一种基于梯度和与一致性组合策略的无缝纹理映射方法研究

针对三维纹理映射中存在接缝、颜色差异大等问题,采用基于梯度值之和的选片算法,结合一致性检查、全局颜色校正和局部颜色校正等策略,消除影像的模糊、重影与色差,实现无缝纹理映射,同时避免影像失焦和障碍物的影响,试验结果表明,该方法纹理映射效果较好。     

变异函数模型参数的非线性加权总体最小二乘法

针对球状模型和指数模型两种变异函数模型线性化后的系数矩阵具有非线性形式,系数矩阵元素含有随机误差等问题,该文使用非线性加权总体最小二乘法估计变异函数模型参数。以高程异常数据为例,利用变异函数值的点对数定权法和系数矩阵中距离值的方差-协方差传播律定权法迭代解算参数,并与最小二乘法,加权最小二乘法和非线性总体最小二乘法进行对比分析。实验结果表明:非线性加权总体最小二乘法能够得到更高精度的变异函数模型参数。     

资源三号卫星多光谱影像的姿态角常差检校

针对资源三号卫星姿态角常差导致的多光谱影像定位精度降低的问题,该文在构建多光谱影像严格几何定位模型的基础上,提出了运用罗德里格矩阵建立姿态角常差检校方法;根据少量地面控制点求出姿态角常差构成的偏置矩阵后,使影像定位精度得到显著提高。实验结果证明,该方法具有较好的应用价值。     

模平方阈值去噪法在沉降监测中的应用

针对现有去噪方法中存在的噪声信号提取、粗差定位等问题,该文基于小波阈值去噪的原理,提出一种基于软阈值改进的模平方阈值去噪法。通过仿真数据实验对比分析了软阈值去噪法、加权平均阈值去噪法及模平方阈值去噪法的去噪实际效果,并应用于汽车试验场沉降数据预处理。实验结果表明,基于模平方的阈值去噪法能够较好地保留观测信号原始信息,并且可以有效地去除噪声,其去噪效果优于软阈值和加权平均阈值去噪法,能在汽车试验场沉降数据处理中得到较好的应用。     

新冠病毒疫情期间复工复产卫星遥感监测

本文利用美国新一代极轨卫星NPP搭载的VIIRS载荷数据反演获得的热点数据,以及美国NASA的Aura卫星搭载的OMI载荷的二氧化氮对流层柱浓度资料,对中国地区2020-01—02及2019年同期,以及抗击疫情期间和后期复工复产的情况进行监测。监测结果表明：（1）2020-02较1月份及2019年同期相比,工业企业的耗能水平却出现显著降低,NO₂浓度呈现显著下降趋势。（2）全国工业热源点数和分布范围及密度自2020-02-03正式复工后稳步提升。湖北省除武汉、黄石和鄂州地区仍可监测到少数热点外,其他地区2月份均未再监测到任何热点,也证明了湖北基本没有复工迹象。（3）疫情得到基本控制之后,京津冀地区工业热源点有显著增加,但新增区域一般仍处于低能耗水平。从全国大气NO₂柱浓度监测来看,复工开始前后与2019年同期相比,污染物浓度均呈现明显下降趋势,说明复工强度有限。（4）到3月初工业热源点及其能耗水平出现显著升高,中国大部分地区的热源企业虽已逐步复工生产,说明工业产能较2月有显著提升,但生产规模或产能并未完全恢复。     

ASTER GDEM V2的南极冰川高程误差校正及精度分析

ASTER GDEM V2是研究南极冰盖表面的一种重要DEM数据源。由于南极冰雪区反射率高且缺乏地形特征,导致ASTER GDEM V2存在大量的坑、隆起等噪声,难以直接用于南极地形分析。本文以ICESat/GLAS激光点高程数据作为参考,采用修正等高线法对南极伯德（Byrd）冰川ASTER GDEM V2进行了误差校正,并将其与ICESat-1 DEM的垂直精度进行了对比分析。结果表明：ASTER GDEM V2的RMSE由校正前的26.56 m下降到校正后的18.77 m,远低于ICESat-1 DEM的RMSE（121.24 m）;校正后的ASTER GDEM V2高程精度受坡度影响较小,不存在明显的系统误差,而ICESat-1 DEM的高程精度受坡度的影响较大。本研究进一步通过地形剖面分析得到：校正前的ASTER GDEM V2噪声主要分布于高程较低、地形平坦的区域,通过修正等高线的方法可以有效去除这些噪声,去除噪声后的ASTER GDEM V2可作为研究伯德冰川理想的DEM数据源。     

内点最大化与冗余点控制的无人机遥感图像配准

利用小型无人机进行遥感图像配准在自然灾害损害评估、环境监测和目标检测与追踪等领域发挥着至关重要的作用,但小型无人机的图像采集过程容易受风速/风向、复杂地形、电池容量、飞行姿态、飞行高度等自然或人为因素的影响。这些问题通常会导致捕捉到的场景重叠率低与图像非刚性畸变,在特征点提取过程中产生大量冗余点,增加了图像配准的难度。本文提出一种基于特征点的小型无人机图像配准方法,该方法的核心思想是在配准过程中识别冗余点,同时最大化可用内点数量。所识别的冗余点当作控制点,用于控制网格代图像的运动。最后通过最大化内点和合理移动控制点来恢复图像变换。本文使用50对小型无人机图像进行特征匹配和图像配准的实验,其中平均配准精度可达80.38%,并且本文方法在所有的情况下都优于5种当前流行算法。     

车辆轨迹数据的道路学习提取法

车辆轨迹数据的道路信息提取是地理信息领域的热点也是难点之一,深度学习的快速发展为该问题的解决提供了一种思路与方法。本文针对车辆轨迹数据的车行道级道路提取问题,引入深度学习领域的生成式对抗网络,利用残差网络构建深层网络和多尺度感受野感知轨迹数据不同细节特征,构建了基于条件生成式对抗网络的轨迹方向约束下车行道级道路提取模型。首先提出了朝向-颜色映射栅格化转换方法,实现轨迹朝向信息向HSV颜色空间的转换;然后利用样本数据学习模型参数;最后将训练模型应用到郑州、成都、南京3个试验区域提取车行道级道路数据。试验结果表明,本文方法能够有效地提取完整的车行道级道路数据。     

青藏高原高寒草地植被覆盖度变化及其环境影响因子研究

青藏高原作为长江、黄河、雅鲁藏布江和恒河等河流的发源地与水源供给地,对中国及周边国家和地区的经济发展、生态平衡有着重要的社会、经济和生态意义。青藏高原在过去几十年里经历了显著的气候变暖,且增温幅度明显高于同纬度其他地区。气候变暖必然导致该地区的多年冻土与生态系统发生显著变化,进而对当地的生态环境、水文过程产生较大影响。为了更深入地认识青藏高原高寒草地的变化过程及其环境影响因子,本研究以野外实测数据、遥感数据、冻土分布数据、土壤水热以及气温降水资料为基础,分析了青藏高原高寒草地植被覆盖度变化的空间分布特征,并进一步探讨了环境因子在其变化过程中的作用,绘制了青藏高原高寒草地植被生长限制因子的空间分布图。     

基于无人机摄影测量的增减挂钩耕地指标检查与评价方法

土地增减挂钩项目的质量检查的传统流程需到实地逐一核实,检查周期长。本文提出一种基于无人机航摄的检查技术流程,结合研发的野外实地调绘软件系统,提出一种新型的基于无人机航摄的增减挂钩项目质量检查流程,并基于DOM检查构建指标评价体系。流程优化了传统外业检查流程,实现地块的全覆盖内业检查和外业的实时取证,确保成果耕地质量指标的准确性,对土地增减挂钩项目给予客观评价。评价体系的应用选取广西几个县增减挂钩为研究对象,探究体系评价的合理性,初步确定该方法基本可行。