• <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
    很黄的视频免费| 国内毛片毛片毛片毛片毛片| 韩国精品一区二区三区| 成人精品一区二区免费| 日本撒尿小便嘘嘘汇集6| 国产精品精品国产色婷婷| 99re在线观看精品视频| 亚洲一区二区三区不卡视频| 成年免费大片在线观看| 国产亚洲精品久久久久5区| 亚洲国产精品sss在线观看| 欧美激情久久久久久爽电影| 日本三级黄在线观看| 一区二区三区精品91| 亚洲久久久国产精品| 国产午夜福利久久久久久| 日日爽夜夜爽网站| x7x7x7水蜜桃| 两个人视频免费观看高清| 两个人免费观看高清视频| 黑人巨大精品欧美一区二区mp4| www.精华液| 大香蕉久久成人网| 在线天堂中文资源库| 久久久国产欧美日韩av| 亚洲一区中文字幕在线| 国产又黄又爽又无遮挡在线| 成年人黄色毛片网站| 亚洲av日韩精品久久久久久密| 精品人妻1区二区| 国产黄片美女视频| 午夜免费鲁丝| 在线看三级毛片| 99国产精品一区二区蜜桃av| 他把我摸到了高潮在线观看| 精品一区二区三区视频在线观看免费| 成人欧美大片| 女人被狂操c到高潮| 最近最新免费中文字幕在线| 日韩欧美三级三区| 嫩草影视91久久| 日韩精品中文字幕看吧| xxx96com| 97超级碰碰碰精品色视频在线观看| 成人午夜高清在线视频 | 亚洲欧美一区二区三区黑人| 国产精品av久久久久免费| 色播在线永久视频| 男人操女人黄网站| 中文字幕人妻丝袜一区二区| 亚洲av片天天在线观看| 男人操女人黄网站| 久久精品夜夜夜夜夜久久蜜豆 | 午夜福利成人在线免费观看| 搡老妇女老女人老熟妇| 精品国产美女av久久久久小说| 午夜视频精品福利| 757午夜福利合集在线观看| 久久人妻av系列| 久久这里只有精品19| 日韩欧美免费精品| 无遮挡黄片免费观看| 精品不卡国产一区二区三区| 免费一级毛片在线播放高清视频| 女人被狂操c到高潮| 麻豆av在线久日| 黑丝袜美女国产一区| 国产蜜桃级精品一区二区三区| 日本免费一区二区三区高清不卡| 在线十欧美十亚洲十日本专区| 精品久久久久久久久久久久久 | 亚洲人成网站高清观看| 两人在一起打扑克的视频| 在线观看免费日韩欧美大片| 黑丝袜美女国产一区| 男女做爰动态图高潮gif福利片| 999精品在线视频| 色老头精品视频在线观看| 一级毛片女人18水好多| 亚洲人成伊人成综合网2020| 1024视频免费在线观看| 91成年电影在线观看| 色综合亚洲欧美另类图片| 韩国精品一区二区三区| 久久国产精品影院| 国产亚洲精品综合一区在线观看 | 婷婷丁香在线五月| 麻豆成人午夜福利视频| 久久久久久久精品吃奶| 亚洲九九香蕉| 免费高清视频大片| 日本 av在线| www.自偷自拍.com| 国产精品亚洲一级av第二区| 久久久久免费精品人妻一区二区 | 天天一区二区日本电影三级| 精品久久久久久久久久免费视频| 亚洲欧美激情综合另类| 日韩大码丰满熟妇| 免费女性裸体啪啪无遮挡网站| 国产91精品成人一区二区三区| 国产成人系列免费观看| 久久精品人妻少妇| 妹子高潮喷水视频| 国产精品1区2区在线观看.| www.熟女人妻精品国产| 色综合欧美亚洲国产小说| 国产视频内射| 午夜激情福利司机影院| 久久香蕉激情| 午夜精品在线福利| 黄片大片在线免费观看| 18美女黄网站色大片免费观看| 老鸭窝网址在线观看| 亚洲七黄色美女视频| 国内毛片毛片毛片毛片毛片| 国产一区二区三区在线臀色熟女| 国产午夜精品久久久久久| 亚洲,欧美精品.| 一进一出好大好爽视频| 黄色女人牲交| 黄色女人牲交| 日韩精品免费视频一区二区三区| 最好的美女福利视频网| www.自偷自拍.com| 伊人久久大香线蕉亚洲五| 伊人久久大香线蕉亚洲五| 少妇粗大呻吟视频| 国产高清视频在线播放一区| 久久久久久九九精品二区国产 | 国产精品免费视频内射| 欧美日韩精品网址| 亚洲黑人精品在线| 亚洲成人国产一区在线观看| 国产成年人精品一区二区| 这个男人来自地球电影免费观看| www.精华液| 日韩中文字幕欧美一区二区| 少妇被粗大的猛进出69影院| cao死你这个sao货| 国产成人啪精品午夜网站| 国产精品乱码一区二三区的特点| www日本黄色视频网| 久久中文字幕一级| 国产日本99.免费观看| 久久久久久久久免费视频了| 在线观看免费视频日本深夜| 搡老岳熟女国产| 18禁美女被吸乳视频| 夜夜夜夜夜久久久久| 真人做人爱边吃奶动态| 国产一区二区三区视频了| 国产免费av片在线观看野外av| 亚洲欧美一区二区三区黑人| 国产精品亚洲av一区麻豆| 丁香六月欧美| 欧美三级亚洲精品| 美女免费视频网站| 亚洲精品中文字幕在线视频| 免费高清视频大片| 禁无遮挡网站| 国产人伦9x9x在线观看| 亚洲午夜理论影院| 久久久久久九九精品二区国产 | 亚洲国产毛片av蜜桃av| 亚洲美女黄片视频| 国产欧美日韩精品亚洲av| 91av网站免费观看| 久99久视频精品免费| 观看免费一级毛片| av电影中文网址| 国内少妇人妻偷人精品xxx网站 | 欧美一级a爱片免费观看看 | 国产精品98久久久久久宅男小说| 国产黄片美女视频| 好看av亚洲va欧美ⅴa在| 婷婷亚洲欧美| 精华霜和精华液先用哪个| 久久中文字幕人妻熟女| 在线观看免费日韩欧美大片| 丰满人妻熟妇乱又伦精品不卡| 久久 成人 亚洲| 亚洲精品一卡2卡三卡4卡5卡| 在线观看一区二区三区| 亚洲国产精品成人综合色| 国产av又大| 国产精品永久免费网站| 精品福利观看| 免费看a级黄色片| 欧美激情 高清一区二区三区| 少妇裸体淫交视频免费看高清 | 99久久久亚洲精品蜜臀av| 亚洲精品在线美女| 国产爱豆传媒在线观看 | 国产在线观看jvid| 亚洲精品中文字幕一二三四区| 真人一进一出gif抽搐免费| 久久久久久亚洲精品国产蜜桃av| 高潮久久久久久久久久久不卡| 人人妻人人看人人澡| 欧美不卡视频在线免费观看 | 国产精品一区二区精品视频观看| 国产成人欧美| 午夜福利高清视频| 国产亚洲精品第一综合不卡| 婷婷六月久久综合丁香| 免费看十八禁软件| 国产麻豆成人av免费视频| 免费看日本二区| 午夜久久久久精精品| 999久久久精品免费观看国产| 亚洲自拍偷在线| 男女下面进入的视频免费午夜 | 69av精品久久久久久| 国产亚洲av嫩草精品影院| 午夜老司机福利片| 熟女少妇亚洲综合色aaa.| svipshipincom国产片| 国产激情偷乱视频一区二区| 国产成+人综合+亚洲专区| 色综合婷婷激情| www日本在线高清视频| 精品一区二区三区视频在线观看免费| 国产av在哪里看| 黄色女人牲交| 露出奶头的视频| 99久久无色码亚洲精品果冻| 国产av又大| 成人国语在线视频| 国产精品一区二区免费欧美| 一本综合久久免费| 国产午夜福利久久久久久| 欧美av亚洲av综合av国产av| 免费电影在线观看免费观看| 国产精品日韩av在线免费观看| 亚洲无线在线观看| 99国产综合亚洲精品| 在线观看免费日韩欧美大片| 在线av久久热| 久久午夜综合久久蜜桃| 欧美大码av| 日本在线视频免费播放| 国产激情欧美一区二区| 久久精品国产综合久久久| 黑人巨大精品欧美一区二区mp4| 久久精品人妻少妇| 久久婷婷人人爽人人干人人爱| 亚洲精品美女久久久久99蜜臀| 91av网站免费观看| 亚洲色图 男人天堂 中文字幕| 国产精品亚洲av一区麻豆| 精品一区二区三区av网在线观看| 国产亚洲精品一区二区www| 国产视频一区二区在线看| 亚洲精品在线观看二区| 国产欧美日韩一区二区三| 女性生殖器流出的白浆| 亚洲国产欧美一区二区综合| 一级作爱视频免费观看| www.精华液| 国产成人欧美在线观看| 黄片播放在线免费| 欧美乱码精品一区二区三区| 国产亚洲精品久久久久久毛片| 国产高清有码在线观看视频 | 1024香蕉在线观看| 国产精品自产拍在线观看55亚洲| 免费搜索国产男女视频| 日韩一卡2卡3卡4卡2021年| 成熟少妇高潮喷水视频| 可以在线观看毛片的网站| 欧美精品亚洲一区二区| 国产av在哪里看| 亚洲国产欧洲综合997久久, | 亚洲一区二区三区不卡视频| 国产成人欧美| 国产精品久久久人人做人人爽| 久久久国产精品麻豆| 视频在线观看一区二区三区| 桃色一区二区三区在线观看| 欧美久久黑人一区二区| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美黑人欧美精品刺激| 精品免费久久久久久久清纯| 麻豆成人午夜福利视频| 国产av一区在线观看免费| 国产精品亚洲美女久久久| 天天躁夜夜躁狠狠躁躁| 久久中文看片网| 日韩av在线大香蕉| 久久久久久亚洲精品国产蜜桃av| 啦啦啦韩国在线观看视频| 在线观看66精品国产| 久久国产精品男人的天堂亚洲| 国产精品九九99| 十八禁人妻一区二区| 欧美日韩亚洲国产一区二区在线观看| 亚洲午夜理论影院| 久久久久久人人人人人| 久久中文看片网| 大型av网站在线播放| aaaaa片日本免费| 中文字幕av电影在线播放| 国产99白浆流出| 黄色女人牲交| 亚洲aⅴ乱码一区二区在线播放 | 免费在线观看黄色视频的| 黑人欧美特级aaaaaa片| 久热爱精品视频在线9| 国产成人系列免费观看| 听说在线观看完整版免费高清| 麻豆国产av国片精品| 色尼玛亚洲综合影院| 亚洲国产日韩欧美精品在线观看 | 身体一侧抽搐| 在线永久观看黄色视频| 91av网站免费观看| 黄色片一级片一级黄色片| 欧美大码av| 老司机在亚洲福利影院| 女人高潮潮喷娇喘18禁视频| 日韩三级视频一区二区三区| 丝袜人妻中文字幕| 成年女人毛片免费观看观看9| 一级毛片高清免费大全| 欧美日韩黄片免| 国内揄拍国产精品人妻在线 | 99热6这里只有精品| 亚洲欧美日韩高清在线视频| av免费在线观看网站| 2021天堂中文幕一二区在线观 | 91大片在线观看| 精品福利观看| 国产真人三级小视频在线观看| 久久久久久国产a免费观看| 成年人黄色毛片网站| 日韩欧美国产在线观看| 欧美国产精品va在线观看不卡| 亚洲精品在线观看二区| 国产三级黄色录像| 后天国语完整版免费观看| 欧美大码av| 亚洲专区国产一区二区| 精品国产一区二区三区四区第35| 亚洲人成77777在线视频| 国产真实乱freesex| 最近最新中文字幕大全电影3 | 日韩欧美国产一区二区入口| 国产99久久九九免费精品| 一进一出抽搐gif免费好疼| 国产精品,欧美在线| а√天堂www在线а√下载| 欧美日韩福利视频一区二区| 国产又黄又爽又无遮挡在线| 亚洲午夜精品一区,二区,三区| 精品电影一区二区在线| 一级a爱片免费观看的视频| 黄色视频,在线免费观看| 国产成人av教育| 日日摸夜夜添夜夜添小说| 亚洲电影在线观看av| 久久精品国产清高在天天线| 最近最新免费中文字幕在线| 欧美另类亚洲清纯唯美| 757午夜福利合集在线观看| 亚洲国产毛片av蜜桃av| av在线天堂中文字幕| 无人区码免费观看不卡| 国产精品野战在线观看| 老熟妇仑乱视频hdxx| 亚洲成av片中文字幕在线观看| 国产成人影院久久av| √禁漫天堂资源中文www| 成年版毛片免费区| 搡老岳熟女国产| 亚洲精品中文字幕一二三四区| 欧美黄色淫秽网站| 国产亚洲精品一区二区www| 国产男靠女视频免费网站| 90打野战视频偷拍视频| 国产欧美日韩一区二区精品| 怎么达到女性高潮| 亚洲成人久久性| 一进一出好大好爽视频| 国产精品久久视频播放| 国产高清videossex| 精品少妇一区二区三区视频日本电影| 久久婷婷人人爽人人干人人爱| 母亲3免费完整高清在线观看| 欧美成人免费av一区二区三区| 欧美日韩瑟瑟在线播放| 97人妻精品一区二区三区麻豆 | 国产成人一区二区三区免费视频网站| 99国产精品99久久久久| 国产爱豆传媒在线观看 | 在线天堂中文资源库| 亚洲一卡2卡3卡4卡5卡精品中文| 黄色毛片三级朝国网站| 亚洲av成人不卡在线观看播放网| 久久久国产精品麻豆| 两人在一起打扑克的视频| 欧美乱色亚洲激情| 日韩 欧美 亚洲 中文字幕| 亚洲五月天丁香| 高清在线国产一区| 亚洲中文字幕一区二区三区有码在线看 | 色播亚洲综合网| 久久午夜综合久久蜜桃| 亚洲精品国产区一区二| 亚洲精品美女久久久久99蜜臀| 免费在线观看黄色视频的| 精品国产国语对白av| 国产在线观看jvid| 老鸭窝网址在线观看| 法律面前人人平等表现在哪些方面| 成年版毛片免费区| 国产私拍福利视频在线观看| 欧美色视频一区免费| 看免费av毛片| 国产又爽黄色视频| 国产日本99.免费观看| 日韩欧美 国产精品| a级毛片a级免费在线| 少妇的丰满在线观看| 亚洲色图av天堂| 免费在线观看完整版高清| 男人操女人黄网站| 精品卡一卡二卡四卡免费| 波多野结衣av一区二区av| 国产精品久久久久久人妻精品电影| 天堂影院成人在线观看| 色综合欧美亚洲国产小说| 天天一区二区日本电影三级| 国产高清激情床上av| 大香蕉久久成人网| 免费一级毛片在线播放高清视频| av天堂在线播放| 欧美日韩乱码在线| 亚洲国产精品久久男人天堂| 一级a爱视频在线免费观看| 欧美午夜高清在线| 精品欧美国产一区二区三| 一区二区三区国产精品乱码| 国产成人系列免费观看| 1024视频免费在线观看| 看免费av毛片| 男女午夜视频在线观看| 久久亚洲真实| 久久青草综合色| 国产在线观看jvid| 午夜免费激情av| 韩国av一区二区三区四区| 黄色女人牲交| 非洲黑人性xxxx精品又粗又长| 老熟妇乱子伦视频在线观看| 十八禁网站免费在线| 中出人妻视频一区二区| 久久婷婷成人综合色麻豆| а√天堂www在线а√下载| 淫妇啪啪啪对白视频| 美女大奶头视频| 亚洲成av人片免费观看| 超碰成人久久| 美女高潮喷水抽搐中文字幕| 首页视频小说图片口味搜索| 亚洲国产高清在线一区二区三 | 在线观看舔阴道视频| 久久99热这里只有精品18| 久久久精品国产亚洲av高清涩受| 亚洲精品一卡2卡三卡4卡5卡| 亚洲av电影在线进入| 国产精品永久免费网站| 久久欧美精品欧美久久欧美| 又大又爽又粗| 欧美乱色亚洲激情| 久久久水蜜桃国产精品网| 熟女少妇亚洲综合色aaa.| 亚洲 国产 在线| 在线观看午夜福利视频| 欧美乱码精品一区二区三区| 国产精品免费一区二区三区在线| 国产97色在线日韩免费| 日韩中文字幕欧美一区二区| 午夜亚洲福利在线播放| 成人一区二区视频在线观看| 久热这里只有精品99| 日本撒尿小便嘘嘘汇集6| 激情在线观看视频在线高清| 国产一区二区在线av高清观看| svipshipincom国产片| 亚洲真实伦在线观看| 欧美乱妇无乱码| 亚洲av五月六月丁香网| 天堂√8在线中文| 久久久久久亚洲精品国产蜜桃av| 国产一级毛片七仙女欲春2 | 欧美 亚洲 国产 日韩一| 国产av不卡久久| 欧美中文综合在线视频| 国产午夜福利久久久久久| 国产成人精品无人区| 国产成人精品久久二区二区免费| 国产私拍福利视频在线观看| 欧美一级毛片孕妇| 日韩欧美国产一区二区入口| 成人手机av| 国产精品98久久久久久宅男小说| 国产精品av久久久久免费| 成人一区二区视频在线观看| 欧美午夜高清在线| 色av中文字幕| 国产男靠女视频免费网站| 99在线视频只有这里精品首页| 黄色成人免费大全| а√天堂www在线а√下载| 看片在线看免费视频| 草草在线视频免费看| 性欧美人与动物交配| 自线自在国产av| 后天国语完整版免费观看| 麻豆成人av在线观看| 最近最新中文字幕大全免费视频| 亚洲av片天天在线观看| 日韩三级视频一区二区三区| 久久人妻av系列| 国产又爽黄色视频| 国产亚洲欧美98| 久久久久久人人人人人| 禁无遮挡网站| 国产亚洲av高清不卡| 啪啪无遮挡十八禁网站| 国产亚洲精品一区二区www| 国产午夜精品久久久久久| 日本一本二区三区精品| 黄色女人牲交| 欧美日韩亚洲国产一区二区在线观看| 亚洲真实伦在线观看| 亚洲成人久久爱视频| 欧美亚洲日本最大视频资源| 久久久久九九精品影院| 国产精品免费视频内射| 欧美在线一区亚洲| 少妇熟女aⅴ在线视频| 免费观看人在逋| 欧美乱码精品一区二区三区| 成人亚洲精品一区在线观看| 久久青草综合色| 日本精品一区二区三区蜜桃| 一本精品99久久精品77| 日本 av在线| 午夜福利成人在线免费观看| 欧美av亚洲av综合av国产av| 亚洲免费av在线视频| 国产av在哪里看| 日韩一卡2卡3卡4卡2021年| 自线自在国产av| 美女 人体艺术 gogo| 悠悠久久av| 亚洲色图 男人天堂 中文字幕| 欧美成人午夜精品| 午夜福利在线观看吧| 国语自产精品视频在线第100页| 欧美日韩乱码在线| 久久精品亚洲精品国产色婷小说| 日韩视频一区二区在线观看| 亚洲av片天天在线观看| videosex国产| 在线国产一区二区在线| 淫秽高清视频在线观看| 精品卡一卡二卡四卡免费| 露出奶头的视频| 亚洲午夜理论影院| 久久中文字幕人妻熟女| 国产伦在线观看视频一区| 精品国产乱码久久久久久男人| 一本综合久久免费| 黄频高清免费视频| 不卡av一区二区三区| 狠狠狠狠99中文字幕| 熟妇人妻久久中文字幕3abv| 51午夜福利影视在线观看| 日韩国内少妇激情av| 最近最新中文字幕大全免费视频| 在线十欧美十亚洲十日本专区| 最近最新中文字幕大全免费视频| www日本在线高清视频| 99国产精品一区二区蜜桃av| 老司机在亚洲福利影院| 久久精品91无色码中文字幕| 精品少妇一区二区三区视频日本电影| 免费看十八禁软件| 亚洲 欧美 日韩 在线 免费| 一本一本综合久久| 国产精品综合久久久久久久免费| 一进一出抽搐动态| 国内少妇人妻偷人精品xxx网站 | 国产男靠女视频免费网站| 久久久久久亚洲精品国产蜜桃av| 波多野结衣av一区二区av| 亚洲欧美精品综合久久99| 男女下面进入的视频免费午夜 | 亚洲午夜精品一区,二区,三区| 亚洲精华国产精华精| 精品少妇一区二区三区视频日本电影| 午夜免费激情av| 成人av一区二区三区在线看| 久久久精品国产亚洲av高清涩受| 国产男靠女视频免费网站| 中出人妻视频一区二区| 亚洲精品久久成人aⅴ小说| 国产人伦9x9x在线观看| 99精品欧美一区二区三区四区| 亚洲 欧美一区二区三区| a级毛片a级免费在线| 老司机深夜福利视频在线观看|