结合张量与互信息的混合模型多模态图像配准方法

多模态图像之间存在显著的非线性强度差异,并且图像会因为噪声而退化,因此,多模态图像自动配准是一项具有挑战性的任务.为了解决这两个问题,本文提出一种多模态图像自动配准方法,该方法分为预配准和精配准两个阶段.在预配准阶段,通过改进SIFT算法来大致对齐多模态图像.在精配准阶段,首先,利用块Harri s检测器在预配准后的参考图上提取均匀分布的特征点.然后,通过各向异性结构张量捕捉多模态图像中的结构信息来构建特征描述符,该特征描述符对噪声具有稳健性.更进一步,本文结合张量方向平行度和梯度互信息提出了一种相似度准则(tensor orientation and mutual information,TOMI).最后,本文用多种模态图像(包括Optical,LiDAR,SAR和Map)来评估提出的方法.试验结果表明,本文提出的方法对非线性强度变化和噪声具有较好的稳健性,并且匹配效果优越.     

LOESS用于GNSS垂向坐标时间序列噪声识别与提取

针对GNSS垂向坐标时间序列噪声复杂、精度较差等特点,采用局部加权回归模型(locally weighted regression, LOESS)对中国大陆构造环境监测网络中289个GNSS站的垂向坐标时间序列进行降噪分析。首先利用LOESS方法对预处理后的时间序列进行降噪处理,得到降噪后的时间序列及噪声序列;然后采用Durbin-Watson(DW)检验对降噪后的噪声序列进行自相关性检验,同时采用Wilcoxon秩和检验方法对降噪前后序列的标准差、噪声项、速度不确定度等指标进行显著性检验;最后采用降噪前后序列的信噪比及前3个指标来定量评价降噪效果。结果表明,各测站降噪后的噪声序列不存在自相关性,采用LOESS方法降噪处理后各评价指标均有显著改正,表明LOESS方法能够有效减少GNSS垂向坐标时间序列中的噪声,进一步提高GNSS垂向坐标时间序列的精度。     

草地退化对植物硅分布和植硅体碳汇的影响:以北方农牧交错带草地为例

草地生态系统中,硅(Si)不仅在植物生长过程中扮演着重要的角色,而且通过形成植硅体碳(Phytolith-Occluded Carbon,简称PhytOC)的方式参与陆地生态系统碳循环。近几十年来,由于人为干扰等因素导致的草地退化引起了广泛的关注。本研究中,我们选取了我国北方农牧交错带中30个不同退化程度的样地,分析了8种常见植物(共71个样品)地上部分Si含量和分布特征,并估算了植硅体碳产生通量。结果发现,随着草地退化的加剧,糙隐子草(Cleistogenes squarrosa)地上部分Si含量呈下降趋势,而羊草(Leymus chinensis)表现为先上升后下降的倒"V"型。不同退化程度样地植物地上部分Si平均含量分别为12.25±1.02 g/kg(轻度)、10.56±1.15 g/kg(中度)和8.06±0.93 g/kg(重度),而植硅体碳产生通量显著下降,分别为0.320±0.038 kg/(ha·a)、0.190±0.021 kg/(ha·a)和0.068±0.006 kg/(ha·a)(P<0.05)。研究表明,草地退化对不同种类植物的Si含量和产生通量的影响不同,这可能是由于植物的功能类型不同造成的。草地退化可以导致种群结构的变化和地上净初级生产力(ANPP)的降低,从而影响草地植物地上部分Si的分布和植硅体的固碳能力。当退化严重时,初步估算北方农牧交错带内草地植物地上部分植硅体固碳速率将下降5倍以上。