基于碳收支的中国土地覆被分类系统

生态系统的碳收支是影响全球变化的重要环节,而土地覆被变化改变了生态系统碳收支的现状、速率。提出了面向碳收支的中国土地覆被分类系统,服务于生态系统碳收支估算和国家生态环境监测。分类系统由一、二级土地覆被类型、三级土地覆被辅助特征构成。通过物质组成、结构、排列、季节特征等19个指标,将土地覆被划分38个二级类型,反映生态系统的碳储量现状。三级土地覆被辅助特征利用9个指标补充了二级土地覆被类型的属性。其中5个环境指标主要反映生态系统碳储备的潜力和强度,土地利用方式指标反映植被演替过程植被碳收支中的人为扰动影响,植被覆盖度、植被生育期、物种特征指标用于进一步细化植被类型。二级类型与三级特征为分层组织的土地覆被产品,有利于产品管理和应用。分类系统已应用到面向全国生态系统碳收支的30m格网的中国土地覆被制图中。     

基于地形限制特征的泾河流域遥感地表覆被分类

由于在分类方法和空间分辨率等方面存在局限性,基于粗分辨率遥感数据的传统非监督分类结果在不同地物过渡带内往往误差较大。该文提出了基于地形限制特征的分类方法,在非监督分类的基础上,将非监督分类结果按照像元进行细分,并运用地形限制条件对细分后的像元进行二次判别分类。结果表明,分类精度明显提高,其中,农田和居民点分类精度的提高最为明显。这一方法使得完全同质的单元可以进行属性的变更,改善了像元空间分辨率差造成的误差;而地形限制特征的引入减少了传统非监督分类的不确定性,使模糊区域的分类有了较为明确的区分特征,提高了分类的精度。     

基于多特征融合的多分类运动想象脑电信号识别研究

针对目前多分类运动想象脑电识别存在特征提取单一、分类准确率低等问题,提出一种多特征融合的四分类运动想象脑电识别方法来提高识别率。对预处理后的脑电信号分别使用希尔伯特-黄变换、一对多共空间模式、近似熵、模糊熵、样本熵提取结合时频—空域—非线性动力学的初始特征向量,用主成分分析降维,最后使用粒子群优化支持向量机分类。该算法通过对国际标准数据集BCI2005 Data set IIIa中的k3b受试者数据经MATLAB仿真处理后获得93.30%的识别率,均高于单一特征和其它组合特征下的识别率。分别对四名实验者实验采集运动想象脑电数据,使用本研究提出的方法处理获得了72.96%的平均识别率。结果表明多特征融合的特征提取方法能更好的表征运动想象脑电信号,使用粒子群支持向量机可取得较高的识别准确率,为人脑的认知活动提供了一种新的识别方法。     

基于BP神经网络与ETM+遥感数据的盐城滨海自然湿地覆被分类

高效而精确的湿地遥感分类是大范围湿地资源动态监测与管理的必要保障。本研究使用ETM 遥感数据,借助Matlab神经网络工具箱,构建了基于BP神经网络的滨海湿地覆被分类模型,并将其应用于江苏盐城沿海湿地珍禽国家级自然保护区的核心区的自然湿地覆被分类研究中。本研究选择3、4、7、8波段作为输入层变量,单隐藏层设为10个节点,输出层变量对应待划分的8种覆被类型,构建三层式BP神经网络滨海湿地覆被分类模型。结果显示,BP分类总精度为85.91%,Kappa系数为0.8328,与最小距离法和极大似然法的分类总精度相比,分别提高了7.99%和6.08%,Kappa系数也相比提高。研究结果表明,BP神经网络分类法是一种较为有效的湿地遥感影像分类技术,能够提高分类精度。     

基于多时相无人机遥感影像优化河口湿地景观分类

河口湿地具有丰富的生物多样性和高度异质化的景观格局。针对河口湿地景观的复杂性,采用传统的基于单幅遥感影像的分类方法并不能得到较好的分类结果。本研究采用多时相无人机遥感影像参与分类,以优化河口湿地景观自动分类结果。选择天目湖上游平桥河河口湿地为研究区,选取4个季节的无人机影像为基础数据源,采用面向对象与决策树相结合的分类方法,针对不同季节组合的影像进行分类。结果表明:采用多时相无人机影像能显著提升分类效果,且参与分类的时相越多,效果越好;单季影像中,春季是最适合进行景观分类的季节,分类总体精度为62.7%,Kappa系数为0.59;当4个季节获取的影像同时参与分类时,分类总体精度为91.7%,Kappa系数为0.90;参与分类的时相光谱特征差异越大,分类效果提升越明显。本研究可为河口湿地景观分类提供技术支持,并提出了一种利用可见光无人机遥感影像进行湿地景观分类的新思路。     

基于遗传算法特征选择的HBV再激活分类预测模型

探讨原发性肝癌患者精确放疗后乙型肝炎病毒(hepatitis b virus,HBV)再激活的危险特征和分类预测模型。提出基于遗传算法的特征选择方法,从原发性肝癌数据的初始特征集中选择HBV再激活的最优特征子集。建立贝叶斯和支持向量机的HBV再激活分类预测模型,并预测最优特征子集和初始特征集的分类性能。实验结果表明,基于遗传算法的特征选择提高了HBV再激活分类性能,最优特征子集的分类性能明显优于初始特征子集的分类性能。影响HBV再激活的最优特征子集包括:HBV DNA水平,肿瘤分期TNM,Child-Pugh,外放边界和全肝最大剂量。贝叶斯的分类准确性最高可达82.89%,支持向量机的分类准确性最高可达83.34%。     

苏南丘陵地区土地持续利用模式的建立

对苏南丘陵地区农田生物结构及功能的研究表明,在荒丘荒坡上建立林地、茶园、果园人工草地及新辟鱼塘以形成农牧渔复合农业生态系统．提出土地持续利用的单元模式;丘岗坡地─—林茶果草立体利用,冲田地─—粮、饲、经、肥、作物合理布局,养殖业—猪、禽、奶牛、鱼全面发展．资源利用─—种养加工业配套成龙．在粮食稳产基础上,农林牧副渔收入增长２．３倍,农用土地收入及人均农业收入均增长２．７倍．     

基于多源遥感数据的面向对象林分类型识别

林分类型的识别是森林资源监测的核心问题之一.为研究多源遥感数据协同的面向对象林分类型分类识别,采用Radarsat-2数据和QuickBird遥感影像协同进行面向对象分类.在面向对象分类过程中,采用3种分割方案:单独使用QuickBird遥感影像分割;单独使用Radarsat-2数据分割;Radarsat-2&QuickBird协同分割.3种分割方案均采用10种分割尺度(25～250,步长25),应用修正的欧式距离3指标评价不同分割方案的分割结果,确定最优分割方案及最优分割尺度.在最优分割结果的基础上,基于地形、高度、光谱及共同特征的不同特征组合,应用带有径向基(RBF)核函数的支持向量机(SVM)分类器进行杉木林、马尾松林、阔叶林3种林分类型识别.结果表明:与单独使用一种数据相比,Radarsat-2数据和QuickBird遥感影像协同方案在面向对象林分类型分类方面具有优势.Radarsat-2&QuickBird协同分割方案,以最优尺度参数100进行分割时,分割结果最好.在最优分割结果的基础上,应用两种数据源提取的全部特征进行面向对象林分类型识别的精度最高(总精度为86%,Kappa值为0.86).本研究结果不仅可为多源遥感数据结合进行林分类型识别提供参考和借鉴,而且对于森林资源调查和监测有现实意义.     

改进支持向量分类用于蝶类自动鉴别

昆虫自动识别是重要的新兴研究领域, 其中特征筛选与恰当地将多分类转化为二分类是两个关键步骤。本文基于支持向量分类, 提出了一种新的多类昆虫自动鉴别方法: 先以初始样本互作转换将多分类转化为二分类, 再以可交换核函数消除互作样本中初始样本排列顺序不同的影响, 继以非线性筛选去除无关特征与冗余特征并给出各保留特征相对重要性排序, 最后以简单投票决策校正独立预测结果。新方法应用于2科7种蝶类自动鉴别, 以前翅9个翅脉交叉点距离为初始特征, 种、科阶元26、24个随机初始测试样本均获得了100%的准确鉴别。新方法在昆虫自动识别等多分类领域有广泛应用前景。     

基于支持向量机和贝叶斯方法的蛋白质四级结构分类研究

用支持向量机和贝叶斯两种方法对蛋白质四级结构进行分类研究。结果表明,基于支持向量机的分类结果最好,其l0CV检验的总分类精度、正样本正确预测率、Matthes相关系数和假阳性率分别为74．2％、84．6％、0．474、38．9％;基于贝叶斯的分类结果没有支持向量机的分类结果好,但其l0CV检验的假阳性率最低(15．9％)．这些结果说明同源寡聚蛋白质一级序列包含四级结构信息,同时特征向量的确表示了埋藏在缔合亚基作用部位接触表面的基本信息。     

山丘区土壤环境因子对钉螺 (Oncomelania Snail)分布的影响

土壤是自然界钉螺孳生繁殖的重要场所,钉螺的分布与土壤环境因子密切相关。对山丘区9种不同土地利用类型土壤环境对钉螺分布影响的研究结果表明：耕地、荒草地、河滩地及灌溉沟渠存在钉螺分布,活螺框出现率的高低顺序为耕地〉河滩地〉灌溉沟渠〉荒草地,活螺密度的大小顺序为河滩地〉灌溉沟渠〉耕地〉荒草地;有螺土壤环境与无螺土壤环境的方差分析结果不显著,土壤全K含量与0.02-0.002mm的土壤颗粒含量存在显著差异;土壤环境因子对钉螺分布影响的灰色关联分析表明,0.02-0.002mm的土壤颗粒、土壤全P含量和土壤水分是影响钉螺的最重要的3个因子,且土壤环境因子对钉螺活螺框出现率及活螺密度影响的大小规律基本一致,不同之处在于土壤全K含量对活螺密度的影响更显著。研究结果可为我国山丘区改造钉螺孳生环境、控制血吸虫病流行及发展区域经济提供依据。     

Effect of vegetation on runoff-sediment yield relationship at different spatial scales in hilly areas of the Loess Plateau, North China

Whether vegetation reduces soil loss by reducing runoff volume or rather by changing runoff-sediment yield relationship has received little attention. Base on the observed data from monitoring stations and the published data from other research, this issue is addressed at different scales in hilly areas of the Loess Plateau, North China. At the plot scale, vegetation helps reduce soil loss not only by reducing runoff volume, but also by changing the runoff-sediment yield relationship, resulting that the sediment-reduction rate is higher than the runoff-reduction rate. At the watershed scale, gully erosion and mass wasting process are dominant. Vegetation measures are insufficient to control local mass movement, implying that sediment availability remains high even after vegetation is established. It is also hard for slope vegetation to change the capacity of the sediment transport system at the watershed scale. Therefore, vegetation cannot change the runoff-sediment yield relationship at the watershed scale. This implies that vegetation reduces sediment yield only by reducing runoff volume and the sediment-reduction rate approximates the runoff-reduction rate at the watershed scale. Other slope measures for soil conservation such as terraces are considered to have the same effect on the runoff-sediment yield relationship as the vegetation. Several case studies involving different spatial scales are presented and confirm this conclusion.     

Effect of vegetation on runoff-sediment yield relationship at different spatial scales in hilly areas of the Loess Plateau, North China

Whether vegetation reduces soil loss by reducing runoff volume or rather by changing runoff-sediment yield relationship has received little attention. Base on the observed data from monitoring stations and the published data from other research, this issue is addressed at different scales in hilly areas of the Loess Plateau, North China. At the plot scale, vegetation helps reduce soil loss not only by reducing runoff volume, but also by changing the runoff-sediment yield relationship, resulting that the sediment-reduction rate is higher than the runoff-reduction rate. At the watershed scale, gully erosion and mass wasting process are dominant. Vegetation measures are insufficient to control local mass movement, implying that sediment availability remains high even after vegetation is established. It is also hard for slope vegetation to change the capacity of the sediment transport system at the watershed scale. Therefore, vegetation cannot change the runoff-sediment yield relationship at the watershed scale. This implies that vegetation reduces sediment yield only by reducing runoff volume and the sediment-reduction rate approximates the runoff-reduction rate at the watershed scale. Other slope measures for soil conservation such as terraces are considered to have the same effect on the runoff-sediment yield relationship as the vegetation. Several case studies involving different spatial scales are presented and confirm this conclusion.     

基于多源遥感信息融合的广东省土地利用分类方法——以雷州半岛为例

准确高效的获取土地利用信息对生态环境评价非常重要。广东省地处华南热带和亚热带季风气候区,经济作物种类繁多,土地覆盖破碎,为土地利用精确分类带来很大不确定性,而常年多云雨的天气也为有效光学影像的获取带来困难。为提高土地覆盖分类精度,以雷州半岛为实验区,综合应用Landsat-TM/ETM、多时相HJ光学影像,以及X波段Terra SAR数据,通过分析不同地物类型在光谱、极化以及多时相特征上的差别,对原始图像进行特征提取。在此基础上融合多源遥感信息的地物特征运用面向对象土地覆盖分类方法获取研究区高精度的土地利用信息。结果显示这一方法能有效提高土地覆盖利用信息获取精度,为研究生态环境变化提供更准确的数据支持。     

Haematopoietic cell clusters quantification using image analysis

Automatising the analysis of haematopoietic cells culture is a step which is necessary in order to develop the use of this kind of measurement in toxicological assessment. The purpose is the classification of cell aggregates into three groups namely micro-clusters, macro-clusters and colonies. This is classically done using human vision. However, reproducibility is not good and comparisons between experts or laboratories remains very difficult. In this work, we propose a method based on learning machine: different parameters representative of these three kinds of clusters are tested in order to choose the best discriminative ones, then a learning database is created in order to parametrise the software, before using it on actual clusters images. The algorithm used is the support vector machine (SVM). Results show an excellent ability because almost 90% of the test database is well classified using three geometric parameters namely area, minimum and maximum centroid distances.     

华北低山丘陵区常用树种木质部解剖特征及水其力学抗旱性

木本植物木质部解剖特征与水分运输和干旱适应策略密切相关,但目前对华北低山丘陵区常用树种这方面的研究仍然不足。为研究这一地区植物木质部解剖特征与抗旱性的关系,研究以抗旱树种和非抗旱树种各5种为研究对象,通过测定与木质部横截面导管、薄壁组织相关的大量解剖学性状和非结构性碳浓度,比较两类树种木质部解剖特征的差异和解剖性状间的关联,以探究这些树种水力学的干旱适应策略差异。结果显示:1)10个树种的16个木质部性状均有较大变异性;2)两类树种间的平均导管直径和导管密度无显著差异,但抗旱树种导管壁厚度、最大导管直径、旁管薄壁组织比例和轴向薄壁组织比例以及非结构性碳(NSC)浓度显著大于非抗旱树种;3)抗旱树种的导管壁厚度与平均导管直径、最大导管直径和潜在最大导水率均呈显著正相关关系,最大导管直径与潜在最大导水率呈显著正相关关系,但非抗旱树种不存在这些关系。本研究抗旱树种同时具有较大的最大导管直径和较厚的导管壁,在保证较高的水分运输效率的同时又具备一定的抗栓塞能力,较多的旁管薄壁组织和NSC也为抗旱树种提供了更大的木质部水储存和栓塞修复能力。     

黄土丘陵区坡耕地水土流失与土地生产力的关系

在黄土丘陵区坡耕地水土流失特征分析的基础上．对坡耕地水土流失与土地生产力的关系进行了研究。采用不同的试验方法．以单位面积坡耕地生产某种生物产品的数量为土地生产力指标．以生产周期短的农作物为指示植物．具体探讨了地表径流损失和土壤流失分别所造成的土地生产力下降幅度。表土人工堆积处理的径流小区试验结果表明．坡耕地每损失1mm径流．供试作物产量平均下降5．0％～9．7％;小区铲土覆土模拟土壤流失的小区试验结果显示,每减少1cm表土,作物产量下降1．0％～3．1％．每增加1cm表层熟化土．产量增加0．8％～1．7％。在干旱年份．半干旱黄土丘陵区坡耕地由于水土流失导致的作物减产每年平均为21．9％～80．0％．其中径流损失的比重占95．8％～98．2％,而土壤流失仅占1．8％～4．2％。作物品种不同．水土流失对作物产量的影响各异。     

A hybrid SOM-SVM approach for the zebrafish gene expression analysis

Microarray technology can be employed to quantitatively measure the expression of thousands of genes in a single experiment. It has become one of the main tools for global gene expression analysis in molecular biology research in recent years. The large amount of expression data generated by this technology makes the study of certain complex biological problems possible, and machine learning methods are expected to play a crucial role in the analysis process. In this paper, we present our results from integrating the self-organizing map （SOM） and the support vector machine （SVM） for the analysis of the various functions of zebrafish genes based on their expression. The most distinctive characteristic of our zebrafish gene expression is that the number of samples of different classes is imbalanced. We discuss how SOM can be used as a data-filtering tool to improve the classification performance of the SVM on this data set.     

基于多分类支持向量机的基因表达系列分析

基因表达系列分析(Serial analysis of gene expression,SAGE)是一种基因表达数据,反映了细胞内的动态变化。模式识别和可视化方法是分析SAGE数据的基本工具,但是由于缺乏描述数据的统计特性,传统的聚类分析技术不适用于SAGE数据的分析。本文提出了一种基于多分类和支持向量机的SAGE数据的分析法。经过对模拟数据和人类癌症SAGE数据的分析,基于径向基核函数的多分类支持向量机算法"一对一"(one-against-one,OAO)算法提供了比PoissonC和PoissonS更好的分类结果。