融合空间尺度特征的时空序列预测建模方法

假定原始的时空数据由较大尺度下的全局趋势项与较小尺度下的局部偏差项构成,提出了融合空间尺度特性的时空序列建模方法。首先,将原始数据转换为较大尺度下的数据,此部分反映原始数据的趋势特征。然后,将趋势部分剔除,剩余部分反映原始数据的偏差特征。最后,用灰色系统模型和BP神经网络模型分别对趋势项和偏差项建模,它们的组合预测结果即为原始时空序列预测值。采用该方法对实际的年降水数据以及日平均PM2.5浓度数据进行预测建模分析,实验结果表明:融合空间尺度特性的时空序列预测模型可以用于多空间尺度预测,并且预测精度优于不考虑空间尺度特性的建模方法。     

利用时空神经网络模型的长江经济带气温反演

传统基于遥感的气温反演方法往往使用全局模型,从而忽略了气温分布及其时空影响异质性,特别是在较大区域尺度的研究中存在不足。针对长江经济带区域,引入时空地理加权神经网络模型,建立一种高精度的气温估计方法。通过在广义回归网络模型中建立局部模型来顾及时空异质性的影响,融合遥感数据、同化数据、站点数据,获取面域分布的近地表气温信息。采用基于站点的十折交叉验证方法对模型性能进行评估,结果表明,时空地理加权神经网络有效提高了气温估计的精度（均方根误差为1.899℃,平均绝对误差（mean absolute error,MAE）为1.310℃,相关系数为0.976）,与多元线性回归和传统的全局神经网络方法相比,MAE值分别降低了1.112℃和0.378℃。气温空间分布制图结果显示,该方法结果能很好地反映长江经济带气温空间上的差异和不同季节的特征信息,具有实际应用价值。     

基于RNN的空气污染时空预报模型研究

针对空气污染物时间序列中包含缺失值以及现有时间序列预报模型缺乏对时序特征状态建模的问题,该文构建了基于缺失值处理算法和RNN(循环神经网络)的时空预报框架。对空气污染物时序数据设计了3种缺失值处理算法(前向递补、均值替代和权重衰减),用缺失标签和缺失时长对缺失值建模,并在此基础上搭建含有全连接层与LSTM层的深度循环神经网络(DRNN)用于时空预报。使用深度全连接神经网络(DFNN)作为DRNN的对照,用京津冀区域的空气质量和气象数据训练模型,并比较不同模型的预测精度。通过实验,比较了3种缺失值处理方法的效果,结果表明,LSTM在空气污染时空序列预测上的表现优于传统的全连接神经网络层,证实了提出的基于深度学习的时空预报框架的有效性。     

顾及空间异质性的大范围地面沉降时空预测

大速率、不均匀的地面沉降已经威胁到人类的生产活动,高精度的沉降预测结果对于地质灾害的精准防控具有重要意义。为掌握地面沉降的演化规律,利用现场观测数据或InSAR数据开展了多项预测研究。然而,由于空间异质性的存在,大范围地面沉降的准确预测仍然是一项挑战。在这项研究中,从数据驱动的角度提出了一种顾及空间异质性的大范围地面沉降时空预测方法STLSTM（Spatio-temporal Long Short-Term Memory）。首先,通过聚类识别地理空间中的均质子区;然后,在每个子区中,一个特别的长短期记忆LSTM（Long Short-Term Memory）网络被用来捕捉局部位置的非线性特征;最后,利用预训练的网络对未来时刻的地面沉降进行定量预测。在实验部分,哨兵1号影像数据被用来比较STLSTM与其他8种基准方法的性能,利用空间统计指标分析了模型的有效性。结果表明,STLSTM在152 s内达到了最高的预测精度（71.4%）,且能够有效弱化空间异质性对大区域沉降预测任务的影响。总之,这项研究将空间异质性处理策略融合到深度学习模型中,实现了高精度、高时效的大范围地面沉降时空预测。     

一种基于分层策略的时空融合模型

时空数据融合能够有效提高高空间分辨率遥感数据的时间分辨率,但是目前广泛使用的时空自适应反射率融合模型在突变区域的预测效果不佳。针对这一问题,提出一种基于分层策略的时空融合模型(hierarchical spatial-temporal fusion model,H-STFM)。该模型首先根据相邻时刻低空间分辨率数据的反射率差值,将待预测的目标像元分为物候变化像元和突变像元;然后对物候变化像元进行线性回归预测,对突变像元进行加权滤波预测;最后将物候变化和突变区域的预测结果利用优化的时间加权函数融合生成最后预测图像。以两组中分辨率遥感数据MODIS和Landsat图像为基础数据进行实验对H-STFM模型进行了定性与定量评价。结果表明,提出模型的实验结果在方差误差与相对无量纲全局误差方面表现明显优于时空自适应融合模型。     

运用贝叶斯方法的PM2.5浓度时空建模与预测

针对当前我国大部分地区正面临严重的空气污染问题,对重污染区域进行时空建模具有重要的意义。该文基于贝叶斯时空模型建立了京津冀区域的PM2.5浓度时空预测模型,该模型充分考虑了PM2.5浓度的时间变异特性与空间分布特性,并引入了气象数据作为协变量对没有监测站的位置进行预测。实验结果表明,该方法具有很好的预测精度,其在测试站点上的拟合优度达到了0.9以上,能够应用于区域级PM2.5浓度的时空分布建模与预测。     

卷积神经网络的PM2.5预报模型

针对目前基于机器学习的PM2.5预报模型无法充分利用研究区域内其他相关站点的数据问题,该文提出了一种区域时空点数据的表示方法,并在此基础上提出了基于卷积神经网络的PM2.5预报模型。该模型利用了区域内多站点的历史PM2.5实测数据以及相应的气象预报数据,对区域内任一站点PM2.5浓度进行预报。实验结果显示,该模型在京津冀区域内能对未来至少3d内的PM2.5浓度进行较高精度的预报。与基于单站点的前馈神经网络预报结果对比表明,对区域整体污染及气象状况建模的卷积神经网络模型预报精度更高。该模型对区域内所有站点的预测结果与地面实测值的分布基本一致,表明了该模型具有对区域内PM2.5浓度进行时空预报的能力。     

顾及空间约束的犯罪时空关联分析组合算法

犯罪时空数据关联分析结果有助于相关部门在关键时段和关键区域进行警力重点配置.提出一种基于空间约束的lightGBM/Apriori组合算法,对犯罪数据中的时空属性特征进行简约处理,通过对犯罪类别的预测分析,识别时空关联特征较为显著的犯罪类型及关键影响要素,寻找热点细化研究区域,抽取犯罪时空关键特征,建立犯罪强关联规则挖掘模型.以美国费城2015年犯罪数据集为例,利用提出的组合算法进行了犯罪类别预测、时空分布模式分析和关联规则挖掘,将挖掘结果与真实发生的犯罪进行对比,盗窃犯罪事件在每天4个时段的预测准确率为64.29％～90.20％.     

利用方向场进行指纹图像快速分区

指纹方向场真实地反映了指纹图像中本质的纹理特征,包括指纹的基本形状、结构和走势。方向场图像在局部区域表现相对一致,而在全局范围则表现出较大的差异。基于方向场对指纹图像进行分区,可以提供一种有用的辅助性全局特征。本文提出了一种指纹图像快速分区方法,并结合一种基于局部描述子的指纹图像匹配算法给出了其应用实例。在FVC2004DB1数据集上设计了实验,结果表明,这种分区方法能有效地提高识别率,同时缩短处理时间。     

数字高程模型中用图论技术自动寻找子区边界的研究

要获得高精度的数字高程模型，须考虑地形特征进行分区内插。本文将所考察的矩形区域中地形特征线的几何分布转变成拓扑图，然后用图论技术寻找子区边界，从而完成分区。结果表明，本文提出的理论是正确的，方法是可行的。     

阿克苏河-塔里木河水系水质污染遥感监测与评价

 采用Landsat TM数据分析了阿克苏河—塔里木河断面水质污染状况,通过波段的DN值和常规监测数据建立能反映水质状况的 污染物监测模型。结果发现,将2000年常规监测数据代入模型后,与遥感数据的结果基本吻合| 重建阿克苏河—塔里木河的连续水体 污染变化曲线,得出污染物浓度随着远离上游而增加。     

Monitoring drought dynamics in the Aravalli region (India) using different indices based on ground and remote sensing data

The hard-rock hilly Aravalli terrain of Rajasthan province of India suffers with frequent drought due to poor and delayed monsoon, abnormally high summer-temperature and insufficient water resources. In the present study, detailed analysis of meteorological and hydrological data of the Aravalli region has been carried out for the years 1984–2003. Standardised Precipitation Index (SPI) has been used to quantify the precipitation deficit. Standardised Water-Level Index (SWI) has been developed to assess ground-water recharge-deficit. Vegetative drought indices like Vegetation Condition Index (VCI) and Temperature Condition Index (TCI) and Vegetation Health Index (VHI) have been computed using NDVI values obtained from Global Vegetation Index (GVI) and thermal channel data of NOAA AVHRR satellite. Detailed analyses of spatial and temporal drought dynamics during monsoon and non-monsoon seasons have been carried out through drought index maps generated in Geographic Information Systems (GIS) environment. Analysis and interpretation of these maps reveal that negative SPI anomalies not always correspond to drought. In the Aravalli region, aquifer-stress shifts its position time to time, and in certain pockets it is more frequent. In comparison to hydrological stress, vegetative stress in the Aravalli region is found to be slower to begin but quicker to withdraw.     

使用FME与VBA提取机场方格网高程数据

因受机场工程设计软件的测量数据容量限制,基于LiDAR采集、点云分类后得到的地面点云数据LAS不能完整应用于目前设计软件进行设计计算。本文通过对拟选技术方案的筛选,提出了利用FME Workbench数据处理功能,结合VBA编程获取外部方格网平面数据的方法。该方法在FME Workbench中实现了地面点云数据构建TIN、采用逐点内插方法从TIN中提取方格网高程数据、等高线生成及相应图形处理与成果输出。最终通过实际算例证明了该方法的有效性。     

Landslide risk analysis between Giri and Tons Rivers in Himachal Himalaya (India)

The area around Sataun in the Sirmur district of Himachal Pradesh, India (falling between the rivers Giri and Tons; both tributaries of the Yamuna River) was studied for landslide vulnerability on behalf of the inhabitants. The study was made using extensive remote sensing data (satellite and airborne). It is well supported by field evidence, demographic and infrastructural details and aided by Geographic Information System (GIS) based techniques. Field observations testify that slope, aspect, geology, tectonic planes, drainage, and land use all influence landslides in the region. These parameters were taken into consideration using the statistical approach of landslide hazard zonation. Using the census data of 1991, vulnerability of the populace to the landslide hazard was accessed. As most of the infrastructure in the region is concentrated around population centres, population data alone was used for vulnerability studies.     

Gravity Changes Before Large Earthquakes in China: 1998-2005

Although it is well known that coseismic gravity changes take place during an earthquake, previous research has not yielded convincing evidence demonstrating that significant gravity changes occur before large earthquakes. Furthermore, even if we suspect that gravity changes occur before large earthquakes, we have yet to demonstrate how to consistently observe these changes for useful earthquake forecast that would bring benefits to society. We analyzed ground gravity survey data obtained in 1998, 2000, 200...     

GNSS系统及其技术的发展研究

阐述了国际上卫星导航系统的总体发展,对美、俄、欧、中的四大全球系统,以及相关的区域系统和增强系统进行了简单的介绍,研究分析了GNSS系统及其技术的发展趋势,同时分析了我国Compass全球系统面临的机遇和挑战,并提出了我国未来工作的建议.     

“4D”技术及其应用

介绍“４Ｄ”（即数字地面模型、数字正射影像、数字栅格地图和数字线划地图）系列产品的生产流程、关键技术、及其在耕地保护、防灾减灾救灾和城市规划等方面的应用方法。     

Virtual Australia: its key elements – know,think, communicate

Abstract

Virtual Australia is not a well-defined or agreed concept. This discussion paper conceptualises Virtual Australia as a ‘virtual [digital] model containing and representing all non-trivial objects and their contextual environment – from blue sky to bedrock – in real world Australia’. It describes a scenario for Virtual Australia, one or two decades from now, in which the locations and conditions of non-trivial objects and their environment are updated automatically through a combination of remote sensing and wireless communication technologies in support of a ‘Supranet’. It then examines the concept of the ‘Supranet’ – a pervasive information network based largely on wireless technology linking the physical world to a virtual model in real time – and develops and discusses three principal characteristics of the Supranet: the ability to have or collect specific information (know); the ability to process information (think); and the ability to communicate that information. If, in the near future, any or all non-trivial devices are to some extent able to know, think and communicate, the potential for object autonomy will be realised.     

自动车辆定位导航系统中传感器的误差分析

对国界定位导航系统中几种常见的辅助传感器所产生的误差进行了分析，导出了不同传感器的误差模型。这些误差模型是估计车辆位置的扩展卡尔曼滤波器的基础，同时也为选择适当的传感器提供了理论根据。