基于多粒度时空对象的作战实体对象化建模研究

现代战争的军事作战数据来源广泛多样,目前对于军事作战的数据模型研究主要针对其时空属性进行描述,对于作战实体的多样化特征缺乏完整的表达,难以挖掘多维度的作战信息。多粒度时空对象建模是依照多粒度时空对象数据模型框架,将时空实体简化和抽象为数据模型,对复杂的现实世界进行概括与表达。本文在分析作战实体信息和特点的基础上,依托多粒度时空对象建模的思路,建立作战实体对象类并构建作战对象模型,对战争中时空实体的关联关系、组成结构和行为能力等特征的抽象与表达进行了探索,全面多维地描述作战实体及其特征变化,并以阿富汗战争中的美军凯克提特遣队为例进行对象化建模与可视化实现。实验结果表明,多粒度时空对象建模方法能有效表达作战实体的多维特征,在战场信息挖掘上具有精确立体、全面多维的优势,为面向对象的精细化作战研究提供了理论基础。     

基于BP神经网络的多特征融合变化检测方法

当前,随着遥感影像空间分辨率的提高,传统的变化检测方法已经无法满足实际应用的需要。针对这一问题,引入BP神经网络,提出了一种多特征融合的遥感影像变化检测方法。在提取影像光谱特征、纹理特征和空间特征的基础上,构建了用于进行二类分类的BP神经网络模型,并在一定数量的样本支持下,有效完成了变化信息的提取。实验表明,文中方法相比于传统的影像代数法和仅使用对象光谱特征的方法,在保持较高正确率的情况下,有效降低了漏检率和虚警率。     

北京市2020年TSP水溶性离子特征研究

大气颗粒物中水溶性离子成分对大气中酸度变化有着重要影响,研究2020年疫情期间人们出行变化对TSP水溶性离子的影响,并对污染来源进行分析,为有针对性地开展大气治理工作提供数据支持。利用大流量采样器采集2020年疫情期间北京南郊观象台全年的总悬浮颗粒物（TSP）,提取其水溶液,用离子色谱法进行离子分析,并利用ISOPRROIA模型计算其pH值。结果表明,2020年疫情期间TSP质量浓度为17216±9051 μg/m3,其中水溶性离子成分占TSP质量分数的1763%。2020年1—5月,疫情主要防控阶段,车辆较少,南郊观象台主要为混合型污染。2020年6—12月,逐步复工复产,车辆变多,南郊观象台主要受到移动源污染影响。疫情期间TSP主要的水溶性成分为Na2SO4和NaNO3,其pH值大多显酸性,部分呈现中性。2020年1—5月,TSP的pH值在一定程度上受到SO2-4和NO3-的共同影响,离子的质量浓度越大,其酸性在一定程度上越强。TSP中的部分NO3-是由NO2转化而来。     

基于倾斜摄影技术构建实景三维产品的应用开发研究

介绍了倾斜摄影技术特点以及配套的硬件和软件系统;分析了基于倾斜摄影技术构建实景三维产品的关键问题和生产流程,并利用RCD30倾斜数据进行了实景三维产品的生产,掌握了基于倾斜摄影技术构建实景三维产品的生产技术路线。通过应用开发试验,设计出三款特点不同的三维实景模型功能演示系统,为构建实景三维产品提供了一种可行的技术开发途径。