IDRISI Selva 土地利用怎么操作？
其元胞自动机土地动态预测是怎么回事
与sleuth模型有什么区别扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
IDRISI软件培训上机实习教程.pdf
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口IDRISI中国
&IDRISI Selva 新特性
&&&&&&&在一些语言里，Selva这个词指的是稠密的热带雨林，一个极其重要的生态群系，强有力地联接了地球的大气和水界。IDRISI地理空间软件用于地球系统建模与监控，通过发布IDRISI第17版，克拉克实验室（Clark Labs）推出了一系列用于分析，监控，以及评估藕合系统的专用工具。
Selva概述（Selva Overview）
&&&&&&& Selva版本包括对土地变化建模器（LCM）的重大修改，以支持REDD（减少森林采伐和退化造成的排放）项目，允许对森林采伐的大气影响进行评估。此外，还包括对地球趋势建模器（ETM）较大的功能增强，列入一批模式分解工具，用于耦合系统（比如海洋和大气）的跨时分析。Selva同时还包含对IDRISI显示系统较大的功能增强，包括图像金字塔以及支持大型图像。
土地变化建模器增强功能（Land Change Modeler Enhancements）
&&&&&&&土地变化建模器已经变成许多用户的主要工具，在这个版本中，我们扩展和增强了它的功能，包括：
&&&&&&&一个新的REDD面板，支持减少排放（排放来自森林采伐和退化）的项目（图1）。新的REDD面板支持经VCS（Verified Carbon
Standard）评估核准的各种自发市场方法。该面板可以估计各种碳池（Carbon pools）的排放基线，可以计算延期排放以及碳信用。同时能够生成Excel格式的格式化表格。
&&&&&&&&&&&&
&&&&&&& 图1：土地变化建模器（LCM）里新的REDD面板。该REDD面板提供了完整的CO以及非CO，以及REDD项目地区排放基线，REDD项目活动预期的排放减少。可遵从世界银行BioCarbon基金的方法逻辑，生成19个表格。程序也与自发碳市场所使用的大部分方法相容。
&&&&&&& 一个新的开拓性的土地覆盖变化建模程序，遵从最近发表的SimWeight方法 。SimWeight（图2）是一个机器学习程序，已证明可取得成果，可与最低参数（也最容易理解）Multi-Layer Perceptron所得的结果相比。SimWeight程序同时给出解释变量相关幂指数的反馈。SimWeight也能够给出一个技术衡量的反馈，基于一个“省略x%”验证程序。
&&&&&&& 与流行的物种分布建模程序Maxent的完整连接（图3）。Maxent使用一个最大熵经验建模程序，为解释变量的重要性以及用户的参数选择，提供丰富的反馈。
&&&&&&& 在IDRISI Selva 土地变化模块Land Change Modeler (LCM) 增加了REDD 子程序。REDD提供了计算一个REDD项目区域的CO2和非CO2的量的技术。这个程序包括经过审核的碳标准Verified Carbon Standard (VCS)支持的多种审查和批准方法。
&&&&&&&&&&&&
&&&&&&& 图2：LCM内新的SimWeight经验转化潜力建模程序，基于改进的K-nearest相邻机器学习算法。它提供了一种建模能力，对与Multi-Layer Perceptron相关的简化神经网络进行建模。只有两个非常简单的参数——使用的样本大小以及k参数（经验转化潜力估算中，所考虑的样本内相似案例的数目）。通过SimWeight，机器学习的黑框被打开，可看到每个变量的相对重要性以及一个技术衡量（基于一个自动指定验证数据的分析）的反馈。
&&&&&&& 在IDRISI Selva 土地变化模块Land Change Modeler (LCM) 增加了REDD 子程序。REDD提供了计算一个REDD项目区域的CO2和非CO2的量的技术。这个程序包括经过审核的碳标准Verified Carbon Standard (VCS)支持的多种审查和批准方法。
&&&&&&&&&&&&
&&&&&&& 图3：示例LCM中的Maxent界面及其输出。在这个示例中，对Dromiciops gliroides（Monito del Monte）的范围进行建模，基于一批观测点（显示为点）以及9个环境变量，比如年度平均温度，降水。新的Maxent选项扩充了已有物种分布建模工具组（例如Multi-Layer Perceptron神经网络，Mhalanobis Typicalities以及Logistic Regression）。
&&&&&&& 增加了一个新的程序，称为Harmonize，当输入土地覆盖层与所需不符时，会用到这个程序。Harmonize面板（只有在检测到问题时开启）根据土地覆盖层的空间特性（投射，分辨率和范围），背景遮罩以及分类，对土地覆盖层进行协调。
土地变化建模器增强功能（Land Change Modeler Enhancements）
&&&&&&& Selva版本包含了对光谱分解能力的重要扩充，使IDRISI继续保持在地球系统信息科学领域内开拓性的领先地位。
&&&&&&& 首要成分分析（PCA）和经验正交遥相关（EOT）分析都提供了扩展的模块，能够同时分析多种数据系列。例如：扩展的PCA（EPCA，也称为扩展EOF，或者EEOF），以及扩展的EOT（EEOT）分析，都能够同时分析海平面温度影像时间序列以及多层次的大气温度，搜寻耦合的海洋—大气模式（图4）。
&&&&&&& 现在所有基于EOT的输出，也都指明解释过的百分比方差。
&&&&&&& 对扩展分析的逻辑更进一步，Selva提供了多通道奇异谱分析（MSSA——图5）以及多通道经验遥相关（MEOT）分析。这些模块与EPCA，EEOT相似，除了涉及的多重序列是相同序列在不同迟滞下的情况。这是一种运行在相空间下的分析形式，对分析涉及到空间和时间的模式（例如许多气候遥相关模式）十分有效。
&&&&&&& 在IDRISI Selva 土地变化模块Land Change Modeler (LCM) 增加了REDD 子程序。REDD提供了计算一个REDD项目区域的CO2和非CO2的量的技术。这个程序包括经过审核的碳标准Verified Carbon Standard (VCS)支持的多种审查和批准方法。
&&&&&&&&&&&&
&&&&&&& 图4：一个扩展的经验正交遥相关（EEOT）分析例子。分析年期间海平面温度（SST）以及较低对流层温度（TLT）内的异常现象。第一个EEOT显然是厄尔尼诺现象。在SST 异常现象中，赤道太平洋的升温非常明显。不过有趣的是，对遍及热带的TLT内的正异常，大气的响应要广泛得多，这是一个耦合的海洋-大气现象，称为大气桥（atmospheric bridge）。
&&&&&&& 在IDRISI Selva 土地变化模块Land Change Modeler (LCM) 增加了REDD 子程序。REDD提供了计算一个REDD项目区域的CO2和非CO2的量的技术。这个程序包括经过审核的碳标准Verified Carbon Standard (VCS)支持的多种审查和批准方法。
&&&&&&&&&&&&
&&&&&&& 图5：较低对流层温度内的月度异常现象（）的多通道奇异谱分析（MSSA）。嵌入的标尺建立了聚焦于涉及时空事件的分析的一个时间帧，并且表明分析的运行将会如下：以相同序列的13个迟滞版本，做为扩展PCA运行。在这个例子中，时间图像再一次显示出与厄尔尼诺的明显关系，但不是一张单独的负载图像，这个分析对13个迟滞分别给出了一张图像（只显示了6张）。这些图像就像一个电影胶卷的不同的帧，显示较低对流层对厄尔尼诺现象以及拉尼娜现象（图4中阐述的气象桥的起源）的响应。
&&&&&&& ETM内的PCA，EPCA以及MSSA程序也提供了T-mode和S-mode的分析方向，这是第一个同时提供了两个模式的GIS/图像处理软件系统。T-mode分析是地理学家最熟悉的分析，其中时间序列被组织成跨时图像顺序。大气和海洋科学家对S-mode分析更为熟悉，其中数据被组织成一系列跨时的一维属性，每个像素点有一个属性。这个区别看起来只是一个简单的角度的改变，但是它却有重大的分析影响 ，如图6所示。对构成序列的结构模式，每个方向提供了不同的理解。
&&&&&&& 在IDRISI Selva 土地变化模块Land Change Modeler (LCM) 增加了REDD 子程序。REDD提供了计算一个REDD项目区域的CO2和非CO2的量的技术。这个程序包括经过审核的碳标准Verified Carbon Standard (VCS)支持的多种审查和批准方法。
&&&&&&&&&&&&
&&&&&&& 图6：T-mode和S-mode分析之间差异的一个示例。在两种情形中，已经在较低对流层温度（TLT）月度异常现象的一个归档（）上，进行了PCA分析。上部图像（以及上部图像中的蓝线）表示T-mode分析的第一个组件，这个T-mode分析中，被分析的变量是时间片（地图）。空间模式是北极圈振荡（上部图像中的绿色线条是制成表的北极圈振荡指数，计算得的相关性是0.41，恰如新的迟滞相关监视器所示的数值）。下部图片和表格是S-mode分析的第一个组件，其中的变量是跨时像素点。这里大气桥的空间模式，可以在图4和图5中找到（但是在这个视图中倒转了）。GIS和遥感科学家们通常使用T-mode分析，而大气和海洋科学家通常使用S-mode。不过，如这个例子所阐述的，二者的差异是深远的，两种模式的分析对地球系统科学的应用必不可少。IDRISI是唯一为GIS以及遥感提供这两种模式的软件。
&&&&&&& 在IDRISI Selva 土地变化模块Land Change Modeler (LCM) 增加了REDD 子程序。REDD提供了计算一个REDD项目区域的CO2和非CO2的量的技术。这个程序包括经过审核的碳标准Verified Carbon Standard (VCS)支持的多种审查和批准方法。
&&&&&&&&&&&&
&&&&&&& 图7：使用改进的傅立叶PCA（Fourier-PCA）程序对海洋表面月度温度（）进行分析。所得的组件是用X轴表示波数（频率）的周期图。第一组件显示在29年的时间序列上29个波的强峰值，从而表示了年度周期。负载图（右下角）显示海洋的绝大多数区域（除了两极和热赤道）展示出了普遍的季节性。而特征向量图显示北部中纬度有最大程度的季节效应。主导的傅立叶PCA分析模块，例如该模块，显示的是可变性的主要模式，这类可变性可描述为正弦波的组合。
&&&&&&& IDRISI是同时提供标准化和非标准化PCA以及EOT的先驱，在这个版本中，我们增加了分析非对中（uncenter）选项，对中（centering）指的是从数据组中移除一个平均值。跨空间的对中（从每张图像中移除图像均值）移除跨时序列的趋势，而跨时对中（对每个像素移除跨时特定均值）移除跨空间序列的趋势。这个影响能够深刻地改变分析的结果。在Selva版本里，IDRISI用户可以控制这个功能。
&&&&&&& Selva还引入了典型相关分析（CCA）。CCA与PCA有些相似，但是它需要两个图像组件，使得组件图像（也称为典型变量）最大相关。而且，我们扩展了经典CCA，使之包含前处理步骤（Pre-processing step）以及后处理步骤（post-processing step），这是特别为图像时序分析设计的。同样地，我们也提供了S-mode和T-mode方向，还为耦合地球系统分析提供了其他有价值的工具（图8）。
&&&&&&& 在之前的Taiga版本里，我们引入了傅立叶-PCA分析（Fourier-PCA），这是一种基于图像时序的傅立叶分析，用首要组件来组织以及呈现某种形式的空间/光谱周期图Selva引入了S-mode分析，我们决定将傅立叶-PCA中的PCA步骤从T-mode转变为S-mode。结果更为优越（图7）。
&&&&&&& 对趋势分析以及季节趋势分析程序，我们同样引入了最新发表的前后关系Mann-Kendall（Contextual Mann-Kendall，CMK） 趋势显著性测量。CMK使用空间自相关来扩展趋势显著性检测的能力。
&&&&&&&&&&&&
&&&&&&& 图8：海洋表面温度的月度异常与较低对流层温度月度异常（）的T-mode CCA分析结果图。T-mode分析是Selva版本引入的一个新方向。传统的S-mode CCA在两组数据间寻求周期性时间模式。在T-mode分析里，寻求的是周期性空间模式。在这个全球分析中，事实证明，占支配地位的全球模式是太平洋十年振荡模式（Pacific Decadal Oscillation，PDO）。表格里，在X-变量（海洋表面温度）同质相关系数（蓝色）上，标绘出了NOAA（美国国家海洋和大气局）发布的PDO指数（绿色）。该同质相关系数是0.80。进行与之等价的S-mode CCA分析，可发现常见的ENSO（El Ni?o Southern Oscillation厄尔尼诺南部振荡）模式是最普遍的跨时模式。
&&&&&&&&&&&&
&&&&&&& 图9：通过新的自动排列功能，IDRISI自动地将辅助地图组件进行排列，这些地图组件包括标题，图例，刻度栏以及北向箭头。因而，当地图窗口调整大小的时候，辅助组件将会自动重新排列。当需求非常规图层的时候，能够使用Composer关闭任一个单独地图的自动排列。
&&&&&&& ETM的几个部件包括查看一维时间序列（例如PCA负载，EOTs等等）的能力，以及随意叠加第二序列的能力。在这些实例中，我们增加了交互性操作，以便能够向前滑动，或者在时间上向后滑动第二时间序列，并且显示两个序列之间的迟滞相关性。在搜索解释变量时，这真是一个无价的工具（图6）。
&&&&&&& 对缺失数据插值，我们扩展了线性插值的选项，允许在任意指定持续时间上渡过缺口（与之对比的是单一时间片缺口）。
&&&&&&& 倒转PCA降噪选项现在允许用户在S-mode和T-mode之间进行选择。对小地区研究区域，T-mode降噪处理得更好，而对大地区以及全球研究，S-mode通常是更好的选择。
&&&&&&& 建立/编辑（Generate/Edit）系列选项现在包含了一个空间子设置工具。
显示功能增强（Display Enhancements）
&&&&&&& 新显示部件可能是最直接最显而易见的Selva特性。
&&&&&&& Selva版本中，IDRISI突破了Windows的32位显示结构，现在有能力处理以及显示最大达到20亿行x20亿列的图像。这等同于显示一张地球资源卫星场景（每侧185km）大小的图像，上面的每个像素比人类头发还小！为支持如此图像的快速显示，IDRISI同时引入了对图像金字塔（image pyramid）的支持，图像金字塔是一张多重分辨率的图像，允许大型图像进行任意级别的缩放，仍能快速显示。别的系统中，图像金字塔是一个分离的文件，而IDRISI将图像金字塔合并入相同的图像文件中。如果你复制一张图像到其他位置，就能确保金字塔也随之移动。
&&&&&&&&&&&&
&&&&&&& 图10：通过新的向量场生成器，生成了一个箭头矢量图层，显示了一个跨空间的力的方向和大小。在这个插图中，整个北美1997年12月的50mb平流层风被标绘出来。输入可以是一张大小/方向的力图像对，或者是U和V（X和Y）的力组件图像。此外，用户能够控制矢量的密度以及夸张程度。
&&&&&&&&&&&&
&&&&&&& 图11：IDRISI拥有一个十分强大的神经网络分类器，包括多层感知器（Multi-Layer Perceptron ,MLP），自组织特征地图（self-organizing feature map, SOM）以及Fuzzy ArtMAP神经网络。在此基础上我们增加了试验性的径向基函数（Radial Basis Function , RBF）神经网络，用来对遥感影像进行分类。
&&&&&&& IDRISI现在拥有新的自动排列功能，IDRISI自动将辅助地图组件进行排列，这些地图组件包括标题，图例，插图等等。因而当地图窗口调整大小的时候，辅助组件将会自动重新排列。当需求非常规图层的时候，能够使用Composer关闭任一个单独地图的自动排列，允许手动调整地图构件的位置（图9）。
&&&&&&& 从图10中你还可以看到Composer窗口发生了改变。不仅有了新的界面设计，并且窗口变大，能更好地处理长文件名以及多图层的组件。
&&&&&&& 现在可以非常简单地调整地图窗口大小，只需推进或者拉出窗口的右下角。传统选项使用home和end按键，新选项是对传统选项的辅助。
&&&&&&& 另一个新的显示功能是显示矢量场的能力。图10显示1997年12月的50mb平流层风，从矢量场生成对话框中可以看到，输入可以是一张大小/方向的力图像对，或者是U和V（X和Y）的力组件图像。
新的分析模块（New Analytical Modules）
&&&&&&& 除ETM和LCM的增强外，IDRISI提供的大量独立分析模块也做了更改。
&&&&&&& IDRISI一直提供丰富的神经网络分类器，包括多层感知器（Multi-Layer Perceptron ,MLP），自组织特征地图（self-organizing feature map, SOM）以及Fuzzy ArtMAP神经网络。在此基础上我们添加了试验性的径向基函数（Radial Basis Function , RBF）神经网络分类器（图11），用来对遥感影像进行分类，延续克拉克实验室在机器学习程序领域内的尖端优势。
&&&&&&& 在IDRISI基本集群工具内增加了一个链集群（Chain Clustering）程序。这个及其简单的程序拥有一些统计特性，尤其易用（图12）。
&&&&&&&&&&&&
&&& 图12：新链集群程序添加到IDRISI已有的大量非监督式分类程序里。这个方法类似于Fuzzy ArtMAP神经网络程序的逻辑，当使用标准化图像输入时，这个程序的参量化尤其简单。在这幅图里，基于集群应当由像素构成的逻辑，14个集群被自然地揭开，这些像素应在谱带空间内集群图心的5个标准偏差内。
&&&&&&& 在呈现序列相关性的地图位置，添加了一个Durbin-Watson模块，独立于ETM。
&&&&&&& 添加了一个新的高精度排名切片方法，以支持决策程序。它会根据指定的阈值，拉出排名在前的像素。结果是准确的，并且能够应用于LCM内部。而且，它也能够作为一个独立的模块，称为TOPRANK。
&&&&&&& 添加了一个新的通用PCA模块。在S-mode和T-mode之间有差别，甚至在不涉及时间序列的多变量时也有差别。同时也包括了标准化/非标准化，对中/非对中以及向前转化/反转转化的选项。
&&&&&&& 添加了一个通用的典型相关分析（Canonical Correlation Analysis）程序，称为CANCOR，用于成对数据组的分析。为避免混淆，之前称为CCA（Canonical Components Analysis）的模块，重命名为CANCOMP。
新增或者修订的导入/导出模块（New or Revised Import/Export Modules）
&&&&&&& 对KML文件（Google所使用的Keyhole Markup语言）的支持，现在扩展到包括点，线以及多边形文件，栅格图像。支持导入导出。
&&&&&&& MODIS用户会喜欢这个模块：MODISCONV。MODISCONV将MODIS平铺影像（tiled imagery）导入并转换成IDRISI栅格格式。导入文件，随后平铺文件被拼接（mosaicked），通过选项可以将文件拼接成不同的地理范围。拼接的输出随后可以投射到不同的参照系统上。所有的这些任务都是自动的，并且可通过多核CPU加速进程。
&&&&&&& 增强了MODISQC模块。现在可以使用MODIS系列5，土地表面温度系列4和5，Albedo系列5，为植被指数生成品质控制地图。
改进的模块（Improved Modules）
&&&&&&& 偶尔我们认为能够从其他方法受益时，我们会抓住机会充分修改模块（在软件业这个过程称为重构）。我们做过的最大的重构是修改所有的分析模块，使其能够处理大于3列的图像（实际上，上限是20亿行20亿列的图像）。在Selva版本里，我们也关注基于距离的核心模块：DISTANCE，COST，VARCOST，DISPERSE和BUFFER。对它们进行了大量的优化。例如：重构了DISTANCE模块，现在运行速度比之前快26倍。同样地，我们通过调用新的TOPRANK程序，改进了用于LCM的变化配置程序的精度。
版权所有 Copyright：碧空慧眼识舆图网站 , |
京ICP备 号 | 京公网安备号
联系站长：IDRISI IDRISI 土地利用变化模块土地利用变化模块LCMLCMsu
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
IDRISI IDRISI 土地利用变化模块土地利用变化模块LCMLCMsu
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口IDRISI土地利用变化模块LCM_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
IDRISI土地利用变化模块LCM
I​D​R​I​S​I​土​地​利​用​变​化​模​块​L​C​M
阅读已结束，如果下载本文需要使用
想免费下载本文？
下载文档到电脑，查找使用更方便
还剩14页未读，继续阅读
你可能喜欢