分类： 生物学 >> 生态学 提交时间： 2018-05-29 合作期刊: 《生态学报》
摘要： 植物群落高度是反映植物群落特征的重要指标，植物群落高度的测定能给植物群落多样性分析、生物量估算、功能形状研究提供重要的数据基础。传统的森林调查主要由生态调查工作者通过目测或者利用激光测高仪对每个个体进行逐一测定，因此劳动强度大，耗时费力，并且难以进行大面积的植物群落高度调查。近年来，随着无人机（Unmanned Aerial Vehicle，UAV）技术的飞速发展，催生了无人机低空摄影测量和遥感技术，该技术已被应用于农作物植株高度测定和生物量估测等。然而针对植被类型多样、树木种类繁多且地形复杂的山区如何精确的获取植物群落高度仍然是一个较大挑战。以缓坡地形的云南大学呈贡校区为研究区，选取校区内人工种植的雪松（Cedrus deodara（Roxb.） G.Don）林为研究对象，利用无人机搭载可见光相机平台获取研究区近地面航空影像，利用高分辨的影像匹配加密获得的点云数据生成数字表面模型（Digital Surface Model，DSM）。依据点云分类提取非植物类点，消除少数因植被与非植被相接的边缘模糊而错分类的部分，内插后生成数字地面模型（Digital Terrain Model，DTM）。将DSM和DTM叠加相减得到树木高度变化模型（Canopy Height Model，CHM），即获得研究区各个雪松的高度。然后利用激光测距仪测定研究样地内100棵雪松的高度，将此测定的树高与无人机航测技术生成的CHM模型测定的树高值进行精度检验。结果表明无人机测定的树高值与激光测距仪测定的树高值线性拟合度较高，r2值在0.904以上。此方法基于无人机影像生成空间模型，提取树高，受外界环境因素影响较小，且成本较传统测树方法低廉，可广泛运用于各种植物群落的调查研究当中，有极好的应用前景。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-04-12 合作期刊: 《计算机应用研究》
摘要： 针对癫痫发作给病人带来的巨大伤害，为临床治疗留下足够空余时间，提出一个可以预测癫痫发作的系统模型。对21名癫痫病人进行研究，提取具有较低算法复杂度的排列熵构成特征向量，将其输入支持向量机（support vector machine，SVM）训练出学习模型，用来识别发作期样本，利用投票机制充分考虑病人差异来判断所处状态，最终实现癫痫的实时预测。结果表明，其中81%的发作可以提前平均50多分钟预测到，且具有较低的误报率。为癫痫发作预测系统的理论研究打下坚实基础。
点击量
点击量
下载量
评论
