主题模型在基于社交媒体的灾害分类中的应用及比较

“一带一路”沿线为自然灾害高发地区,且多为经济欠发达、抗灾能力弱的发展中国家。灾害发生时,挖掘和分析相关推特数据有助于开展应急救援、灾情评估、减灾防灾等工作,为中国国际救援与救助工作提供重要支撑。主题模型能在没有经验语料库的情况下,从海量灾害相关推文中快速聚合出对灾害救援、评估有价值的信息。本文采用BTM模型和LDA模型,对2013年海燕台风相关推文进行细粒度的主题聚类,分析2个模型的精度并测试它们对近似灾害主题的区分能力,并基于“需求相关”主题类的推文,通过地名匹配,分析了海燕台风发生过程中菲律宾物资、医疗等需求程度的空间分布。结果表明： ① 在区分主题近似的短文本时,BTM总体精度为0.598,LDA的总体精度仅为0.321,说明在海燕台风灾害推文的主题识别中,BTM模型的精度高于LDA模型;② BTM能够较好识别出“灾害地点相关”、“祈福相关”等较为精细的灾害主题;③ 经初步验证,基于“需求相关”主题文本生成的物资、医疗等需求的需求程度空间分布与实际需求情况基本相符。     

面向对象的航空高光谱图像混合分类方法

传统的高光谱分类通常仅考虑单一像元的光谱或纹理特征,分类后容易出现地物破碎的现象。鉴于此,本文提出了一种面向对象的混合分类方法,将面向对象的分割结果与传统的像元级分类结果进行有机融合,充分利用对象的光谱特征和空间结构特征。在此基础上,引入了2种具体的混合分类方法,即多尺度分割的SVM分类和多波段分水岭分割的SVM分类。前者将地物光谱的可变性进行弱化处理,转化为多尺度均质对象单元进行分类;后者融入了地物的空间信息和形态学特征,对分割得到的同质区域进行分类。将这2种分类方法应用于航空高光谱数据,实验结果表明：面向对象的混合分类方法的总体精度分别为92.63%和96.13%,与传统的像元级分类法相比,分别提高了10.14%和13.64%,有效地解决了分类后地物的破碎现象。     

组合异常分类及评序方法的应用

一、组合异常圈定 在圈定单元素异常的基础上,圈定组合异常。有三种以上单元素异常相套合的异常以作为一个组合异常,并给予编号。当二种单元素异常相重迭面积较大或含量较高者也可以圈定组合异常、并给予编号根据以上的原则,本区共圈定出组合异常28处。     

基于FLUS模型与动能定理的城镇用地增长边界划定

城镇用地增长边界能够有效控制城市的无序蔓延,对城市健康持续发展具有重要意义。当前针对城镇用地增长边界划定的研究多采用较为成熟的元胞自动机(CA)模型对城市未来格局进行模拟,且研究多集中于单一的城镇用地增长边界划定,尚无对城镇用地增长的惯性边界进行定量划定,而划定惯性边界不仅能够为城市发展预留一定的用地空间,也能提高城市规划的实施效率。对此,本文以2000、2009和2015年福州中心城区土地利用数据为基础,采用FLUS模型进行土地利用模拟,并对模型精度进行了验证(2015年土地利用模拟总体精度达到0.9389,Kappa系数达0.9165),据此预测了2027年的土地利用格局,从中提取城镇用地采取形态学的膨胀与腐蚀法(MED)进行增长边界的划定。在此基础上,本文提出了一种借鉴力学动能定理划定城镇用地增长惯性边界的方法,以坡度和地类作为摩擦力参数,对福州中心城区城镇用地增长惯性边界进行了研究。结果表明,FLUS模型和MED能够有效地对土地利用进行模拟且能较好的对城镇用地增长边界进行拟合;借鉴动能定理的方法能够根据城市不同方向的扩展阻力和各个方向的扩展强度较好地划定其惯性边界,具有现实可操作性和实际参考价值。     

基于POI数据的城市建筑功能分类方法研究

对建筑物进行建模与分析是智慧城市建设的重要任务之一。将城市中数量庞大的建筑物按功能分类,辅助认知城市内部空间结构,对政府部门开展人口估计,土地管理,城市规划等工作具有重要意义。本文以蕴含丰富语义信息的兴趣点（POI, Point of Interest ）作为主要信息源,针对POI分布稀疏导致大量建筑物无法识别出功能的问题,改进了传统的城市功能区定量识别方法。该方法为建筑物内部及周边一定区域范围内的POI赋予反距离权重,通过计算不同类型POI的加权频数密度比例来识别建筑物功能类型。文中以北京市西四环中路附近5000多栋建筑物为例进行实验验证,实现了将目标区域内的建筑物按功能类型划分为居住、商业、公服和3种混合类型,识别率达93.04%,与人工判别的结果对比得出总体分类精度达91.18%。该方法采用易于获取的互联网POI数据,可以实现大范围建筑物功能类型的快速自动化识别,丰富了城市建筑模型语义属性,扩展了POI数据的应用范围。     

高分辨率遥感影像目标分类与识别研究进展

高分辨率遥感影像的目标分类与识别,是对地观测系统进行图像分析理解,以及自动目标识别系统提取目标信息的重要手段。本文综述了当前国内外在可见光、红外、合成孔径雷达和合成孔径声纳等遥感影像的目标分类与识别的关键技术和最新研究进展。首先,讨论了高分辨率遥感影像的目标分类与识别问题的主要研究层次和内容;其次,深入分析了高分辨率遥感影像目标分类与识别,在滤波降噪、特征提取、目标检测、场景分类、目标分类和目标识别的关键技术及其所存在的问题;最后,结合并行计算、神经计算和认知计算等技术,讨论了目标分类与识别的可行性方案。具体包括：（1）高性能并行计算在高分辨率遥感图像处理的主流技术,并给出了基于Hadoop+OpenMP+CUDA的高分辨率遥感影像混合并行处理架构;（2）深度学习对于提升目标分类和识别精度的应用前景,以及基于深度神经网络的多层次遥感影像目标识别方法;（3）认知计算在解决遥感影像大数据不确定性分析的模型与算法,并讨论了层次主题模型的多尺度遥感影像场景描述方案。此外,根据媒体神经认知计算的相关研究,探讨了遥感影像大数据的目标分类和识别的发展趋势和研究方向。     

结合SVM与图匹配的车载激光点云道路标线识别

本文提出一种基于SVM与图匹配相结合的车载激光点云道路标线识别方法。该方法基于标线点云分割对象,利用Hu不变矩、实心形状上下文（SSC）、最小外包矩形（MBR）面积和延展度构建形状特征向量,采用SVM进行道路标线粗分类。针对粗分类结果,构建能够精确描述空间语义信息（如局部区域内标线间的排列、方向、距离）的图结构,通过图匹配方法优化粗分类结果,完成直行箭头、人行横道预告标识线、单向转向箭头、双向转向箭头、虚线型标线、斑马线共六类道路标线的精确识别。本文实验采用4份不同场景车载激光点云数据,实验结果中6类标线分类的准确率分别达100%、100%、94.12%、100%、94.94 %、99.25%,召回率分别达100%、100%、88.89%、100%、98.21%、99.00%,F₁-Measure值分别达100%、100%、91.43%、100%、96.59%、99.12%。结果表明,本文方法能实现多类标线对象的精确识别,并对形状相似标线（如直行箭头、虚线型标线与斑马线）的区分具有较强稳健性。     

基于Dyna-CLUE改进模型和SD模型耦合的山区城镇用地情景模拟研究——以岷江上游地区为例

山区城镇扩张受山区地形和山地灾害等因素限制,而常用的土地利用模型难以有效表达这一特征。本文通过对Dyna-CLUE（Dynamic Conversion of Land Use and its Effects Model）模型进行改进并结合系统动力学（System Dynamic,SD）模型,充分发挥这2个模型在微观土地分配,及宏观情景模拟上的优势,很好地表达了山区地形和山地灾害等因素对山区城镇扩张的限制作用,为山区城镇扩张情景模拟提供了一个有效的方法。以岷江上游地区为例,根据研究区历史统计数据构建山区城镇用地SD模型,模拟低速发展、惯性发展和高速发展3种不同发展情景下城镇用地的需求,结合Dyna-CLUE改进模型,预测了对应情景下2011-2030年的城镇用地范围,并探究其对其他土地利用类型的影响。结果表明,发展速度越快,城镇主体越快达到地理限制区域的上限,并开始沿山间平地向两端扩张。耕地受山区城镇扩张的影响要远远超出其他土地利用类型,离城镇越近受影响越大。随着城镇扩张的加剧,其对自然环境的影响也逐渐增大。模型模拟结果能为山区城镇用地规划、评估由城镇扩张造成的生态环境问题和制定相应的对策提供有效的技术支撑。     

基于移动激光扫描点云特征图像和SVM的建筑物立面半自动提取方法

建筑物立面是城市地物的重要组成部分,而移动激光扫描是获取城市地物三维信息的重要手段之一。本文提出了一种基于移动激光扫描点云的建筑物立面半自动提取算法。该方法首先构建研究区水平网格;然后计算局部点云几何特征,并且将特征投影到水平网格生成点云特征图像;接着基于支持向量机（Support Vector Machine,SVM）对建筑物立面网格进行粗提取;最后使用网格属性（形状系数、网格面积、最大高程）对粗提取结果进行过滤,并将结果反投影到三维空间中得到精确的建筑物立面。以卡内基梅隆大学的移动激光扫描点云进行试验后表明,本算法能够较好地提取出建筑物立面,提取精度为84%,召回率为90%,数据修正后精度为88%,召回率为91%。通过与现有算法对比,本文提出的算法具有较高精度。     

证据推理的遥感图像分类方法与应用

遥感图像分类一直是遥感研究领域的核心问题。然而,传统遥感分类方法在地物复杂地区不能取得满意效果。不但分类精度不够理想,分类灵活性也存在不足。本文尝试引入证据推理"软"分类方法,选择小兴安岭山区一景TM遥感图像,基于用户知识和经验,通过人机交互处理,以累计信任度(CBV)最大为划分像元归类的原则得到证据推理方法的分类图像。结果表明,整体分类精度从最大似然法的78.74%提高到82.28%,kappa系数从0.67提高到0.71。但该方法对于裸地分类精度不高,通过人为设定各类别CBV阈值的方法,获得了人为干预的证据推理方法分类图,其整体分类精度达到了87.80%,kappa系数也达到了0.81,所有类别的生产者和用户精度相比于最大似然法都有提高。研究表明,证据推理方法在遥感分类精度和分类灵活性方面都具有优越性。     

土地利用类型面积量算的比例尺影响机理研究

本文在分析了比例尺对土地利用调查分类面积影响的基础上,提出不同比例尺条件下同一地类面积差值的计算方法,为进一步研究大比例尺土地利用现状调查地类面积差值提供了理论基础。     

基于图像理解的土地利用分类信息提取

基于图像理解理论原理,采用面向对象分类软件作为基础软件平台,模拟人类大脑对图像的认知过程,概括出不同地类的知识表达,并构建函数作为类别的特征描述,更大限度地挖掘中低分辨率卫星数据的信息。研究结果表明,基于图像理解的土地利用分类信息提取方法有效地提高了地类的检出效率和分类精度,为中巴卫星应用于国土资源宏观监测的可行性提供了依据。     

基于土地利用现状数据库的土地利用遥感分类本底数据库建设——以山东省泰安市泰山区为例

遥感分类本底数据库和土地利用现状数据库在地类判别标准、精度要求、数据格式和原始底图等方面存在诸多一致性。基于土地利用现状数据库进行遥感分类本底库的建设,大大减少了数据矢量化和外业调查的工作量。由于大部分工作都可以通过计算机来完成,因此作业时间和人力物力投入相应减少,同时确保了遥感分类本底数据库的精度。     

基于人类时空活动的城市土地利用分类研究

准实时监测城市发展、掌握城市土地利用类型是日趋科学化、合理化进行城市规划的基本要求。随着信息通信技术、移动互联网技术、位置服务等的发展,海量的手机数据、浮动车数据、公交卡数据、社交网络数据等在内的人类时空活动信息为从“人”的角度动态实时感知城市土地利用、空间结构提供了可能。本文以深圳市为例,基于百万名QQ用户2013年的电子足迹数据,提出了不同类型的人类时空活动指数,以建立人类活动与城市地物间的对应关系;借鉴遥感影像不同波段记录各类地物在特定波谱区间辐射值的思想,生成各类人类时空活动指数波段图;并利用最大似然法对该“类高光谱影像”进行城市土地监督分类,获取城市的土地利用图。通过与深圳市规划图的对比验证,全体分类精度为72%。相较于传统基于“物”的遥感探测手段,基于“人”的城市感知更能反映城市内部相同地类的发展差异性。     

融合数字表面模型的无人机遥感影像城市土地利用分类

城市土地利用是城市生态学中的关键问题,深入了解城市的土地利用对合理规划城市功能分区、提升用地效益、促进区域经济与环境发展具有重要意义。因此,城市土地利用类型分类研究一直是城市规划学和城市地理学研究的核心内容之一。快速发展的无人机技术为城市土地利用分类提供了丰富的数据支撑,基于无人机遥感影像建立的数字表面模型（DSM）和数字正射影像（DOM）可以有效提高城市土地利用分类的精度。为了充分利用无人机遥感影像的丰富信息,本文提出了一种融合高分辨率DOM和DSM的城市土地利用分类方法。本文融合了DOM和DSM作为数据源。在面向对象分类方法的基础上,DSM分别被用于多尺度分割过程中像元融合的最终阈值和地物分类过程中的地物高度特征。该方法在天津市宝坻区的京津新城进行了验证,结果表明,相对于最初的多尺度分割方法,融合DSM后的多尺度分割方法的分割质量指数（QR）、过分割指数（OR）、欠分割指数（UR）和综合指数（CR）都有所降低,分割效果明显提高。优化后的面向对象分类方法,在分类精度上有所提高,尤其是道路、建筑物和其他建设用地。总体精度由85%提高到了87.25%,Kappa系数由0.79提高到0.82。由此可看出,优化后的面向对象分类方法可以更有效地进行城市土地利用分类。     

遥感土地覆被分类的空间尺度响应研究

不同空间分辨率遥感影像对区域土地覆被类型识别精度的影响是目前土地资源遥感研究中的热点议题。本文基于准同步的卫星传感器影像,以福建省长汀县河田盆地为研究区,结合野外调查的实验样本,依次采用最大似然法（MLC）、支持向量机（SVM）和人工神经网络（ANN）3种分类器,分析土地覆被分类结果在中高空间尺度序列（1~50 m）下的变化响应特征。结果表明：不同空间尺度下的地物分类结果存在显著差异（P<0.05）,其中总分类精度和Kappa系数均随影像分辨率的降低而先升高后降低,并于4 m分辨率处达到峰值,该结果与各类地物光谱反射率的空间尺度变化特征密切相关;而不同分类器对各空间尺度影像分类结果的影响程度差异较大（P<0.05）,其中SVM的分类精度最优,MLC次之,ANN的结果较差。此外,伴随影像空间分辨率的降低,不同土地覆被类型面积提取结果的变化规律不同,导致同类地物在不同空间尺度下的提取结果出现较大差异,表明在使用多源分辨率遥感数据进行土地监测等相关研究时,其伴随的结果误差不容忽视。     

土地利用/土地覆被变化CLUE-S模型与应用分析——以扬州市为例

本文以扬州市市辖区为例,利用2001年的ETM影像与2007年的ALOS影像两期遥感数据,采用面向对象的信息提取方法,获取了扬州市2001年与2007年两期土地利用空间分布图.在此基础上,研究了CLUE-S模型的原理及CLUE-S模型的应用;探讨了CLUE-S模型所需数据、驱动因子选取、模拟参数设置、模拟结果获取等,进...     

基于沙地指数模型的沙地监测方法

沙漠化是干旱、半干旱地区的重要生态环境问题,我国西北地区沙漠化土地分布广泛,加剧的沙漠化问题影响着区域经济和社会的发展,遥感技术的进步为沙漠化评估与制图提供了重要手段.本文以内蒙古自治区浑善达克沙地为研究区,基于面向对象方法,对研究区Landsat8 OLI影像进行沙地最优尺度分割.以分割对象为基础,实验在冬夏季影像上...     

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.     

基于地学知识的大尺度土地利用/土地覆盖精细化分类方法研究

人类活动对生态环境具有显著影响,大尺度土地利用/覆盖变化（Land Use/Cover Change,LUCC）作为人类活动最直接的表征,能够很好地反映这一过程,因此进行精确而迅速的大尺度土地利用/覆盖分类与提取方法研究尤为关键。全球覆盖产品GlobCover（2005/2006）数据已经具有良好的空间精度和数据准确度,但仍然存在一些分类误差。为提高地表覆被分类精度,本文以GlobCover（2005/2006）的巴西数据为例,以2005年Landsat TM/ETM影像为主要信息源,结合相应地学知识与辅助数据,利用人机交互逐栅格修改方法得到2005年土地利用数据产品。结果表明：通过对GlobCover数据和本次成果数据进行精度评价与对比分析,GlobCover数据巴西地区的总体精度为67.17%,Kappa系数为0.58,改进后产品总体精度为93.39%,Kappa系数为0.91。此外,改进后数据显示巴西常绿阔叶林面积最大,面积比例达45.67%;农地/自然植被镶嵌面积次之,比例为19.19%;封闭灌丛面积最小,比例为12.34%。农地/自然植被镶嵌和灌丛与草地2种地类的修改比例最大,其中混合像元地类比例减少3.54%,灌丛与草地比例增加3.81%。综上,改进方法可以有效地提高土地利用/覆盖分类的效率和精度,为后续大尺度LUCC产品的制作和以LUCC产品为基础的相关研究提供参考。