简介:机载激光雷达(LiDAR)是一种新型数据获取手段,目前在林业资源管理、森林防火、林木砍伐等方面已广泛应用,但尚未形成完整的、实用的林业LiDAR数据分析与处理系统。通过分析已有LiDAR数据应用于林业资源管理方面的理论和方法,以目前开源LiDAR点云数据处理技术、海量点云数据可视化技术,以及GIS相关分析技术为基础,结合林业资源管理需求,设计并研发了基于LiDAR数据的林业资源数据分析与处理系统。系统实现了Li-DAR点云数据的管理与可视化、数字高程模型生成、数字地表模型生成、冠高模型生成、平均树高估计等功能,为基于LiDAR数据的林业资源管理提供统一的平台。
简介:目的:讨论DHI测定数据分析对牧场生产性能和繁殖性状的指导作用,找出牧场存在的普遍问题。方法:对山西省参加DHI测定的6个奶牛场2014年全年的DHI数据进行统计分析。从牛群生产性能、牛群乳房健康、牛群繁殖性能等方面,应用SPSS17.0软件,采用单因素方差分析(One—WayANOVO)和Duncan法对数据进行统计学比较分析。结果:成年当量:大牧场1、大牧场2和大牧场3的第四季度显著高于第一季度(P〈0.05),小牧场4、小牧场5、小牧场6全年呈现上升趋势,但第四季度与第一季度之间差异不显著。体细胞数:6个牧场的体细胞数基本呈现逐渐下降的趋势.其中小牧场5、小牧场6、大牧场2第四季度体细胞数显著小于前三个季度(P〈0.05),降低效果显著,其他3个牧场各季度之间差异不显著。6个牧场平均产奶量、乳脂率和蛋白率各季度之间呈现无规律变化。结论:DHI测定数据可以有效地分析牧场成年当量和体细胞数变化规律,利用DHI数据可以很好地指导牧场的生产和繁殖工作的开展。
简介:电力企业的档案管理工作是电力企业重要工作内容之一,在大数据时代,如何有效地应用信息技术已经成为了电力企业档案管理的主要发展趋势。相比于传统的档案管理方式,大数据档案管理能够更好的体现档案价值,从而进一步提高档案管理的工作效率以及开发利用的效率。如今,通过大数据手段,完成电力企业的档案管理信息化建设,已经成为了电力企业档案工作者的核心工作内容。大数据时代的相关概述相比于传统的计算机信息技术,大数据手段能够使档案管理工作得到进一步的优化。大数据档案管理的核心内容就是对于数据的分析以及处理,通过更加完善、成熟的计算机软件与硬件,使用全新的信息处理方法,从而进一步实现多样化的数据整合以及处理,使电力企业的档案管理能够实现历史性的突破与发展。
简介:摘要 : 植被分类是高光谱影像分类中的特定应用问题,光谱特征和空间特征是植被分类中常用的两类特征,比较这两类特征的性能,对实际植被分类应用中选择合适的特征类型或两者的有效结合具有指导意义。用主成分分析( PCA)提取光谱特征时,常选择前几个主成分( PCs)作为光谱特征,虽然它们包含较大的信息量但并不能保证较高的类别可分性和分类正确率,针对这一问题本研究提出了一种混合特征提取方法,对高光谱影像在 PCA的基础上用改进的基于分散矩阵的特征选择方法选出具有较高类别可分性的 PCs用于后续分类。利用一景 AVIRIS高光谱植被影像,从分类精度的角度,首先比较了所提出的混合特征提取方法和原始 PCA、独立主成分分析( ICA)及线性判别分析( LDA) 3种常用子空间特征提取方法在高光谱影像植被分类中的性能。试验结果表明所提出的混合特征提取方法在研究中数据集 1和 2上均获得了最高的总体分类正确率,分别为 82.7%和 86.5%。与原始 PCA相比,本研究提出的混合特征提取方法的总体分类正确率,在数据集 1和 2上分别提高了 1.5%和 2.5%。由此阐明了所提出的混合特征提取方法在高光谱植被分类中的有效性。对光谱特征和空间特征在高光谱影像植被分类性能的比较中,总体上空间特征获得的分类正确率比光谱特征高,特别是 Gabor特征,在两个数据集上均获得了最高的总体分类正确率分别为 95.5%和 96.7%。由此表明空间特征较光谱特征在高光谱影像植被分类中更具优势。本研究结果为后续改进空 -谱特征方法及其两者有效结合,进一步提高植被分类正确率提供了参考。