多季相混合像元部分分解特征的不透水面分类

针对利用光谱混合分解提取不透水面特征通常受到端元类型和数量的限制,同时植被变化会影响估计精度的问题,该文提出 了一种综合季相和植被变化信息的不透水面提取框架.基于混合像元部分分解算法——混合调谐匹配滤波(MTMF),设计了多季相组合MTMF(SCMTMF)特征和多季相叠加MTMF(SSMTMF)两种策略,构造了不透水面的多季相MTMF特征,将不透水特征与多季相植被指数结合利用支持向量机实现对不透水面的精确分类.结果表明,利用多季相特征得到的不透水面提取效果相较于单季相有较明显的改善,该文所提出的策略有利于提高不透水面的估计精度.     

基于DBN的车载激光点云路侧多目标提取

提出一种基于深度信念网络（DBN）的车载激光点云路侧多目标提取方法。首先通过预处理对原始数据进行分段,并将地面和建筑物点云与路侧目标进行分离;然后利用连通分支聚类分析算法进行路侧点云聚类,并采用基于体素的归一化分割方法分割重叠点云,从而生成独立目标点云;在此基础上,生成基于多方向目标对象的二值图像并展开成二值向量作为独立目标点云的描述特征;最后构建并训练DBN,利用训练好的DBN提取行道树、车辆及杆状目标等3类路侧目标。试验采用两份不同城市道路场景的点云数据,行道树、车辆及杆状目标提取结果的准确率分别达97.31%、97.79%、92.78%,召回率分别达98.30%、98.75%和96.77%,精度分别达95.70%、93.81%和90.00%,F1值分别达97.80%、96.81%和94.73%。试验结果验证了本文的有效性。     

跨比例尺新旧居民地目标变化分析与决策树识别

变化分析与探测是跨比例尺地图数据更新的核心问题之一。以往研究主要关注时间维上地理实体时空演化引起的地图目标变化,甚至将地图目标变化等同于地理实体真实变化,忽略了尺度维上由地图综合导致的表达变化。本文以居民地数据为例,从表层形式和深层缘由对跨比例尺新旧地图数据间的目标变化进行深入分析。在此基础上,引入机器学习领域的决策树方法构建变化信息识别模型。该模型的目标是判别时态变化和表达变化两种类型,从而提取用于更新小比例尺地图数据的真正变化信息。结合广州市多比例尺地图数据库更新任务及实际数据进行验证,结果显示设计的变化探测模型可以达到90%以上的整体精度。     

傅里叶级数残差修正的TDGM(1,1)模型预测基坑地表沉降

基坑地表沉降预测是城市化进程中的难点问题,由于地表沉降的影响因素众多,使用单一模型预测难度较大.提出一种基于傅里叶级数残差修正的TDGM(1,1)模型(线性时变参数离散灰色模型),利用TDGM(1,1)模型对前期沉降数据进行建模,得到初始预测值和残差后,利用傅里叶级数对残差进行修正,以此修正预测结果.分析对比2组实验,...     

综合测绘技术在古建筑现状勘察中的应用研究 ——以养心殿东配殿综合测绘项目为例

养心殿东配殿综合测绘,是养心殿研究性保护工作基础测绘的专题研究内容,通过三维激光扫描、近景摄影测量、传统手工测量等技术方法,全面采集了东配殿的空间、纹理、现状形制特征、历史遗迹等文物本体信息.同时,研究了各类测绘技术的适用性、支撑性、效率、成果利用价值、经济性等特性,通过比较分析,得出相应结论:三种测绘技术在全面数据采集过程中,各有优势,都无法相互取代,在技术选择及应用中,需要结合文物建筑的价值特征进行判断、组合,做到空间信息、图案纹理信息、构造细部信息的综合采集.     

面向城市精细化治理的"地楼房权人"实体构建

构建基础时空信息底板,是实现智慧城市内部多源、异构、海量数据间的关联与融合,保障各类智慧应用正常运转,实现城市精细化治理的前提.文中提出"地楼房权人"多层次城市实体模型,并基于该模型设计并实现"地楼房权人"实体建库、城市多源信息关联融合的业务框架,并通过应用展望,从教育学位配置和医疗资源管理等方面举例说明基于"地楼房权人"实体模型的多源信息关联在城市精细化治理中的应用价值.研究表明,通过构建"地楼房权人"等城市实体数据,并基于此关联集成各类城市数据,最终形成面向城市精细化治理的基础时空信息底板,将为智慧城市的各类应用提供基础支撑.     

面向高年级本科生研究能力培养的资源环境遥感综合实验方案设计

近年来,随着研究生教育规模的逐年提升,高年级本科教育目标也随之发生一定变化,遥感专业教学中,有必要加强对学生研究能力的培养。本文以矿区资源环境遥感课程为例,以课程综合实验为切入点,结合课程特点提出了半开放式、可拓展的实验架构,探索了面向本科生研究能力培养需求的实验方案设计及教学实践工作,引导学生由被动接受向主动思考转变;由知识吸收向研究实践转变。向学生展示本专业科学研究的基本方法,为学生顺利进入社会工作岗位或转入更高学习阶段打好基础。     

机载LiDAR生成亚热带森林林下DTM的地面误差分析

目前LiDAR技术已经成为DTM的主要生产方法。地面误差对LiDAR生成DTM的精度影响比较明显,特别是由于亚热带森林植被覆盖区LiDAR激光点云少,生成的DTM更复杂,需要分析地面误差对LiDAR生成林下DTM的精度影响。本文以华南农业大学增城教学科研基地为研究对象,从森林郁闭度和坡度两个方面探讨了地面误差对机载LiDAR数据生成林下DTM精度的影响。研究结果发现高程误差会随郁闭度的增大而增大;而随坡度变化趋势不明显,但是坡度为15°时成为误差的分水岭,其前后误差差异比较明显。总体而言,郁闭度的影响更为明显。     

地理空间要素与贫困分布的关系研究——以赫章县为例

本文以赫章县为例,以乡镇为研究单元,从地形地貌、土地资源、交通条件等方面构建地理空间要素评价指标。并利用地理探测器、地理加权回归模型等方法,从空间的视角科学分析地理空间要素对贫困化空间分布的影响,揭示了贫困程度与资源环境的空间分布规律,为实现因地制宜、精准脱贫,以及巩固脱贫摘帽成果提供了决策参考。     

结合自适应PCNN的非下采样剪切波遥感影像融合

为解决全色与多光谱遥感影像融合中脉冲耦合神经网络参数不能自适应调节问题,提出一种基于参数自适应脉冲耦合神经网络模型(PA-PCNN)和保持能量属性(EA)融合策略相结合的非下采样剪切波变换(NSST)的遥感影像融合方法:①通过提取多光谱影像YUV颜色空间变换的Y亮度分量并与全色影像进行NSST变换,获得高频系数和低频系数.②针对低频子带系数,采用EA法进行融合;针对高频子带系数,通过PA-PCNN模型得到的最优参数,以确定最优的PCNN模型,进而实现高频子带系数的融合.③将NSST和YUV进行逆变换得到融合影像.本文选取空间频率、相对无量纲全局误差、相关系数、视觉信息保真度、基于梯度的融合性能和结构相似度测量等6种客观评价指标对融合影像的光谱和空间细节评价,利用多组不同分辨率全色和多光谱遥感影像,通过与4种融合方法对比验证,结果表明本文方法在视觉感知和客观评价方面总体优于其他全色与多光谱遥感影像融合方法.