不同类型云的V-3θ特征及一次航线上云变化的实例分析

能否解决飞机在恶劣环境下飞行的问题,对降低与气象有关的飞行事故和备降率具有十分重要的意义。本文运用以V-3θ图作为分析工具的数字化分析方法,分析了不同类型云的V-3θ图结构特征,并实例分析了一次航线上云的变化过程。分析结果如下:(1)V-3θ图能快速区分层云积云、能识别层状云冷暖性,同时对垂直面上不同层次是否有云、云层多高多厚等也有较好识别;(2)实例分析结果与卫星云图和天气实况作比较,效果较好。实例分析验证了文章所述方法的可行性和有效性,为下一步工作奠定了基础。     

云垂直结构的可行性检验的信息数字化方法分析

利用气象探空资料,采用信息数字化的溃变结构图（V-3θ）法分析多个个例的云垂直结构,发现此方法能判定晴空和云区及其云层的位置,清晰分辨出云顶、云底及多层云、云夹层等结构。并将得到的分析结果与相对湿度阈值法判定的进行对比分析,结合实况发现一致性较好,验证了V-3θ结构图法判断云的垂直结构具有可行性,具有实际应用价值。     

基于Landsat 8 QA云标识的云影识别方法研究

Landsat系列卫星数据是对地观测研究中应用最为广泛的遥感数据源之一,但是Landsat数据易受云及云影的影响,因此,在Landsat数据的应用中,云和云影的识别十分关键。美国地质调查局（United States Geological Survey,USGS）在其分发的最新的Landsat 8 数据中新增了一个质量评估（Quality Assessment）波段,能快速提供高精度的云掩膜,然而并不能识别云影。本文在Landsat 8 QA波段云识别基础上,对影像的近红外和短波红外波段进行种子填充变换,提取影像中的潜在云影,采用非监督分类的方法识别影像中的水体,将水体从潜在云影中去除。利用太阳方位角和太阳高度角对云及云影相对位置的影响,对云和云影进行匹配,识别真实的云影。利用全球云和云影验证数据集对本文的云影识别结果进行了精度评价,结果表明：不同生态区域云影识别精度达到87%以上。与Fmask云影检测方法相比,本文方法所需波段数更少,流程简单,简化了云高度估算和视角问题,可以快速、准确地识别云影,对基于Landsat 8数据的定量分析或时序研究有重要价值。     

风云二号卫星云分类产品与信息数字化云分类对比

目前对云的观测检测研究颇多,但关于对云的垂直结构(云底高、云厚、叠加云层等)的观测尚缺乏直接有效的手段。采用信息数字化方法之一的V-3θ结构图方法与风云二号卫星在云分类上进行比较。结果表明信息数字化方法弥补了遥感卫星不能分析云的垂直结构的的缺陷。综合两种方法进行云分析,有利于充分挖掘云类信息。     

一种分步式建筑物屋顶面点云高精度提取方法

针对现有机载激光雷达（LiDAR）点云高精度提取方法存在建筑物屋顶面提取精度较低、适应性较差等问题,提出一种分步式建筑物屋顶面点云高精度提取方法。该方法通过主成分分析计算点云可靠性指标,选取可靠平面点;然后,利用K-means算法实现可靠点在法向量空间上的聚类,并通过逐步平面估计,提取初始屋顶面片;最后,进行面片的合并与未标记点的归属判断。实验结果表明,本文方法提取结果优异,效率较高,且对不同复杂程度的建筑物屋顶面均能取得较好的提取效果。     

应用高分辨辐射仪计算云复盖的各种算法及思路

云在大气辐射中起重要作用，因此有许多应用高分辨辐射仪（ＡＶＨＲＲ）数据反演云复盖的算法。在国际卫星云气候学计划（ＩＳＣＣＰ）中使用的阀限技术是一种直接方法并为科学界提供了有价值的结果。允许部分云填充卫星象元的空间相关法成功地鉴别了云层并改善了云阴象元品质。ＣＬＡＶＲ（由ＡｖＨＲＲ的云）及ＡＰＯＬＬＯ（在陆云及海洋上的ＡＶＨＲＲ处理）通过使用ＭＣＳＳＴ（多道海面温度）反演能将云型分类并改善无云象元的品质。卫星数据与理论计算吻台最好的汉谱法可同时获得云覆盖，云粒尺度及云发射率，为了建立一个有希望的云覆盖反演系统，似乎有必要综合藏于上述各种算法后面有价值的科学思路     

雹云识别物元可拓模型及其在川西地区的应用

提出一个雹云识别的物元可拓模型 ,把单参数不相容的雹云识别问题化为相容的多参数的雹云识别问题 ,通过构造雹云和雷雨云的经典域和节域物元矩阵并计算相关关联度的大小进行雹云识别 .川南地区实例应用表明 ,该方法用于川西南地区雹云识别结果正确率达 80 %以上 .     

老挝北部Sentinel-2 A/B云覆盖适宜阈值界定及其影像获取概率时空差异

光学卫星影像云覆盖时空特征评估是衡量其作为重要遥感监测数据源的前提。Sentinel-2 A/B影像因其免费获取、多光谱（红边）、更高时空分辨率等优势,已在全球不同尺度陆面植被与生态监测中受到重视。相较于Landsat等同类影像产品,有关Sentinel-2 A/B的云覆盖分析还未见报道。本文利用2016—2018年老挝北部所有5288景Sentinel-2 A/B影像（Granule/Tile）的云覆盖元数据,基于不同云覆盖阈值（0~100%）水平下的影像获取概率差异确定了影像获取概率分析的云覆盖适宜阈值,并揭示了云量特征阈值水平下的影像获取概率时空差异。主要结论如下:① Sentinel-2 A/B影像获取概率分析云覆盖适宜特征阈值为20%（即云覆盖≤20%）,该阈值水平下老挝北部Sentinel-2 A/B影像的逐月累积平均获取概率最高（约27.41%）;② 在20%云覆盖阈值水平下,老挝北部Sentinel-2 A/B影像逐月累积平均获取概率差异在时间上与旱季（11月—次年4月）雨季（5月—10月）的时间分布较为吻合。旱季获取概率约为42.91%,3月概率（50.27%）最大,4月与2月次之,时间上与刀耕火种焚烧与橡胶林落叶特征吻合;雨季相应概率约为11.81%,6月最低（约1.26%）;③ 老挝北部Sentinel-2 A/B影像逐月累积平均获取概率在空间上存在东西差异,旱季西部省域单元（如琅南塔）影像获取概率远高于东部,雨季西部地区影像获取概率则略低于东部地区。本研究既可为后续开展大区及全球Sentinel-2 A/B影像云量分析提供借鉴,也对开展联合国减少森林砍伐和退化排放（UN-REDD）计划引发的土地利用变化如刀耕火种农业演变、橡胶林扩张等遥感监测有指导意义。     

利用高精度DLG进行机载LiDAR点云精度评定研究

LiDAR作为一种主动式获取高精度地表几何信息的地形图测绘技术,其获取的点云具有较高的相对精度与绝对精度,可作为无控或稀少控制条件下（无人机）航空影像高精度几何定位的地理参考数据。影像几何定位所能达到的精度依赖于几何参考数据自身的精度,因此评价LiDAR点云的精度对于将其作为地理参考实现航空影像高精度几何定位,具有较强的理论价值与实践意义。本文提出了利用高精度数字线划图（DLG）作为几何参考评定机载LiDAR点云精度的方法。首先,通过比对DLG中高程注记点的高程与LiDAR点云中对应位置处的高程,实现LiDAR点云高程精度评定;然后,通过统计LiDAR墙面点在平面上的投影点到DLG房屋矢量轮廓线的距离,实现LiDAR点云平面精度评定。实验结果证明,本文试验区域LiDAR点云平面和高程精度分别可达到7.2 cm和8.3 cm,可作为大比例尺无人机航空遥感控制数据的有效选择。     

结合SVM与图匹配的车载激光点云道路标线识别

本文提出一种基于SVM与图匹配相结合的车载激光点云道路标线识别方法。该方法基于标线点云分割对象,利用Hu不变矩、实心形状上下文（SSC）、最小外包矩形（MBR）面积和延展度构建形状特征向量,采用SVM进行道路标线粗分类。针对粗分类结果,构建能够精确描述空间语义信息（如局部区域内标线间的排列、方向、距离）的图结构,通过图匹配方法优化粗分类结果,完成直行箭头、人行横道预告标识线、单向转向箭头、双向转向箭头、虚线型标线、斑马线共六类道路标线的精确识别。本文实验采用4份不同场景车载激光点云数据,实验结果中6类标线分类的准确率分别达100%、100%、94.12%、100%、94.94 %、99.25%,召回率分别达100%、100%、88.89%、100%、98.21%、99.00%,F₁-Measure值分别达100%、100%、91.43%、100%、96.59%、99.12%。结果表明,本文方法能实现多类标线对象的精确识别,并对形状相似标线（如直行箭头、虚线型标线与斑马线）的区分具有较强稳健性。     

基于3D基元拟合的复杂屋顶点云三维重建

几何语义一体化三维建筑物模型是智慧城市建设的重要基础数据，有利于促进建筑设施的精细化管理和智能化应用。当前基于点云的三维重建算法大多关注简单屋顶结构的几何模型构建，忽略了模型的语义表达，且基于数据驱动方法的重建结果容易受噪声影响，存在几何和拓扑错误。为了解决复杂屋顶高精度三维重建难题，本文提出一种基于3D基元拟合的复杂屋顶点云三维自动化重建算法。首先，设计了一套可参数化表达的建筑物3D基元库，包含简单和复杂屋顶。其次，通过点云分割和屋顶拓扑图比较来识别点云对应的基元类型。然后，提出了一种点云与3D基元整体拟合的目标优化函数，采用序列二次规划算法估计基元的正确参数。最后，利用城市地理标记语言（City Geography Markup Language, CityGML）构建几何、语义和拓扑一体化表达的三维模型。采用几种不同屋顶风格的建筑物点云数据进行实验，定性和定量对比分析结果表明本文方法能够高效生成几何和拓扑均正确的CityGML模型，对噪声和局部点云缺失具有一定的鲁棒性，有利于促进几何语义一体化建筑物模型快速自动化构建。     

基于车载激光点云的街景立面自动提取

街道景观图是城市规划设计和城市管理的重要参考依据,车载点云数据能够提供沿街建筑的三维点信息,精度高,覆盖范围广泛,为街景立面整治提供了新的解决方案。为此,本文提出一种适用于车载点云的街景立面的自动提取方法,提取立面点云的具体步骤为：对原始数据去噪滤波;选取非地面点构建规则格网并二值化,依据语义特征筛选出建筑物点云;用POS数据拟合直线段帮助选取参考向量与参考平面;计算点云到参考面的距离,按距离分类点云数据,并对前述步骤中未分类点另行提取,合并面点集得到以沿街建筑物立面为主的街景立面点云。为了验证这一方法的可行性和有效性,采用点云数据进行实验,实验结果表明本方法在一定程度上提高了数据处理效率,能得到较理想的结果。     

古建筑激光点云-模型多层次一体化数据模型

目前,主流的激光点云数据模型仍以散乱点组织为主,且点云与模型分开组织。本文应古建筑激光点云处理建模的数据组织需要,通过点云、模型的关联组织和古建筑层次编码等方法,创建了古建筑激光点云-模型多层次一体化数据模型。并通过实例应用进行了验证,效果较好,为点云的复杂数据组织提供了借鉴。     

基于区域特征分割的密集匹配点云渐进形态学滤波

随着计算机视觉和遥感技术的进步,基于遥感影像的密集匹配也成为目前获取高精度点云的重要手段之一。与LiDAR点云类似,点云数据处理的基础步骤就是点云滤波。在数据特征上,密集匹配生成的点云与LiDAR获取的点云既类似但又有区别。本文在渐进形态学滤波算法上添加了特征条件,将点云和图像结合成深度图像,并对深度图像按典型地物类型进行语义分割,从而对与图像平面坐标一致的点云进行标记和首次滤波;然后按几何特征将场景简单分类,按分类结果对应的参数滤波构建地面点三角网;最后综合初滤波结果和语义分割类型标记对特征相似的区域进行优化确认,得到最终的滤波结果,并与布料模拟滤波（CSF）算法进行了对比验证实验。结果表明,基于特征的渐进形态学滤波其I类误差在1.98%以内,Ⅱ类误差在2.33%以内,较适宜对精度要求较高的应用,尤其是混合地形的滤波。     

基于误差熵的点云简化方法

点云简化很难完全保证精度、简化率和速度上都达到最优。针对不同的表面特征状况,提出一种自适应点云简化算法。利用经典的PCA方法来估计点的法向量,计算法向量与参考平面的夹角,针对表面特征的不同,采用法向量夹角的熵来确定表面的特征状况。针对不同的表面特征来设置不同的简化率,从而获得较适宜的简化效果。实验表明,该方法在简化精度、简化率和速度上能达到一种平衡。     

一种地形自适应的机载LiDAR点云正则化TPS滤波方法

随着机载激光雷达成像技术（LiDAR）的不断发展,激光点云数据处理的相关研究也在不断深入。点云滤波是机载激光雷达点云数据处理的重要环节之一。针对多数经典滤波方法在复杂地形和地物条件下的滤波效果不够理想的现状,提出一种新的基于相对变异系数的地形自适应正则化薄板样条插值点云滤波方法。采用二维区域增长获取初始插值参考点后,基于线特征约束对参考点进行优化,去除部分低可靠性参考点以得到较准确、分布离散均匀的初始插值参考点集合,在此基础上通过正则化薄板样条插值方式来拟合地形点与地物点之间的滤波分类面,完成对机载激光点云的高精度自适应滤波。对比实验结果表明,本文的地形自适应滤波方法在2组实验数据的总体错误率分别达到4.14%和4.17%,在错误率和多地形综合表现等方面具有优势,且滤波运算效率在目前主流的滤波算法中处于较高水平。另外,实验结果验证了地形自适应滤波方法在斜坡、山脊等起伏较多的复杂地形与包含植被和建筑物的混合地形等处的点云滤波结果具有较好的准确性。     

基于NoSQL的海量空间数据云存储与服务方法

近年来,实现海量空间数据高效地存储管理和在线服务,成为地学信息科学领域日益关注的热点问题。本文根据矢量和栅格空间数据的不同特点,提出并实现了矢量栅格数据一体化的海量空间数据分布式云存储管理与访问服务方案,在海量矢量数据存储和处理中创新性引入分布式图数据库Neo4J和并行图计算框架。在三层式空间数据云存储架构基础上,给出NoSQL数据库技术的栅格和矢量数据云存储的实现策略与方法,并开展了通用数据访问接口的设计。采用分布式文件系统HDFS存储栅格数据,并使用列族数据库HBase对其建立分布式空间索引,及采用满足ACID约束的分布式图数据库Neo4J来存储矢量数据,并使用R树建立空间索引。在自主研发的地理知识云平台GeoKSCloud框架下,初步实现了核心组件-空间数据聚合中心(GeoDAC)软件,可为各类用户提供空间数据分布式存储管理和访问服务。通过搭建试验床,开展GeoDAC与开源GIS软件PostGIS在矢量数据读写访问性能方面的对比测试。结果表明,虽然GeoDAC没有获得写入性能的加速作用,但其具有PostGIS无法比拟的强大读取性能。GeoDAC将海量数据经过空间分割后分布在集群上,能够并行处理查询请求,极大地提高空间查询速度,具有广阔的应用前景。     

一种基于点云提取微地形对象的方法

在分析微地形特点以及现有网格DEM在表述微地形中存在的不足的基础上,提出了面向对象的数字高程模型,给出了该模型的形式化描述和以点云为数据源构建面向对象数字高程模型过程中采用的对象边界的识别、特征保持的点云疏化、基于属性近似的网格约化及对象识别等关键步骤的方法.并以实例证明了此过程的可行性.     

基于空间相似聚类的点云数据分割方法研究与实验

根据目标特征进行三维点云分割对点云数据的应用至关重要。对于地面三维场景的三维点云数据而言,对其有效的分割可更好地进行地物的分类提取、环境分析以及目标物体识别和跟踪等,由于点云的分割精度直接影响了后续任务的有效性,故三维点云的分割引起了许多学者的关注。本文首先简述了点云分割的国内外研究现状,对点云分割方法进行分类介绍,分析了各种分类算法的特点及优缺点,然后运用空间相似聚类分割方法对实验点云数据进行分割,并对分割结果进行了分析和总结。     

湖南省不同云状态的时空特征分析

云的存在使得遥感对地观测地表信息受损或缺失,特定区域的云状态时空分布特征有助于提升遥感数据云噪声去除的针对性和准确性。本文采用2001-2017年湖南省MOD09A1地表反射率产品像素级产品质量数据集,逐像素解析并提取云状态信息,利用地统计学方法和空间分析方法等,从云状态空间分布概率、云状态季节分布概率、云状态持续时长和云干扰率 4个方面分析了湖南省晴朗无云、云污染和云混合3种云状态时空分布特征。研究结果表明：① 湖南省整体受云影响较为严重,不同云状态空间分布呈现较为明显的差异性,云污染状态主要分布在湘西、湘南山区,云混合状态主要分布在湘北、湘中、湘南连接的地势相对平缓的平原、丘陵地区;② 云污染状态在云影响中起主导作用,其主要分布在1-2月、11-12月以及5月下旬-7月上旬之间,云混合状态平均出现概率全年维持在10%左右,在6-10月增加至18%左右;③ 云状态持续时长为8、16 d是受云影响的主要情形;④ 随着合成窗口的增加,云干扰率迅速下降,采用月合成（4期）后,可以忽略云的影响;⑤ 云状态数据经主成分变换后,前2个主分量可表征不同云状态空间分布模式,全省可划分为4个具有显著云状态特征的区域;⑥ 不同云状态与高程变化具有显著的关系模型,除云污染状态外,均与高程呈负相关关系。本研究可为湖南省遥感数据选择、云去除方法选择、植被指数时间序列重构等提供技术支撑。