一种基于倾斜摄影测量点云密度自适应分割的建筑物边界提取方法

针对倾斜摄影场景中建筑物单体化问题,本文提出了基于倾斜摄影测量点云数据的建筑物识别和边界提取自动化算法。首先,对点云进行预处理,去除地面点和噪声点;然后,对点云进行二维栅格化处理,按间隔距离预分割;最后,结合改进的大津算法和区域增长算法,从预分割点云识别其中的建筑物,并提取建筑物边界点。从广东省江门市和湛江市选取两处试验区域对算法进行测试,结果表明:区域内建筑物点云均能准确被分割识别,建筑物边界提取准确度分别为87.8%与92.3%,说明本文提出的方法对于倾斜摄影测量建筑物识别和边界提取的适用性较强。     

FLUS-UGB多情景模拟的珠江三角洲城市增长边界划定

城市增长边界（UGBs）能够控制城市空间的无序蔓延并引导城市合理增长,多发展情景下的UGBs是对不同规划条件下城市未来发展空间范围进行界定的常用方法。元胞自动机（CA）模型能对未来城市发展进行动态的预测,并已广泛的应用于UGBs的划定中。然而,目前的方法和模型大多只针对单一的城市发展情景进行UGBs的划定,较少能对未来多种发展情景下的UGBs进行准确划定。因此,针对这个问题本文提出了一种基于未来用地模拟（FLUS）模型和膨胀与腐蚀的算法的多情景UGBs划定模型（FLUS-UGB）。本文选取珠江三角洲地区为研究区,在对2000-2013年珠江三角洲地区城市土地利用进行模拟和验证的基础上（Kappa系数为0.715,总体精度为94.539%）,预测了2013-2050年基准、耕地保护及生态控制3种情景下珠江三角洲地区的城市扩张,并根据预测结果对该地区UGBs进行划定。结果显示,该方法能够针对不同的城市发展情景进行相应UGBs的划定,具有较好的可靠性及适用性。