XiaoMi-AI文件搜索系统
World File Search System土地覆盖
使用高阶马尔可夫链和深度神经网络对作物特异性土地覆盖预测的评估
高阶马尔可夫连锁店（HOMC）是基于过渡概率的常规模型，美国农业部（USDA）国家农业统计局（NASS）使用，随着时间的推移研究农作物旋转模式。但是，由于分类数据表示为指示器（或虚拟）变量，因此请与稀疏性和识别能力问题相称。实际上，参数空间的维度与分析所需的人类所需的顺序相吻合。虽然简约的表示减少了参数的数量，如文献所示，但它们通常会导致预测较少。大多数简约的模型都经过大数据结构的培训，可以使用替代算法对其进行压缩并有效处理。因此，使用新的HOMC算法和在一系列农业条件上进行的深层神经网络（DNN）进行了彻底评估和比较，以确定哪种模型最适合于运营农作物特定土地涵盖美国农业（US）农业。在本文中，在2011年至2021年之间，六个神经网络模型从六个农业强化县进行了作物旋转数据，这些县反映了中西部和美国南部种植的主要农作物的范围以及各种农作物旋转模式。六个县包括：北达科他州的伦维尔；内布拉斯加州珀金斯；德克萨斯州黑尔；伊利诺伊州利文斯顿；伊利诺伊州麦克莱恩；和俄亥俄州的谢尔比。结果表明，DNN模型在2021年获得所有县的总体预测准确性较高。所提出的DNN模型允许摄入长时间序列数据，并且比被认为预测美国特定农作物特定土地覆盖的新的HOMC算法可鲁棒地实现更高的精度值。
定量长期监测（1890-2020）的形态学和土地覆盖变化
摘要：欧洲阿尔卑斯山的航拍照片通常仅回到20世纪中叶，这限制了相应研究的时间跨度，这些研究的时间跨度使用地理作用的正尾可以定量分析前冰区域的长期表面变化。到小冰河时代的尽头，这导致了大约100年的差距。使用数字单斜率和几张历史陆地照片，我们显示了一个冰河时代侧面的小冰河横向变化的量化，直到19世纪下半叶，达到了130年的总研究期（1890 - 200年）。（初始）沟渠系统在1890年至2020年的整个研究期间连续扩展（几乎）。直到1953年，植被覆盖的地区也扩大了（主要是切碎的社区，高山草原和矮灌木社区），然后再次减少，尤其是在1990年至2003年之间，由于古莉系统内的大规模侵蚀。此外，我们的结果表明，土地覆盖的发育受到温度和降水变化的影响。在130年的研究期间，我们通过分析早期阶段，从而实现对冰期过程的理解，从而有助于大大改善，从而对冰山的直接响应对冰暴暴露。
中部平原地区可再生能源开发对鸟类、蝙蝠和土地覆盖的累积影响
过去二十年来，俄勒冈州东部和华盛顿州的哥伦比亚高原生态区 (CPE) 一直是可再生能源发展的焦点。爱达荷州、俄勒冈州和华盛顿州约 83% 的风能发电发生在 CPE 内。未来十年，可再生能源发展将大幅增加，以适应人口增长和政府政策，这些政策要求将能源生产从化石燃料转向非碳排放源。尽管水力发电可能仍将是该地区可再生能源的主要来源，但风能和太阳能发电预计将大幅增加，以取代即将退役的燃煤发电厂。为了实现气候变化政策目标，预计到 2030 年将新增 8-12 千兆瓦 (GW) 的装机容量，略低于目前 6,757 兆瓦 (MW) 风能装机容量的两倍。为了满足这一需求，需要结合风能、公用事业规模太阳能 (USSE)、电池存储和提高能源效率。
17. 土地利用土地覆盖分类的初级阶段
土地利用/土地覆盖 (LULC) 描述了地球的特征并表明了土地如何用于各种活动。土地覆盖变化是一个持续的过程，与城市化、森林砍伐、湖泊干涸、农业用地过度利用等有关。因此，它构成了经济规划和资源管理的重要基础。然而，在空间域中准备 LULC 数据是一项耗时费力的工作，需要大量的人力资源。在使用遥感卫星数据时，对一个区域的 LULC 进行分类是一项重大挑战。在过去十年中，机器学习 (ML) 因其强大的学习能力而呈现出日益上升的趋势和极大的兴趣，因为它能够在多个处理层上学习具有多个抽象级别的数据样本表示。由于 ML 方法的输出一致且对人为干预的要求较少，因此使用该方法对土地特征进行分类是地理空间领域的正确方法和当前趋势。用于 LULC 分类的 ML 技术：支持向量机 (SVM)、随机森林 (RF)、最大似然分类器 (ML) 和深度人工神经网络 (ANN) 等监督算法是从多光谱卫星图像中提取主题信息的一些常用方法。1. 2001 年，Breiman 提出了一种集成分类方法，即随机森林 (RF)
使用多传感器和多分辨率遥感图像的长期土地覆盖变化检测：中国长大学的案例研究
更改检测是遥感应用程序中最重要的方面之一。但是，由于图像采集的有限条件，从相同类型的遥控传感器获得的图像通常用于监视长期土地使用和土地覆盖（LULC）的变化。由于航空航天技术的发展和新的光学遥控传感器，LULC更改检测可以很好地使用多传感器和多分辨率图像进行。本文的主要贡献是验证通过将不同的更改检测方法应用于多传感器和多分辨率遥感图像来执行长期LULC更改检测是可行且可行的。在这项研究中，从1998年至2018年，在Landsat，Quickbird，Worldview-4和GF-2图像上使用了不同的变更检测方法，以检测中国Chang'an University的Weishui校园的LULC变化。结果表明，使用LandSat-5图像的直接光谱比较方法比使用LandSat-7图像在1998年至2008年之间更有效地检测到1998年至2008年之间的LULC变化。然而，在2008 - 2018年间，基于对象的变更检测方法比使用时间序列的高分辨率图像来监视校园中LULC更改的分类后方法更适用。这项研究可用作使用多传感器和多分辨率遥感图像的参考，以及在LULC变化检测场中不同变化检测方法的组合。
Lucas Luc历史/未来土地使用和土地覆盖...
Lucas土地使用和土地覆盖变更数据集（Lucas Luc）提供了关于0.1°空间分辨率的网格土地使用和土地覆盖变更（LULCC），目前涵盖欧洲（包括欧元域域）。连续地图可从1950-2100的年度步骤中获得。采用了新开发的土地使用转换器（LUT）来转换由土地使用协调数据集2（LUH2）提供的土地使用变更信息，以从地面PFT数据集中获取的工厂功能类型（PFT）分布的变化。1950年至2015年期间欧洲的年度PFT地图源自历史luh2数据集（LUH2 V2H），通过从2015年到1950年将LUT倒退。从2016年开始，基于LUH2（LUH2 v2.1F）的未来土地使用变化方案的年度PFT图将用于不同的共享社会经济途径（SSP）和代表性浓度途径（RCPS）组合，用于耦合模型建模对立的6阶段的框架（CMIP6）。所得的PFT时间序列 - Lucas Luc数据集 - 可以用作土地利用强迫到下一代RCM模拟，以降低欧洲 - 库德克斯社区的缩放CMIP6，并在FPS Lucas的框架内研究过去和未来Lulc对欧洲地区气候的变化的影响。
使用 LiDAR 点云和 GIS 分析自动检测土地覆盖变化和监测森林演替
摘要：本文探讨了将光探测和测距 (LiDAR) 点云和地理信息系统 (GIS) 分析应用于土地利用和土地覆盖 (LULC) 变化检测的可能性，主要目的是监测后农业土地上发生的不受控制的森林演替。这项研究是在 Milicz 行政区（波兰中西部地区）的一部分进行的。感兴趣的区域是已经放弃农业用途并且森林演替过程已经进展的地块。机载激光扫描 (ALS) 数据（于 2007 年、2012 年和 2015 年获取）揭示了由于森林演替过程的进展而导致的土地覆盖的详细变化。使用 ALS 数据，显示了 LULC 变化和次生林演替的进展，并给出了植被参数（LiDAR 指标）。
使用 Sentinel 进行填海区土地覆盖制图... - MDPI
摘要：本文探讨了使用融合 Sentinel-2 影像（2016 年，ESA）和光探测和测距 (LiDAR) 点云实现土地覆盖制图自动化的可能性，主要重点是探测和监测森林覆盖区域，并获取有关复垦区植被空间（2D 和 3D）特征的精确信息。这项研究针对复垦区进行——位于波兰东南部的两个前硫磺矿，即 Jezi ó rko，其中 216.5 公顷的森林覆盖区在钻孔开采后得到复垦，以及 Mach ó w，其中 871.7 公顷的垃圾场在露天开采后得到复垦。根据 Sentinel-2 图像处理得出 Machów 和 Jeziórko 前硫磺矿的当前土地利用和土地覆盖 (LULC) 等级，并确认了两个分析区域所应用的复垦类型。以下 LULC 等级显示出显著的空间范围：阔叶林、针叶林和过渡林地灌木。不仅在占用面积方面，而且在树木和灌木的生长方面，都证实了森林覆盖区域的进展。研究结果显示植被参数存在差异，即高度和树冠覆盖率。还观察到了植被生长的各个阶段。这表明植被生长过程正在进行中，这是这些区域填海工程的效果。
基于遥感的城市土地利用/土地覆盖变化检测与监测
确定土地利用和土地覆盖变化对地球系统的影响取决于对过去土地利用实践、当前土地利用和土地覆盖模式以及未来土地利用和覆盖预测的理解，这些预测受到人类活动、经济发展、技术和其他因素的影响 [4,5,7,8]。关于城市结构和组成，可以认识到空间布局中有许多由微小不同材料组成的物体，这在地球观测卫星图像中产生了异质像素。此外，城市景观具有 3D 组件。当涉及到影响城市遥感的因素时，有必要研究几何分辨率（空间上分离物体）、光谱和辐射分辨率（按主题区分物体）和时间分辨率（在不同日期获得一致的图像材料 [1,9,10]
使用相关成分回归 (CCR) 从土地覆盖变化区域的 VIS-NIR-SWIR 光谱中估计土壤有机质和质地
本文已获准发表并经过全面同行评审，但尚未经过文字编辑、排版、分页和校对过程，这可能会导致此版本与记录版本之间存在差异。请引用本文 doi：10.1002/ldr.3250 本文受版权保护。保留所有权利。