河南漯河郾城区冬小麦LAI反演结果真实性检验

为对比不同真实性检验方法对高分一号(GF-1)/WFV冬小麦叶面积指数(leaf area index,LAI)反演结果的验证效果,以河南省漯河市郾城区为研究区,分别采用单点测量值验证、多点采样尺度上推验证以及引入高空间分辨率影像验证3种方法对基于GF-1/WFV影像的冬小麦LAI反演结果进行了真实性检验。研究结果表明,3种验证方法得到的均方根误差(root mean square error,RMSE)分别为0. 57,0. 80和0. 46,相关系数分别为0. 885,0. 508和0. 867。由于基于多点采样尺度上推方法对采样点数量及其位置要求较高,因此在本研究采样点较少的情况下精度较低,效果欠佳;另外2种方法精度相对较高,适用性较强,但其中引入高空间分辨率影像验证方法精度更高,更适用于GF-1/WFV影像LAI反演的真实性检验。     

城市入室盗窃时空点模式分析

为探究城市入室盗窃犯罪的时空分布特征,基于分时段核密度估计和时空K函数方法,对武汉市江岸区入室盗窃案件的热点区域分布以及时空聚集模式进行分析。实验结果表明,入室盗窃案件同时存在空间聚集和时空聚集现象。热点区域相对稳定,显著的时空聚集现象集中在近时空区域内,而且聚集程度总体上呈现出时空衰减趋势。所得到的结果可为制定犯罪预防策略提供科学参考。     

SSM/I监测地表冻融状态的决策树算法

基于样本统计分析及冻结和融化地表的辐射/散射特性建立了判别地表冻融状态的决策树,首次联合使用散射指数、37GHz垂直极化亮温及19GHz极化差3个关键指标识别出地表或植被冠层的冻融状态,同时剔除了沙漠和降水的影响.利用国际协同加强观测期(CEOP)在青藏高原地区的土壤温度和湿度观测系统获取的4cm地温数据代表浅层土壤真实冻融状态验证分类结果,其准确性达87%.经分析,约40%和73%的误分分别发生在浅层土壤温度为-0.5-0.5℃和-2.0-2.0℃之间,即冻结点附近;且多发生在冷暖季节过渡时期,即4-5月和9-10月,分别占误分的33%和38%.基于该决策树获得的2002年1O月-2003年9月中国全境地表冻结日数图,以中国冻土区划及类型图为参考进行精度评价,其总体分类精度为91.66%,Kappa系数为80.5%,且冻融界线与季节冻土分布南界具有较好的一致性.     

2014～2015年杭州市入室盗窃犯罪时空分布分析

基于2014年1月至2015年6月的入室盗窃案件资料,分析了杭州市八区入室盗窃犯罪的犯罪率、犯罪密度以及时间、空间分布规律。结果表明,若以时间为依据,以周内变化分析,周一至周五犯罪案件数趋于平稳,周六周日则有所下降;以月份变化分析,2月份犯罪案件数最低,5月份犯罪案件数最高。以空间为依据,则全区核密度热点主要分布在下城区石桥街道、拱墅区大关街道、西湖区翠苑街道以及萧山区城厢街道;局部热点区域通过实地验证发现入室盗窃主要受人流量、房屋类型和门禁防盗系统等因素影响较大。     

太原市黑臭水体遥感识别与地面验证

城市黑臭水体整治是城市水环境治理的一项重要工作。本文通过构建黑臭水体遥感识别模型，解决城市黑臭水体整治过程中黑臭水体的识别问题，实现城市黑臭水体空间分布快速定位与排查。通过分析黑臭水体形成机理和试验数据，从光谱特征上构建反映水体清洁程度的光谱指数（WCI），从图像特征上构建水体颜色、次生环境、河道淤塞、岸边带垃圾堆放等解译标志，综合光谱指数和解译标志共同进行黑臭水体遥感识别。利用该方法对太原市建成区内黑臭水体空间分布进行排查识别，共得到疑似黑臭河段14条，长度为52.530 km。经验证，除去断流影响外，遥感识别黑臭水体点位精度为92.86%，遥感识别黑臭河段长度精度为78.19%。在精度验证基础之上，进一步分析了黑臭水体遥感识别光谱指数和各项解译标志在黑臭识别中所占的权重，其中光谱指数和水体颜色二者权重最大，分别占29.60%和27.10%，是构成遥感识别黑臭水体的主要特征标志。通过两时相影像识别结果比对表明，WCI指数能够明显反应黑臭水体变化特征。因此，利用本文方法进行城市黑臭水体遥感识别具有很高的精度，在城市水环境整治过程中具有重要的应用价值。     

融合航空影像的震后机载LiDAR建筑物点云提取

基于机载激光雷达LiDAR(Light Detection and Ranging)数据识别震后建筑物震害,其前提是快速准确地提取建筑物点云。通过分析地震灾区机载激光雷达点云中提取建筑物点云的诸多难点,已有的方法难以达到预期效果,因此提出融合同机航空影像数据的方法,实现了震后灾区建筑物点云的获取。该方法首先在数据预处理的基础上,利用布料模拟滤波CSF(Cloth Simulation Filtering)算法进行点云滤波,得到地面点云和非地面点云(主要是建筑物、植被和车辆行人等),并将航空影像红波段光谱信息赋予非地面点云;然后基于灰度直方图阈值分割的方法剔除植被点;最后对剩余激光脚点利用具有噪声的基于密度的空间聚类DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法进行聚类提取最终的建筑物点,并与参考建筑物点比对,进行精度验证,得到建筑物点云提取的漏检概率、虚警概率分别为15.61%、7.52%,总体精度可达84.39%。结果表明,在一定精度要求范围内,该方法能有效实现地震灾区建筑物点云的提取,可为震后机载LiDAR建筑物点云提取提供技术参考和方法借鉴,为建筑物震害识别做好基础工作。     

车载LiDAR场景中路灯的提取与识别

为解决车载LiDAR城市场景中路灯提取和识别问题,文中提出基于样本的路灯提取算法。先通过人机交互的方式提取路灯的样本参数;再依据数学形态学闭运算提取点云场景中疑似路灯的位置,根据样本参数确定疑似路灯范围并提取疑似路灯点云;然后进行路灯样本和疑似路灯点云的匹配;最后,通过建立路灯样本缓冲区实现路灯判断和提取。通过试验验证,算法不仅可以快速自动提取路灯点云,还能完成路灯单一种类的识别。     

基于遥感影像的农村土地调查数据采集精度分析方法

为了客观评价基于正射遥感影像的农村土地调查数据采集的精度,介绍用双观测对法进行点、线、面的精度分析。实例验证表明,界址点图上定位的点位中误差约为0.7个像元,图斑图上定位的面积平均相对中误差为1.5%左右。     

小型斜坡隐患识别“空天地”图谱几何遥感方法

“空天地”一体化三查技术体系在西南地区大中型滑坡等灾害早期识别中得到验证和应用,但该方法对人类工程活动诱发的小型灾变体查全率较低。快速准确识别小型隐患点位置极为迫切。本文以广东省龙川县为例,针对点小面广、多发隐蔽的小型斜坡变形和人工切坡建房诱发的崩滑流灾害,研究试验“全查-带扫-点筛-面核-群防-联审”模式的早期识别图谱几何遥感方法,利用2019年1月8日至2022年6月29日94期Sentinel-1雷达影像SBAS-InSAR时序反演、提取异常形变区,综合激光雷达扫描和地质孕灾背景资料从异常形变区图斑中筛查标识出疑似隐患风险点,并开展现场外业核查界定隐患风险类型。结果表明：时序InSAR反演初查发现323处异常形变区,筛查标识出疑似隐患图斑82处,对55处图斑现场外业验证,7处界定为隐患点。证明该方法具有应用价值,能够为地质灾害隐患风险点防灾减灾提供科学依据。     

一种单像外方位元素的稳健估计方法

获取影像外方位元素是摄影测量学一直要解决的问题,传统的单像空间后方交会利用测量控制点来计算外方位元素,但是很多情况下用于计算的数据是包含粗差的,粗差出现的概率约占1%~10%。本文设计了一种稳健的单像空间后方交会计算方法,把控制点坐标作为未知参数对待并线性化共线方程,最终达到了剔除粗差的目标,提高了计算结果的可靠性,可得到控制点及像点坐标的精度评价。