移动GIS在传染病防控方面的应用——以COVID-19为例

新型冠状病毒肺炎（COVID-19）疫情的出现和暴发流行,给社会、经济及人群健康提出巨大的挑战,已经成为重大公共卫生事件和社会问题。作为一种新发传染病,提早发现、迅速采用有效应对举措,是防止病毒蔓延扩散的重要环节。地理信息系统（GIS）在传染病的控制、预防、预警中有举足轻重的地位,移动GIS（Mobile GIS）作为GIS技术的发展,进一步提高了我国卫生部门应对突发传染病的能力。本文以COVID-19防控为例,重点介绍了移动GIS技术在传染病防控中的应用。     

路网约束条件下热力规则设计与试验

热力图是一种能直观准确展示空间观测值的有效工具,在多个领域具有广泛应用。本文在分析设定不同道路层权重、道路技术等级分类的基础上,以反距离权重、直方图均衡化、密度补偿、参数多次迭代等方法,研究构建了以热力方式展示道路网分布及发达程度的相关规则体系。热力规则通过道路赋权、路线曲面化、密度协调、图面综合等多套规则的有机结合,实现了道路网总体发达水平信息的提取与展示,并以全球地理信息资源建设项目路网成果中的亚洲和非洲部分国家数据为例,进行了信息提取与热力分布试验。     

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。     

Mapping 3D visibility in an urban street environment from mobile LiDAR point clouds

ABSTRACT

Visibility determination is a key requirement in a wide range of national and urban applications, such as national security, landscape management, and urban design. Mobile LiDAR point clouds can depict the urban built environment with a high level of details and accuracy. However, few three-dimensional visibility approaches have been developed for the street-level point-cloud data. Accordingly, an approach based on mobile LiDAR point clouds has been developed to map the three-dimensional visibility at the street level. The method consists of five steps: voxelization of point-cloud data, construction of lines-of-sight, construction of sectors of sight, construction of three-dimensional visible space, and calculation of volume index. The proposed approach is able to automatically measure the volume of visible space and openness at any viewpoint along a street. This approach has been applied to three study areas. The results indicated that the proposed approach enables accurate simulation of visible space as well as high-resolution (1 m × 1 m) mapping of the visible volume index. The proposed approach can make a contribution to the improvement of urban planning and design processes that aim at developing more sustainable built environments.     

The Structure of Potential Amur Tiger (Panthera tigris altaica) Habitats and Evaluation of Its Prey in Taipingou National Reserve (China) Based on Remote Sensing Data

Izvestiya, Atmospheric and Oceanic Physics - The population of the Amur tiger (Panthera tigris altaica) in the Russian Far East is currently being restored; young individuals are being spread...     

2018?2019年舟山近海浮游动物群落结构春季年际变化及其与水团的关系

根据2018?2019年春季两个航次在舟山近海进行的浮游生物调查结果,对舟山近海的浮游动物群落结构(类群组成、优势种数量)年际变化进行了研究,利用典范对应分析(Canonical Correspondence Analysis, CCA)研究了两年春季浮游动物类群组成差异、优势种变化的原因,初步探讨了春季浮游动物群落结构动态变化的机制。结果表明:根据表层温度(Sea Surface Temperature,SST)、表层盐度(Sea Surface Salinity,SSS)的聚类分析,将该区域分为3个水团:杭州湾内水团(I区)、舟山本岛上升流水团II区)、舟山近海水团(III区)。不同水团对浮游动物类群组成影响显著,引起2018年和2019年春季3个水团区差异的主要贡献种(贡献率>10%)均为中华哲水蚤,同一水团两年间年际差异的贡献种如下:I区为捷氏歪水蚤(56.91%)和真刺唇角水蚤(12.34%);II区为中华哲水蚤(72.64%)、五角水母(13.35%);III区为中华哲水蚤(41.93%)、夜光虫(22.94%)。CCA分析表明,第1 CCA轴(CCA1)和第2 CCA轴(CCA2)共解释了两年春季浮游动物优势种累计方差的46.14%和物种?环境累计方差的97.82%。CCA1主要反映了空间(近海水团和湾内水团)的差异。CCA2主要反映了2018年和2019年站位的年际差异。盐度是影响春季浮游动物群落结构空间差异的主要因素,而温度、叶绿素a浓度是春季浮游动物群落结构年际差异的主要因素。     

Multiple Unmanned Underwater Vehicles Consensus Control with Unmeasurable Velocity Information and Environmental Disturbances Under Switching Directed Topologies

China Ocean Engineering - A consensus algorithm proposed in the paper is applied to tackle remarkable problems of unmeasurable velocities, the environmental disturbances, and the limited...     

Influence Analysis and Vibration Restraint Solutions Research on the Underwater Acoustic Monitoring System

China Ocean Engineering - In order to reduce the hydrodynamic and structural influences on the detection accuracy especially in the very-low-frequency range, some vibration restraint methods are...     

一种用于海洋综合观测浮标的多种通信方式集成系统

为了优化海洋综合观测浮标的通信系统,设计了一种通信方式集成系统,将多种通信模块进行集成管理,并在每个数据发送周期进行通信信号检测,经过比较选择最优的通信方式进行数据传输。该系统具有采集数据完整、数据冗余小、运行功耗低等优点,有效增强了浮标的通信能力,完善了原有通信系统的功能,并且后期还具备较强的可扩展性功能,如浮标舱内环境监测和独立定位等,进一步增强浮标的安全性。该系统已经完成12个月的海上试运行,系统运行稳定,功能达到预期,可满足海洋综合观测浮标对多种通信方式进行优化管理的需求。     

基于YOLOv3深度学习的海雾气象条件下海上船只实时检测

海雾气象条件下船只高精度检测识别面临较大困难,传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题,提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片（海雾、雨）的判别方法,实现图片清晰度分类处理;其次为提高海雾气象条件下海上船只的实时检测精度,消除海雾遮挡对目标识别的影响,运用暗通道先验去雾方法对含有海雾的图像实行去雾;最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只,对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。