摘要：对森林树种类型进行识别可以为森林资源清查工作的开展提供科学的参考价值,如何利用空间分辨率较高的高光谱数据准确识别森林优势树种是当前亟待解决的问题之一。文章以内蒙古大兴安岭根河森林保护区为研究区,在2种空间分辨率(1 m和3 m)下,使用样本点(样地对应像元的光谱值)与样本面(样地对应3×3窗口像元光谱平均值)2种样本取值尺度,采用3种机器学习分类算法(神经网络(neural network,NN)、三维卷积神经网络(three dimensional convolution neural network,3DCNN)和支持向量机(support vector machines,SVM))对机载高光谱图像的森林优势树种识别能力进行了探讨。结果表明:①无论使用何种空间分辨率与样本取值尺度,3DCNN的分类精度最高,其总体精度和Kappa系数最高(最高分别为95.42%和0.94);②高空间分辨率更有利于优势树种识别,其比低空间分辨率(3 m)总体精度最多可提高30.97%,Kappa系数最多可提高54.24%;③使用NN与SVM进行分类时,以样本面作为样本取值尺度进行树种识别的精度低于样本点。而在3 m空间分辨率情况下使用3DCNN进行分类时,以样本面作为样本取值尺度进行树种识别的精度高于样本点。总的来说,空间分辨率、样本取值尺度与分类算法均对优势树种识别精度有不同程度的影响。在机载高光谱图像识别森林优势树种过程中,优先选择高空间分辨率影像,利用小样本数据,采取深度学习算法将会提高优势树种识别精度。

摘要：为了探究振荡波局部放电检测方法的有效性和等效性问题,在实验室设计了针板放电模型、沿面放电模型、气隙放电模型、悬浮放电模型4种模型,并分别进行了振荡波电压下和工频交流电压下的局部放电试验,最后对河北沧州10 kV狮场Ⅰ线、Ⅱ线2条电缆线路进行了振荡波局部放电的现场检测试验。试验结果表明,振荡波局部放电检测技术有良好的局部放电检测能力,与工频下局部放电检测有良好的等效性,可用于替代电力电缆的工频局放试验。