基于Sentinel-2和Landsat卫星时序数据的耕地撂荒识别

充足的粮食供应是当下经济发展和社会稳定的重要保障之一，撂荒作为耕地边际化的极端表现，对其开展监测对保障耕地数量和质量至关重要。本文以四川省南充市营山县为研究区域，通过GEE平台，使用Sentinel-2和Landsat 7、8数据构建时序数据集，计算NDVI、EVI、NDWI、BSI、MSI等指数，分别利用支持向量机和随机森林法提取耕地撂荒，总分类精度为73.76%,Kappa系数为0.68,针对耕地撂荒最佳提取效果，F₁得分为0.691 1。本文方法对山地丘陵地区耕地撂荒监测有较大的借鉴意义。     

基于四叉树的移动终端地图搜索算法研究与实现

针对智能移动终端的GPS定位位置和用户在终端输入的搜索关键词,设计了一种综合性的空间关键词索引框架,该框架利用倒排索引进行文本索引,利用四叉树索引进行空间索引。基于该综合索引框架设计和实现了一种高效准确的POI搜索算法,该算法能够根据移动终端的位置和用户输入的搜索关键词,从数据库中获取到相关度尽量高的结果,从而提高地图搜索的准确度和效率。     

土地收储三维辅助决策系统的设计与实现

分析了土地收储对3DGIS决策的需求,利用数字城市地理空间框架的数据成果,设计并实现了土地收储三维辅助决策系统,为土地收储工作提供辅助决策支持。     

冬小麦区域遥感监测及识别中的方法研究

通过基于高时间分辨率的"环境一号"卫星数据的变化向量分析(CVA)冬小麦遥感识别方法,并以地理国情普查数据为调整单元对识别结果进行修正,达到提高冬小麦遥感识别精度的目的。结果表明,使用CVA方法可提高冬小麦遥感识别精度,以国情普查数据为调整单元可在一定程度上降低遥感影像配准误差影响,对其他农作物遥感识别具有一定的参考意义。     

高光谱影像概率分类向量机分类方法研究

从分析基于支持向量机和相关向量机的高光谱影像分类方法的优势和不足出发,将基于概率分类向量机的方法用于高光谱影像分类试验。在贝叶斯理论框架下,概率分类向量机为基函数权值引入截断Gauss先验概率分布,使得不同类别的基函数权值具有不同符号的先验分布,并利用EM算法进行参数推断,得到足够稀疏的概率模型,弥补了相关向量机选取错误类别的样本作为相关向量的不足,从而有效地提高了模型的分类精度和稳定性。OMIS和PHI影像分类试验表明,概率分类向量机能够很好地应用在高光谱影像分类。     

局部区域模型重力异常快速算法

地球重力场位系数模型可以用于计算局部重力扰动场元。然而随着地球重力场模型阶次的提高、局域重力场计算范围的增大,其计算速度往往不能满足工程需求。针对这一问题,在对位系数模型泰勒级数展开的基础上提出了采用向量运算、混合编程的方法,同时对连带勒让德函数Belikov递推方法中与经纬度无关的量进行了预先计算,有效提高了计算速度。提出的方法对于利用超高阶次重力场模型快速解算大范围、高分辨率重力场元数据以及累加求和计算具有一定的参考与借鉴意义。     

豫西地区雷暴预警预报系统构建方法研究

目前,基层台站在雷暴预警预报中主要依赖传统经验预报方法,而对卫星云图、大气电场、多普勒雷达回波和高分辨率数值预报产品等资料释用水平不高,存在主观定性分析多、客观定量计算少等不足。依托现有气象资料和雷暴预报方法,以雷暴预警预报系统构建为目标,从气象数据仓库构建、支持向量机雷暴预报、相似预报雷暴预报、Poor Man集合预报技术和多源数据融合分析等方面,探讨了雷暴预警预报系统构建方法,实现了雷暴中期预测、短期预报和短时临近预警三个层次的预报功能,解决了气象资料庞杂难以管理、数值预报产品释用水平不高、数值预报结果存在"跃变"、多源数据融合分析缺乏手段等问题,提高了基层台站雷暴预报工作效率和预报水平,同时也为其他地区类似系统构建提供了参考。     

支持向量机的车载雷达点云目标识别

为了进一步研究移动测量系统的数据处理问题,该文根据点云的基本特征,归纳了由7个特征构成的点云原始特征向量,在此基础上,结合语义环境构建了由17个特征构成的点云扩展特征向量,并采用支持向量机模型对车载LiDAR点云进行行道树点云识别的一系列实验。实验中采用粒子群优化算法和遗传算法对支持向量机进行参数寻优;采用不同特征向量和不同数目样本对点云进行学习和目标识别;分析了特征向量的学习曲线和识别精度。实验结果表明,支持向量机模型能够在行道树点云识别中取得较高的精度。     

一种裸露土壤湿度反演方法

针对目前土壤湿度反演方法研究较少且缺少实时性的现状,该文提出一种土壤湿度反演方法——最小二乘支持向量机技术。以积分方程模型为正向算法,数值模拟不同雷达参数(频率、入射角及极化)下后向散射系数随土壤含水量和地表粗糙度的变化情况。经过数据敏感性分析,选取C-波段和X-波段、小入射角下的同极化后向散射系数作为支持向量回归的训练样本信息;经过适当的训练,利用支持向量回归技术对土壤含水量进行了反演研究;并考虑通过多频率、多极化、多入射角数据的组合,消除地表粗糙度的影响,提高反演精度。模拟结果表明,该方法反演土壤湿度具有较高的精度和较好的实时性;同时,与人工神经网络方法的结果比较,证明了该方法的有效性,为土壤湿度的反演研究提供了一种方法。