基于GIS的中国滑坡灾害风险分析

随着我国减灾防灾工作的深入开展,对大范围区域性的滑坡灾害进行风险评估势在必行。GIS技术为滑坡灾害在不同模型条件下的风险评估提供了有效的技术支持。经过多年研究,作者开发出了基于MapGIS软件平台的滑坡灾害风险分析系统。在该系统支持下,采用信息量模型和专家打分模型对我国全国范围内的滑坡灾害进行危险性分析,进而进行区域社会经济易损性分析,并在此基础上进行最终的滑坡灾害风险评估。分析结果具有一定的指导意义和实用价值。     

并行化多流向策略的栅格河网提取算法

流域栅格河网提取是数字地形分析的一个重要应用。为减少数字高程模型(DEM)预处理而产生的伪河道及平行河道,提出基于并行化多流向策略的栅格河网提取算法。通过水流传输矩阵模拟水量的自然流动过程,可直接应用于原始DEM。从河网空间形态和算法运行效率两方面与串行MFD算法、R&N算法及D8算法进行对比,结果表明,多流向策略得到的河网与实际地形形态更加吻合,使用并行策略后,算法的效率比也较其他算法有明显提升。     

分类耦合式地理信息系统综合实验教学设计

针对现有高校课程实验教学中存在的内容零散、实验节点重叠及工程应用性弱的特点,以GIS综合实验为例,提出分类耦合式实验教学设计思想,在对课程实验节点进行分类模块化的基础上,通过设置"数据处理""基础建模"及"模型分析"3个针对不同应用能力需求的实验环节,耦合相关课程的实验节点,采用基于项目驱动的启发式教学法,培养学生在工程应用中发现和解决问题的能力,更有助于增强学生的专业认知度,为GIS及其相关课程的实验教学改革提供有益的借鉴。     

城市三维地层建模中虚拟孔的引入与实现

该文引入“虚拟孔”的概念并将其应用到实际的城市三维地层建模流程。在建模过程中,用户可以根据实际工作需要,结合对地质模型的理解,在特定位置处加入适当数目的虚拟孔,并将其与实际的钻孔数据一起约束到模型中,从而构建精细的三维地层实体模型,有效满足实际工程的要求。通过一个建模实例,比较了引入虚拟孔前后的建模效果,表明应用虚拟孔建模具有很强的灵活性、直观性和可操作性。     

综合多特征的极化SAR图像随机森林分类算法

为抑制相干斑噪声对极化SAR图像分类结果的干扰,本文提出一种综合多特征的极化SAR图像随机森林分类方法。该方法首先利用简单线性迭代聚类(SLIC)算法生成超像素作为分类单元;然后,基于高维极化特征图像,利用训练好的随机森林模型,统计决策树的分类投票数,计算各超像素的类别概率;最后,利用超像素间的空间邻域特征,采用概率松弛算法(PLR)迭代修正超像素的类别后验概率,并依据最大后验概率(MAP)准则得到分类结果;实现综合利用超像素和空间邻域特征,降低相干斑噪声干扰的极化SAR图像分类方法。实验对比结果表明:本文方法能得有效抑制极化SAR图像中相干斑噪声的干扰,得到高精度且光滑连续的分类结果。     

三维地质建模及应用实例

文章介绍了实体模型、场模型和混合模型三类空间数据模型及其相应的三维地质构模方法,列举了三维地质构模在矿产资源评价、城市地质、地下水资源评价方面的3个应用实例。在矿产资源评价中的应用是实体模型与场模型的集成,三维显示与检索采用实体模型,资源量估算和矿化分布预测采用场模型;在城市地质中的工程地质层状地质体建模采用多层DEM构模法,介绍了基于三维地层模型的剖切等应用分析;地下水资源评价中含水层组的三维建模采用剖面构模法,以水文地质剖面为建模数据源,辅以钻孔、含水层组底界埋深等值线、地表高程等值线等作为约束条件。     

我国数字高程模型与数字地形分析研究进展

融合多源数字高程模型(digital elevation model, DEM)数据能有效利用数据间的互补优势,提升单一源数据的质量。提出一种基于深度置信网络(deep belief networks, DBN)的点面融合模型,在DBN的框架下考虑地形坡度、地表覆盖和空间位置信息等因素对DEM高程误差空间分布的影响,建立DEM高程值与高精度激光雷达测高数据之间的回归关系,从而实现多源栅格DEM与激光雷达测高点数据的空间融合,提升栅格DEM的垂直精度。对于空洞数据,根据空洞和非空洞区域的范围建立相应的输入数据集,分别进行融合,再利用不规则三角网差分曲面方法实现融合结果的无缝拼接。实验结果表明,相比原始DEM数据和两两融合的结果,所提出的多源DEM点面融合模型能够大幅度提升数据精度,有效解决原始数据中存在的空洞、噪声和异常值等问题。     

自组织神经网络在遥感影像分类中的应用研究

竞争学习网络与Kohonen神经网络相比,由于不考虑邻域神经元,其网络结构相对简单。采用这种简化的网络结构,并对其学习算法进行改进,用最大、最小距离法设置的初始聚类中心来代替随机初始中心。实验结果表明,用改进的竞争学习网络对遥感影像进行非监督分类,在分类精度和效率上都有较大的提高。     

极化分解后多纹理特征的建筑物损毁评估

准确地获知灾区的建筑物损毁程度能为抗震救灾和灾后重建提供决策依据。利用震后极化合成孔径雷达(SAR)数据,该文提出了一种综合利用极化分解后多纹理特征的震后建筑物损毁评估方法。首先,用Pauli分解的π/4偶次散射分量剔除非建筑区;其次,用Pauli分解的π/4偶次散射分量的方差特征、对比度特征和Pauli分解的奇次散射分量的对比度特征识别倒塌建筑物,并分别基于区块计算建筑物损毁指数;最后,综合3个纹理特征完成建筑物的损毁评估。采用玉树震后RADARSAT-2数据和东日本大地震后ALOS-1数据的实验验证了所提方法对建筑物损毁评估的有效性,该方法对玉树城区和日本石卷城区的重度、中度和轻度损毁建筑评估的总体精度分别为74.39%和80.26%。与其他方法的对比实验表明,该方法能减少取向角的影响,对存留有少数与方位向平行的完好建筑物的倒塌区、大取向角的完好建筑区的评估更为准确。     

遥感影像船舶检测的特征金字塔网络建模方法

船舶作为海上运输载体,其准确检测在海洋环境保护、海上渔业生产管理、海上交通与应急处置及国防安全应用中都具有重要意义和价值。目前基于目标检测网络的遥感船舶检测方法因末层特征分辨率不足和卷积固定的几何结构,导致网络难以适应小尺度且具有随机朝向、形态多变特征的船舶目标,进而限制船舶检测精度。针对该问题,本文提出一种用于遥感影像船舶检测的特征金字塔网络建模方法。首先引入形变卷积/RoI池化模块,以适应朝向和形态多变的船舶目标;其次借鉴在小目标检测中性能出色的特征金字塔网络的建模思想,采用对称式网络和多尺度特征融合的方式进一步融合高级语义和低级空间信息,提升小尺度目标特征分辨率。在40 000幅、船舶目标67 280余个的遥感影像数据集上的试验结果表明,本文方法能够有效集成形变卷积/RoI池化和多尺度特征融合方法,相较传统CNN船舶检测方法取得明显提升,在准确率、召回率及F₁指标上分别达到85.8%、97.9%和91.5%。