧美一区二区三区国产| 亚洲欧洲国产日韩| 国产日韩欧美在线精品| 国产成人欧美在线观看 | 久久久久久免费高清国产稀缺| 欧美人与性动交α欧美精品济南到| 久久久久国产精品人妻一区二区| 别揉我奶头~嗯~啊~动态视频 | 日韩中文字幕视频在线看片| 国产一卡二卡三卡精品 | 欧美乱码精品一区二区三区| 天天添夜夜摸| 一区二区三区激情视频| 中国三级夫妇交换| 无遮挡黄片免费观看| 国产片内射在线| 国产一卡二卡三卡精品 | 少妇 在线观看| 不卡视频在线观看欧美| 欧美久久黑人一区二区| 精品亚洲成国产av| av福利片在线| 热re99久久精品国产66热6| 亚洲精品美女久久av网站| 黑人猛操日本美女一级片| 欧美黑人欧美精品刺激| 性少妇av在线| 涩涩av久久男人的天堂| 99精品久久久久人妻精品| 亚洲av在线观看美女高潮| 亚洲欧洲国产日韩| 国产亚洲av片在线观看秒播厂| 又大又黄又爽视频免费| 久久人人爽人人片av| 天堂中文最新版在线下载| 亚洲欧美中文字幕日韩二区| 免费观看人在逋| 热99国产精品久久久久久7| 精品免费久久久久久久清纯 | 亚洲av在线观看美女高潮| 亚洲精品久久久久久婷婷小说| 秋霞在线观看毛片| 国产成人精品久久久久久| 国产精品久久久久久精品电影小说| 日韩,欧美,国产一区二区三区| 国产精品女同一区二区软件| 韩国精品一区二区三区| 精品一区二区三区四区五区乱码 | 日韩av在线免费看完整版不卡| 黑人欧美特级aaaaaa片| 欧美黑人欧美精品刺激| 亚洲综合色网址| 日本欧美视频一区| 国产成人免费观看mmmm| 亚洲国产看品久久| 欧美日韩亚洲国产一区二区在线观看 | 亚洲色图 男人天堂 中文字幕| 综合色丁香网| 青春草视频在线免费观看| 免费av中文字幕在线| 免费看不卡的av| 亚洲国产中文字幕在线视频| 在线观看人妻少妇| 国产精品一国产av| 久久久久久久国产电影| 又大又爽又粗| 亚洲成人一二三区av| 欧美黑人欧美精品刺激| 亚洲精品久久午夜乱码| 一级爰片在线观看| 国产男女内射视频| 尾随美女入室| 一边亲一边摸免费视频| 国产精品久久久人人做人人爽| 亚洲美女视频黄频| 日本欧美视频一区| 亚洲七黄色美女视频| 国产 精品1| 成人手机av| 中文字幕高清在线视频| 国产老妇伦熟女老妇高清| 欧美日韩综合久久久久久| 大片免费播放器 马上看| 欧美在线一区亚洲| 亚洲成人手机| 99国产综合亚洲精品| 午夜福利影视在线免费观看|