利用OpenStreetMap数据进行高空间分辨率遥感影像分类

针对高分辨率遥感影像分类样本标注困难的问题，提出了一种利用OpenStreetMap （OSM）数据自动获取标注样本的方法。与现有的利用OSM数据进行分类的方法不同，该方法加入了空间特征以弥补单独使用光谱特征分类的不足。首先，基于OSM数据提供的地物类别和位置信息进行样本标注，为了降低OSM数据中少量错误信息对分类结果的影响，采用聚类分析的方法对样本进行提纯；其次，使用形态学轮廓来提取影像的结构特征，挖掘高分辨率遥感影像丰富的空间信息，与光谱特征相叠加并输入分类器进行分类。试验证明，本文提出的方法能够有效避免人工样本标注所需要的人力物力；同时，联合影像的光谱空间特征能够更好地描述地物特性，得到较高的分类精度。     

GIS与小波神经网络下热带气旋路径的预测

提出了一种应用GIS技术与神经网络相结合进行热带气旋路径预测的方法。首先在GIS的时空数据库基础之上建立热带气旋数据库。针对待预测的热带气旋,利用GIS的空间分析功能对历史气旋数据进行筛选形成样本数据。用样本数据对小波神经网络进行训练从而完成神经网络的建模,并利用此模型对热带气旋的路径进行预测。试验表明该方法可以得到较好的预测结果。