解题信息的分类与提取论文

解题信息的分类与提取论文（共5篇）

解题信息的分类与提取论文 篇1

1 引言

过去40年间遥感技术有了长足的发展, 具备了高光谱分辨率、高时间分辨率、高空间分辨率、多传感器、多平台、多角度对地观测能力, 已经形成了三多和三高的发展局面。2008年9月6日, 美国从范登堡空军基地发射了“地球之眼”-1 (GeoEye-1) 多光谱成像卫星。该卫星由“地球之眼”商业成像卫星公司研制, 可提供分辨率为0.41m的黑白卫星图像和分辨率为1.65m的多光谱卫星图像, 同时可提供被侦察目标的误差小于3m的定位信息。地球之眼-1是当今世界上能力最强、分辨率和精确度最高的商业成像卫星。

一方面是我们获得的遥感图片分辨率越来越高, 另一方面是人们对遥感信息的认识和利用程度远远落后于遥感信息获取的速度, 造成大量资源的严重浪费, 但据统计, 人们用到的遥感信息仅占全部获取信息的5 %左右, 而深层次的信息开发更少, 这个事实极大地限制了遥感技术实际应用效果[1]。现有的遥感处理软件大都采用传统的基于像元与统计分析的分类方法, 主要包括监督分类和非监督分类。

监督分类是一种常用的精度较高的统计判决分类, 在已知类别的训练场地上提取各类训练样本, 通过选择特征变量、确定判别函数或判别规则, 从而把图像中的各个像元点划归到各个给定类的分类方法[2]。非监督分类是在没有先验类别知识的情况下, 根据图像本身的统计特征及自然点群的分布情况来划分地物类别的分类处理。

以上这些方法适合于多光谱和高光谱分辨率的遥感图像, 对于分析低分辨率遥感图像中的大面积区域变化可能会取得较好的结果。然而, 对于高分辨率的遥感图像, 目标物的形状清晰可见, 图像上地物景观的结构、形状、纹理和细节等信息都非常突出, 而光谱分辨率并不高, 因此, 针对高空间分辨率图像, 在分类时不能仅依靠其光谱特征, 更多的是要利用其几何信息和结构信息。

面向对象的信息提取方法, 针对的是对象而不是传统意义上的像素, 可以充分利用了对象信息 (色调、形状、纹理、层次) , 类间信息 (与邻近对象、子对象、父对象的相关特征) 。目前关于面向对象的分类平台应用较单一, 多基于德国的Ecognition 软件, 本文基于ENVIZOOM 软件平台对面向对象的分类方法做了有益探索, 为更好的利用地球之眼卫星图片提供参考。

2 实验区及数据源

2.1 地球之眼-1卫星的基本参数设置

地球之眼-1将运行在684km高的太阳同步极地轨道上, 以大约7.5km/s的轨道速度飞行, 每天绕地球12或13圈, 每天都在当地时间上午10:30左右通过给定地区。它将能以0.41m全色分辨率和1.65m多谱段分辨率搜集图像, 而且同样重要的是它还能以3m定位精度精确确定目标的位置。

2.2 实验区域

本文所采用的数据是由GeoEye提供的中国张家界国家森林公园的遥感影像, 研究区域内地形多以山地为主, 景观多为森林。影像数据包括全色和多光谱, 其中全色分辨率为0.5m, 多光谱为2m, 带有各自的rpc参数。

3 理论基础与方法

3.1 影像对象构建

影像对象构建主要用了影像分割技术, 常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法, 这种方法综合遥感图像的光谱特征和形状特征, 计算图像中每个波段的光谱异质性与形状异质性的综合特征值, 然后根据各个波段所占的权重, 计算图像所有波段的加权值, 当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时, 进行重复迭代运算, 直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。

多尺度分割是从一个像素的对象开始进行一个自下至上的区域合并技术, 小的影像对象可以合并到稍大的对象中去。在这个聚集过程中, 最优化技术可最小化异质的权重。在每一步骤中相邻的影像对象对, 只要符合定义的异质最小生长的标准就合并, 如果这个最小的扩张超出尺度参数定义的阈值范围, 合并过程就停止。

任何一个影像对象的异质性值f是由4个变量计算而得:wcolor (光谱信息权重) 、wshape (形状信息权重) 、hcolor (光谱异质性值) 、hshape (形状异质性值) 。w是用户定义的权重, 取值于0～1之间:wcolor+wshape=1,

F=w·hcolor+ (1-w) ·hshape。

形状异质性值由两部分组成:紧密度hcmpct和光滑度hsmooth:

Hshape=wcmpc·thcmpct+ (1-wcmpct) ·hsmooth。

3.2 影像对象的分类

面向对象分类技术提供了丰富了对象特征, 在分类的时候, 可以利用丰富的影像特征:影像的对象信息, 如光谱、形状、纹理、层次等;影像对象的上下文信息, 如与邻近对象、子对象、父对象之间的关系等;同时还可以导入、导出专题数据等。

目前常用的方法是“监督分类”和“基于知识分类”。这里的监督分类和监督分类是有区别的, 它分类时和样本的对比参数更多, 不仅仅是光谱信息, 还包括空间、纹理等信息。基于知识分类也是根据影像对象的熟悉来设定规则进行分类。由于本文所采取的辅助参考数据较少, 研究区域类别较少所以采用监督分类的方法。

4 地球之眼卫星遥感影像分类与信息提取

4.1 地球之眼遥感数据特性评价

4.1.1 直方图评价

对各个波段图像进行灰度值统计, 可以得出如下结论:红外波段变动范围最大。按标准差由高到低, 各波段的排序为波段红外、红、蓝、绿。按其动态范围由高到低, 各波段的排序为波段红外、红、蓝、绿。其信息量由高到低的排序为波段红外、红、蓝、绿。

4.1.2 波段的相关性评价

在大量的遥感图像数据处理中发现, 遥感图像的波段之间具有较强的线性相关性, 尤其相邻波段的线性相关性非常强。波段数据之间这种强线性相关性正是遥感多光谱数据的重要特点之一。

对子图像进行各波段的相关性分析, 公式如下:

$R{}_{kl}=\frac{{\displaystyle \sum _{i=1}^m}{\displaystyle \sum _{j=1}^n}(x{}_{ijk}-u{}_k)(x{}_{ij1}-u{}_1)}{\sqrt{{\displaystyle \sum _{i=1}^m}{\displaystyle \sum _{j=1}^m}(x{}_{ijk}-u{}_k){}^2}\sqrt{{\displaystyle \sum _{i=1}^m}{\displaystyle \sum _{j=1}^m}(x{}_{jil}-u{}_1){}^2}}$。

其中Rkl为k波段与l波段间的相关系数, Vijl为l波段图像中第i行、j列的像元亮度值, ul为l波段的均值。

从表3中可以看出, 红外波段与波段蓝、绿、红的相关系数均比较低。而波段蓝与绿波段的相关系数最高。其次是绿波段和红波段。再次, 就是红波段和蓝波段。就波段组合而言, 最佳波段组合应为红外、红、蓝。

4.2 影像处理

在进行分类处理之前对影像在erdas中进行预处理, 比如影像的校正、图像光谱增强、影像融合、直方图均衡化等处理, 预处理的主要目的是根据资料及所需要的专题信息设法提高遥感图像的可分性, 使其更利于图像分割及信息提取。

在完成几何校正、噪声消除及图像配准后, 是信息融合过程。通过信息融合, 将大大减少或抑制探测对象或环境解释中可能存在的多义性、不完全性或不确定性, 从而提高遥感图像分割、识别及解译的能力。

数据融合技术一直是近几年国际遥感界研究的热点。将高分辨率遥感影像与多光谱影像进行融合的主要目的是提高多光谱波段的空间分辨率, 增强图像的清晰度和解译能力[3,4]。本研究中, 图像融合方法以ERDAS9.2软件为平台, 对实验区范围内GeoEye全色影像和多光谱影像进行融合处理, 分别采用了主成分分析、乘积法变换、Brovey变换和小波变换4种融合算法融合。

主成分变换, 其算法是将输入波段中共有的信息编制到第一主成分, 再把全色数据拉伸使其和主成分第一分量有着相同的均值和方差, 并把全色数据代替PCT的第一分量进行主成分逆变换完成影像融合。乘积法是一种简单的代数运算, 即将高分辨率波段与多光谱两个灰度矩阵进行矩阵乘积。Brovey变换法是通过归一化后的多光谱波段与高分辨率影像乘积来增强影像的信息[5]。小波变换在空间域上和频率域上同时具有良好的局部化性质, 利用小波变换法可以“聚焦”到对象的任意细节, 从而被誉为“数学显微镜”[6]。影像经小波分解后其频率特性得到了有效分离, 低频部分反映的是影像的整体视觉信息, 各高频成份反映的是影像的细节特征[7]。小波变换的优点是保留了高分辨率影像的高频特性, 使整体融合效果较好, 提高了多光谱影像的空间分辨率, 同时又保持了多光谱影像的光谱信息[8]。

从本次实验的效果看, 小波变换的融合效果最好 (图1) 。

4.3 面向对象的多尺度图像分割

定义地表覆盖类型是分类建立的基础。经过野外调查和目视判读, 本文将研究区的土地利用和覆盖类型分为4类:植被、耕地、居民地和道路。确定地表覆盖类型之后, 就可以对分割后的每个对象进行特征计算, 提取出对象的特征。

图像分割是生成图像对象的过程, 产生一个图像对象层体系, 为后续的分类或分割工作提供信息的载体和构建的基础。本研究采ENVI ZOOM软件自带的边缘分割算法对影像进行分割。ENVI ZOOM是envi4.5版本中推出的专业用于面向对象影像分类的新模块, 其Feature Extr action模块采用基于边缘分割的算法, 能够快速、准确地对影像进行分割, 并可以实时快速地在一个预览窗口中查看结果以评估分割的准确性。经过多次试验, 设置分割尺度参数为30。

影像分割时, 由于阈值过低, 一些特征会被错分, 一个特征也有可能被分成很多部分。可以通过合并来解决这些问题。FX利用了 Full Lambda-Schedule算法。经过反复实验我选择的参数为95。

计算4个类别的属性:光谱、空间、纹理、自定义 (颜色空间和波段比) 。其中“颜色空间”选择3个RGB波段转换为HSI颜色空间, “波段比”选择绿波段和红绿蓝3波段的和计算比值。监督分类选择4类地物的样本用红色表示耕地, 蓝色表示道路, 紫色表示房屋, 绿色表示林地。分类结果如图2。

4.4 对比实验

为了与在ENVI ZOOM面向对象分类方法相比较, 本文还在ENVI4.5平台上进行了使用最大似然法分类器的基于像元的分类。基于像元的监督分类方法通过比较待分类像元与训练样本中各类别的n维灰度向量 (n为参与分类的波段数) , 将待分像元进行分类。常用的监督分类有平行六面体法、最大似然法、最小距离和马氏距离等。最大似然分类法是经常使用的监督分类方法之一, 它是通过求出每个像元对于各类别归属概率 (似然度) , 把该像元分到归属概率 (似然度) 最大的类别中去的方法。最大似然法假定训练区地物的光谱特征和自然界大部分随机现象一样, 近似服从正态分布, 利用训练区可求出均值、方差以及协方差等特征参数, 从而可求出总体的先验概率密度函数。当总体分布不符合正态分布时, 其分类可靠性将下降, 这时不宜采用最大似然分类法。本文最大似然法分类结果见图3。

4.5 精度评价

在影像上随机选取参考点, 通过高分辨率影像图进行图上判读, 精确确定每个参考点的地物类别, 对两种分类方法进行精度评价。两种种分类方法的精度评价结果如表4。总的来说, 基于分割, 选取训练样本对象, 采用监督分类的面向对象分类方法总体精度从基于像素的分类方法的84.23 %提高到91.38 %, 面向对象的分类方法有很大的优势。从表4中看出, 由于道路有明显的几何形态特征, 面向对象的方法在对道路进行分类具有很高的精度, 远远大于基于相元的关于道路的分类。耕地的纹理特征也比较特殊, 因此基于对象的分类, 对耕地的分类效果也比较满意。本研究中房屋的分类精度低于基于像素的分类, 原因在于选取对象时分块取值参数为30, 对于林地而言参数过小, 使部分小林斑归入了房屋。

5 结语

通过对实验区的地球之眼遥感卫星图片进行基于相元与基于对象的分类方法的对比试验, 结果如下。

(1) 面向对象的信息提取方法可以灵活运用地物的形状特征、光谱和纹理信息, 能比基于像元的传统分类方法得到更多地物信息和更好的提取效果。

(2) 通过影像分割, 面向对象的信息提取方法能保持分类对象在空间上的连续性, 避免了“椒盐噪声”现象。

(3) 对象特征的长宽比是道路信息提取最重要的影响因素。寻找对象的显著特征对面向对象的信息提取至关重要。

(4) 影像分割尺度参数的获取带有人为的主观性, 未能进行可靠分割精度评价, 这也是今后影像分割尺度研究的一个方向。

(5) ENVIZOOM只基于一个分割图层的多尺度分割方法有很大的局限性, 比如本研究区分割尺度设为30能满足大部分地物的分割要求, 但对于林地约显过小, 如果能基于多层进行多尺度分割能很好的解决这一问题。

参考文献

[1]张俊, 于庆国, 侯家槐.面向对象的高分辨率影像分类与信息提取[J].遥感技术与应用, 2010 (1) :112~117.

[2]李爽, 丁圣彦, 许叔明.遥感影像分类方法研究[J].河南大学学报:自然科学版, 2002, 32 (2) :70~73.

[3]张炳智, 张继贤, 张丽.土地利用动态遥感监测中多源遥感影像融合方法比较研究[J].测绘科学, 2000, 25 (3) :46~50.

[4]楼立明, 刘卫东, 冯秀丽.基于高分辨率遥感影像的土地利用变化监测[J].遥感技术与应用, 2004, 19 (1) :30~33.

[5]孙丹峰.IKONOS全色与多光谱数据融合方法的比较研究[J].遥感技术与应用, 2002, 1 (17) :41~44.

[6]王智均, 李德仁, 李清泉.利用小波变换对影像进行融合的研究[J].武汉测绘科技大学学报, 2000, 25 (2) :137~141.

[7]林卉, 景海涛, 张连蓬.atrou小波变换与PCA变换相结合的遥感影像融合分析[J].地球信息科学, 2008, 10 (2) :269~272.

[8]李军, 周月琴, 李德仁.小波变换用于高分辨率全色影像与多光谱影像的融合研究[J].遥感学报, 1999, 3 (2) :117~120.

解题信息的分类与提取论文 篇2

考点解说

中考现代文阅读中所涉及的“信息提取”题，主要要求考生根据题干要求，从阅读材料中准确提取有效信息，或者对信息进行必要的概括或整合。

这类题主要分三类：一是根据题干要求从原文中直接提取信息，多为关键词或句；二是根据段落内容概括信息；三是根据要求在全文中找照应点。其基本设问方式是：①结合选文第×段内容，说明某词、句具体指的是什么；②根据第×段内容，将下面表格填充完整；③阅读第×段，说说„„的具体表现，请分条概括（有时还有字数要求）；④结合文章，说说某结果产生的原因（原因可能有多条）。

解题点拨

（一）原文直接提取 1.答题格式

从原文中找到相关信息，提取关键词或句进行解答。2.举例

（1）第⑧段中加点字“是”是“这样”的意思，请说出它所指代的具体内容。（2013年四川南充中考题）

母亲思忖了很久，把螃蟹又轻轻地放回了水里，可是刚放下，她又想起什么似的，赶紧再一次捞起了螃蟹，如是者数次。在那个春寒料峭的日子里，一向坚强能干的母亲想必正面临着她人生中一次重大的选择吧！在抓起与放下的动作的重复间，她的内心经历了怎样的一次又一次的自我交战与折磨。

分析：题干中已经解释了“是”的含义，考查的是找到代词指代内容的能力，这是最基本的提取信息的能力。“这样”是近指代词，答案就在这个词语的附近。

答案：把螃蟹轻轻地放回了水里，可是刚放下，她又想起什么似的，赶紧再一次捞起了螃蟹。（2）文中的“我”对挑糖担老人是怎样评价的？（2013年四川雅安中考题）

一日，我带了相机去拍蔷薇花。老人的糖担儿，刚好晃晃悠悠地过来了，我要求道：“和这些花儿合个影吧。”老人一愣，笑看我，说：“长这么大，除了拍身份证，还真没拍过照片呢。”他就那么挑着糖担子，站着，他的身后，满墙的花骨朵儿在欢笑。我拍好照，给他看相机屏幕上的他和蔷薇花。他看一眼，笑了。又举起手上的棒槌，当当，当当当，这样敲着，慢慢走远了。我和一墙头的蔷薇花，目送着他。我想起南朝柳恽的《咏蔷薇》来：“不摇香已乱，无风花自飞。”诗里的蔷薇花，我自轻盈我自香，随性自然，不奢望，不强求。人生最好的状态，也当如此吧。

分析：题干指定提取的内容为“我”对老人的评价，这需要通读文章，在议论、抒情的句子中找，这类句子多数集中在文末。

答案：随性自然，不奢望，不强求。

（3）请按照时间顺序，梳理文中黑槐树的经历。（2013年天津中考题）分析：根据时间顺序，在原文中直接提取有效信息即可。答案：（1）去年七月（2）沉默，没有开花（3）次第捧出各自的花蕾，黄绿绿地静默

（二）分层提取信息，概括答题 1.答题方法

①定位，准确找到题干指定的段落范围。②概括相关内容。2.举例

（1）请从“商业家族”和“足球王国”两个方面，概括皮尔洛“非主流”的具体表现。（2013年山西中考题）

①他出生在意大利的富豪家庭，父亲是钢铁大亨，其家族企业涉足五十多个国家。在很多人眼里，他这辈子只要守住家业即可，根本不需要什么奋斗。然而，当他接触足球后，突然觉得，跟绿茵场相比，钢铁经营之类的事情简直索然无味。从此，他的梦想是成为职业球员。父亲骂他没出息，说：“我可以买下一家足球俱乐部给你经营。”他却说：“如果我整天躺在你的钱上睡觉才是没出息。”他不顾父亲的强烈反对，毅然走上足球之路。②在意大利足坛，防守的理念根深蒂固，无论教练还是球员，都不敢越战术纪律的雷池一步；防守能力出众的球员，尤其容易出人头地。而他，天生就流淌着进攻的血液，更热衷于在球场上穿针引线，随时给对手致命一击。因为他的足球思想违背了主流理念，导致他一度被排挤而成为边缘人物。

③不得志的他，被租借到小球会布雷西亚。在这里，他遇到了生命中的贵人——罗伯特•巴乔。在巴乔的指点下，他迅速成熟，并开始走向辉煌。

④2001年，他加入AC米兰队，主教练安切洛蒂独具慧眼，认为他的另类踢法正是意大利足坛的稀缺品种，决定对他委以重任。在实战中，他逐步成为球队的“大脑”，确立了领袖地位，为AC米兰摘取无数荣誉，并于2006年率领意大利队赢得了阔别二十四年的世界冠军。2012年6月，欧洲杯烽火重燃，意大利对抗世界霸主西班牙，又是他精准如导弹的传球，令意大利先拔头筹。赛后，西班牙媒体评价他为“绿茵场上的达•芬奇”。

⑤他就是皮尔洛，国际足坛巨星。在他的商业家族里，他是非主流的；在他的足球王国里，他也是非主流的。他用另类的方式诠释着成功：靠自己，做自己，在自己热爱的领域里做到最好，才能实现自己最大的人生价值。

分析：文章第①段写的是皮尔洛在“商业家族”方面非主流的表现，第②—④段写他在“足球王国”非主流的表现，界定了相关范围之后，简要概括即可。

答案：①示例：皮尔洛放弃庞大的家族企业，坚持自己的梦想，毅然走上了足球之路。②示例：皮尔洛不遵从意大利足坛的主流理念，坚持自己的另类踢法，最终成为国际足坛巨星。

（2）王浩棋同学读到本文第④段中的“绿茵场上的达•芬奇”时，既感新奇巧妙，又有些许困惑：不同领域的两个人，为什么能联系在一起呢？于是查找了达•芬奇的相关资料，请你帮他完成探究。（2013年山西中考题）

材料一：达•芬奇是欧洲文艺复兴时期最完美的代表，意大利把他作为文化的象征。他的杰作《蒙娜丽莎》和《最后的晚餐》，是欧洲艺术的拱顶之石，是世界艺术宝库中珍品中的珍品。

材料二：达•芬奇很早就下定决心，要做一个研究者，一个教师，尤其是一个艺术家。他眼光独到，做事干练，具有艺术的灵魂。他多才多艺，在绘画、雕塑、发明、音乐和医学等诸多领域都卓有建树。

材料三：达•芬奇说，兴趣——这就是为着一件事物本身而爱好它，不为旁的理由。

分析：回答这道题需要结合原文和材料，可根据材料内容和关键词，去原文中寻找意思相近的词语或句子，提取相同信息作答。

答案示例：①他们都是意大利人的自豪，都在各自领域取得了卓越成就。②他们都能为自己的人生树立明确的奋斗目标。③他们都能带着浓厚的兴趣投身各自所选择的领域。（答出他们的两处共同点即可）

（3）依照示例，概括选文所表现的不同的“美”。（2013年山东东营中考题）

这条路得通过些果树林、柞木林、竹子林和几个大半年开满杂花的小山坡。马上一面欣赏土坎边的粉蓝色报春花，在轻和微风里不住点头，总令人疑心那个蓝色竟像是有意模仿天空而成的；一面就听各种山鸟呼朋唤侣，和身边前后三三五五赶马女孩子唱着各种本地悦耳好听的山歌„„最有意思的是云雀，时常从面前不远草丛中起飞，一面扶摇盘旋而上，一面不住唱歌，向碧蓝天空中钻去，仿佛要一直钻透蓝空。伏在草丛中的云雀群，却带点鼓励的意思相互应和。直到穷目力看不见后，忽然又像个小流星一样，用极快速度下坠到草丛中，和其他同伴会合，于是另外几只云雀又接着起飞。赶马女孩子年纪多不过十四五岁，嗓子通常并没经过训练，有的还发哑带沙，可是在这种环境气氛里，出口自然，不论唱什么，都充满一种淳朴的本色美。

________→________ →（示例）女孩子歌声的淳朴本色美

分析：根据本段描写对象的不同可以将文段划分成三层，仿照示例写出主语并概括特点，就能写出满意的答案了。

答案示例：报春花色彩的意象美（或报春花的色彩美）；云雀飞翔的情态美（或动作美）。（4）京剧的虚拟性表演与现实生活的关系是怎样的？（2013年北京中考题）

分析：梳理文章的写作思路，可知京剧的虚拟性表演与现实生活的关系集中在第四段，分层之后简单概括即可提取。第二层需要概括例子内容，根据例子提炼要点。

答案要点：①虚拟性表演来源于现实生活，必须符合现实生活。②京剧演员要深入地了解生活，亲身去体验、认真去观察生活。③经过艺术加工，演员动作舞蹈化、节奏化。

（三）说明文中如何综合段落信息下定义 1.答题格式

“××”是指„„（包含所有特征、原因）的„„（类别、属性）。2.举例

（1）根据文章的介绍，请给“镉大米”下定义。（2013年四川乐山中考题）

人们总是在食品安全中学习化学知识，两年前“10%大米镉超标”的新闻让人们空前关注起“镉”。而最近“广州超过四成大米镉超标”的报道，在“谈食色变”的今天，更让公众群情激愤。

“镉”究竟为何物？镉是一种重金属元素，在冶金、塑料、电子等行业非常重要。它通常通过废水排入沟渠河流，再通过灌溉污染农作物，水稻是典型的“受害作物”。

根据不同的摄取方式来衡量，镉对人体健康有不同的影响。通过大米等食物摄取的，属于“长期小剂量”。这种情况主要危害肾脏和骨骼。目前，国际卫生组织对镉的安全标准就是基于它对肾脏的危害程度建立的，上限是每周每公斤体重7微克。这相当于一个60公斤的人，每天不超过60微克。

分析：回答这道题要求通读全文，提取关于“镉大米”的各种有关信息并综合，确定下定义的内容，最后套入格式答题。

答案：“镉大米”就是指用受到了含有重金属“镉”的废水灌溉而污染的水稻加工的，且镉含量超过了安全标准线的有毒大米。

（2）根据文章的内容，请你说说什么是“水刀”。（2013年内蒙古呼和浩特中考题）

早在20世纪80年代，科学家就已研发出一项新的加工技术，这就是高压水射流切割技术，人们形象地称之为“水刀”。这种“刀”可以说是锋利无比，甚至削铁如泥，其卓越的性能远远高于金属刀具。

所谓“水刀”，其实就是一束很细的高压水射流。当人们通过一定的方法迫使水以超过声速的速度通过极小的喷嘴时，聚集成的高压水射流就具有了切割不同材料的能力，这种高压水射流的出口直径还不到0.5毫米，比细自动铅笔芯还要细一些。水喷流出口时的压强在50兆帕以上，这就相当于在1平方毫米的面积上放上5千克的物体所产生的压力。

分析：文章第二、三两段介绍的是水刀研发的时间、性能和工作原理，所以应在这部分提取信息。之后介绍的是水刀的应用，与定义无关。

答案：水刀就是高压水射流切割技术，这是科学家研发出的一项新的加工技术。

月亮升起来

有一座小山就坐落在我家附近，我常常会在夜间去爬山。到了山上，城市里的嘈杂就会变成远方的低语。在安静的黑夜里，我能够感觉到蟋蟀的欢乐和猫头鹰的自信。不过，看月出才是我爬山的目的，让我重新找回在城市中轻易就迷失的那种宁静与纯真。

在小山上，我看过很多次月出。每次月出都是各有风情，不尽相同。秋日里，圆圆的月亮露出丰收的自信；春风中，月亮灰蒙蒙地表达着羞涩；冬日里，冰轮般的月亮孤独地悬在漆黑的空中；夏日中，橘黄色的月亮朦朦胧胧地俯瞰着干燥的田野。每一种月亮都似精美的音乐，感动我的心灵，抚慰我的灵魂。

赏月是一种古老的艺术。远古时代的猎人，对空中月亮的了解如同知晓自己的心跳一样，丝毫不差。他们知道每29天月亮就会变得明亮饱满，然后萎缩，直至消失，然后再次复活；他们知道，月盈期间，每经日落，头顶的月亮就会显得更高更大；他们还知道，月亏期间，月出一日更比一日迟，直到消失在日出之中。古人能根据经验知道月亮的行踪变化，真是造诣颇深的事情。

但生活在室内的我们，已经失去了和月亮的联系。城市耀眼的街灯、污浊的烟尘遮蔽了夜空。人类虽已在月亮上行走过，反而对月亮变得更加陌生，没有几个人能说得出今晚月亮何时升起。

无论如何，月亮仍然牵挂着我们的心。如果不经意间看到刚刚升起的、大大的、黄澄澄的满月，谁都会情不自禁地停下来，一睹它高贵的姿容，而月亮也会赐予观看它的人礼物。

在七月山间的一个夜晚，我看到东边山头闪出一团橘红色的光线，好像森林着火一样。刹那间，山头也被火焰吞噬。过了一会儿，月亮突然从密林中探出涨红的大大的脸，夏日空气中弥漫的尘雾与汗气，使月亮显得有些怪异。大地灼热的气息扭曲了它，月亮变得格外暴躁，不再完美。不远处，农舍里的狗紧张地乱叫起来，好像这奇怪的光亮唤醒了野草中的魔鬼。然而，随着月亮慢慢爬上山头，它浑身聚集了坚定与威严；它的面孔也从红变成了橘黄，又变成金色，最后成为淡淡的黄。月亮不断地上升，下面的丘陵山谷逐渐暗淡朦胧，好像大地的光亮让月亮渐渐吸走了似的。待到皓月当空，圆圆的月亮洒下象牙般乳白的清辉，下面的山谷在这样的风景里，形成了一片片幽深的阴影。这时，那些乱叫的狗才打消了疑虑——原来那团光是它们熟悉的月亮——停止了吠叫。在那一刻，我忽然觉得信心十足，心情欢畅，禁不住笑了起来。

这奇美的景观持续了整整一个小时。月出是缓缓而又微妙的。要想欣赏月出，我们得重拾过去那种对时间的耐心。看着月亮毫无顾忌地不断攀升，我们能找到内心少有的宁静。我们的想象力能让我们感到宇宙的广阔和大地的无限，忘却自己的存在，感觉自我的渺小，却又深感自己的独特。

月光从不向我们展示生活的艰辛。山坡在银色月光下如同披上了柔和的轻纱，在月光的照耀下，海水显得碧蓝而静谧。沉浸在月光中，我们不再像白天那般精于算计，而是沉浸在内心的情感之中。

当月亮升起之时，我们放慢思想，让它追随天堂的脚步。不经意间，一种魔力就会遍布全身。我们会敞开情感之门，让白天被理智束缚的那部分思绪自由奔涌。我们能跨越遥远的时空，听远古猎人的细语，看久远时代恋人与诗人们眼中的世界。

（节选自《把沉睡的时光摇醒》，有删改）1.阅读文章第六、七两段，完成下面的表格。2.“我”为什么会在夜间爬山？

3.欣赏月出带给作者哪些感悟？请结合文章内容简要概括。

3D打印技术

美国近日制造出首支3D打印手枪，该手枪除击针为金属外，其余全部为塑料，由3D打印机分别打印完成。这令3D打印技术未来的应用领域备受关注。

作为一种依托信息技术、材料科学和精密机械等多种学科的尖端技术，3D打印的专业名称应该是“快速成型技术”或“增材制造技术”。3D打印首先应用计算机软件设计出三维的加工样式，然后将这些样式信息传递到3D打印机上，再通过特殊的胶水将液化、丝化和粉末化的固体材料堆积、粘合起来，“打印”出固态的物体产品。

乔纳森•嘉格隆接受《环球时报》专访时表示，他们通过一百多种不同材料的各种组合，根据三维的相片或三维设计图，能在几十分钟至几天之内，按照1比1的比例，快速制造出1立方米以内的各种复杂的高精产品。从整形牙套到新款摩托车模型，从荧光笔到汽车轮胎，从人物雕像到无人机机翼，从台灯灯罩到建筑工程实物模型，从儿童在电脑上自行设计的三维怪物到F-16战斗机的零配件，从个性化的黄金珠宝到美国宇航局使用的火星探测车实物模型，这些具体的应用现在都是现实，而不是幻想。“只要是通过计算机三维设计出的东西，我们都能制造出来。我们经常使用的材料包括生产级热塑性塑料、高性能树脂、石蜡材料等。我们可以用金属材料对产品打磨与喷漆。我们还可以用黄金为材料，制作特殊的贵重工艺品。”

美国宇航局是3D打印机的大客户。据《环球时报》记者从知情人士处获悉，美国宇航局用3D打印机主要做两件事：第一，新技术与产品的概念设计；第二，新产品的功能性测试。在新产品研发与测试阶段，通常保密单位与高科技企业的研发企业是不愿意把公司内部最前沿的技术让第三方公司介入的，尤其是负责提供实物模型和功能测试。为此，美国宇航局采购了3D打印机，按照他们的创意先打印出一个模型来“看一看，捏一捏”，如果不好，迅速重新调整设计。此外，也把多个部分直接“打印”出来，拼装起来，在实验室条件下测试效果究竟如何。据了解，美国第一架无人驾驶飞机就是著名的极光飞行科学公司设计的，该飞机的模型飞机的机翼就是直接用3D打印机“快速制造”出来的。

美国宇航局已经表示，该局艾姆氏研究中心的工程师和研究人员正致力于将3D打印技术应用于太空旅游和宇宙研究工作。未来，国际空间站需要的零部件将不再需要从地球运往太空，而只需由地面控制系统输入一定程序，空间站上的3D打印机便可以直接制造出来。2013年初，最早的3D打印机制造商之一MakerBot公司证实，NASA工程师一直在利用3D打印技术为模型建造部件，其中包括“好奇”号火星巡视探测器。

3D打印技术的应用还不止这些，目前，3D打印技术已经被大量应用于各国武器装备的研发和制造之中。先进的3D激光打印机，不仅可以烧结或者融合塑料、蜡和砂子，还可以直接烧结金属。北京航空航天大学的航空航天国家实验室拥有目前国内最大的3D激光打印机，该打印机有12米长，是为中国的商用飞机项目制造大型复杂部件的，包括钛机身骨架及高强钢起落架。目前最为关键的问题是激光将金属熔化后对金属重结晶的控制。中国还将这项技术应用在舰载机的研制上。据歼-15总设计师透露，钛合金和M100钢的3D打印技术已广泛应用于歼-15的试制过程，主要是起落架等主承力部分。

1.根据文章内容，给3D打印技术下个定义。

2.结合文章，说说到现在为止，3D打印技术已经应用在哪些方面。《月亮升起来》

1.①东边山头好像森林着火一样。刹那间，山头也被火焰吞噬。

②月亮突然从密林中探出涨红的大大的脸 ③月亮的面孔从红变成了橘黄，又变成金色，最后成为淡淡的黄。④圆圆的月亮洒下象牙般乳白的清辉，下面的山谷形成了一片片幽深的阴影。

2.到了山上，城市里的嘈杂就会变成远方的低语。在安静的黑夜里，“我”能够感觉到蟋蟀的欢乐和猫头鹰的自信，能够看月出，重新找回在城市中轻易就迷失的宁静与纯真。

3.①每次月出都是各有风情，不尽相同，每一种月亮都能感动“我”的心灵，抚慰“我”的灵魂。②看着月亮毫无顾忌地不断攀升，能找到内心少有的宁静。③沉浸在月光中，使人不再像白天那般精于算计，而是沉浸在内心的情感之中。

《3D打印技术》

1.3D打印技术是一种依托信息技术、材料科学和精密机械等多种学科的尖端技术，首先应用计算机软件设计出三维的加工样式，然后将这些样式信息传递到3D打印机上，再通过特殊的胶水将液化、丝化和粉末化的固体材料堆积、粘合起来，“打印”出固态物体产品的“快速成型技术”或“增材制造技术”。

解题信息的分类与提取论文 篇3

净光合作用强度=总光合作用强度-呼吸作用强度, 即:净光合作用吸收的CO2量=总光合作用吸收的CO2量-呼吸作用释放的CO2量;净光合作用释放的O2量=总光合作用产生的O2量-呼吸作用吸收的O2量;净光合作用积累的有机物的量=总光合作用制造的有机物的量-呼吸作用消耗的有机物的量。

如右图所示, 以光合作用强度大于呼吸作用强度为例:

总光合作用吸收的CO2量=b+d呼吸作用释放的CO2量=d, 可推知:净光合作用吸收的CO2量=b。 总光合作用产生的O2量=a+c, 呼吸作用吸收的O2量=c, 可推知:净光合作用释放的O2量=a。

根据以上推导, 学生就能理解, 排除掉线粒体的呼吸作用, 植物从环境中吸收的CO2, 往环境中释放的O2即为净光合作用吸收的CO2或者释放的O2。 很多学生在解题时不能正确辨析总光合作用与净光合作用的概念, 信息提取错误导致解题错误。 我们可以总结如下:

净光合作用表述:植物吸收的CO2、植物释放的O2、测得的气体体积变化、植物积累的有机物的量。

总光合作用表述:叶绿体吸收的CO2、叶绿体释放的O2、光合作用产生的O2总量、光合作用制造的有机物的量、真正的光合作用、实际的光合作用。

例1:以测定的CO2吸收量与释放量为指标, 研究温度对某绿色植物光合作用与呼吸作用的影响, 结果如图所示。下列分析正确的是 ( )

A.光照相同时间, 35℃时光合作用制造的有机物的量与30℃时相等

B.光照相同时间, 在20℃条件下植物积累的有机物的量最多

C.温度高于25℃时, 光合作用制造的有机物的量开始减少

D.两曲线的交点表示光合作用制造的与呼吸作用消耗的有机物的量相等

解读信息:本题题目中以测定的CO2吸收量为指标, 说明此CO2吸收量为净光合作用CO2吸收量;通过提取图中信息可知, 虚线表示的是光照下CO2的吸收量, 即净光合作用CO2的吸收量;实线表示黑暗下CO2的释放量, 即呼吸作用CO2的释放量。

分析:A选项中光合作用制造的有机物的量为总光合。 在光照时间相同的情况下, 30℃和35℃总光合作用制造的有机物的量分别为3.50+3.00=6.50和3.00+3.50=6.50, 二者相等, A正确;

B选项中植物积累的有机物的量为净光合作用, 在25℃时, CO2吸收量最大, 即净光合作用有机物积累量最大, B错误;

C选项中光合作用制造的有机物的量为总光合作用, 35℃时光合作用制造的有机物的量与30℃时相等, C错误;

D选项中两曲线的交点表示净光合吸收的CO2量=呼吸作用释放的CO2量。 光合作用制造的有机物的量为总光合作用, 是呼吸作用消耗的有机物的量的两倍, D错误。

信息提取易错点: 不能准确区分总光合作用与净光合作用, 容易把光照下CO2的吸收量错误分析成植物总光合作用吸收的CO2量。

错误矫正: 黑暗下CO2的释放量, 即呼吸作用CO2的释放量;光照下CO2的吸收量为净光合作用下CO2的吸收量;植物积累的有机物的量为净光合作用; 光合作用制造的有机物的量为总光合作用。

例2.下图为某同学所绘某绿色植物的叶肉细胞在光照强度分别为a、b、c、d时, 单位时间内CO2和O2释放量的变化图。 有关叙述正确的是 (%%)

A.光照强度为a时, 该细胞不进行光合作用

B.光照强度为b时, 该细胞只能进行无氧呼吸

C.光照强度为c时, 所对应的柱状图是错误的

D.光照强度为d时, 该细胞实际光合作用速率为8个单位

解读信息:本题关键在于对b的分析, 这点不可能没有呼吸作用, 所以白色柱形图表示的是呼吸作用CO2的释放量-光合作用CO2吸收量, 即为净呼吸作用CO2的释放量;此外, 题目中的信息已经说明黑色柱形图表示植物在光照下O2的释放量, 所以黑色柱形图为植物净光合作用O2的释放量。

分析:A选项中光照强度为a时, 净光合作用O2的释放量为0, 可能是没有光合作用, 也可能是光照强度弱, 光合作用O2的释放量小于呼吸作用O2的吸收量, 所以植物表现释放CO2, A错误;

B选项中光照强度为b时, 净光合作用O2的释放量为0, 净呼吸作用CO2的释放量也为0, 说明植物叶肉细胞中的光合作用速率与呼吸作用速率相等, 净光合作用为0, B项错误;

C选项中光照强度为c时, 净光合作用O2释放量为6, 说明光合作用速率大于呼吸作用速率, 净呼吸作用CO2的释放量为负值, 不应该有对应的白色柱形图, C项正确;

D选项中该细胞实际光合作用速率为总光合作用。 光照强度为d时, 净光合作用O2的释放量为8, 总光合作用速率=净光合作用速率+呼吸作用速率, 所以实际光合作用速率应该大于8, D项错误。

信息提取易错点:易把白色柱形图错误分析成呼吸作用释放的CO2量。

错误矫正: 白色柱形图表示的是呼吸作用CO2的释放量-光合作用CO2吸收量, 即为净呼吸作用CO2的释放量;

黑色柱形图表示的是植物净光合作用O2的释放量; 实际光合作用速率表示的是总光合作用速率。

解题信息的分类与提取论文 篇4

Landsat8OLI图像具有较高的光谱分辨率(10个多光谱波段)和辐射分辨率(12位灰度量化等级),中等空间分辨率高(与同源全色波段图像融合达15m)和时间分辨率高(卫星重访周期16天),且信噪比高［１］,表现出对地表植被光谱信号较强的区分能力。加之具有长时间序列数据集资源并可免费获取,因而OLI图像是目前在区域尺度上进行地表植被覆盖动态监测较理想的遥感信息源。 神木县地处毛乌素沙漠东南部与陕北黄土高原峁梁沟壑区的过渡地带(109°37'30'E-110°56'15'E,38°12'30'N- 39°27'30'N),面积约7 635km２,地貌以古长城为界,长城以北、以南分别为风沙草滩区(占51%)和黄土丘陵沟壑区(49%)。神木县自然环境恶劣,下垫面景观格局复杂, 风沙危害和水土流失严重［２－５］,生态环境脆弱,是“三北”防护林体系建设重点县。

本研究以神木县OLI图像(条带号及行号为p127- r33,成像日期为2013-08-03)作为基础数据源,采用最大似然法监督分类识别该区域7种主要植被类型(灌木林地、灌溉耕地、旱耕地、有林地、园地、高盖度草地和低盖度草地)。分类结果显示,在分类图中上述地类的图斑破碎,“椒盐效应”突出,且分类图中错分漏判情况较多(总体分类精度和Kappa系数分别为73.26%、0.675)。为此,本研究提出结合分层技术和支持向量机(SVM)监督分类的植被专题信息提取方法,并综合应用面向对象分割和基于数学形态学的开、闭运算操作弱化“椒盐效应”。本研究旨在为改善基于OLI图像的植被覆盖信息提取精度提供一个新的切入点,研究结果对于利用遥感技术在陕北农牧交错带开展水土保持与沙漠化防治工作具有重大意义。

1研究方法

本研究技术路线如图1所示。对OLI图像进行预处理,包括大气校正、几何精校正、剪裁;此后与同源全色波段图像进行像素级融合(如图2,以B5(R)B4(G)B3(B)方式假彩色合成);按照识别难度递增的次序设置“灌溉耕地 →旱耕地→果园和有林地→灌木林地→低盖度草地和高盖度草地”5个专题图层,逐层依次处理;对图像执行LBV变换［６］,将LBV变换的衍生波段作为有效特征;将灌溉耕地作为识别目标,对波段L和V进行阈值分割,去除非目标地类信息,形成灌溉耕地的概貌图像;选取尺度等参数对灌溉耕地概貌图像执行面向对象分割,然后进行SVM监督分类,并在分类后执行形态学开、闭运算操作整饰初始分类结果,形成灌溉耕地的精确提取结果;将该提取结果作为掩膜区域从原图上去除,重复上述过程依次处理后续4个专题图层,获取剩余6种植被类型的覆盖信息。最后,将各专题层提取结果叠加形成最终分类图,并进行精度验证。

2实验结果分析

2.1图像LBV变换及阈值分割

本研究选取OLI图像的短波外波段(B６)、近红外波段(B５)、红波段(B４)和绿波段(B３)进行LBV变换,衍生3个互不相关且明确物理意义的波段L、V和B［６］,它们分别表征地物总辐射水平,地物辐射随波段改变而变化的方向及速率,地物可见光辐射与红外光辐射强弱的对比关系。 图3、图4是一处典型研究样区(解家堡乡)的原图和LBV变换后的结果。相较于图3,图4中灌溉耕地与旱耕地、 灌木林地与有林地、高盖度草地和低盖度草地之间的色度差异显著增强,图斑界限清晰,易于判别;并且在图4中, 同类别相邻像元因色度同质程度高聚合成斑块,斑块内部的纹理特征和噪声像元的光谱特征被削弱,在一定程度上抑制了“椒盐效应”。

图5是以波段L、V作为有效特征,进行阈值分割后得到的灌溉耕地概貌图像(分割阈值如表1)。图5中除县域全部灌溉耕地外,还保留有部分水体、旱耕地、有林地、灌木林地图斑,本研究通过后续监督分类将它们准确分离。

2.2面向对象分割

面向对象分割依据图像中图斑色度和形状的同质性程度生成地理对象,作为图像的基本单元。本研究以波段L、V和B作为有效特征,结合目视判读和试错法［７－８］选取分割参数(尺度、光谱因子、形状因子、紧致度和光滑度, 如表2)。图6是一处典型研究区域(高家堡镇)原图,图7则是LBV变换后进行面向对象分割的结果。图7中,由图像分割生成的旱耕地、灌溉耕地、灌木林地、有林地、高盖度草地、低盖度草地对象基本由本类别像元聚合形成, 各地类对象内部去除色度及纹理差异,并融入孤立的噪声碎斑和像元,使对象光谱特征的匀质程度和形状特征显著增强,区别于相邻背景地类对象,同时进一步弱化“椒盐效应”。与图6叠加分析发现,由图像分割后生成的上述地类对象边界位置准确,很少出现由于过度分割而导致合并相邻其它地类像元、斑块,或者是相反的欠分割情况。

2.3图像SVM分类与精度评价

监督分类在一定程度上融入目视解译,适用于在地表景观破碎、地物类型混杂的区域识别地物。 本研究从LBV变换和面向对象分割后的图像中,为目标地类和背景地类选取完备训练样本集(训练样本集的J-M距离和转换离散度均大于1.980),然后执行SVM监督分类(径向基核函数间隔σ及惩罚因子C分别取100、0.173)［８］;对初始分类图,辅助人工选点并运用多个尺寸的结构元素模板,组合开、闭运算作为一对形态滤波器整饰图像;此后, 目视检查图像,勾绘分类错误的图斑予以校正.。

将灌溉耕地、旱耕地、果园和有林地、灌木林地、低盖度草地和高盖度草地这5个专题图层的提取结果叠加,形成最终的分类图,如图8所示。图9是以OLI图像近红外波段、红波段和绿波段作为有效特征,采用最大似然法监督分类的结果。叠加两图判读分析可以发现,图8中的旱耕地、灌溉耕地、灌木林地、有林地、高盖度草地、低盖度草地、园地小斑呈片状连续分布,大图斑中孤立分布的噪声碎斑较图9显著减少,“椒盐效应”降低。本研究从两个分类图中随机抽取700个点,逐点判读其类别归属,然后统计总体分类精度和Kappa系数［６］,分别为85.32%、0.796; 73.26%、0.675,采用本文方法有效减少了错分漏判情况, 使得总体分类精度、Kappa系数分别提高了16.46%、 17.93%。

3结语

解题信息的分类与提取论文 篇5

我国是世界上公认的稀土资源大国,2009年我国的稀土产量达12万吨,占世界产量的97%。然而,近年来我国的稀土开发一直存在过度开采、盲目竞争、低价流失海外等严重现象,资源效益也没有得到显现。再加上我国矿产资源开发利用一直比较粗放,缺乏实时监控,再加上逐级上报和群众举报的单一管理模式,容易导致资源的严重浪费。同时,也严重破坏和污染了矿区及周边地区的生态环境。而遥感技术具有多种类、多平台、多波段、多时相的特色和宏观、快速、同步等优点[1],因此将遥感技术应用于稀土矿开采地的监测,可直观反映研究区域的稀土矿开采现状和生态环境的情况,是最快速、最有效的先进手段之一。而稀土矿开采地信息提取是对稀土矿开采地进行遥感监测的基础。

目前,在矿山开采地信息提取方面,针对TM、ETM等中低分辨率遥感影像的矿山开采地信息的提取大部分都是采用监督分类的方法等传统的基于像素的分类方法[2,3];而对于高分辨率遥感影像的矿山开采地信息提取,由于矿区这一特定的研究对象,区域较小,很多解译工作者选择采取人机交互或目视解译等方法[4,5]。然而在研究区域较大的情况下,该方法虽然精度高,但是效率极低。一些学者开始将计算机自动提取的方法应用到基于高分辨遥感影像的矿山开采信息提取方面。Nuray Demirel 等人采用支持向量机的分类方法对Goynuk 露天煤矿的IKONOS进行信息提取,结果表明该分类方法精度能满足项目的需求[6]。Thomas Blaschke等人讨论了传统基于像素的方法的不足,并提出了根据尺度的影像分割,并对保护环境的关注提出了面向对象的分类方法[7]。祝振江[8]以辽宁本溪市某露天矿区的SPOT5数据为实验区,运用面向对象分类技术结合一些纹理信息,地学信息等来研究矿山遥感调查信息的提取,并与传统的分类方法进行了对比分析。结果表明,面向对象分类法比基于像元的分类方法精度更高,更适合于高分辨率遥感分类。以上研究说明,从遥感数据中精确提取矿山开采地信息,需充分利用高分辨遥感影像信息,并结合地学资料、高程信息等的方法。实现矿山开采地信息提取的自动化和准确性,将是今后矿山环境遥感监测研究的一大热点。

1 研究区概况和数据预处理

本文选取江西省定南县为研究区域,分别提取该县2001年、2010年的稀土矿开采地信息,并分析稀土矿的开采现状以及十年的变化情况。研究区位于江西省最南端,研究区总面积1 318.72 km2,辖6镇7乡,人口19.2万。该研究区域是赣南脐橙的主产区之一,且矿产资源丰富,富含稀土矿、钨矿等矿产资源,是2011年江西省赣州市首批稀土国家规划县之一。

本研究主要收集的资料有:2010年11月份的ALOS遥感影像,2001年的Spot—1数据;30 m DEM数据,行政区划矢量数据;以及研究区的其他土地利用等数据。通过对原始遥感影像数据的正射,镶嵌,融合等处理,分别得到2001年和2010年研究区遥感影像数据。

1.1 稀土矿开采地解译标志

对研究区进行稀土矿开采地信息提取,首先要建立相对应的解译标志。研究区内稀土矿开发比较早,随着开采方式的不断改进,矿区内分布了大量已使用过的开采方式相配套的地物类型。研究区中,稀土矿开采方式根据开采工艺的先进程度主要分为三种:池浸法,原地堆浸法和原地浸矿法。其中,池浸法工艺最差,现在基本都已经停开了,原地浸矿法到目前为止最为先进。从色调、形状、阴影、纹理及影像结构等方面,对被提取的与矿山开发状况有关的目标地物要素进行了认真地影像分析、总结和归纳,并通过野外调查,照片资料和遥感影像的辨识对比,建立了研究区稀土矿开采地的遥感解译标志(表1)。

1.1.1 池浸法和原地堆浸法

这两种稀土矿开采方式都是直接剥离山体,将含稀土矿较多的泥土挖起堆放在一起放入浸矿池中,用硫酸铵水等化学液体浸泡。这两种开采方式所开采过的区域,在影像上的色调,纹理和形状基本一致,如图1所示。又池浸法开采方式现在大部分都已经弃用,故本文将这两种开采方式的稀土矿开采地归为同一类(统称为非原地浸矿法)。

1.1.2 原地浸矿法

该方法是近几年引进的一种新的开采方法,该方法不动土方,直接在山顶或山坡上挖注液井,对山体结构的破坏相对于池浸法和原地堆浸法要小,在遥感影像上表现为沿着山脊的条带状或明暗相间的密集点状区域,如图1。将原地浸矿法的稀土矿开采地单独归为一类。

因此,本研究中,将稀土矿开采地信息分为原地浸矿法开采地和非原地浸矿法开采地两类。

(左:非原地浸矿法,右:原地浸矿法)

1.2 研究区域稀土矿开采地信息提取的难点

通过分析分辨率为2.5 m的2010年遥感影像图和野外调查发现:

(1)仅利用遥感影像的光谱信息来提取这两种开采方式的矿区,很难将两者区分。但是,其纹理信息、形状信息和面积信息都有所区别,如图1所示。因此采用基于纹理信息的面向对象的信息提取方法以区分原地浸矿法和非原地浸矿法的稀土矿开采区。

(2)研究区有很多石山,主要成分是石灰岩,山体上的植被疏松,也是沿着山脊的条带状或斑点状,与原地浸矿法的表现形式很相似,如图2。而稀土矿区有尾矿库等相配套的设施。可采用上下文关系将石山和原地浸矿法的矿区区别。

(左:石山,右:原地浸矿法稀土矿开采地)

(3)矿区与刚开发的林地的区分。刚开发的脐橙园在影像上呈一垄一垄的阶梯状,如图3所示。即两者纹理信息有很大的不同,因此可以采用纹理信息来区分二者。

(左:脐橙地,右:稀土矿开采地)

综上所述,利用基于纹理信息、面积信息及上下文关系等特征可以将稀土矿区快速、准确地提取出来。

2 技术方法

从上述分析可知,采用传统的基于像元的分类方法无法有效地提取稀土矿开采区信息。面向对象的信息提取方法是基于面向对象的分割算法产生的,该方法是对图像进行分割,将具有相同的光谱信息和空间特征的同质像元归并成大小不同的影像对象的过程。该方法能够充分挖掘影像自身的光谱信息,空间特征及上下文关系,在不增加额外辅助信息的情况下增加分类的依据,使分类结果与地物的实际情况更加吻合。因此,本研究中结合纹理信息,并利用面向对象的信息提取方法对稀土矿开采地的信息进行提取。

2.1 纹理特征提取方法

如果图像内区域的局部统计特性或其他特性是常数、缓变的或者近似周期性时,我们就称该图像的这一区域具有确定的纹理特征。根据以往的研究,可将纹理分析方法归纳为:统计法,结构(几何)法,模型法以及基于数学变换(信号处理)的方法[9,10]。其中,自Haralick于1973年提出灰度共生矩阵之后,成为应用最广泛的纹理统计分析法,已广泛应用于数字图像处理的许多领域。

2.1.1 灰度共生矩阵

从灰度的角度所描述纹理的定义来看,纹理被认为是在局部窗口内,影像灰度级之间的空间分布及空间相互关系。灰度共生矩阵从该定义的基本思想[9]出发,以条件概率提取纹理特征,统计处于同样位置关系的一对像元的灰度的相关性,并以这一对像元的某一灰度的条件概率来表示纹理,即以P(i,j/Δx, Δy)表示纹理。P(i,j/Δx, Δy)表示给定一对相距(Δx, Δy)的像元,其中一个像元i灰度,另一像元为j灰度的情况出现的联合条件概率密度。统计图像中相距位置为(Δx, Δy)的两个灰度像元同时出现的联合概率的分布成为共生矩阵,设图像灰度为2m级,则灰度共生矩阵由2m×2m矩阵来表示,记做M(Δx, Δy)。

基于灰度共生矩阵的纹理计算步骤如下: ①首先确定纹理的窗口大小N×N,移动步长Δx, Δy; ②通过计算得到窗口区域的灰度共生矩阵;③利用相对应的权矩阵对共生矩阵进行滤波,得到的结果置入新的矩阵中,如均值、熵矩阵;④移动纹理窗口。重复前面的步骤,直到所有的像元都计算完,最后得到完整的纹理图像。

2.1.2 纹理特征提取

根据灰度共生矩阵的定义和原理,可知需要确定的参数有纹理窗口的大小,移动的步长。为了提高运算速度,对不同参数进行比较,先选取了研究区域影像中的一块450×450大小的区域进行实验。

(1)由于ALOS影像各波段之间存在着相关性,为了减少纹理波段的数目与冗余性,首先对影像进行主成分分析,选取信息量最大的第一波段。

(2)通过对步长和窗口大小的不同参数进行一系列的实验,最终确定窗口大小为9×9,步长大小为(1,0)。

(3)最后得到一系列的纹理特征图像(图4)。

[窗口大小: 9×9,步长(1,0)]

2.2 稀土矿开采地信息提取

面向对象的分类方法首先根据图像的光谱信息,形状信息以及紧密度等进行分割,而不同地物类型由其最佳的分割尺度描述,从而形成了多种尺度对象层次的分割网络体系。通过试验,本研究区域中分别采用尺度参数为115的尺度和45的尺度进行多尺度分割,并分别用于后面的大面积地物和小面积地物的分割。之后,选取地物最合宜的特征,建立相应的判定规则。然后采用相应的方法(包括最邻近法和模糊隶属度函数两种方法)进行相应地物的信息提取。

本研究中稀土矿开采地信息提取技术流程如图5所示,具体步骤如下:

(1)首先在大尺度分割层级上,利用稀土矿开采地与石山、刚开发林地、裸地、采石场等地物的相似光谱特征,采用标准最邻近的方法,将稀土矿开采地、石山、刚开发林地、裸地、采石场作为广义的裸地提取出来。

(2)在提取出裸地的基础上,利用对象的面积指数,可以将石山、原地浸矿法开采区等小面积地物提取出来。石山和原地浸矿法开采区也一般是沿着山脊的呈条带状,在图像上所呈现的面积相对于大片开发的稀土矿区、开发的林地、采石场等要小得多;通过观察与实验,采用面积指数小于4 000 pixel即可较好地将石山,原地浸矿开采区等地物提取出来。

(3)在提取出来的石山和原地浸矿法开采地的地物中,利用上下文关系,可将原地浸矿法开采区提取出来。

(4)在分割尺度为45的层级上,剩余未提取的池浸法/原地堆浸法开采区,大面积的采石场、裸地,以及刚开发出来的林地等地物,采用纹理特征进行提取。

实验过程中,池浸法/原地堆浸法开采区,大面积的采石场、裸地,以及刚开发出来的林地等各地物分别选取20个训练区,并分别计算各地物的灰度共生矩阵指标。图6为上述4中不同土地类型的七种特征纹理信息图像灰度共生矩阵纹理值曲线图(由于每种纹理特征的均值基本位于相似的范围,且其指标值相对其它的特征指标值大得多,为了得到一个更易于确定阈值的曲线图,故舍弃了均值特征)。

观察图6发现,非原地浸矿法开采区与其他三种地物类别的协同性(homogeneity)、相异性(dissimilarity)、熵(entropy)、角二阶矩(second moment)这四种的纹理特征指标差别不大;而方差(variance)和对比度(contrast)的纹理特征指标相差较大,可以作为提取池浸法/原地堆浸法开采区的依据。其判别规则是:variance>9 and contrast>4。

通过以上的步骤,便可以将池浸法/原地堆浸法开采区和原地浸矿法开采区提取出来。

2001年研究区的稀土矿区的信息提取是在2010年的提取结果图的基础上,采用面向对象的方法进行的,即结合回溯与面向对象的方法。分类结果如图7所示。

(左:2010年,右:2001年)

3 精度评价与结果分析

3.1 信息提取精度评价

分类结果精度评价采取和亚米级的卫星影像进行对比以及野外验证两种方法。通过与亚米级的卫星影像进行对比的评价方法是:在2010年矿山开采地信息提取的结果上均匀随机选取地检验点,各类别选取的检验点数目根据信息提取结果得到的每个类别的数目而定,其中非原地浸矿法开采区选取94个点,原地浸矿法开采区选取36个点,并以gooleearth以及高分影像为参考数据,进行统计,得到统计结果(表2)。

同时在提取结果图上分布均匀地选取了12个点,并进行野外实地调查,其中有11个点是稀土矿区,另一点所代表的区域实际上是裸岩,野外验证的精度高于90%。

通过精度评价表可以发现,自动信息提取的精度超过了85%,且各类的kappa系数达到了0.8,因此该评价方法的精度评价的结果可信。同时结合野外验证的精度,可知信息提取的结果比较满意。另根据统计结果可以发现,采用面积指数会把某些非原地浸矿开采区误分为原地浸矿开采区,这还有待于今后的进一步研究。

3.2 稀土矿开采现状及十年变化分析

根据2010年、2001年定南县稀土矿区分布图,得到2001—2010年稀土矿区十年变化图,如图8。

对提取出来的稀土矿开采区的面积进行统计,统计结果如表3所示。

通过观察和分析2001—2010年研究区稀土矿区十年变化图以及矿区面积统计表,可以得到研究区稀土矿区的空间分布情况和面积扩展情况,即:

(1)研究区稀土矿开采区主要集中分布于研究区的北部地区的迳脑乡和龙头乡;较少数分布在研究区的中西部地区。

(2)2001年研究区采用池浸法和原地堆浸法进行稀土矿开采,面积为7.39 km2,占研究区面积的0.56%;到2010年研究区采用了一种原地浸矿稀土开采方式,占地面积为0.76 km2;2010年稀土矿开采地总占地面积增长到17.65 km2,占研究区面积的1.31%,是2001年稀土矿区面积的2.34倍。

(3)2010年相比于2001年稀土矿区面积扩展了12.16 km2,2001年中有2.88 km2的稀土矿区,在2010年恢复了植被。

4 结 论

采用结合纹理的面向对象的分类方法对研究区稀土矿开采地进行信息提取,并且将原地浸矿法开采区与非原地浸矿法开采区区分开来,总体精度达到了85.38%。

根据2001年、2010年两年的稀土矿分布图生成了2001—2010年的稀土矿区变化图。在此基础上对稀土矿开采的现状及十年变化进行了分析,发现研究区稀土矿矿区主要集中分布在研究区的北部地区;2001年主要是采用池浸法和原地堆浸法这两种开采方式,在2010年采用了原地浸矿的开采方法;2010年的稀土矿区开采面积总体来说相对于2001年扩展了12.16 km2,同时2001年中有2.88 km2的稀土矿区,在2010年恢复了植被。

研究结果表明,文中采用的方法是有效的。该方法可节省大量的人力和物力,可为相关大面积矿产资源开采区生态环境遥感监测提供技术参考。

摘要：原地浸矿法和池浸法/原地堆浸法(非原地浸矿法)是江西省稀土矿开采常用的方式。以江西省定南县为研究区,根据稀土矿开采方式和特点,采用面向对象分类的方法,结合纹理信息、面积大小及上下文关系等特征,对研究区2010年的ALOS影像进行稀土矿开采地的信息提取,有效区分了原地浸矿法和非原地浸矿法开采区,且两者的总体精度高达85%。并采用回溯法提取了2001年的稀土矿开采地的信息。最后根据稀土矿区分布图,对稀土矿开采现状以及2001—2010年的十年开采变化情况进行了分析。该研究可为该区域及相关矿产资源开采区的环境遥感监测提供数据支持和技术借鉴。

关键词：稀土矿,面向对象,纹理信息,信息提取

参考文献

[1]梅安新,彭望琭,秦其明.遥感导论.北京:高等教育出版社,2001:1—13

[2]Anderson A T,Schultz D,Buchman N,et al.Landsat imagery for sur-face mine inventory.Photogrammetric Enginnering and Remote Sens-ing,1977;(43):1027—1063

[3]陈华丽,陈刚,郭金柱.Landsat TM在矿区生态环境动态监测中的应用,2004;(1):31—33

[4]闵艳艳,龚梅,李思发,等.基于高分辨率卫星遥感数据的铝土矿矿山环境调查研究.贵州地质,2011;28(2):154—157

[5]蔡冬梅,李明哲,曹继如.矿产资源开发动态监测中遥感技术应用综述.矿山测量,2011;(4):32—33

[6]Demirel N,Kemal E M,Sebnem D H.Surface coal mine area moni-toring using multi-temporal high-resolution satellite imagery.Internal Journal of Coal Geology,2011;(86):3—11

[7]Blaschke T,Lang S,Moller M.Object-based analysis of remote sens-ing data for landscape monitoring:recent developments.Anais XII Simpósio Brasilerio de Sensoriamento Remoto,Goiania,Brasil,2005:2879—2885

[8]祝振江.基于面向对象分类法的高分辨率遥感影像矿山信息提取应用研究.徐州:中国地质大学,2010

[9]李京,刘龙飞,陈云浩,等.遥感影像纹理分析方法综述与展望.遥感技术与应用,2003;18(6):441—447