基于Cesium的WebGIS倾斜三维平台的实现

由于传统的二维GIS平台日渐式微,地理信息技术发展的速度越来越快,需要精度更高、表现力更好的三维GIS平台以及相应的解决方案。本文阐述了以Cesium开源前端库为依托,通过倾斜三维模型作为基础数据,实现三维WebGIS平台建设的解决方案,同时通过实例对三维平台的功能进行说明。     

基于点云数据的改进四叉树空间索引研究

随着测绘行业的不断发展,三维激光扫描技术已经成为地理信息产业中不可或缺的重要组成部分^[1],然而点云庞大的数据量给处理带来了一定的困难。本文针对运用车载移动测量系统所获取的海量点云数据,采用了一种基于编码改进四叉树索引的点云数据组织处理方法。结果证明该方法提高了创建索引的速度,减少了树的深度以及数据的冗余量,并基于此编码进行最邻近查找,具有可行性和有效性。     

一种快速的天文图像模拟方法及分析

图像模拟在天文学研究中已经发挥越来越重要的作用,其重要性主要表现在以下几方面:通过模拟可以为准备研制的天文观测设备评估提供重要的依据;通过对模拟数据的处理可以验证数据处理的算法。对图像模拟的整个过程进行描述,并在计算上对图像模拟的局部方法进行优化,使模拟结果能够高效准确的生成。主要工作包含以下几方面:对天体形态的模拟,包括点源(如恒星)和展源(星系),这里主要对展源建模;模拟观测条件,主要是仪器和天光背景等产生的噪声;模拟点扩散函数;从计算和程序的方法对计算流程进行优化;对结果进行分析。采用的数据是哈勃超深空场(HUDF) ACS WFC i(F775)波段的数据,其极限星等达到29等。通过对模拟结果的分析,可以看出该方法能够快速并且较为准确地对星系图像进行模拟。     

深度学习GoogleNet模型支持下的中分辨率遥感影像自动分类

提出了一种基于深度学习技术的遥感分类方法,它能有效解决中分辨率影像在分类过程中出现的像元混分问题。研究选用2016年5月12日武汉市Landsat 7 ETM+遥感影像,基于GoogleNet模型中的Inception V3网络结构,借助迁移学习方法,构建出遥感分类模型,实现了对武汉市主城区4类典型地物（不透水层、植被、水体和其他用地）的自动分类提取,并将分类结果与传统最大似然分类（ML）结果进行了对比分析。研究表明：基于深度学习方法的遥感影像总体分类精度高达88.33%,Kappa系数为0.834 2,明显优于传统ML方法总体分类精度83%和Kappa系数0.755 0,而且有效抑制了地物在分类过程中出现的像元混分现象。     

结合空间信息选取最优端元组合的混合像元分解

传统的混合像元分解算法认为每个像元都包含图像中所能提取的全部端元组分,但这并不符合实际情况。实际上图像中大多数混合像元仅由少部分端元混合而成。由于端元提取精度及噪声的影响,采用全部端元对混合像元进行分解,会使得混合像元中实际并不存在的端元的丰度估计值不为零,分解结果存在较大误差。由于混合像元大多存在于不同地物的交界处,基于此,本文提出了一种结合图像的空间信息选取混合像元最优端元子集的方法。利用一个空间结构元素,从混合像元的附近邻域开始搜索,将搜索到的纯净像元光谱与所提取的图像端元光谱进行对比,并确定混合像元的端元子集进行分解。根据RMSE大小和变化情况,逐步扩大结构元素的大小,不断调整搜索范围,直至得到最优端元组合。模拟数据和真实数据的试验结果表明,该方法相比传统的全端元光谱分解方法,在总体上获得了更好的分解效果。     

GF-2支持下的干旱区稀疏植被区植被覆盖度估算

现有像元二分模型MODIS植被覆盖度模型因其形式简单、适用性较强的特点被广泛应用于区域植被覆盖度（FVC）的估算。然而,研究表明在沙漠和低植被覆盖的西部干旱区,从250 m的影像上很难精准地获取NDVI_veg（全植被覆盖植被指数）和NDVI_soil（全裸土区植被指数）参数。利用常用的直方图累计法获取模型所需参数NDVI_veg和NDVI_soil,估算结果存在普遍高估现象。为此,本文首先引入同期获取的GF-2号卫星数据,从GF-2号影像上提取植被覆盖像元;然后,利用Pixel Aggregate方法重采样至250 m分辨率,获取250 m空间分辨率下纯植被和纯裸土像元;最后,将纯植被和纯裸土像元各自空间位置相对应的MODIS NDVI数据最大值作为模型所需NDVI_veg和NDVI_soil参数,实现研究区内植被覆盖度的估算。试验通过与线性回归法、多项式回归法和直方图累计像元二分模型法估算结果进行精度对比,结果表明：利用GF-2影像辅助的像元二分模型,精准地获取了低植被覆盖区NDVI_veg和NDVI_soil模型参数,提高了干旱区植被覆盖度的估算精度,并有效地抑制了受稀疏植被影响NDVI在干旱区普遍偏高问题导致的FVC高估的现象。     

结合云计算与大数据的出租房消防安全监管GIS

我国城镇化进程和经济发展效果卓著,但消防建设规划与城市扩张发展之间并不协调。虽然现有研究已经运用GIS技术到消防安全监管当中,但依然存在信息联动性不强,可视化程度低的问题。为此,本文基于地理信息系统技术对城市开发区内地理信息数据、多源多时态遥感及航空影像、巡查数据、出租房数据等进行有效整合完善,以建立时空地理信息大数据。笔者利用虚拟化、云计算等技术建立出租房消防安全动态监管平台。此平台为管理部门提供了基于地理信息的决策支持,提升了出租房管理的高效性和科学性。系统的建成和应用对我国的出租房管理信息化工作的开展具有重要意义。     

一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型

提出一种基于马尔科夫链修正的遗传BP神经网络预测模型（GA-BP-MC）,利用遗传算法的全局寻优能力初始化BP神经网络权值和阈值,初步建立GA-BP神经网络预测模型,结合马尔科夫链的无后效性修正模型预测值,形成高精度GA-BP-MC神经网络变形预测模型。结合高铁桥墩沉降数据,分别与BP神经网络、GA-BP神经网络预测模型进行对比,结果表明,该预测模型精度最高。     

Archaeal community structure in sediments from a seamount in the Mariana Volcanic Arc

Seamounts are subsurface mountains in the ocean. Examination of the abundance and distribution of Archaea in seamount ecosystems may provide a better understanding of their ecological functions. Most studies of marine archaeal assemblages in seamount area have focused on hydrothermal vents or ferromanganese crusts. We investigated the archaeal communities from a seamount of the Mariana Volcanic Arc, in the tropical western Pacific Ocean by using high-throughput sequencing. Thaumarchaeota was dominant in the sediments of all sample stations. Community diversity and species richness were greatest at stations near the top of the seamount, and lowest at the deepest station. One sample station on the steep southeast slope that faced the Yap-Mariana trench had a unique composition of Archaea. In summary, depth has an important influence on archaeal community structure, and the geographic properties and sediment characteristics may explain the unique distribution patterns of Archaea in this seamount. This study provides a foundation for future research on Archaea in seamounts.     

Preparation and characterization of agar,agarose,and agaropectin from the red alga Ahnfeltia plicata

Agar,agarose,and agaropectin were extracted from the red alga Ahnfeltia plicata,and their properties and structures were characterized.Agar was extracted by a comparatively low alkaline consumption of 1.2%.It exhibited a gel strength of 1 152.50±74.25 g/cm^2 and a sulfate content of 0.55%±0.08%.The yield of agar from A.plicata was 24.53%,which is higher than those of other agarophytes commonly used in China.Three kinds of the method were compared for the purification of agarose,and the physicochemical properties of agarose that was prepared under the optimal condition were identical to those of commercially available agarose.Furthermore,agaropectin was purified from A.plicata and characterized by GC,HPLC,UV-spectrum,and FI-IR to understand its composition and structure.It was the first time to comprehensively study the agar and its fractions from the red alga of A.plicata.This research provided an eco-friendly agar extraction method from A.plicata and revealed its potential application for the production of agar,agarose,and agaropectin.