单基线TanDEM-X InSAR相干性反演森林高度EI北大核心CSCD

由RVoG模型演变的SINC函数模型运用到TanDEM-X InSAR数据反演森林高度时面临观测信息不足的问题,且无法适应不同的森林场景。本文针对这一问题,提出小范围LiDAR数据辅助下基于TanDEM-X InSAR相干性的森林高度反演方法,此方法无须全局高精度DEM产品提供地表相位信息而仅利用相干性即可获取森林高度信息。为验证此方法的可行性,采用西班牙境内两个典型试验区的TanDEM-X InSAR数据进行验证,并利用LiDAR树高数据进行精度评定。结果表明,单基线TanDEM-X InSAR相干性可用于反演森林高度,两个试验区的精度分别为2.34 m和1.74 m。     

互联网泛在地理信息感知融合技术综述

互联网数据中蕴含丰富的地理信息,其无处不在、形式与结构多样的特征决定了感知和融合面临许多技术难题。本文在分析互联网泛在地理信息分类和特征的基础上,系统研究其感知和融合技术的总体现状,总结了服务快速准确发现、深层网络数据高覆盖度采集、非结构化文本中位置信息提取和关联图像空间语义提取等感知技术发展现状,分析了异源几何数据匹配关联、地址标准化处理、同名实体语义对齐、地理实体关系构建等融合处理关键技术;在此基础上,总结和展望了互联网泛在地理信息感知融合技术在开放地理数据网络、城市治理与应急管理、网络监测与地理空间情报等领域的应用前景。     

顾及运动状态改正的GNSS滑坡监测基准站切换方法

实时相对定位技术已广泛应用于高精度实时滑坡监测,其高精度定位依赖于连续稳定的基准站数据。然而基准站数据由于供电、通信等原因时常发生中断,严重影响滑坡监测结果的连续性和可靠性。本文提出顾及运动状态改正的GNSS滑坡监测基准站切换方法,首先根据待切换新基准站长期监测时间序列确定其运动状态,然后基于滑坡体变形演化规律,结合运动状态建立新基准站位移模型并定期对模型检核,最后根据新基准位移对各监测点位移进行修正。该方法成功应用于甘肃黑方台滑坡监测基准站切换,且改正后各监测站位移与真实变形接近。以改进型切线角作为滑坡预警判据,使用改正前后的监测位移-时间序列进行预警,预警结果表明,不进行改正可能导致预警的误判。本文方法针对基准站数据中断问题,通过切换新基准并对基准误差进行修正以获取连续可靠的滑坡监测序列,保障了滑坡监测的连续性和预警的及时性。     

滑坡灾害监测的圆弧合成孔径雷达大气相位校正方法

地基圆弧合成孔径雷达通过形变值测量实现滑坡预警,是一种重要的滑坡灾害监测遥感手段。大气相位校正影响形变值测量精度,是长时间稳定监测的关键技术。本文提出一种基于网格划分的两阶段大气相位校正方法。该方法通过特征提取及分类获得永久散射点,基于此实现监测点的自动筛选;利用网格估计大气相位,有效降低运算量,提高了计算效率;结合空间滤波和时间序列滤波,保证了大气相位估计的准确性。实测数据处理结果表明了该文所提方法在大气相位校正方面的有效性。     

基于区域参考框架的GNSS滑坡监测

区域参考框架是实现高精度区域大地形变观测和滑坡灾害长期监测的基础设施。结合活动地块的划分和长期的GNSS观测结果,笔者将我国大陆和海域初步划分为7个“刚性骨架地块”,简称“刚性地块”,拟建立覆盖我国陆海全域的区域参考框架系列:东北、华北、华南、西北、青藏、川滇及南海参考框架。本文介绍了从全球参考框架(IGS14)到区域参考框架的坐标转换方法,并例举了华北参考框架(NChina20)和华南参考框架(SChina20)在滑坡长期监测和滑坡初动自动识别领域的应用。     

云贵高原地区生态系统服务价值时空变化特征北大核心CSCD

针对云贵高原地区在开展生态恢复工程后的生态系统服务价值(ESVs)如何变化问题,本文基于当量因子和空间自相关分析等方法,研究了云贵高原地区ESVs的时空变化特征。结果表明:(1)土地利用类型转移主要是农田转为建设用地与水体。(2)在开展生态恢复工程后,生态系统得到了改善,ESVs在38年间呈先减少后增加的趋势,累计增加94.91亿元,森林的生态调节能力及产生的价值总量在2180亿元以上,最少的为荒漠,约为0.1亿元。(3)ESVs的空间分布格局表现为西南地区较高、中部较低。(4)1980—2018年ESVs表现为显著空间正相关,莫兰指数大于0.46,有明显的聚集特征。     

室内三维点云空间自动划分与规则化方法北大核心CSCD

精准空间划分是实现室内语义建模与拓扑结构重建的重要基础。三维点云作为常用的室内空间数据载体,如何基于三维点云进行室内空间语义信息提取与规则化具有重要意义。本文提出了一种基于形态学分割方法实现室内场景的分割,并结合矢量规则化方法完成分割场景的规则化。首先,基于区域增长算法与线性拟合方法提取空间分割要素,通过平面投影生成二进制影像,进而利用距离变换和分水岭算法完成空间分割;然后,对空间分割要素进行线性拟合,进行室内空间格网划分,采用矢栅叠加方法实现空间要素规则化;最后,通过4组实际场景(包含3组ISPRS数据集及1组实际场景采集数据)进行数据验证。试验结果显示,本文提出的室内空间分割与规则化方法可以准确快速地完成室内空间要素的提取。     

城市轨道交通盾构隧道病害空间分布特征量化研究

随着地铁的不断建设与投入使用,我国正在逐步进入地铁运营养护期,地铁病害检测与运营养护也逐渐得到重视。随着地铁运营年限的增加,病害也呈现加重趋势。通过三维激光扫描技术获取隧道病害全面信息,利用空间自相关性分析地铁隧道病害的地理空间分布特征,对于认识病害形成机理,防治病害具有重要意义。本文以某地铁隧道通过三维激光扫描所获得的水平收敛数据为基础,利用空间自相关分析法定量分析了病害在地理空间上的分布特征,以及与周边水文地质环境的关系。结果表明,隧道病害在地理空间分布上呈现显著的空间正相关与空间集聚特性,且病害严重区与隧道周边水文地质环境密切相关。本文结果为隧道病害地理空间分布特征研究、认识病害分布规律及后期病害治理提供了有效依据。     

最小割与深度学习联合优化的室内粘连点云分割方法

随着数字城市的发展,城市三维模型重建对三维点云结构化的需求与精度要求越来越高。如何有效准确地分割室内语义模型与三维重构是当前研究的热点问题。点云分割分类是室内点云结构化的重要基础,如何将粘连点云构件进行准确分割并用于室内点云结构化,是当前城市建模的难点。本文提出了一种面向室内粘连点云数据的分割分类方法。首先,利用深度学习网络处理室内点云数据;其次,对点云数据进行标签分类,得到目标标签点云;然后,利用欧氏算法对目标点云进行聚类分割,通过室内语义构件包围盒信息计算各目标中心点坐标与水平半径;最后,利用点云最小割实现室内粘连点云的准确分割。利用3组室内场景中获取的数据对分割方法的精度及有效性进行了验证。结果表明,该分割优化方法具有较高的精度与数据完整性。     

基于改进麻雀搜索算法优化BP神经网络的PM_(2.5)浓度预测北大核心CSCD

针对传统BP神经网络模型收敛速度慢、易陷入局部极值等问题,本文采用分段线性混沌映射(PWLCM)和萤火虫算法(FA)改进麻雀搜索算法(SSA),并优化BP神经网络模型初始权值和阈值,对西安市PM_(2.5)浓度进行预测。通过比较不同模型预测结果的评价指标,并与性能较优的SSA-BP模型对比,ISSA-BP模型预测结果的RMSE、MAPE、MAE分别下降了3.70、3.73、3.34。试验结果表明,改进后的麻雀搜索算法具有高效的全局最优搜索能力,优化后的ISSA-BP神经网络预测稳定性高,精度优于BP、SSA-BP神经网络模型,可用于预测PM_(2.5)浓度。