基于GIS和KPCA的農業(yè)空間數據特征提取研究.pdf

1、農業(yè)生產是一個復雜、動態(tài)、開放的系統(tǒng)，其影響因素多，時空狀態(tài)變化大，涉及大量具有空間分布特征的數據(土壤、氣候、水文地質等)。隨著計算能力的日益增強和環(huán)境信息數據獲取與解析技術迅速發(fā)展，大規(guī)模的農業(yè)數據的獲取較以往更為方便和普遍，多年的積累使各科研單位掌握了相當數量的農業(yè)生產數據、土壤品質數據、氣象和水文觀測數據等農業(yè)空間數據。但從數據利用的角度來看，由于這些數據龐大、復雜，冗余度大，且具有明顯的時空分布特性和高維特征，從而使農業(yè)空間數

2、據難以得到有效的利用，造成了數據資源的極大浪費。要使如此大量的數據真正成為一種資源，而不是成為數據包袱和垃圾，有效地解決數據復雜性和利用有效性的矛盾，于是從大量數據中自動、快速、有效地提取能反映源數據本質特點的特征提取技術便應運而生，并得以迅速發(fā)展。 地理信息系統(tǒng)(Geographic Information System，簡稱GIS)作為農業(yè)空間數據管理與分析的重要手段已得到廣泛的認可和重視。地理信息系統(tǒng)的出現，使農業(yè)空間數據

3、的特征提取成為可能。在空間數據庫平臺的基礎上，可將傳統(tǒng)特征提取技術引入GIS，從而成為農業(yè)空間數據特征提取技術。然而，農業(yè)生產是一個復雜性系統(tǒng)，有其自身特點，其影響因素蘊含著復雜非線性結構機制，面對這一復雜系統(tǒng)產生的海量數據，特別是大量的時空數據，傳統(tǒng)的特征提取方法已暴露出它的局限性。 要發(fā)揮出農業(yè)空間數據最大的使用效益，就必須有效的提取出農業(yè)空間數據的非線性結構特征。核主成分分析(Kernel Principal Compon

4、ent Analysis，簡稱KPCA)是近年來進行非線性特征提取的重要研究方向。由于它為解決非線性問題的特征提取提供了一個較堅實的核理論基礎，從而有望幫助解決傳統(tǒng)方法難以解決的問題。 本文圍繞如何根據農業(yè)領域的數據特性實現其特征提取展開研究與討論。提出了基于GIS和KPCA的農業(yè)空間數據特征提取方案。 首先，討論和分析了GIS在農業(yè)空間數據特征提取中的應用和不足。 其次，通過對KPCA方法的深入研究，闡明KPC

5、A是一個適用于非線性結構特征提取的方法，尤其適用于具有時空分布特性的農業(yè)數據。 第三，在前兩步工作的基礎上重點探討了KPCA的核參數選擇方法，對多種算法進行分析比較，指出各自的性能和適應范圍，并針對KPCA最優(yōu)核參數的特性提出了一種旨在提高KPCA特征提取性能的核參數選擇算法。 最后，針對農業(yè)領域的數據特性和特征提取的過程，結合前幾步的研究結果提出一種基于GIS和KPCA的農業(yè)空間數據特征提取模型。以重慶市植煙區(qū)為例，對