北京城市绿化的时空动态分析

城市绿化覆盖是城市生态系统的重要组成部分,合理的绿化率和绿化布局可以改善城市环境,提高城市人居适宜性。研究中将2005、2010、2015年北京市土地利用（LUC）数据中的城市居民用地作为城区范围,应用Landsat 5、GF-1影像数据和MODIS产品,利用支持向量机的监督分类方法,提取了2005、2010、2015年的北京市城市绿化覆盖数据,并获取了同期的植被指数（NDVI）数据;继而以城市绿化覆盖率、绿化覆盖均匀度和植被指数为评价指标,在公里栅格和行政区2个尺度上探讨了北京市城市绿化覆盖的空间分布格局和时间变化动态特征。研究表明：① 3个指标在空间和时间2个维度、区县和栅格2个尺度上都表现一致。这反映北京市过去10年中,在绿化面积增加的同时,绿化的空间布局得到优化改善,绿化的质量得到提高。② 2005-2015年,北京市城市绿化覆盖面积由518.93 km² 增加到1405.54 km²,绿化覆盖率由39.9%增加到49.13%,绿化覆盖均匀度由0.598增加到0.653,植被指数由0.42增加至0.5。③ 北京市城市绿化建设存在明显的时空差异。中心城区绿化建设缓慢,成效不明显;重大绿化建设成果主要集中在城市边缘地区和远郊区县。城市绿化改善过程主要发生在2005-2010年。     

A New Retracking Technique for Brown Peaky Altimetric Waveforms

A new Brown-Peaky (BP) retracker has been developed for peaky waveforms that usually appear within ～10 km to the coastline. The main feature of the BP is that it fits peaky waveforms using the Brown model without introducing a peak function. The retracking strategy first detects the peak location and width of a waveform using an adaptive peak detection method, and then estimates retracking parameters using a weighted least squares (WLS) estimator. The WLS assigns a downsized weight to corrupted waveform gates, but an equal weight to other normal waveform gates. The BP retracker has been applied to 4-year Jason-1 waveform (2002–2006) in two Australian coastal zones. The results retracked by BP, MLE4 and ALES retrackers have been validated against tide-gauge observations located at Burnie, Lorne and Broome. The comparison results show that three retrackers have similar performance over open oceans with the correlation coefficient (～0.7) and RMSE (～13 cm) between altimetric and tide-gauge sea levels for distance >7 km offshore. The main improvement of BP retracker occurs for distance ≤7 km to the coastline, where validation results indicate that data retracked by BP are more accurate (15–21 cm) than those by ALES (16–24 cm) and MLE4 (19–37 cm).     

A-FPN算法及其在遥感图像船舶检测中的应用

光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测。A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值。实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8%,表明A-FPN模型适用于遥感图像船舶检测。     

XTE J1550-564 2001年“迷你爆发”的X射线能谱研究

黑洞X射线暂现源的迷你爆发是一类峰值光度较低、持续时间较短的爆发.由于观测数据较少,其物理机制仍不清楚.利用RXTE (Rossi X-ray Timing Explorer)卫星从2001年1月28日到3月14日的数据,研究了黑洞X射线暂现源XTE J1550–564 2001年迷你爆发的X射线能谱特性.发现在本次迷你爆发中, XTE J1550–564的X射线能谱可以用幂律谱很好地拟合.整个爆发的硬度强度图不是标准的q型,而是一直保持在最右侧.此外,还分析了此次爆发谱指数Γ与未吸收的2–10 keV能段的X射线流量F_(2–10 keV)的相关性,发现Γ-F_(2–10 keV)呈反相关关系,且谱指数Γ∈[1.35, 1.72].上述结果表明2001年这次爆发一直处于低/硬态,它的X射线辐射主要来自于辐射低效的吸积模式,如ADAF(Advection-Dominated Accretion Flow).     

南极中山站全天信息采集系统

南极高原拥有独特的天文观测优势,为了对南极中山站夜天文观测条件进行实测研究,中国科学院云南天文台专门研制了一套具有耐低温、自动除雪除霜等适应南极气候特征的全自动全天信息采集系统,该系统可以提供实时的全天云量、天光背景和全天图像,并将信息推送到网页实时显示。介绍了系统的研制及为适应南极气候进行的耐低温实验,统计分析了中山站2016~2017年的全天信息数据,结果显示,中山站2016和2017年的可观测时间为772.21 h和437.38 h,可观测夜数为93 d和51 d,天光背景最大真实值为22.05 Mag/arcsec 2,年平均气温为-10.6℃,最高气温19.1℃,最低气温为-44℃,2016年平均相对湿度为55.2%。     

基于圆柱多段拟合的隧道中轴线提取方法研究

提出基于圆柱多段拟合的隧道中轴线提取方法。首先对隧道点云数据进行预处理，并将点云按隧道走向分成不同区段；然后对各区段依据轴线与表面点云法线垂直关系，提取精度较低的中轴线；最后对各区段利用圆柱多段拟合，提取精度较高的中轴线。实验表明，隧道中轴线的提取在一定的采样区间具有较高的稳定性，对直线和弯曲的圆形隧道有良好的适用性，算法可靠，精度较高。     

基于云存储技术的海岛信息管理和 展示平台设计与实现

随着海岛遥感影像数据的不断积累,传统数据存储管理方法越来越难以满足需求。针对上述问题,利用云存储技术对海岛影像数据进行分块组织,建立分布式海岛影像数据集,并在优化数据存储的同时,设计了一套海岛信息多形式展示平台。实现了信息检索、数据传输与审核、分析评价、成果展示和共享等功能。     

一种云端一体化的土地督察遥感监测方法

针对目前土地遥感监测工作中存在的监测频次低和数据现势性差等问题，通过统筹获取国产卫星影像数据提升监测频次，设计了多源遥感影像的空间网格组织和调度方法，改变传统的影像切片发布模式，建立实时影像服务方法，大幅提升了土地督察遥感监测时效。通过在国家土地督察济南局试点应用，研发了云端一体化的土地督察遥感监测服务平台，实践证明基于空间网格的影像组织管理效率优于传统金字塔切片管理模式，有效支撑了违法用地、永久基本农田保护和城市开发边界突破等监测预警，应用成效显著。     

一种由粗到精的地面激光点云多层级配准方法

提出了一种综合利用快速点特征直方图(FPFH)描述符和同名点引导ICP优化的地面激光扫描(TLS)点云配准方法。该方法包括3个步骤:1)点云金字塔构建;2)基于FPFH的粗配准;3)同名点引导的ICP精配准。首先使用体素网格滤波器构造点云的金字塔结构,在粗配准时,FPFH描述符用于金字塔顶层上点云的鲁棒匹配,在此基础上,再进行两层级同名点引导的ICP精配准优化,使用3组典型TLS点云对进行实验,结果表明本文方法可以高效地完成TLS点云的配准。     

波段选择协同表达高光谱异常探测算法

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。