采用目标端元修正的高光谱混合像元盲分解

针对非负矩阵盲信号分离(NMF)用于混合像元分解易陷入局部极小值的不足,将非监督端元提取与盲分解方法相结合,构建了一种基于目标端元修正的混合像元盲分解模型(ATGP-NMF)。ATGP-NMF模型利用非监督正交子空间投影算法(ATGP)和非负最小二乘法(NNLS)获取NMF盲分离的初始值,然后将获得初始目标端元光谱与丰度输入NMF模型,通过迭代运算不断逼近优化目标而得到最终的端元光谱和端元丰度。为了检验模型对于各类数据的有效性和适用性,将ATGP-NMF与传统NMF分别应用于模拟仿真数据、室内控制数据和真实遥感影像3类实验数据进行分析验证。结果表明,ATGP-NMF模型具有较好的适用性,在没有先验信息、先验信息很少,以及纯像元假设不存在情况下都能较好地分解混合像元,且能够更好克服局部极小问题,提高混合像元分解的精度。     

基于蒙特卡洛生存分析探究东北森林物候的影响因素

植被是生态环境变化的指示器,分析植被物候的影响因素不仅有助于气候变化分析,提高区域气候模式的模拟精度,而且对于准确评估植被生长趋势、生产力以及全球碳收支均具有重要意义。基于遥感的植物物候监测已取得了长足的发展和进步,但当前利用大范围、长时间序列的遥感数据分析植被物候影响因素的研究尚不多,采用线性回归模型对非线性的植被物候影响因素进行分析可能存在偏误。因此,本文提出一种基于蒙特卡洛模拟的生存分析方法,对东北森林物候的影响因素进行量化分析。首先利用东北森林地区1982-2009年间AVHRR GIMMS NDVI数据,应用双Logistic曲线拟合方法对植被春季返青期（SOS）、秋季落叶期（EOS）及植被生长期（GSL）进行提取;然后基于蒙特卡洛模拟和生存分析构建植被物候影响因素分析模型;最后运用所构建模型探讨了东北森林区春季返青期、秋季落叶期的可能影响因素。结果发现：温度、降水和风力对中国东北森林关键物候期有一定影响,其中温度是春季返青期和秋季落叶期的最主要驱动因素,长期平均温度比短期内的温度突变对物候影响更显著,落叶期前的风速增加有可能使落叶时间提前;除了环境因素,春季返青早的年间秋季落叶倾向于更晚。研究表明,结合蒙特卡洛方法的生存分析可以较好地对物候期的影响因素进行定量分析,可为物候现象的归因分析提供一种新的方法。     

降雨天气下城市道路速度变化的差异及其影响因素

以深圳市雨量监测数据和大规模出租车GPS数据为数据源，计算城市各道路在雨天相对于晴天同时段速度的变化率。结果发现，降雨并不总是造成道路速度下降，研究区中约30%道路的速度会有不同程度的上升。运用多元线性回归模型分析降雨量、道路等级、车流量、晴天同时段的速度等影响因素在速度下降和速度上升两类道路上的作用差异。结果表明，对于速度下降的路段，降雨量、晴天同时段的速度、雨天车速的变异系数及车流量越大，道路速度越易受影响，下降幅度越大。公交站点的数量增加有助于缓解道路速度下降的幅度。道路等级不显著而道路在晴天同时段的速度显著，表明降雨天道路速度下降的程度与其在正常交通条件下的实际通行速度之间的关系更紧密。对于速度上升的路段，降雨量、雨天车速变异系数越大，道路速度上升幅度反而越大。晴天同时段的速度越低的道路，其速度有更大的上升幅度。     

基于居民出行活动特征的个体经济水平推断方法

提出了一种基于居民出行活动特征的个体经济水平推断方法。从出行轨迹的移动性指标、基于居住地的出行特征和出行活动链模式3个方面提取13维出行活动特征，以广州市居民出行日志调查数据为训练和测试数据，利用随机森林方法进行个体经济收入水平的推断与检验。结果表明，该方法能够获得最高80%的个体收入水平推断精度。基于家的出行特征（如工作时间（9:00-18:00）离家距离众数等、出行链模式）以及与出行范围有关的移动性指标（如最大距离、回旋半径）在推断个体经济水平上的重要性较高，而衡量出行地点空间异质性的指标（如空间多样性等）重要性相对较低。     

雷达差分干涉测量及其在地表沉降中的应用与展望

阐述了雷达差分干涉测量(D-InSAR)的基本原理,概括了国内外目前应用比较广泛的D-InSAR模型,针对长时间序列的城市地表沉降监测,应用较多的是基于相干点目标选择,相关的技术包括PSI、SBAS、CRT、CTA。通过多景数据的套合达到消除大气误差相位的目的。进一步总结了相关D-InSAR技术在地表沉降方面的应用进展。相关研究表明,D-InSAR技术能够应用于城市地表沉降监测,并且能够达到较高精度,逐步形成了完善的理论体系和技术处理流程。而且随着技术的发展,监测的时间尺度也在不断扩大、进一步拓展D-InSAR的试验区域。多种数据的结合和补充、方法的有效结合以及与传统的GPS、水准仪测量方法的结合是今后进一步关注的焦点和研究重点。     

基于零膨胀贝叶斯时空建模的精细尺度伪基站垃圾短信分析方法

伪基站垃圾短信活动存在显著的时空自相关和异质性现象,采用时空分析方法可以精准把握伪基站的移动规律和行为模式,为相关部门综合施策、探索长效管理机制提供科学的依据。然而,精细尺度下垃圾短信数据集中过多零数据导致的零膨胀问题,使当前的时空分析方法并不适用。为此,本文以2017年2月23日至2017年4月26日北京市色情服务类垃圾短信数据为例,构建零膨胀贝叶斯时空模型,不仅可以解决零膨胀问题,而且可以综合分析伪基站的空间、时间、时空效应以及外部影响因素,以识别伪基站活动的相对风险高值区、探究城市建成环境对其的影响。结果发现：在数据集中零值占比高达83.46%的情况下,基于零膨胀泊松分布的贝叶斯时空模型具有更好的拟合精度;色情服务类垃圾短信空间上的高风险区域主要聚集在北京市主城区的东部,风险值最高的区域属于朝阳区;周四、五、六风险趋势会相对增加,且18:00至次日02:00为高发时期;伪基站一般18:00从主城区的西南部开始向东北方向移动,凌晨01:00聚集在朝阳区西北部区域;商务住宅与住宿服务类城市环境与垃圾短信呈正相关,餐饮服务与派出所类城市环境呈负相关。研究表明,零膨胀贝叶斯时空模型为精细尺度的伪基站垃圾短信研究,提供了一个可以有效整合多个时间截面的分析数据、充分考虑伪基站的时空关系和外部影响因素并解决数据中存在零过多现象的方法,为发展和验证伪基站的环境犯罪学理论提供了一种重要的分析方法。     

基于EVI指数的DMSP/OLS夜间灯光数据去饱和方法

DMSP/OLS夜间灯光数据被广泛应用于表征人类活动强度及其生态环境影响的诸多研究中,但因OLS传感器设计的局限,在用电强度较高的城市中心,灯光信号存在明显的饱和,这一不足可能影响到一些基于夜间灯光数据研究成果的可靠性。针对这一问题,NOAA-NGDC研发了辐射定标算法,但因缺乏星上定标系统,算法较为复杂,且受较多条件限制等原因,目前只有部分时期的辐射定标数据产品（RCNTL）。近期有学者提出一种基于植被指数NDVI构建的城市灯光指数VANUI,为灯光数据去饱和研究提供了一个操作简单且结果良好的方法,但该方法在一些城市效果不佳。基于此,本文综合利用夜间灯光与EVI指数信息,通过对VANUI指数构建方法进行改进,建立了一个新的缓解夜间灯光强度饱和的EANTLI指数。为了评价指数的效果,将EANTLI与VANUI从三个方面进行比较：① 区分、识别饱和区内地物的能力;② 与RCNTL的拟合程度;③ 对用电量估算的效果。结果表明：EANTLI在三个方面均表现出优势,在潜在饱和区内对特征地物具有更高的可区分性,与RCNTL的线性相关程度更高,与用电量的相关性相比于NTL、VANUI亦明显提高。因此可以认为EANTLI在指数的设计上较为合理,不仅易于计算,而且能达到较好的缓解灯光强度饱和、凸现城市内部差异的目的,在用于反演城市发展指标时能获得更为准确的结果,因此具有较高的应用价值。     

基于高光谱特征选择和RBFNN的城市植被胁迫程度监测

以Hyperion星载高光谱数据为例,基于指数提取-特征选择-分类识别-模式分析的思路,分析广州市的城市植被胁迫状况。提取与胁迫相关的高光谱植被指数,对其进行相关分析,滤除相关性很高的植被指数,利用选取的特征应用RBF(径向基函数)神经网络对城市的植被胁迫程度进行分类,对广州市受胁迫植被的空间分布及其原因进行分析。研究表明:运用特征选取和RBF神经网络可以较好的区分城市植被受胁迫的程度;城市植被受胁迫的程度与城市交通污染、人为干扰相关性比较大;受胁迫植被的强度分布呈现从城市中心向外的梯度变化,在大块绿地外围呈环状分布。     

广州大都市登革热时空传播混合模式

以广州市2014年登革热疫情早期11周内679个登革热病例数据为例,提出了一种基于扩展Knox检验的疾病时空传播网络模型,研究登革热疫情早期时空传播特征。首先,应用扩展Knox检验方法发现2周1 km内、1周5~7 km两个时空标度下,病例之间具有显著的时空交互特征;其次,提取两个时空标度下的病例点对,分别构造时空近邻传播（STAT）网络和日常移动传播（HDMT）网络;最后,对STAT和HDMT传播网络的同配性、空间特征、网络中心位置进行对比分析。结果显示,广州市登革热传播是空间近邻交叉传播和空间扩散传播的混合传播模式;利用STAT网络亲近中心度标识出的“爆发中心”与病例空间核密度中心基本重合,HDMT网络中介中心度标识出的“扩散中枢”多位于城市快速交通干线附近。     

基于粗集均值滤波的Hyperion高光谱数据滤噪方法

高光谱图像滤噪处理直接影响后续分析结果的精确度乃至正确性,鉴于此,针对Hyperion高空间分辨率和高光谱分辨率的特征,在比较分析目前各种高光谱遥感数据噪声滤波方法的基础上提出一种基于粗集均值滤波的噪声滤除方法,即先用上下近似空间和门限值刻画边缘,再用均值滤波。将该方法的实验结果与常用的高光谱数据MNF噪声分离算法和低通滤波算法的结果进行比较,发现基于粗集概念的均值滤波具有较好的保边去噪效果,其误差小、光滑性好、自适应能力强以及能够较好的保留细节信息,但需要通过交互确定门限;在处理不完整性、不确定性等问题时,粗集算法比硬计算效果更好。