基于有限元强度折减法的边坡稳定性分析

运用有限元强度折减法进行边坡的稳定性分析,同时运用简化bishop法对比结果,发现运用强度折减法进行边坡稳定性分析时,伴随着折减系数的增大,边坡的坡顶水平位移最初缓慢增大,但当折减系数接近边坡的安全系数,坡顶水平位移突然急剧减小,边坡的塑性区也伴随着折减系数的增大,从无到有,直到基本贯通。运用简化bishop法计算的结果和强度折减法的结果对比后得知,两者计算得到破裂面基本一致,但是简化bishop法得到的安全系数偏于保守。     

顾及邻域像元分类决策的遥感影像分类蚁群算法

为了进一步发掘蚁群算法的应用潜力,提高分类精度,将相关性引入分类规则发掘过程,试图在蚁群算法挖掘规则时既考虑像元的光谱信息,又兼顾邻近像元灰度的空间相关性,提出了一种优化的蚁群算法。算法包括对单个像元的分类规则挖掘和顾及邻域像元相关性的分类规则挖掘,单个像元的分类规则挖掘中,为使信息素缓和增加,避免陷入局部最优解,同时保证算法具有适当的收敛速度,采用自适应方案调整参数。顾及邻域像元相关性的分类规则挖掘中选用了优势类、优势度、类熵和邻域类相关性等4个指标,以反映邻域相关性对分类结果的影响。实验研究发现,顾及邻域蚁群算法的分类结果精度有了较为明显的提高,总体精度提高了3.00%,其优势主要体现在对建设用地、裸地等复杂地物的识别。研究结果表明,顾及邻域蚁群算法能够更准确地提取光谱信息复杂的地物,有效地减弱同物异谱和异物同谱现象的干扰。     

改进的最小生成树自适应空间点聚类算法

针对传统的最小生成树聚类算法存在使用全局不变阈值确定噪声边,聚类需要用户根据经验确定初始化聚类参数,如“边权值倍数容差”,“边长变化因子”等,聚类不能发现局部噪声的问题,本文提出了一种改进的最小生成树自适应空间点聚类算法。该算法在无需用户输入参数的前提下,克服主观因素的影响,根据最小生成树边长的数理统计特征定义裁剪因子。算法首先从宏观层面对最小生成树进行首轮删枝操作,消除全局环境下的噪声边,进而根据各子树的边长统计情况,自适应设定局部裁剪因子,进行第二轮删枝操作,消除局部环境下的噪声边。最后,采用1个模拟数据和1个实际应用验证算法的有效性,结果表明本文提出的改进算法在无需人为提供经验参数的环境下能够发现任意形状、不同密度的簇,能够准确的识别出空间点中的噪声数据,从而能够实现空间点数据背后隐藏信息的自动挖掘。     

车载激光雷达点云快速栅格化算法研究及应用

针对车载激光雷达点云数据量大、密度高且存在分层错位和噪点等情况,提出了一种具实时性激光点云快速栅格化算法,该算法根据雷达扫描精度预设栅格单元大小,可在不丢失对象形状特征的情况下,能快速完成点云数据平滑及降采样处理,并将数据量缩小为处理前的60%。将该栅格算法处理后的点云数据应用于深度学习,作为pointnet++神经网络的训练集及测试集,完成语义分割模型训练与测试。实验结果表明,该算法可在1s内完成上百万量级的点云栅格处理,并且经该算法处理后的点云数据能有效缩短训练时长、提升网络测试精度。     

兰临高速公路袁家湾段切坡开挖失稳过程及其机理

袁家湾滑坡受人类活动控制和影响非常典型,在新构造活动以及褶皱构造和断裂构造较强烈的影响下,发育于结构松散破碎、表层风化严重的砂砾岩夹泥岩的顺倾岩层中,本文以滑坡的工程地质分析为主,结合FLAC3D数值模拟,分析了边坡在复杂的自然环境下和人类活动改造过程中的重复性、继承性、相似性和增大性的滑动特征,以及在人类改造形式下的独立性和多样性的破坏形式,揭示该滑坡伴随着人类的切坡开挖破坏逐渐加深加大,逐步向自然状态协调发展的演化过程。     

多尺度土地利用与土壤侵蚀

土地利用能够通过改变一系列的自然现象和生态过程影响土壤侵蚀,尺度不同,土地利用与土壤侵蚀的作用机制也会发生变化。本文针对坡面尺度、小流域／流域尺度和区域尺度,综述了不同尺度上土地利用对土壤侵蚀的影响研究。其中,在坡面尺度上,土地利用与土壤侵蚀的研究主要包括土地利用方式和土地管理措施对土壤侵蚀的影响,相应尺度上的模型有USLE／RUSLE、WEPP等;在小流域／流域尺度上,土地利用与土壤侵蚀的研究主要涉及土地利用结构和土地利用格局对土壤侵蚀的影响,相关的模型有LISEM、AGNPS、EUROSEM和SEDEM等;在区域尺度上土壤侵蚀评价研究主要是通过尺度上推和宏观因子评价的方法进行。多尺度土地利用与土壤侵蚀研究作为自然地理学研究中的热点问题,在进一步的研究中需要关注多尺度综合与尺度转换、土地利用政策效应、土地利用格局与土壤流失过程等方面的研究内容。     

景观指数的粒度变化效应

本文以延河流域的1:250000和1:500000土地利用图为对象,以景观格局分析程序Fragstats3.3为分析工具,探讨了不同比例尺条件下景观指数随粒度增加的变化特征.研究结果表明,随着粒度值由25m到400m的逐渐增加,除斑块丰富度外的景观指数均具有明显的尺度效应,其中聚集度和集合度没有尺度转折点,其他指数具有明显或不明显的尺度转折点.对比分析1:250000和1:500000土地利用格局指数的计算结果可以发现:1)尺度转折点不是一个值,而是一个相对较小的区间;2)尺度转折点与研究图件的比例尺有关,比例尺越大,所发生的第一次尺度转折点的粒度就越小;3)第一尺度域是选择适宜粒度的较好取值范围.对延河流域1:250000土地利用图进行景观指数计算的适宜粒度范围是70～90m,1:500000土地利用图的适宜粒度范围是90～120m.     

改进的最小曲率迭代法在重力剖面数据插值中的应用

基于将约束点也作为待解算结点的思想,对传统最小曲率迭代法进行改进。改进后的方法在待解算结点周围存在约束点时,避免了根据约束点与待解算结点之间的不同关系需要进行分类推导的复杂过程,同时也避免了因使用泰勒展开式进行分解造成的精度损失,提高了解算精度。     

湖南省传统聚落景观基因组图谱的空间形态与结构特征

传统聚落保有显著的价值,深入开展相关研究有利于促进经济社会的可持续发展和新型城镇化战略的实施。结合传统聚落景观基因组图谱,本文探讨了湖南省传统聚落景观的空间形态与结构特征。首先,根据传统聚落景观基因组的空间排列特征将湖南省传统聚落的空间形态归结为向心圆环式、扇形扩张式、多向扩张式、条带式、离散式和组团式等5种基本类型,并进一步归纳了各种形态类型的特征。其次,运用空间句法理论,通过构建传统聚落景观基因组的空间轴线模型,系统地剖析了湖南省传统聚落景观的空间结构特征,发现湖南省传统聚落的空间结构具有对称和平行等鲜明的几何特征,存在着“界域”和“街—巷—码头”等典型结构,还具有典型的风水意象特征。因此,结合传统聚落景观基因组图谱从地理学的视角揭示传统聚落的地学特征,有利于完善传统聚落景观基因理论,深化对传统聚落的认识,促进相关保护工作。     

Massively parallel spatial point pattern analysis: Ripley’s K function accelerated using graphics processing units

This study presents a massively parallel spatial computing approach that uses general-purpose graphics processing units (GPUs) to accelerate Ripley’s K function for univariate spatial point pattern analysis. Ripley’s K function is a representative spatial point pattern analysis approach that allows for quantitatively evaluating the spatial dispersion characteristics of point patterns. However, considerable computation is often required when analyzing large spatial data using Ripley’s K function. In this study, we developed a massively parallel approach of Ripley’s K function for accelerating spatial point pattern analysis. GPUs serve as a massively parallel platform that is built on many-core architecture for speeding up Ripley’s K function. Variable-grained domain decomposition and thread-level synchronization based on shared memory are parallel strategies designed to exploit concurrency in the spatial algorithm of Ripley’s K function for efficient parallelization. Experimental results demonstrate that substantial acceleration is obtained for Ripley’s K function parallelized within GPU environments.