基于四叉树的景观指数分析方法

景观指数法作为景观格局分析的重要研究方法和度量手段,也是景观生态学研究的重要组成部分。由于景观指数在空间格局表达时信息高度浓缩,其在应用中普遍地存在"一值多形"问题。文中根据景观水平上聚集度指数和多样性指数对景观空间整体复杂性和异质性的描述,采用二维空间地理现象的四叉树编码表达对四个不同模拟景观格局进行空间划分,形成多层次的四叉树结构,并通过Fragstats软件对不同子区域景观指数计算,以及采用数值矩阵和对应的3D模型来表达不同景观空间格局。该方法明确展现了不同景观格局相对应的空间位置在景观聚集性特征和多样性特征上的不同,并且用同一景观格局中各子区域的景观指数描述自身子区域特征,也从景观空间局部表现了景观空间格局的异质性。研究过程证明了基于四叉树的景观指数分析方法可以区分景观格局在指数计算中的"一值多形"。同时文章展望了该方法对于不同景观空间格局进行聚类划分的应用。     

集成虚拟森林环境与景观指数计算模型的森林景观格局分析

森林景观格局分析是森林景观优化配置与实施规划的基础。本文以森林资源二类调查数据为基础,采用森林景观定量空间分析方法,在自主开发而成的森林景观可视化系统VisForest支持下,利用VS2008开发平台、ArcEngine组件与OSG图形渲染引擎,集成景观指数计算模型和地理信息系统的分析方法,形成森林景观格局分析与景观三维可视化模拟系统,实现了景观格局分析的定量化和景观可视化;并以闽侯县白沙国有林场2013年的数据为例,按优势树种划分森林景观类型,计算分析了景观组成结构、斑块特征和景观异质性等。结果表明,杉木林、马尾松林、湿地松林、木荷林、非林地是白沙林场的优势景观类型,总体景观类型丰富、景观异质性较高;木荷作为隔离带树种,以小面积狭长斑块居多,其形状指数和分形维数最大,斑块形状复杂而不规则;森林景观的三维可视化模拟为研究景观格局提供了一个直观、交互的展示平台。     

景观指数的空间尺度效应分析——以厦门岛土地利用格局为例

选取8个常用的景观指数,以厦门岛土地利用格局为例,分析景观指数随粒度变化的基本规律。探讨尺度效应对景观格局的影响,为基于景观指数进行不同尺度下土地利用类型、土地利用格局变化预测、对比分析和评价等研究提供参考。结果表明:在研究区内景观类型特征和景观格局特征随粒度的增大出现了显著的变化;除面积比例对粒度变化弱敏感外,其余所选景观指数对粒度变化相对敏感,体现出一定的尺度依赖性,因而利用这些景观指数进行不同尺度下的景观格局分析时需考虑尺度效应。     

基于GIS的陕北景观结构

以陕西土地利用现状图作为数据基础,应用Arc/Info和Arc/view等GIS专业软件,对陕北地区的景观进行了分类,并形成了景观分类图。利用景观格局分析软件FRAGSTATS,在斑块类型和景观两个水平上计算了相应的参数和景观指数,定量揭示了整个区域的景观格局与类型特征。为进行深入研究和揭示生态过渡地带生态过程奠定了基础。     

MPI+CUDA联合加速重力场反演的并行算法

针对重力场解算过程中数据量巨大的问题,联合MPI(massage passing interface)与CUDA(compute unified device architecture)提出基于最小二乘法的重力场解算过程的并行加速算法。使用MPI完成复杂过程的任务分配,实现全局层面的并行加速;基于CUDA编写大规模矩阵相乘的并行加速程序,并针对不同类型的矩阵进行适配,同时联合MPI将法矩阵的计算过程进一步细分,实现对分进程内存峰值的压缩。在单机上完成30阶与120阶重力场仿真解算任务,结果表明,反演30阶重力场时加速比可达180;反演120阶重力场时,并行计算单次迭代仅耗时2 h,而串行模式下无法计算。     

基于多维景观扩张指数的城市紧凑度分析研究

城市紧凑度是反映城市空间形态的重要指标.基于二维平面上建设用地斑块与原有建设用地斑块之间的缓冲区或者共同边分析是现有研究中测度新增建设用地紧凑或者扩散的主要方式,但是这类方法忽视了斑块内部三维建筑物的高度以及斑块之间的距离.为了更加客观准确地评价微观斑块尺度实际紧凑程度,本文提出了多维景观扩张指数(Multi-dimensional Landscape Expansion Index,MDLEI),通过对中国36个主要城市建设用地图斑中的建筑物图斑进行提取,分别使用景观扩张指数(Landscape Expansion Index,LEI)和MDLEI计算建筑物图斑的扩张指数,并对各市两种扩张指数分别占所有城市均值总和的比例进行比较来确定该城市的紧凑度是否被高估.主要结论为:在扩张模式的识别上,MDLEI识别出的飞地式扩张斑块的数量和面积均高于LEI对应结果,表明LEI高估了扩散型增长斑块的紧凑程度;根据MDLEI计算得到的各市扩张斑块紧凑度,发现紧凑度较高的城市均分布在胡焕庸线以东,其中紧凑度最高的厦门、深圳、杭州、上海均为东南沿海城市,总体呈现出东高西低,南高北低的紧凑度分布状态.多维景观扩张指数能较为准确地识别微观层面扩张斑块的紧凑度,为政府因地制宜进行建设用地扩张管理和存量规划提供科学有效信息.     

闽东南沿海地区景观指数粒度效应的高分辨率遥感分析

以闽东南沿海地区3个流域SPOT 5影像解译所得的土地覆被类型分布图为原始矢量数据,通过优势规则聚合为一系列不同粒度大小的栅格类型图,统计各粒度下28种常用景观指数值;采用尺度检测图分析各种景观指数的粒度变化响应规律,对比中分辨率数据与高分辨率数据所建立尺度函数的差异,评价预测响应型指数尺度下推的相对误差。结果表明：闽东南沿海地区景观指数的粒度效应明显,可分为预测响应型、分段预测型、阶梯变化型和波动变化型4类,其中分段预测型指数由已有报道的预测响应型分化而来,其尺度转折点位于5 m 、7.5 m或10 m等粒度下,即高分辨率影像对景观指数粒度效应的分类有重要影响。在预测响应型指数中,高分辨率影像对ED、SHAPE_MN、CONTIG_MN和AI 4种指数的尺度函数影响较大,由中分辨率数据所建立的尺度函数进行尺度下推,会带来较大误差;这些指数的区域差异性也较大,对同一指数来说,不同区域可选用不同的尺度函数进行尺度下推。     

福州市城市不透水面景观指数与城市热环境关系分析

城市化致使城市环境问题的产生,城市热环境问题就是其中之一。本文从不透水面方面研究对城市热环境的影响。根据福州市1989年和2001年LandsatTM/ETM+遥感影像数据,利用线性光谱分解法提取两时相不透水面信息,并离散化分级为中低、中、中高、高密度区4个区域,分别计算这4个区域的地表温度(LST)、归一化植被指数(NDVI),并进行相关性分析;根据阈值法和范围法分别计算不透水面的PD、AI、LPI等景观指数,结果表明:两时段内不透水面的面积有所增加,在高密度区增加明显;不透水面与地表温度的呈正相关,相关系数分别为0.66和0.71;不透水面景观指数对FISA敏感,景观指数整体的变化趋势与地表温度的变化趋势相一致,FISA值越大,温度越高,且各斑块的形状越来越复杂,空间的连续性越强;聚集度越高,人类活动也越强。     

基于景观格局指数的基本农田保护区集中连片性研究——以济南市历城区为例

耕地与基本农田保护是我国土地管理、土地利用规划的重要内容。新一轮土地利用总体规划修编及数据库建设中要求基本农田调整布局更加集中连片。该文应用景观格局指数,研究了济南市历城区基本农田保护区规划调整中集中连片性的变化。结果表明,除保护区图斑面积标准差外,图斑平均面积、图斑面积变异系数、图斑边界密度、最大斑块指数、平均欧式邻近距离5项指标均表明,规划调整后基本农田保护区布局上更加集中连片。为基本农田保护区布局的集中连片性判断提供了简便易行的方法。     

基于3S技术的野鸭湖湿地系统景观格局演变研究

野鸭湖湿地自然保护区是北京最大的湿地自然保护区,也是唯一的湿地鸟类自然保护区,因此,选择野鸭湖研究城市湿地景观格局演变特征具有典型意义。以野鸭湖自然保护区为研究对象,分析了1999年、2004年、2009年和2014年4个时期野鸭湖湿地系统景观格局演变过程,并根据景观指数分析其动态变化趋势。研究结果表明:①野鸭湖湿地面积在1999~2004年间逐渐减少,之后逐年恢复,至2014年湿地面积总数已恢复到1999年的水平,但水体的面积仍缩减一半,主要恢复的是草甸湿地和疏林湿地。②野鸭湖湿地景观格局的变化特征主要表现为:景观破碎度增加,景观形状更加复杂,景观多样性和异质性增加而优势度降低。③野鸭湖湿地斑块类型呈现如下特征:耕地连片分布,耕地开垦力度减缓;草甸湿地成片增长且优势度逐渐明显,形状复杂;水体分布聚集,2014年出现恢复现象;疏林湿地面积不断增长,呈现破碎化现象;建筑用地面积也略微增长,但分布分散;滩涂湿地面积最小,形状简单。     

基于异构集群计算的地统计面插值并行算法

地统计面插值算法在空间统计分析中有广泛应用,其目的是通过一组面要素的某已知属性值估算另一组面要素的属性值。地统计面插值算法多是基于克里金（Kriging）插值及其衍生算法。克里金插值算法考虑属性在空间位置上的变异性,需计算要素之间的协方差,是典型的计算密集型算法。本文分析了基于克里金插值的地统计算法计算过程,该算法中面要素间协方差计算相互独立,可作为并行计算单元划分。另外,面要素间协方差计算可使用快速傅里叶变换（FFT）快速计算,而FFT是一种非常适合并行处理的计算密集型算法。本文根据算法特征设计了基于异构集群计算的并行算法,并使用MPI+CUDA实现了该算法。实验结果表明,本文实现的算法比使用MPI实现的CPU集群的算法有更好的性能,具备良好的可扩展性,并且随着插值精度提高表现出更好的性能。     

基于集群MPI的图层级多边形并行合并算法

在集群环境下,基于MPI并行编程模型和OGC简单要素规范进行并行多边形合并时,需要处理叠加图层间要素的“多对多”映射关系,由于空间上相邻的多边形在要素序列上并不一定连续,导致无法按要素序列为子节点分配任务,给并行任务映射带来了困难。本文以集群环境下的并行多边形合并算法为研究对象,通过比较叠加分析中两种多边形映射关系对算法并行化带来的影响,基于R树空间索引、MySQL精确空间查询,以及MPI通信机制,提出了6种不同的并行任务映射策略;通过实验分析和比较了6种策略的优劣。结果显示：基于R树预筛选的直接合并策略,在各算法中具有最高的串行计算效率和优秀的并行性能表现。虽然MySQL精确空间查询的预筛选过程较为耗时,但可有效地过滤掉不真正相交的多边形,从而提高合并操作的效率。因此,在集群MPI环境下,基于R树和MySQL精确空间查询的预筛选策略是解决并行任务映射难题,实现图层级多边形并行合并算法的有效途径。     

基于网格服务的遥感图像并行融合

图像融合是一项计算密集型的操作,对计算机系统的性能要求很高,硬件的发展远赶不上计算需求的增长,传统的遥感图像处理方式已经不能很好地适应新的资源共享模式,故软件方面的改进是必然的选择。网络技术的发展,使网络带宽有了很大的提高,大量的遥感图像通过网络发布成可在线获取的共享资源,利用网络和这些资源能大幅提升融合处理的速度。网格是网络的进一步延伸,是一个变化性较大的动态系统,资源的动态变化是网格的重要特征,数据的更新、节点的加入或离开、节点负载的变化、网络性能的变化等都会影响网格服务的性能,只有及时地掌握这些动态,并根据情况实时进行调整,才能保证较高的执行效率。基于网格服务的遥感图像并行融合的设计,在网格环境下,通过对资源和服务状态属性的分析,生成最优化的方案进行并行处理,可提供高效的遥感图像融合处理服务。     

基于MPI的大规模遥感影像金字塔并行构建方法

影像金字塔是实现影像数据多分辨率组织的重要方式,是提高影像可视化性能的有效手段。传统串行金字塔构建算法,对大规模影像数据的构建性能已无法满足遥感影像快速浏览的预处理需求。故此,其成为一个亟待解决的问题,而利用多核、多节点的高性能集群计算环境和并行机制是一个重要的技术途径。本文在共享外存的高性能集群环境下,提出使用消息传递接口(MPI)的金字塔并行构建算法,对构建遥感影像金字塔过程中的重采样与I/O 过程进行并行处理,大大缩短了遥感影像金字塔构建时间。实验结果表明:(1)该算法比传统串行构建方法的加速效果明显,对于单波段遥感影像,其加速效果可达到GDAL的5 倍以上,而对于多波段遥感影像,加速效果可达到GDAL的2 倍以上;(2)遥感影像数据量越大,并行构建算法加速效果越显著,对于大规模的遥感影像,本文提出的金字塔并行构建算法的速度可达到GDAL的10 倍左右。     

栅格地理计算并行算子对区域计算算法并行化的可用性分析——以多流向算法为例

栅格地理计算并行编程库的研发有助于实现对栅格地理计算算法的并行化。在现有的研究中,Qin 等(2014)设计并初步研发的栅格地理计算并行算子(PaRGO),在设计思路上能较好地隐藏与并行编程软硬件环境相关的复杂细节,实现栅格地理计算通用步骤的并行化,且较其他类似思路的编程库而言,PaRGO能兼容多种常用的并行计算平台,具有明显优势。但PaRGO目前在设计上仅直接支持本地、邻域及全局计算特点的栅格地理计算算法并行化,对于更为复杂的区域计算特点算法并行化的支持能力尚未探究。对此,本文选取栅格数字地形分析中具有区域计算特点、递归设计的多流向算法为算例,利用PaRGO进行并行化设计、实现及测试,以计算时间、相对加速比和相对并行效率为定量指标。通过可运行性和并行性能进行评价,结果表明:PaRGO虽然不能直接支持对递归的多流向算法进行并行化,但在根据多流向计算的原理将该递归算法转变为非递归的设计之后,可将算法由原区域计算改造为邻域迭代计算,就能利用PaRGO 实现并行化,并得到较好的并行效果。在集群环境下,MPI版本并行程序的并行效果优于MPI/OpenMP混合版本。     

基于MapReduce的多机并行DP算法与实验分析

随着网络地图不断发展,个性化网络地图也得到快速发展。个性化网络地图需要以矢量数据为数据基础,以满足人们对地图色彩、符号等个性化要求,所以需要实时、快速进行大量数据化简。本文以经典Douglas-Peucker算法作为曲线化简算法,利用开源云计算平台Hadoop建立多机协作的曲线并行化简服务框架,设计和实现了多机并行Douglas-Peucker算法,并在集群上进行实验分析,验证算法的效率和适用性。算法核心是设计数据的逻辑分片,利用MapReduce计算原理,将分片分配到集群中,实现并行运算。实验分别分为两个方面:(1)比较在固定阈值不同数据量情况下,传统DP算法与多机并行DP算法效率;(2)比较在相同数据量不同阈值情况下,传统DP算法与多机并行DP算法效率。实验表明,在大数据量和高复杂度情况下,多机并行DP算法的效率更高。     

基于CUDA的IDW并行算法及其实验分析

近些年来,空间数据获取技术得到了迅猛的提高,例如LIDAR,通常可以产生成千上万个点,这对计算机的处理能力提出了挑战.最近,图形处理器(GPU)的计算能力得到了巨大的提升,致使GPU的通用计算引起了关注.GPU是流处理器的集合,最近的设备的流处理器超过240个,浮点峰值比CPU快10多倍.在GPU上编程和编译的环境称计...     

利用MapReduce的异常轨迹检测并行算法

异常轨迹检测是移动对象数据挖掘的一个重要研究领域。TRAOD(TRAjectory Outlier Dectection Algorithm)算法是一种经典的异常轨迹检测算法,但它对于海量轨迹数据的异常检测效率低。为提高海量轨迹数据集的异常检测效率,本文提出了一种利用MapReduce 的异常轨迹检测并行算法(Parallel algorithm for TRAjectory Outlier Detection, PTRAOD),并在此基础上提出了网格索引的异常轨迹检测并行算法(Grid-based Parallel algorithmfor TRAjectory Outlier Dectection, GPTRAOD)。GPTRAOD算法在PTRAOD算法的基础上,利用网格索引实现区域查询,进一步提高算法效率。将PTRAOD算法和GPTRAOD算法在Hadoop 平台上加以实现,结果表明:本文提出的2 个并行检测算法,能实现异常轨迹的检测;GPTRAOD算法的效率优于PTRAOD算法;GPTRAOD算法具有较高的可扩展性和较好的加速比。