【摘 要】
：
滑坡作为危害程度仅次于地震的地质灾害对人类生命和财产安全造成严重威胁,快速准确的滑坡空间预测对人类可持续发展具有重要意义.该研究基于谷歌地球引擎平台,利用动态多源
【机 构】
：
兰州交通大学测绘与地理信息学院,甘肃兰州730070;地理国情监测技术应用国家地方联合工程研究中心,甘肃兰州730070;甘肃省地理国情监测工程实验室,甘肃兰州730070;中科院西北生态环境资源研究
论文部分内容阅读
滑坡作为危害程度仅次于地震的地质灾害对人类生命和财产安全造成严重威胁,快速准确的滑坡空间预测对人类可持续发展具有重要意义.该研究基于谷歌地球引擎平台,利用动态多源遥感大数据和机器学习算法对滑坡灾害进行训练和预测.首先对2016-2019年全国发生的滑坡灾害建库,并按照7:3随机划分训练集和验证集,然后在主成分分析和特征递归消除特征优化的基础上采用支持向量机和随机森林分类器进行分类和预测,最后通过受试者工作特征曲线的面积量化值评价预测模型.试验表明:特征递归消除结合随机森林方法(RFE-RF)不仅在训练集上表现出较好的预测性能,而且在验证集上获得了最高的预测精度.因此,基于动态多源遥感数据,RFE-RF模型可以在灾害发生前为滑坡预警提供数据参考,旨在探索一种结合遥感大数据和机器学习的滑坡空间预测新思路.
其他文献
介绍了S波段双偏振雷达偏振参量差分反射率ZDR、差分传播相移率KDP和相关系数CC等产品及已有的研究成果,利用宁波市双偏振多普勒天气雷达对两次不同系统降水过程的雷达探测资料进行释用。研究表明:差分反射率ZDR可以识别降水粒子的相态和尺寸,也可以识别上升气流;相关系数CC可以识别粒子相态的均一性,在实际应用中结合ZH、ZDR可较好地判断降水物的具体形态,特别是可对冰雹进行识别和预警,同时也可清晰地识别融化层;差分传播相移
【目的】针对物候期识别传统方法特征提取不充分、未对关键特征进行区分,导致方法泛化能力较差、迁移应用识别精度低的问题,本研究将注意力机制引入残差神经网络,结合基于数字照相的物候观测方式,提出具有较强细粒度特征识别能力且实用性较强的林木物候期识别方法,从而为林木的长期实时物候监测提供技术支撑。【方法】以PhenoCam中的栎林及槭林像片为研究材料,选取2017—2018年的数据作为训练集,以2019年的数据评价模型的泛化能力。研究结合实地观测数据对研究区的林木物候期进行划分,设计数据裁剪公式,在增强数据的同时
【目的】目前我国完成了以县级行政区划为单元的森林火险区划,火险区划的结果在一定时期内相对不变,只适用于县级行政区划或以上区域开展森林火灾预防工作。以卫星遥感数据为基础,对山头地块的森林火灾风险进行基于栅格尺度的动态实时预警,为森林防火工作提供有效的预防信息。【方法】参考国内外各类研究文献从植被、气候、地形等角度构建森林火灾风险预警指标体系,利用2009—2019年森林火灾卫星热点数据、MOD02数