农村宅基地退出与补偿的几点思考

建立农村宅基地退出机制是目前解决宅基地低效闲置利用的措施之一,也是目前研究的一个热点问题。本文通过资料收集和综合分析,从宅基地产权与市场、补偿与规划、地方政府角色和收益分配等方面对农村宅基地退出和补偿进行了思考,认为：农民是理性经济人,追求福利最大化,建立宅基地退出和补偿机制要充分考虑到农民的利益,合理的规划和福利的提高、公平的补偿和收益分配等能够提高农民自愿退出宅基地的积极性。     

运用地统计学的土壤有机碳含量空间分布研究

运用GIS地统计、缓冲区分析、叠置分析等方法,初步研究了西昌市邛海盆地土壤有机碳空间变异特征及主要影响因素。分析结果表明,研究区土壤样本,呈正态分布,属中等变异强度,高值区位于主城区东南部和邛海海域东南部,低值区位于邛海海域东北部,并向西北方向递增。不同土壤质地其含量显著不同,中性条件下,其含量较高;不同缓冲区范围内,其含量表现出相应的相关性。     

多源遥感影像融合的光谱优化方法

在多源遥感影像融合过程中光谱畸变是常见的问题之一,它主要是因为不同传感器的光谱响应范围不一致造成的。在推导色彩变换理论强度、色度和饱和度三元素之间的数学关系的过程中,通过研究Wallis滤波理论,发现灰度匹配的相似程度是解决光谱畸变的有效途径。因此提出了基于Wallis滤波的HIS变换融合方法。通过了实验验证,效果较好。     

基于时空主题模型的微博主题提取

目的 已有地理主题模型没有考虑不同区域对微博主题影响程度的差异性,同时他们将时间要素离散化,难以得到连续时间上的微博主题强度。提出了一种顾及连续时间及区域影响力因素的时空主题模型。该方法将城市划分为多个区域,依据各兴趣点类型及数量对区域赋予权重以表达区域社会功能对微博主题的影响程度,基于稀疏增量式生成模型表达微博主题分布,利用 Beta分布描述主题在连续时间中的强度,最终通过Gibbs采样得到时空主题模型各参数。实验表明,本文方法能发现连续时间上微博主题的演变,与已有地理主题模型相比,能更加准确地提取微博主题。     

顾及有效区域的Voronoi图的正射影像拼接

无人机影像的重叠度通常较大(60%~80%),对纠正后的正射影像进行拼接处理时,往往会产生很大的数据冗余。同时,影像越靠近边缘处变形越大,影响拼接精度。提出了一种顾及有效区域的Voronoi图的拼接线自动选取方法,基于整体构建拼接线网络,并根据影像有效区域优化拼接线,保证拼接的精度和效率。实验表明,该方法切实可行。     

基于SuperMap GIS的工程机械企业地图服务平台的设计与实现

随着我国经济的高速发展,工程机械市场保持强劲的增长势头,由于工程机械设备单体价值较大,在销售过程中往往采取按揭、分期或融资租赁的销售方式,所以对工程机械设备的实时监控和管理成为了工程机械生产企业和业主迫切的业务需求。基于面向服务架构的工程机械企业地图服务平台依托现代信息化技术、数据库技术、地理信息系统技术,实现了地图可视化交互查询、工程机械实时监控、导航、偏航预警等功能,帮助工程机械企业随时对工程机械进行监控和管理,提高工程机械的管理水平,降低用户运营成本,最终提升工程机械企业的软服务能力及整体市场竞争力。     

地层接触关系自动化识别系统的设计与实现

本文提取并归纳出地质图中地层间接触关系的类别及特征,结合以往地层接触关系的传统人工识别方法研究,提出一种新型、高效的基于规则集构建的地层接触关系自动化识别方法。基于该方法研究设计出自动化识别算法,并利用最新的GIS技术开发出地层接触关系自动识别系统,该系统成功应用到庐山地层接触关系判别上,并取得很好地效果,验证了本次研究的可行性。     

湖南CORS建设的战略构思与对策思考

基于湖南CORS建设的背景和需求,结合湖南实际,介绍项目的建设思路,提出较为实际的技术方案和相应关键技术的应对策略。     

制图生产算奖办法

我们单位从1978年8月起实行奖金试点，在两年多的过程中，曾数次更改方案，走了一段摸索的路程。开始实行的是“月评月奖”，每月评一次，每次由各中队、科室组织评定，花的时间多（半天或一天半的时间），而且大都没有以数据作依据，“软指标”多，不能体现     

改进残差网络及时序气象卫星云图的台风等级分类研究

结合了传统残差网络在数据样本小环境下分支卷积层特征的浪费问题,且考虑台风云图时空关联性强、特征复杂因素,参考日本国立情报学研究所在西北太平洋上空通过数个气象卫星拍摄的8 000多景高分辨率台风云图,编制了适应于残差神经网络的时序台风云图分类训练集和测试集。为满足数据集及台风特征,有效优化了原始残差网络的残差块,并得到了恒等映射残差块。经由增加卷积输出来促进分支通路更好的被利用,保留台风图像时序特性,提高网络性能。实验显示,W-ResNets模型在自建台风数据集上的训练精度达到99.60%,测试精度达到76.19%,相较于浅层卷积神经网络的测试精度高出8.48%,相比于使用传统的残差神经网络提高了2.87%,为进一步验证模型的泛化性能,采用MNIST通用数据集进行网络对比实验,宽残差网络得到98.786%的测试精度,优于传统残差网络。文中的W-ResNets预报模型可在小样本台风数据集推广使用。