知识图谱在构建东北土地环境研究知识谱系中的应用

我国东北地区的自然环境状况一直备受关注,其土地沙化、荒漠化、林地草地退化、森林退化、土地盐碱化等土地环境变化的原因及监测一直是科研的焦点。随着“美丽中国中脊带”的提出,位于该线东北段附近的土地环境相关的研究也不断开展。在涉及该区域土地状况的研究中,常用研究方法有实地考察以及基于遥感卫星影像来进行分析,而本文利用知识图谱技术来构建相关文献研究的知识谱系,从另一个角度探究东北土地的环境状况变化因素。首先,由于知识图谱可以广泛探究文本数据之间的关联,且便捷高效,因此本文用科学知识图谱的有关方法对目前探究东北地区土地环境变化影响因素的4318篇CNKI文献进行挖掘,再用关键词共现的方法提取大量文献中已探明的目标因素,从而构建比较全面的基于东北地区环境研究的知识谱系,这一方法不仅省时省力,而且可以归纳出比较全面的影响因素;其次,结合聚类分析归纳出影响东北地区土地变化的主要因素,并进行分析。最后,选取词频前十的因素进行汇总,统计得出东北地区土地环境变化的影响因素,如影响土地沙化的因素中,频数最高的关键词有生态环境破坏、水土流失、沙尘暴等,影响土地沙化的因素中,水土流失、土壤沙化、水资源不足等频数最高,这些因素分别代表了我国东北地区土地沙化、荒漠化、盐碱化、草地草场退化、林地退化、森林退化以及黑土地退化等土地环境变化的最主要因素。这一方法将为今后从知识图谱文本挖掘的方面深入探究地理、气候等自然现象的影响因素提供新的思路。     

点云辅助GB-InSAR影像与地形数据应急变形监测方法

将采用地面三维激光扫描(terrestrial laser scanning, TLS)、地基合成孔径雷达干涉测量(ground-based interferometric synthetic aperture radar, GB-InSAR)和无人机航空摄影测量（unmanned aerial vehicle photography, UAV）的综合遥感方案应用于崩塌体应急监测。引入迭代最近点法（iterative closest point, ICP）,首先实现TLS点云和UAV影像离散点云配准;然后,利用几何映射方法实现GB-InSAR二维形变图与TLS点云三维匹配;针对崩塌体应急缺少人工目标辅助校正几何映射偏差的问题,综合目视解译以及峰值相关性分析提取各数据间的同名特征点,根据同名特征点计算空间坐标变换参数,建立变换方程来完成误匹配纠正。利用所提的匹配方法处理模拟数据及某滑坡崩塌残余体实际监测数据,结果表明实测匹配精度达像素级,满足应急监测需求。