高逼真度虚拟森林环境的半球成像方法模拟分析

半球成像方法可广泛应用于植被结构参数及冠层光合有效辐射测量等领域。高逼真度虚拟森林环境的半球成像方法模拟及验证可用于定量评估半球成像方法测量精度及地面验证研究。但高逼真度虚拟森林环境下半球成像方法模拟面临场景复杂度高、面片数巨大、模拟效率低等难题。首先,论文以高逼真度虚拟森林环境构建原理建立了不同林分密度、树木分布模式、场景大小及树木种类等特征的虚拟森林环境库;然后,在采用光线跟踪算法开展半球成像方法模拟时,对比分析了4种数据结构分割平面搜索方法,即空间中分法、对象中分法、启发式排序法和启发式BIN分区法,结果表明,启发式排序法性能最佳;最后,以高逼真度虚拟森林环境库,对比分析了传统方法、Kdtree、BVH、Octree 4种数据结构方案组织、管理单树几何模型及虚拟森林场景两级数据集效率,并选择场景节点遍历数、单树几何模型节点遍历数、单树几何模型遍历数、面片遍历数及平均计算时间等参数作为衡量数据结构组织方案性能的定量化指标,研究发现Kdtree数据结构方案较其他3种数据结构方案更为优越,因此,其可作为高逼真度虚拟森林环境库的半球成像方法模拟之首选。     

结合ICESat-2和GEDI的中国东南丘陵地区ASTERGDEM高程精度评价与修正

星载激光雷达ICESat-2和GEDI可以为数字高程模型产品的精度评价与修正提供全球覆盖的、可靠的高精度参考数据源。然而,现有的DEM修正方法主要是针对DEM误差中的植被高信号且多采用线性回归模型。为此,本文分析了ASTER GDEM v3精度与土地覆盖类型、高程、坡度、起伏度及植被覆盖率的关系。在此基础上,提出了一种考虑上述多种精度影响因素并结合XGBoost和空间插值的DEM误差修正方法。结果分析表明:原始ASTER GDEM的误差整体呈正态分布,平均误差为-3.463 m,存在较大负偏差,高程精度随着高程、坡度、起伏度及植被覆盖率VCF的增大呈降低趋势;经过修正后,ASTER GDEM平均误差降低到了-0.233 m,负偏差得到有效改善,整体平均绝对误差降低了26.04%,整体均方差降低了23.56%,耕地、林地、草地、湿地、水域及人造地表的DEM平均绝对误差和均方差都有不同程度的降低;本文提出的方法对多种特征要素与地形误差间的非线性关系进行拟合建模,在研究区取得了较好的修正效果。     

可视化空间聚类挖掘算法及系统实现

空间聚类与传统聚类方法的区别之一在于空间聚类是对空间实体的集群性进行分析,在聚类过程中需考虑模式在空间分布上的一种或几种结构特征,如模式间的远近关系、拓扑关系、方位关系、疏密关系等。然而,传统聚类算法大多忽略空间结构特征对聚类结果的影响。同时,传统数据挖掘过程往往是“黑箱”作业,用户不论感兴趣与否都只能被动地接受挖掘结果,而且结果往往是抽象的、不易理解的。本文对基于MST的可视化空间数据聚类挖掘算法进行了研究,利用Delaunav三角网和MST最小生成树使得地理实体的邻接度与其他属性数据一起参与了空间聚类处理,同时用J2EE技术开发可视化空间聚类挖掘工具,为此类应用系统的建立提供了一种实用的可行方案。