-
题名点坡度熵在地形简化中的应用
被引量：3
- 1
-
-
作者
李明峰
李连阳
赵湘玉
陆海芳
-
机构
南京工业大学测绘科学与技术学院
-
出处
《测绘通报》
CSCD
北大核心
2019年第11期109-113,共5页
-
基金
江苏省重点研发计划(BE2015698)
江苏省研究生科研与实践创新计划(KYCX18_1055)
南京市科技计划(201716027)
-
文摘
坡度是定量描述地貌形态特征的重要因子。针对DEM坡度在地形简化中应用研究较少的现状,本文基于信息熵理论提出了点坡度熵(SEP)概念,构建了量化地形信息的点坡度熵模型,研究了基于点坡度熵的地形简化方法。结合试验样区数据,将常用的重要点法与该方法进行了应用对比。结果表明,该方法可有效保留地形骨架信息,取主舍次效果优于重要点法。该方法对后续DEM地形简化研究具有一定参考价值。
-
关键词
点坡度熵
DEM
地形简化
地形信息
模型
-
Keywords
SEP
DEM
terrain simplification
terrain information
model
-
分类号
P208
[天文地球—地图制图学与地理信息工程]
-
-
题名基于机器学习的水深反演方法研究
被引量：4
- 2
-
-
作者
王鑫
贝祎轩
李连阳
刘文
-
机构
山东科技大学测绘与空间信息学院
自然资源部海洋减灾中心
南京工业大学测绘科学与技术学院
-
出处
《国土资源信息化》
2021年第5期22-28,共7页
-
基金
江苏省地质矿产勘查局科研项目“融合倾斜摄影测量与三维激光扫描的露采矿区动态监测方法研究”(2020KY03)
江苏省自然资源科技计划项目“融合倾斜摄影测量与三维激光扫描的城市三维场景快速构建方法研究”(2020064)
江苏省水利科技项目“基于机载LiDAR和水位监测的河湖水量变化监测研究”(2020061)。
-
文摘
近岸水深信息对保证航运安全、开展海岸带研究与管理具有重要意义。多光谱卫星遥感反演为获取浅海水深提供了一种高效的途径。然而,该方法在应用于复杂水体环境时,受到传统水深反演模型表达能力的限制,其精度普遍不高。本文选取我国南海某岛礁附近浅海水域作为试验区,使用机器学习方法分别构建随机森林与BP神经网络水深反演模型,并将其与传统对数比值模型的预测结果进行比较。实验结果表明,相比于对数比值模型,机器学习方法水深反演精度更高,而其中的随机森林模型预测效果以及模型的稳健性更加出色。本文可为后续高效高精度获取浅海水深信息方面的研究提供一定参考价值。
-
关键词
水深反演
多光谱遥感
机器学习
随机森林
BP神经网络
-
Keywords
bathymetry retrieval
multispectral remote sensing
machine learning
random forest
BP neural network
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
P714.1
[自动化与计算机技术—控制科学与工程]
-
