基于多密度聚类算法的路网提取

随着GPS等定位系统的迅速发展,使得路网提取有了新的发展方向,然而目前利用浮动车GPS轨迹数据提取路网的方法层出不穷,但是提取效果却并不能尽如人意。本文将基于网格密度因子的多密度聚类算法引入路网提取,通过该方法对疑似特征点进行聚类来提取道路特征点,来构建道路几何网络,并通过对比分析取得了不错的实验结果。     

基于MST聚类的空间数据离群挖掘算法

空间离群是指空间邻域中属性特征值明显不同于其他对象的空间对象,空间数据离群挖掘能为人们提供很多有趣的信息,但空间数据具有复杂的拓扑关系、方位关系和度量关系等空间特征,传统的面向事务型数据库的离群挖掘算法并不适用于空间数据库。本文提出了基于MST(Minimum Spanning Tree,最小生成树)聚类的空间数据离群挖掘算法(SOM);有机结合了最小生成树理论与密度的方法,既体现了空间离群的局部特性,又体现了空间离群的孤立程度。该算法通过MST维护空间数据的基本空间结构特征,通过打断MST中最不一致的边形成MST聚类,不仅具有密度的聚类方法能够聚集非球状簇和分布不均的数据集的特点,而且聚类结果不依赖于用户参数的选择,因此,离群挖掘结果更合理。最后,通过实例数据,验证了该算法的有效性,它适用于大规模空间数据集的离群挖掘。     

多时间尺度密度聚类算法的案事件分析应用

时空聚类是数据挖掘研究的主要内容之一,在环境保护、疾病预防与控制、犯罪预防与打击等领域具有重要的应用价值。已有的时空聚类方法中,时间“距离”都认为是真实的间隔,而对于具有社会属性的案事件而言,其在不同时间尺度下具有明显的周期性特征,忽略这些特征将很难反映出案事件真实的时空规律。本文综合考虑多时间尺度下的时间属性,构建等效时空邻近域,并借鉴经典的密度聚类算法,提出了多时间尺度等效时空邻近域密度聚类算法（MTS-ESTN DBSCAN）。通过对福州市区2013年案事件数据的聚类分析表明,该方法在案事件时空聚类方面具有可行性,对于进一步深入研究城市犯罪地理具有一定的理论意义和实际价值。     

MODIS影像的局地云量信息元数据提取算法与应用

云对于光学遥感影像质量及其反演地表参数精度有着重要影响,且其作为时空多变要素之一,在一定程度上制约了光学遥感影像的应用。对于具有2 330km的大扫描幅宽MODIS影像而言,现有的元数据标准仅能反映影像的总体云量,而无法反映云的空间分布状况,限制了MODIS数据的局地研究和应用。本文在现有遥感影像元数据标准的基础上,提出了新的元数据项--局地云量,用于反映云在条带影像中的空间分布状况,并实现在MODIS二级云掩膜条带产品(MOD35)中针对特定区域的局地云量信息提取算法。经验证,本算法能较快速和准确地提取省级行政区的局地云量信息,并可根据用户的需求进一步推广到任意指定的多边形区域,为MODIS数据在局地研究和应用提供了便利。     

模糊混合聚类法在农药污染研究的应用

本文综述性地介绍了模糊混合聚类法的基本原理,并用商丘大吴庄均衡试验区的土壤乐果含量的实测资料,具体说明了模糊混合聚类法在农药污染研究中的应用过程。     

一种逐级合并OD流向时空联合聚类算法

现有OD流向聚类多将O点和D点相分离或者将OD流向看作4维空间的数据点进行聚类处理,忽视了流向长度、方向、时间对流向聚类的影响。本文以流向作为研究对象,提出一种基于流向间相似性度的逐级合并OD流向时空联合聚类算法。首先在充分研究OD流向的空间信息和时间信息的基础上,构建合理的OD流向间时空相似性度量方法,对OD流向间的时空相似性进行量化;然后提出逐级合并OD流向聚类策略,优化类簇合并的顺序,以减少层次聚类的时间开销,实现OD流向的时空联合聚类。以成都市的滴滴出行OD数据和纽约市出租车数据为例对本文方法进行了验证,结果表明：① 本算法聚类获得的流向类簇不仅带有空间特征还具备时间特征;② 在不同参数下本方法可以得到不同时空尺度的聚类结果;③ 与现有较高水平的流向聚类算法相对比,本文方法的聚类效果更好。这体现在流向类簇内部的流向之间有着充分的相似性,以及本文方法不仅可以提取出显著的流向类簇,还可以提取出非热点区域之间的流向类簇。本算法顾及空间因素和时间因素,可以通过调整时空相似性度量方法中的时间参数和空间参数以实现不同时空尺度的流向聚类,这使得从不同时空角度研究城市居民出行模式成为可能。本文提出的OD流向时空联合聚类算法从联合时间信息和空间信息的角度获得对运动数据的新见解,有助于合理全面地研究居民的移动模式、区域之间的空间联系、已知出行结构的确定以及出行目的的探索,是后续一系列分析工作的基础。     

基于局部空间信息KFCM的遥感图像聚类算法

针对模糊C均值(Fuzzy C-Means, FCM)算法,不能有效地对夹杂噪声的遥感图像聚类的问题,本文提出了一种基于局部空间信息核模糊C均值(Kernel Fuzzy C-Means, KFCM)的遥感图像聚类算法。首先,运用核函数将遥感图像的所有像元映射到高维特征空间,通过非线性映射优化遥感图像的有用特征;然后,根据相邻像元之间的相关性,利用一种空间函数重新定义像元的模糊隶属度,将像元的局部空间信息引入到FCM算法中,并在高维特征空间中使用这种基于局部空间信息的FCM算法对像元聚类。由于引入了像元的局部空间信息,算法可以直接应用于原始遥感图像,不需要滤波预处理。大量实验结果表明,本文提出的基于局部空间信息KFCM的遥感图像聚类算法具有较强的抗噪能力,可得到较好的同质区域,优于现有的FCM算法、模糊局部信息C均值(Fuzzy Local Information C-Means, FLICM)算法及KFCM算法。     

基于行为聚类算法的土地利用聚类适宜性分析研究

为了在较少地类的基础上,深入研究土地利用变化过程,可把较多的地类合并成较少的具有重要变化特征的地类.本文运用基于行为聚类的方法,将净增加和净增加的地类合并或净减少和净减少的地类合并,但不能将净增加和净减少的地类合并.主要分为3个阶段实现:第1个阶段是完全不变阶段,聚类结果是形成综合的完全不变地类;第2个阶段是完全减少和完全增加阶段,该阶段将完全减少地类和完全增加地类分别进行合并;第3个阶段是转变阶段,该阶段计算了每一对有相同净变化方向地类的相互转变信息.基于行为聚类的算法在每一步的计算过程中都会保留净变化面积为常数,转变变化面积保留最大化.本文对3个聚类原则进行了数学证明,定义了6种聚类行为,以云南省土地利用分类体系为例,从面积变化和强度变化2个角度阐述了行为聚类方法的可行性和优势性.最后,与刘纪远等建立的土地利用遥感监测分类系统进行比较,结果表明:行为聚类算法聚类到9种类型时,类型总变化面积达到5.10%,比原始类型的总变化面积下降了0.06%;而基于遥感监测分类系统的6个一级分类将总变化减少至4.7%,与聚类算法比较,总变化面积减少了0.4%.实践证明,行为聚类的算法可更好地保留土地利用动态变化信息,证明了该聚类方法的有效性.     

地图点要素注记自动配置中聚类分组的蚁群算法应用

大规模点要素注记自动配置问题是地图注记的难点之一,主要受限于时间效率和注记配置质量。针对该问题,本文首先提出一种椭圆形多方位多级注记待选方位配置方案,使其参数化、多元化。其次,结合点要素空间分布特征,提出一种以聚类分组的蚁群算法,并讨论和优化核心参数,实现大规模点要素的注记快速配置。实验表明,该算法计算效率明显提升,算法性能稳定。针对注记密度在5%~30%随机分布点要素的地图,其相比传统蚁群算法算法效率提高73.2%;同时,该算法的注记结果质量比传统蚁群算法注记结果质量好,注记适应度提升8.0%。实验采用抚顺县集体土地所有权界址点数据进行验证,结果表明效率提升86.7%,且注记适应度提升14.6%。本算法适用于点要素规模大、点簇疏密变化差异大的点要素注记自动配置问题的快速求解。     

基于人工免疫网络的在线核聚类算法

针对核聚类算法与免疫网络聚类算法的不足,将免疫网络机制与核理沦相结合,通过用核距离函数代替欧拉距离函数,设置反映抗体识别抗原数量的权重和引入人工免疫网络机制等解决样本类边界模糊和类间数据密度分布不均匀问题.最后通过人工数据集和lRIS数据集上的仿真试验,验证了算法的有效性.     

Polar Sea Ice Identification and Classification Based on HY-2A/SCAT Data

In this paper,a Bayesian sea ice detection algorithm is first used based on the HY-2A/SCAT data,and a backpropagation(BP)neural network is used to classify the Arctic sea ice type.During the implementation of the Bayesian sea ice detection algorithm,linear sea ice model parameters and the backscatter variance suitable for HY-2A/SCAT were proposed.The sea ice extent obtained by the Bayesian sea ice detection algorithm was projected on a 12.5 km grid sea ice map and validated by the Advanced Microwave Scanning Radiometer 2(AMSR2)15%sea ice concentration data.The sea ice extent obtained by the Bayesian sea ice detection al-gorithm was found to be in good agreement with that of the AMSR2 during the ice growth season.Meanwhile,the Bayesian sea ice detection algorithm gave a wider ice edge than the AMSR2 during the ice melting season.For the sea ice type classification,the BP neural network was used to classify the Arctic sea ice type(multi-year and first-year ice)from January to May and October to De-cember in 2014.Comparison results between the HY-2A/SCAT sea ice type and Equal-Area Scalable Earth Grid(EASE-Grid)sea ice age data showed that the HY-2A/SCAT multi-year ice extent variation had the same trend as the EASE-Grid data.Classification errors,defined as the ratio of the mismatched sea ice type points between HY-2A/SCAT and EASE-Grid to the total sea ice points,were less than 12%,and the average classification error was 8.6%for the study period,which indicated that the BP neural network classification was a feasible algorithm for HY-2A/SCAT sea ice type classification.     

2015—2020年辽东湾海冰冰情时空特征及其影响因素

受冬季强寒潮侵袭,辽东湾会出现大范围结冰现象。为了分析2015—2020年辽东湾海冰冰情的变化规律与影响因素,本文选取Sentinel-1A/B数据开展辽东湾海冰监测。首先,采用巴氏距离选择最优纹理特征组合,再利用最大似然方法实现海冰分类;然后,根据上述海冰分类结果,分析海冰冰情等级、海冰外缘线、海冰面积、海冰类型和海冰结冰概率等冰情特征的变化规律;最后,研究海水深度、海温、气温和风速与海冰冰情的关系。主要结论如下：① 采用不同纹理特征组合方法和本文方法对2020年2月1日Sentinel-1B影像进行实验,结果表明本文方法的总体分类精度和Kappa系数分别为93.16%和0.85,分类精度最高。② 11月末到12月海冰类型以初生冰为主,间有灰冰;1月到2月中上旬以灰冰为主,间有初生冰和白冰;2月下旬到3月上旬的海冰类型以灰冰和初生冰为主。辽东湾内部结冰概率存在差异,北部沿岸结冰概率高于南部,东部结冰概率高于西部。辽东湾海冰冰情受海水深度、海温和气温影响明显,受风速影响较小。     

基于CryoSat-2数据反演2011～2017年波弗特海海冰厚度变化

利用CryoSat-2卫星测高数据反演波弗特海的海冰厚度,并利用2010~2013年10月份仰视声呐(ULS)和2011年冰桥计划（IceBridge）数据对结果进行精度评估。结果表明,测高反演的海冰吃水深度与ULS吃水深度差值的最大值和标准差分别为14 cm和4 cm;测高反演的海冰厚度与冰桥计划海冰厚度差值的平均值和标准差分别为2.7 cm和65.7 cm,优于Laxon(2013)研究结果（分别优化2.1 cm和6.6 cm）。在此基础上,研究2011~2017年波弗特海夏冬两季的海冰厚度变化,发现二者具有类似的分布特征,且冬季3月海冰覆盖范围更广,厚度更大;进一步分析2011~2017年3月份冬季海冰厚度年际变化,发现其呈整体下降趋势,且2012年最小,2014年最大。     

卫星遥感影像对海洋监测能力的评估分析——以渤海海区为例

比较了不同卫星遥感影像的海洋监测优劣,分析了MOD IS数据海洋监测能力评估的可行性,并阐述评估了技术方法和流程。以渤海为例,依据MOD35源数据,通过数据预处理、典型区选取,统计分析影像覆盖率及云覆盖面积百分率,表明了对渤海常规、季节性,以及应急等诸种海区要素监测的不同效果,弥补了以往类似工作的迟后性。     

基于NSIDC海冰产品的FY北极海冰数据集优化

北极海冰对全球气候起着非常重要的调制作用,海冰范围是海冰监测的基本参数。近40年,北极地区持续变暖,北极海冰显著减少,进而引发北极自然环境恶化、北半球极端天气频发、全球海平面上升等一系列环境和气候问题。准确获取北极海冰范围及其演变趋势,确定海冰变化对全球气候系统的响应,是研究和预测全球气候变化趋势的关键之一。HasISST和OISST海冰数据集在海冰监测中应用最为广泛,可为北极地区长时间序列海冰变化研究提供基础数据,但这2套数据集空间分辨率相对较低,应用于北极关键区对中国气候响应研究方面存在很大的局限,为解决这一问题和弥补国内海冰监测微波遥感数据的空白,2011年6月27日,国家卫星气象中心（National Satellite Meteorological Center, NSMC）发布了FY（Fengyun, FY）北极海冰数据集,该数据集利用搭载在FY卫星上的微波成像仪（Microwave Radiation Imager, MWRI）数据,使用Enhance NASA Team算法制作,该算法利用前向辐射传输模型模拟北极地区4种海表类型（海水、新生冰、一年冰和多年冰）在不同大气条件下MWRI辐射亮温,进而得到每种大气条件下0~100%的海冰覆盖度查找表（海冰覆盖度每次增加1%）,通过观测值与模拟值的比对得到海冰覆盖度,由该数据集计算得到的北极海冰范围在大部分区域与实际情况相符。该产品虽已进行通道间匹配误差修正和定位精度偏差订正,但由于其搭载的微波成像仪（Microwave Radiation Imager, MWRI）天线长度有限,造成传感器探测到的地物回波信号相对较弱,难以区分海冰和近岸附近的陆地,影响了该数据集的精度和应用。为解决这一问题,本文基于美国冰雪中心（National Snow and Ice Data Center, NSIDC）发布的海冰产品对FY海冰数据集进行优化,NSIDC产品利用判断矩阵对海岸线附近的像元进行识别,并对误差像元进行不同程度的修正,由NSIDC产品计算得到的北极海冰范围与实际情况更为符合。数据集优化大大提高了FY海冰数据集的精度,研究结果表明,优化后FY海冰数据集与NSIDC产品相关系数高达0.9997,且二者日、月、年平均最大海冰范围偏差仅为3.5%、1.9%、0.9%,且FY海冰数据集优化过程对其较好的空间分异特征无明显影响。该数据集可正确地反映北极海冰范围及其变化情况,且海岸线附近海冰的分布情况更准确,可为北极海冰变化研究提供可靠的基础数据。     

Improvements in Long-Lead Prediction of Early-Summer Subtropical Frontal Rainfall Based on Arctic Sea Ice

Seasonal prediction of East Asia(EA) summer rainfall, especially with a longer-lead time, is in great demand, but still very challenging. The present study aims to make long-lead prediction of EA subtropical frontal rainfall(SFR) during early summer(May-June mean, MJ) by considering Arctic sea ice(ASI) variability as a new potential predictor. A MJ SFR index(SFRI), the leading principle component of the empirical orthogonal function(EOF) analysis applied to the MJ precipitation anomaly over EA, is defined as the predictand. Analysis of 38-year observations(1979-2016) revealed three physically consequential predictors. A stronger SFRI is preceded by dipolar ASI anomaly in the previous autumn, a sea level pressure(SLP) dipole in the Eurasian continent, and a sea surface temperature anomaly tripole pattern in the tropical Pacific in the previous winter. These precursors foreshadow an enhanced Okhotsk High, lower local SLP over EA, and a strengthened western Pacific subtropical high. These factors are controlling circulation features for a positive SFRI. A physical-empirical model was established to predict SFRI by combining the three predictors. Hindcasting was performed for the 1979-2016 period, which showed a hindcast prediction skill that was, unexpectedly, substantially higher than that of a four-dynamical models’ ensemble prediction for the 1979-2010 period(0.72 versus 0.47). Note that ASI variation is a new predictor compared with signals originating from the tropics to mid-latitudes. The long-lead hindcast skill was notably lower without the ASI signals included, implying the high practical value of ASI variation in terms of long-lead seasonal prediction of MJ EA rainfall.     

Impact of the El Nino on the Variability of the Antarctic Sea Ice Extent

1　IntroductionManymeteorologistsandoceanographerspaidmuchattentiontothestudyofthemechanismofENSOformanyyears,suchasBjerknes(1 966) ,Wyrtki(1 975) ,McCreary(1 983 ) ,Philander(1 984) ,ZhangandChao(1 993 )andMcCPhaden(1 998)havemadegreatdevelopmentinthestudyofENSO .Especiallyinthe 1 990’s,withtheincreasingofthedatainthedeepocean ,thesomeonearguedthattheENSOepisodehadcloserelation shipwiththeeasterntransportationoftheanomalousseasurfacetemperatureinthewestPacific(LiandMu 1 999;Huang 2…     

局部最优形态参数的RBF分块地形插值方法与实验

径向基函数（Radial Basis Function,RBF）是一种不需对数据做任何假设,能准确逼近任意维度数据的空间插值方法。其特别适合于复杂地形的数字高程模型（Digital Elevation Model,DEM）插值重建,但随着已知点数量的增加会导致插值模型求解困难或缓慢。针对这个问题,本文基于二叉树自适应递归分块原理,采用局部最优形态参数的RBF分块插值方法进行DEM插值重建。首先,设定子区域最小点数阈值和相邻子区域的重叠率,自顶向下,对研究区域进行递归分块,构建区域分块二叉树,对二叉树叶子节点区域,采用逐点交叉验证（Leave One Out Cross Validation,LOOCV）方法求解其最优形态参数,建立局部RBF最优插值模型;然后,根据单元分解原理,采用加权平均方法对相应叶子节点区域内的待插值点高程进行加权求和,自底向上递归求解,得到待插值点最终高程值。以云南某地区DEM进行插值实验表明,采用本文方法进行DEM插值重建,稳定性较好,插值精度高。     

煤矸石堆场信息遥感提取方法对比

煤矸石作为工业特殊固体废物之一,产生于煤炭的采掘与洗煤的过程中,影响着周围的生态环境,因此,通过遥感影像获得煤矸石堆场的位置、面积信息,对于后续的调查也有很好的指导作用。本文选择2011年9月的LandSat5 TM影像,通过将研究区的光谱信息与地形、温度等辅助信息相结合的方式,分别使用非监督分类、监督分类、谱间关系法、分层分类法4种方法对研究区煤矸石堆场进行提取。通过对比,分层分类法提取煤矸石堆场信息的识别精度可达到78%。另外,该方法对于继续在高分辨率遥感影像上进行煤矸石堆场位置、面积的提取也有指导作用。     

浮动车轨迹数据聚类的有向密度方法

为了充分挖掘浮动车轨迹数据的潜在特性,本文在OPTICS空间密度聚类算法基础上,提出了一种有向密度的快速聚类方法(D-OPTICS)。该方法通过扇形空间邻域计算其有向密度信息,并基于方向信息约束其密度可连通性,通过有向可达距离曲线生成数据基本簇,最后,通过空间网格及类簇聚合等优化方法,实现其大规模浮动车轨迹数据的快速聚类处理。通过有向时空数据的聚类分析,发现浮动车轨迹的时空分布特性,以提取复杂路网的结构信息。本文以福州市大规模浮动车轨迹数据,对D-OPTICS进行了系统实验,分析表明,该算法可实现浮动车轨迹数据的快速有向密度聚类分析,有助于挖掘发现时空轨迹数据的分布规律,且基于聚类结果提取了福州市区复杂路网的有向拓扑结构图。同时,与DBSCAN及OPTICS等传统的密度聚类算法进行性能对比,实验表明,D-OPTICS算法能更好地支持大规模浮动车轨迹数据的处理要求。