Python和FME下的疫情数据可视化

信息化和大数据时代提供了海量的数据源,而FME平台和自然开发语言Python给数据挖掘增添了无限可能,使数据真正地为我所用.针对COVID-19数据,设计了从数据爬取到数据可视化,再到轻量级Web应用发布和集成展示的一整套算法与流程.     

遥感视频卫星应用展望

目前遥感技术发展迅速,人类逐步进入了以高时间分辨率、高光谱分辨率和高空间分辨率为特征的对地观测新时代。视频卫星的出现为遥感实时对地观测提供了新的契机,契合未来遥感即时商业发展的需求。首先总结视频卫星的国内外发展现状和趋势,介绍视频卫星的成像原理,对比视频卫星的滚扫式成像模式与传统卫星的推扫式成像模式的差异,展望了视频卫星未来在大型商业区车辆实时监测、自然灾害应急快速响应、重大工程监控和军事安全等4个重点领域的应用潜力。     

多源卫星遥感数据陆表水体产品生成方法研究EI北大核心CSCD

陆表水体是水资源管理、水生态治理及洪水应急监测不可缺少的基础信息,多源卫星遥感为研制陆表水体产品奠定了坚实的数据基础。论文首先对目前陆表水体制图产品和方法进行总结,构建全球地表水体产品验证样本集,分析评估全球中高分辨率陆表水体产品制图精度,基于Google Earth Engine(GEE)遥感大数据平台开展2000年和2018年中国区域陆表水体频率产品研制,提出了针对多源国产中高分辨率陆表水体智能提取方法,分析了21世纪以来中国区域陆表水体时空变化特征。     

土壤水分微波反演方法进展和发展趋势

土壤水分是连接地表水循环和能量循环的关键参量,精确获取该参量对于理解气候变化、地表水文过程、地气间能量交换机理等具有重要意义。微波遥感由于其较为合适的探测深度和坚实的理论基础在观测地表浅层土壤水分上具有很大优势,结合反演方法可以获取空间连续的土壤水分含量,有助于更加客观认知土壤水分的时空演变机理。随着微波遥感数据的不断丰富,多种微波遥感土壤水分反演方法相继涌现,为了更好地了解其发展和趋势,本文总结了当前土壤水分微波反演常用的卫星遥感数据并分析其发展趋势,后从主动微波反演、被动微波反演和多源协同反演3个方面梳理了各类土壤水分微波反演方法的原理、发展和优缺点,最终总结出目前微波遥感土壤水分反演方法的发展趋势：即土壤水分微波反演方法的时空普适性逐渐增强、面向高时空分辨率的土壤水分微波协同反演方法快速发展以及土壤水分微波反演方法的智能化水平不断提高。     

高光谱遥感技术及其水利应用进展

面向新时期水利行业“补短板”和“强监管”的应用需求,遥感的前沿技术高光谱遥感凭借较高的光谱分辨率和图谱合一等优势,在水生态、水环境等水利行业的应用中发挥了重要作用,同时在水灾害、水资源等层面中也存在着一定的应用潜力。本文介绍了高光谱遥感的成像原理,回顾了成像光谱仪的发展,列举了目前国内外典型的高光谱载荷。重点介绍了高光谱遥感在水利行业的应用进展,包括水华及水生植物监测、水华和水草精确区分、叶绿素浓度反演、悬浮物浓度和泥沙含量定量估算等具体工作。指出高光谱遥感在实时大范围洪涝灾害应急监测、陆表水文参数定量反演等工作存在一定的发展潜力。最后对高光谱遥感在水利行业的应用存在的瓶颈问题进行总结分析并提出展望：多平台高光谱水利要素立体监测与集成技术研发;水利典型地物要素标准波谱数据库构建;水利高光谱遥感信息智能挖掘的理论方法研究。为拓宽高光谱遥感在水利应用中的研究提供参考。     

遥感视频卫星运动车辆目标快速检测

随着遥感卫星成像技术的快速发展，遥感视频卫星的出现为运动车辆目标信息获取提供了新手段。然而在遥感卫星视频中，运动车辆目标仅为几个或十几个像素并与背景的对比性较低，难以获取车辆的局部细节特征，使得传统监控视频的运动车辆检测方法直接应用到卫星视频图像会存在很多的问题。在分析遥感卫星视频运动车辆目标检测与传统监控视频运动车辆目标检测差异的基础上，本文提出了一种感兴趣区域自动约束的遥感卫星视频运动车辆快速检测方法：首先是快速自动获取运动车辆目标的感兴趣区域；其次在感兴趣区域约束下，基于改进的高斯背景差分方法实现感兴趣区域内运动车辆快速检测。应用Skybox-1卫星视频数据进行了运动车辆目标检测实验并进行了定性与定量分析。实验结果表明，本文方法可以有效自动减少动态背景变化导致的伪运动目标，具有较高的检测率、较高的检测质量、极低的虚警率以及较高的运行效率，可自动高效实现卫星视频图像中运动车辆目标的高精度检测。     

规划建设管理"一张图"平台设计与实现

依托国土空间规划、招商引资和工程建设管理信息,充分利用二三维地理信息和互联网等先进技术,以服务武汉长江新城管委会为例,搭建了规划建设管理"一张图"平台.平台能对国土空间规划编制成果、招商引资项目和工程建设项目进行直观、精准、统筹管理,打破了部门之间的壁垒,实现了建设项目从规划、选址、落地、建设到竣工的全生命周期管理,为全国其他城市开展"智慧城市"及其相关应用提供了参考.     

基于独立成分分析和随机森林算法的城镇用地提取研究

城镇用地信息是联合国2030年可持续发展议程关注的重点之一。城市在世界范围内迅速扩张,快速准确地获取城镇用地信息对于政府决策具有重要作用。城镇土地覆盖信息非常复杂,包括人工建筑、树木、草地、水体等多种地表覆盖类型。基于传统人工测绘获取城镇用地信息费时费力并且难于及时更新。Landsat等遥感卫星数据为城镇用地信息提取提供了丰富的数据源。基于卫星遥感数据提取的城镇用地信息可以为未来城市的建设和管理提供基础的科学决策数据。基于监督分类方法和卫星遥感数据可快速地提取城镇用地信息,然而特征变量的选择对于高精度城镇用地信息提取尤为重要。为研究不同特征变量组合对于城镇用地信息提取的影响,以北京市为研究区,以2017年7月10日获取的Landsat 8 OLI影像为数据源,通过数据预处理、纹理提取、独立成分分析、主成分分析等得到4个维度的29个特征,选取了7种特征组合方案进行城镇用地提取。考虑随机森林算法性能稳定,分类精度高和可以方便进行特征重要性评价等优点,选择其作为监督分类算法以提取城镇用地信息,并进行了精度评定,以确定最优的城镇用地提取特征组合。研究发现：综合利用光谱特征和独立成分分析后的影像特征,提取城镇用地的总体精度为93.1%,Kappa系数为0.86,优于利用其他特征的提取结果;基于随机森林算法对数据进行训练后输出的各变量的归一化变量重要性与特征均值的标准差结果存在相似性,利用随机森林算法的变量重要性估计与特征均值折线图都可以进行变量重要性评价。