高精度住房空置率的地理空间影响因素定量研究

为揭示住房空置率对地理空间因素的依赖性,本文首先以50 m×50 m格网为基本单位,通过建模等方式计算格网尺度的住房空置率、自然因子、社会因子,然后对研究区进行不同级别的划分和相关性分析,最后采用地理探测器法对自然因子的影响机制进行进一步研究。结果表明：①研究区住房空置率与所选地理空间因子均呈显著性相关,植被占比对住房空置率的影响程度最大,其他自然因子的影响程度普遍偏小;②由于非建成区尚处于快速发展阶段,有较大的发展潜力,因此非建成区对于社会因子和自然因子的依赖程度均大于建成区;③各街道的住房空置率受坡度的影响程度普遍小于其他自然因子,各因子两两之间的交互作用对住房空置率的解释力具有显著增强的效果。本文为小区域住房空置率的影响因素剖析提供了参考。     

融合随机森林模型和6种水体指数的上海市水体信息提取

为快速、准确地掌握水体分布信息,本文以上海市为研究区,基于多时相Sentinel-2卫星数据构建水体提取特征集,并采用效率高、稳健性好的随机森林模型,对研究区内的水体进行提取。水体提取特征集在现有光谱波段特征的基础上加入6种水体指数,分别为NDWI、MNDWI、AWEI_sh、WI₂₀₁₅、SWI和RWI,旨在提高水体提取精度。针对10个光谱波段特征及6种水体指数,设计了8种试验方案探究加入水体指数对于水体提取的作用。结果表明,将6种水体指数全部加入的方案精度最高,为97.910%;NDWI和RWI能提高水体提取精度、降低漏提率和误提率。     

基于伪语义相似度模型的中文地址匹配方法

地址匹配中,由于传统相似度模型受字符重叠数影响大,在处理简写、缩写地址要素单元时,错误匹配问题突出;深度学习方法需要大量样本支撑,但庞大的数据量和多样的形式,导致生成样本的成本过高。为解决上述问题,本文首先应用基于条件随机场和双向长短时记忆神经网络的模型,对地址进行分词;然后通过建立一种伪语义相似度,对地址要素进行分级匹配。通过对公安业务中地址数据进行测试,在对缩写、简写等不规范地址描述方面,本文模型能较理想地完成任务,各参考指标均高于0.9。     

基于ICESat-2 ATLAS数据的DEM高程精度评价

为探究ASTER GDEMV3、SRTM1 DEM和AW3D30 DEM 3种开源DEM数据的高程精度,本文以高精度ICESat-2 ATLAS测高数据为参考数据,利用GIS统计分析、误差相关分析及数理统计对DEM的高程精度进行对比评价。结果表明：①AW3D30的质量最稳定;SRTM1 DEM在平原精度最高;在高原山地精度由高到低依次为AW3D30 DEM、ASTER GDEMV3、SRTM1 DEM。②DEM数据高程精度受地表覆盖影响较大,且与地形因素密切相关,在相同地表覆盖的两个研究区中DEM数据高程精度表现情况不一致,SRTM在平原地表覆盖下精度表现最好,平均误差为3.15 m,AW3D30 DEM在山地地表覆盖下精度表现最好,平均误差为7.61 m。③坡度对DEM数据的高程精度影响较大,在两个研究区3种DEM数据的高程误差均随坡度的增加而增加;坡向对DEM数据的高程精度影响较小,未发现明显的规律。     

基于改进麻雀搜索算法优化BP神经网络的PM_(2.5)浓度预测北大核心CSCD

针对传统BP神经网络模型收敛速度慢、易陷入局部极值等问题,本文采用分段线性混沌映射(PWLCM)和萤火虫算法(FA)改进麻雀搜索算法(SSA),并优化BP神经网络模型初始权值和阈值,对西安市PM_(2.5)浓度进行预测。通过比较不同模型预测结果的评价指标,并与性能较优的SSA-BP模型对比,ISSA-BP模型预测结果的RMSE、MAPE、MAE分别下降了3.70、3.73、3.34。试验结果表明,改进后的麻雀搜索算法具有高效的全局最优搜索能力,优化后的ISSA-BP神经网络预测稳定性高,精度优于BP、SSA-BP神经网络模型,可用于预测PM_(2.5)浓度。     

基于无几何电离层滤波模型的北斗三号系统相位周跳与中断修复方法

高精度位置服务依赖模糊度正确固定的载波相位观测值,而复杂环境的相位周跳和中断给模糊度固定和数据处理带来了巨大挑战。北斗三号系统向全球播发四频和五频信号,为提升周跳处理性能提供了机遇。本文建立了探测多频超宽巷周跳的伪距-相位无几何组合模型,以及探测窄巷周跳的相位-相位无几何组合模型,并以周跳探测成功概率最大为准则确定了多频最优超宽巷和窄巷组合。由于电离层延迟制约了数据中断和电离层变化剧烈情况下的窄巷周跳探测,进而建立了顾及电离层延迟的窄巷周跳探测滤波模型。试验结果表明,对30 s采样间隔,基于无几何组合模型探测周跳的成功率均优于96%;对于3 min的数据中断,基于无几何组合模型的周跳探测成功率仅为70%,但补偿电离层延迟的滤波模型将成功率提升至95%以上。     

BDS-2/BDS-3/GPS/Galileo双频精密单点定位精度分析与评价

由于北斗卫星导航系统(BDS)已完成正式组网,有必要对BDS的定位性能进行精度评估与分析. 本文主要通过在MGEX (Multi-GNSS Experiment)选取8个测站5天的观测数据,以北斗二号/北斗三号(BDS-2/BDS-3)为主分析BDS-2/BDS-3、BDS-2/BDS-3/Galileo、BDS-2/BDS-3/GPS、BDS-2/BDS-3/GPS/Galileo四种不同组合卫星系统静态精密单点定位(PPP)性能,试验结果表明:BDS-2/BDS-3静态PPP在东(E)、北(N)、天顶(U)方向上的定位精度和收敛速度分别优于2.49 cm、2.27 cm、4.04 cm和34.6 min、19.3 min、28.1 min;BDS-2/BDS-3/Galileo静态PPP在E、N、U方向上的定位精度和收敛速度分别优于1.81 cm、1.65 cm、2.94 cm和20.4 min、13.0 min、18.6 min;BDS-2/BDS-3/GPS静态PPP在E、N、U方向上的定位精度和收敛速度分别优于1.67 cm、1.62 cm、2.82 cm和18.3 min、10.2 min、16.1 min;BDS-2/BDS-3/GPS/Galileo静态PPP在E、N、U方向上的定位精度和收敛速度分别优于1.46 cm、1.40 cm、2.45 cm和14.5 min、9.3 min、14.5 min.      

耦合GF-2遥感影像与街景影像的广州市城中村识别

及时准确地获取城中村的空间分布及其环境质量信息对于优化城市空间、改善人居环境具有重要意义。本文以广州市越秀区为例,提出了耦合GF-2高分遥感影像和百度街景影像的城中村识别方法。首先,从街景影像中提取越秀区的街道空间品质特征;其次,在对高分遥感影像预处理并进行多尺度分割的基础上计算光谱、形状、纹理、场景特征和建筑结构5类共计23个特征;最后,融合两种影像的特征用于构建随机森林分类器进行城中村识别。结果表明,基于高分影像和基于街景影像的城中村识别整体精度分别为94.5%和85.7%,Kappa系数分别为0.58和0.31,而两者融合后的分类精度和Kappa系数为96.1%和0.67;其中基于街景影像获取的度量街道空间品质的5个指标贡献了31.6%的特征重要性。鸟瞰视野高分影像和人本视角街景影像提供的信息综合互补,构建了更有区分度的特征空间,减少了城中村的错分现象。本文证实了高分影像和街景影像在特征尺度的融合提升了城中村识别精度。街景影像中的信息可以融入到高分遥感影像等数据源中,辅助进行城中村等非正规居住空间的识别。