泰森多边形和狄洛尼三角网的林木空间格局分析

Voronoi图依据地物之间邻近关系对空间进行剖分,Delaunay三角网是Voronoi图的对偶图.文章以单株木为平面点构建Voronoi图和Delaunay三角网,Voronoi图多边形面积表示林木影响范围,Delaunay三角网中每个三角形边长表示对应林木之间距离.在岳阳平江福寿林场设置12块标准地进行试验,计算基于Voronoi图的角尺度、传统的角尺度、基于Delaunay三角网的集聚指数和Voronoi图多边形面积的变异系数,结果表明:这4个指数均能反映样地林木之间的空间分布,变异系数对空间均匀分布和聚集分布有较好的区分度.     

利用3D Voronoi图的兔子点云聚类分割

利用基于3D Voronoi多面体分割三维空间,并将其应用于具有典型三维特征的点云数据的聚类分割.通过对点云数据的离散体元表示,透过Voronoi单元的特征参数实现了三维点集的度量、提取和结构分析,揭示了点集间存在的相互关系,并通过3D Voronoi图所确定的空间邻近关系完成点集间相似度的测度和聚类.以三维兔子点云为样本数据的实验分析表明,本文所提出的思路聚类分割特征明显.     

Voronoi邻近关系支持下的点模式趋同提取方法

点模式及其趋同研究是揭示地学现象的产生、发展与演变,量化空间相似性分布、诠释空间分布成因的重要方式。目前,点模式研究侧重于已知频率与随机分布的一元独立性检验、距离测度下单观测值的二元相关性分析,而针对集聚过程相关性,空间拓扑与非拓扑邻近、综合多观测值的点模式趋同量化研究顾及不足。据此,以空间邻近性聚类、局部相关的多指标评价为切入点,本文提出了一种Voronoi邻近关系支持下的点模式趋同提取方法。首先,以Voronoi邻近相关表集聚算法剖分出空间独立性点模式;其次,依据Voronoi邻近关系指数测度、样本分布均值与分布方差的趋同假设,使用拉普拉斯平滑算子评价趋同度;最后,依据λ截矩阵,提取出Voronoi邻近、非Voronoi邻近关系支持下的强趋同点模式。试验以云南省腾冲市居民点数据为算例,经与点模式构建的聚类方法对比、趋同度计算与强趋同提取,验证了该方法的可行性与有效性。     

基于格式塔视觉识别原则的面状居民地群组研究

基于格式塔视觉识别原则,结合空间聚类方法的居民地群组方法,通过构建Delaunay三角网建立视觉认知距离计算模型,并拟合了视觉认知距离的计算公式,将该视觉认知距离作为约束条件进行基于邻近图的层次约束空间聚类,实验得到了更加符合视觉认知的面状居民地群组聚类结果。     

空间知识挖掘的自然面群聚集度聚类方法

空间聚类是挖掘空间知识的重要手段之一。针对现有方法难以处理几何、分布特征差异大的面群聚类问题,本文提出了一种面要素分布密度的描述参数—聚集度,并设计了一种自然面群聚类方法。首先,分析了面要素分布密度的影响因子,定义了聚集度的概念,设计其计算方法并验证其有效性及优势;然后,基于聚集度和边界最短距离建立相邻面从属关系,识别聚类中心,完成初始群组的构建;最后,围绕群组特征设计了边缘检测和群组合并模型,实现了邻近相似群组的合并。试验表明,相较于最小生成树、强度函数聚类方法,本文方法兼顾几何特征、分布特征的复杂性,有效提升了自然面群的聚类效果。     

面向属性空间分布特征的空间聚类

空间聚类应当同时满足空间位置邻近和属性相似,在此背景下,为满足空间邻近实体之间趋势性和不均匀性的属性聚类需求,提出一种基于图论和信息熵的空间聚类算法。该算法主要是在Delaunay三角网空间位置聚类基础上,通过引入信息熵,采用多元相似性度量方法以解决二元关系在属性聚类中的缺陷,同时基于"等概率最大熵"原则提出了一种局部参数度量方法,用于表达邻近目标间属性分布的局部变化信息。将本文方法与多约束聚类方法和DDBSC聚类方法进行对比分析,结果表明:(1)在属性空间分布不均的情况下,本文方法的聚类精度要高于多约束方法和DDBSC方法,尤其是当属性空间分布不均程度不断扩大时,DDBSC和多约束算法会将空间簇内的实体误判为噪声;(2)在对异常值的敏感性问题上,3类方法都能识别出异常值的位置,但DDBSC和多约束算法对异常值具有一定的敏感性,聚类结果会掩盖属性分布的趋势性,本文方法受异常值影响很小。通过模拟实验和实际算例可以发现,在保证空间邻近的基础上本文方法具有如下优势:第一,能反映实体属性在空间分布中的趋势性特征;第二,能满足属性空间分布不均匀;第三,对异常值具有良好的稳健性。     

基于1:50 000地形要素数据的居民地分级方法研究

为满足用户多样化的需求,需要基于1:50000地形要素数据构建标准分级产品.由于该数据中的居民地数据本身不含级别信息,因此提出基于Voronoi图的应用开方根规律的居民地分级方法,该疗法可以保证分级后居民地的空间分布特征与原始数据一致,准确反映居民地分布的疏密对比与聚集状态,能够为基于1:50000地形要素数据的标准分级数据产品的设计加工提供较好的基础.     

克服双重约束的面目标位置聚类方法

面目标的聚集模式识别是空间聚类研究的重要方向之一,但因多边形几何信息和空间障碍阻隔的双重约束,目标的位置相似性难以快速而准确地计算。扩展点目标多尺度聚类方法,通过构建面目标的强度函数计算目标与邻近目标的位置聚集程度,提出了有效作用于双重约束下的面目标位置聚类法,并以判断相邻尺度下同一面目标类的强度函数阈值相等作为算法的收敛条件。经试验分析与比较发现,算法无须自定义参数,能够识别密度不均、任意形状分布,以及"桥"链接的面目标集群,同时能够准确判断障碍约束对面目标簇的阻隔和划分。     

综合线面特征分布的点目标多尺度聚类方法

考虑空间数据分布的复杂性与不连续性,提出了一种点目标聚类方法。算法利用全要素Voronoi图准确识别与表达点目标与线面实体的空间相关性;根据点目标位置分布特征计算面积阈值来控制聚类的粒度,同时以空间尺度变化下面积阈值的恒定作为判断尺度收敛的条件,实现点目标的多尺度划分,时间复杂度为O(nlogn)。经试验验证,聚类尺度随点目标分布特征自适应收敛,算法无须自定义参数,能够有效地发现受线面目标约束的任意形态点目标集群,对异常值处理稳健。     

一种基于场论的层次空间聚类算法

从空间数据场的角度出发,提出了一种基于场论的层次空间聚类算法(简称HSCBFT)。该算法是通过模拟空间实体间的凝聚力来描述空间实体间的相互作用,进而采取层次凝聚的策略进行聚类。通过实验分析可以发现,层次空间聚类算法具有如下优势:①空间聚类簇中各空间实体很好地满足了空间邻近且专题属性相似的要求;②能发现任意形状的空间簇,且具有良好的抗噪性;③输入参数较少。     

离散地形曲面上的精确Voronoi图直接生成算法

Voronoi图是地学计算中的一个基本结构,但是在地形曲面上,它还缺乏能与平面Voronoi图媲美的精度和成熟的算法。在离散地形曲面的不规则三角网格网上引入计算几何的测地距离场,从格网边上的距离场奇点逐步生长代表平分线的双曲线,由双曲线的排列得到离散曲面的精确划分,再将划分的面片聚类,生成精确的测地Voronoi图(geodesic Voronoi diagram,GVD)。然后,从定量与定性两方面对精确Voronoi图进行了检验,证明GVD可以给地形曲面空间分析带来基础性改进。基于奇点生长和双曲线排列的直接算法避免了现有算法对格网面片的过度细分与预处理,整体上直观易行,为数字地形分析发展严密的Voronoi图分析提供了有益探索。     

一种公寓式建筑物三维产权群集自动构建方法

建筑物在不同视角下分为物理群集和产权群集,后者依附于前者.现有的群集对象构建方法可以自动地构建同一栋建筑物的物理群集和产权群集,但生成的两个群集相互独立.这不仅增加建模成本,也不利于后期模型数据的更新和维护.针对该问题,研究公寓式建筑物物理群集与产权群集的关系,发现连通边界的层级性决定了胞腔聚合的产权体,提出了一种将物...     

综合遥感解译2022年Mw 6.7青海门源地震地表破裂带

2022-01-08中国青海省门源县发生Mw 6.7地震,直接导致兰新高铁受损停运,引起了国内外的高度关注。为了评估交通网的受损情况,提出一种综合光学遥感影像、合成孔径雷达（synthetic aperture radar, SAR）影像、无人机影像和激光雷达（light detection and ranging, LiDAR）数据解译地震地表破裂带的技术框架。针对此次门源事件,首先,获取高分1号（GF-1）、高分7号（GF-7）、Sentinel-2光学遥感影像和Sentinel-1A SAR影像,根据GF-1和GF-7光学遥感影像确定地表破裂带的空间分布特征,并利用光学像素偏移量技术估计东西向和南北方向二维地表形变场;其次,利用SAR像素偏移量技术获取距离向和方位向地表形变场, 同时利用差分干涉技术获取雷达视线向的地表形变(即距离向);然后,采用运动结构恢复技术处理无人机影像获取高精度的数字地表模型;最后,综合利用上述信息精确确定地震地表破裂的空间分布和地表形变特征。结果表明,此次地震东西向最大形变量约为2.0 m,距离向最大形变量约为1.5 m,该破裂带总长约为36.22 km。结合门源地区公路交通网,基于机器学习方法支持向量机模型对历史地质灾害点的分布以及地表破裂带进行分析,发现此次地震对高速公路带来的影响最大,对乡道的影响最小;交通干线G0611和G338东南段具有很高的灾害风险。所提技术框架可精密地解译地表破裂,在地震减灾中直接发挥作用。     

利用质心Voronoi图对地形自适应简化的算法

地形简化算法利用少量有效的地形信息表达整体地形,能很好地解决海量地形数据与计算机硬件之间的矛盾,同时满足多尺度地形应用需求。针对现有地形简化算法难以兼顾局部地形起伏与地形整体特征的问题,提出一种基于质心Voronoi图的地形自适应简化算法。首先,利用质心Voronoi图的特点,以地形起伏度作为密度函数生成质心Voronoi图;然后,利用分布在地形起伏较大区域的质心Voronoi图种子点及大多分布在地形特征线上的Voronoi区域顶点重构地形;最后,通过原始地形与重构地形的特征线验证地形简化的效果,并与三维道格拉斯-普克（3D DouglasPeucker,3D DP）算法进行精度对比。实验结果表明,从简化地形中提取的山脊线、山谷线、等高线等地形特征线与原始地形的重叠度均较高,算法能较好地保持地形整体特征;且在相同的简化级别下,算法的简化误差小于3D DP算法,具有较高的地形简化精度。     

基于RS和GIS的桓仁县乡村聚落景观格局分析

运用RS和GIS技术以及景观分析方法,以辽东山区桓仁县典型的6个乡镇乡村聚落为研究对象,选取乡村聚落斑块数、斑块面积、斑块密度、平均斑块面积、面积加权平均斑块分维数等5个景观指数,从乡村聚落用地、规模、形态、分离度4个方面进行景观空间格局分析.结果表明,桓仁县乡村聚落的景观格局具有用地比重偏少,聚落斑块数量多、平均斑块面积小,聚落规模在0.743～1.292hm2之间,形态分布稀疏零散,分形指数小、斑块稳定,分离度大等特点.说明在这种乡村聚落景观格局作用下,必然导致自然景观缺乏高度连接,聚落周边自然生态环境受到侵扰和破坏.     

一种面向多尺度面状居民地匹配的Voronoi图自适应构建算法

针对现有基于发生元离散化思想的Voronoi算法在计算效率与边界位置精度之间难以平衡控制的问题,提出了一种基于邻居对分类插值策略的面向多尺度面状居民地匹配的Voronoi图自适应构建算法(adap-tive Voronoi diagrams algorithm for matching multi-scale area...     

利用知识图谱的恐怖主义事件模型

恐怖主义受到世界各国的普遍关注,众多学者在事件模型上进行了大量探索,但现有事件模型的恐怖主义概念层次特征不够突出,时序、空间和语义关系相对缺失,且知识图谱模式层的概念和关系类型固定,难以满足事件的多样化描述信息,因此,亟需以事件为中心并结合时空和语义特征构建事件表示模型.在分析事件组成要素的基础上,结合知识图谱前沿技术...     

空间自相关支撑下的地类分布模式一致性评价

空间分布模式是否保持一致是土地利用数据综合质量评价的一项重要内容。针对当前的研究缺少量化分析和位置表达的现状,提出了一种新的空间数据特有的自相关性评价方法。首先利用语义距离建立空间权重矩阵,随后通过莫兰指数（Moran’s I）计算数据处理前后全局和局部自相关度,最后利用莫兰（Moran）散点图和空间关联的局部指标（local indicators of spatial association,LISA）集聚图相结合的方法对综合前后的土地利用分布模式进行可视化对比。相较传统评价方法,所提方法顾及数据语义关系,计算可量化聚集程度,以直观可视化方法对比展示,更好地对土地利用数据在综合前后的全局空间分布模式一致性进行了评价。认知实验结果符合人类认知,表明所提方法切实有效。