基于SBAS时序分析的大同地面沉降与地下水活动研究

大同盆地是汾渭盆地北端一个地面沉降较严重的区域,地下水开采是该区域地面沉降发生的一个重要原因。然而地下水活动与地面沉降在空间和时间的相关性却鲜有研究。为了掌握该地区地下水活动与地面沉降的内在联系,该文基于Envisat ASAR数据,利用短基线集(small baseline subset,SBAS)-In SAR技术对大同盆地地面沉降形变特征进行监测;同时利用地下水位监测数据,研究地面沉降中心与地下水位漏斗在空间和时间上的对应关系,定量分析2处地下水位波动与地表形变的关系。研究表明,地下水开采是大同盆地水源地地面沉降的主要原因,但并非所有的地下水位漏斗都存在地面沉降。该研究成果对指导该地区地下水开采及控制地面沉降有一定参考价值。     

基于深度学习的目标检测定位系统设计与实现

针对传统遥感影像目标检测方法效率不高,并且无有效手段对检测信息进行管理利用的问题,提出了在B/S构架下基于深度学习的目标检测及定位方法。通过集成深度学习框架、WebGIS以及数据库,实现了集遥感影像目标检测、展示及管理于一体的目标检测定位系统,满足多用户基于前端浏览器的并发目标检测需求。利用网格划分策略,实现了基于前端的大区域范围的目标快速检测。基于某机场飞机目标及某城市区域运动场目标检测结果表明:本文设计的目标检测定位系统能够在前端实现目标快速检测定位,具有较高检测精度,并可有效管理检测信息,为深度学习循环再利用提供数据支撑。     

绵阳市涪城区近十年土地利用动态监测及分析

近年来绵阳市土地利用变化现象表现十分明显,但缺乏比较深入的研究。本文根据绵阳市涪城区2000年和2010年的土地利用变化动态监测数据,利用CA-Markov模型对2020年的土地利用空间格局进行预测,并对引起该区土地利用变化的驱动力进行分析。     

基于OGC标准的基础地理数据集群服务设计

现代三维数字地球已成为GIS技术应用的常用前端展现平台,采用的海量高分辨率遥感影像、分层地名数据和DEM数据的数字地球能否提供高效服务成为制约数字地球框架实用性的关键因素。本文对目前流行的由World Wind项目组基于OGC标准实现的WMS服务及通过Geo Server项目实现的地名服务建立基础地理集群服务的方法进行了研究,同时还针对不同分辨率、不同存储模式的的影像数据服务效率给出了实际分析测试结果。     

区域产学研体系下创新人才培养研究——以工科专业学位研究生为例

从人才创新机制下剖析区域产学研合作体系内涵,分析工科专业学位研究生培养现状及存在问题。以西南科技大学多年来区域产学研联合办学及专业学位发展为例,深入剖析产学研体系下工科专业学位研究生创新人才教育模式,探索总结区域产学研模式下创新型人才培养途径和思路,为进一步壮大工科专业学位研究生培养模式和发展规模提供参考。     

S-57等深线数据的格式转换与集成

以中国海区501幅42种比例尺的等深线图为例,将其S-57格式转换为shp格式,并通过ArcGIS平台进行批处理合并。在先验知识和其他图层的参与下,分别制定不同的处理原则,实现所有比例尺的等深线在同一比例尺下显示。     

BDS/GPS组合基线解算软件开发及精度分析

主要论述了BDS/GPS组合的理论,基于VC++6.0开发了BDS/GPS组合基线解算软件,详细介绍了该软件的设计思路及主要功能。利用多组实例数据比较了单系统与双系统在伪距单点,伪距双差和载波双差方面的精度差异,全面分析了解算结果,从而验证了该软件的正确性,并得出了有益结论。     

独立分量分析改进的图像去噪方法

针对传统去噪算法在复杂噪声污染图像处理中能力较弱的问题,该文基于信号高阶统计量的独立分量分析,通过其自适应变换,分离出源信号中的统计独立的分量,在分析对比传统图像去噪方法的基础上,讨论了独立分量分析的基本模型及原理;提出了一种结合中值滤波与wiener滤波的最大似然估计的图像去噪改进方法。仿真实验表明改进的独立分量分析去噪方法具有较大的优越性。     

检索词优化与空间自适应的深网POI获取方法研究

针对检索词库构建困难、数据请求量受限制等相关问题,该文提出一种基于独立覆盖率排序和空间自适应剖分的深网POI信息搜索方法,通过候选检索词初步构建、贪婪式探测搜索、检索词优化降维、空间自适应剖分爬行等主要流程,利用逐步逼近POI搜索的最大覆盖最优解,实现对深网POI信息的全量获取,大幅度提高深网POI数据的召回率与采集效率,该方法对于丰富地理信息资源、提升空间信息服务与内容管理能力具有重要意义。     

深度卷积神经网络支持下的遥感影像飞机检测

针对YOLOv3算法对小目标检测较差及出现较多漏检的问题,本文提出了一种优化的YOLOv3算法.首先使用K-means算法计算出与数据集相适用的锚框;其次将扩张卷积引入到YOLOv3网络,用来增强网络高层的感受野,改善小目标的检测效果;然后使用深度可分离卷积取代YOLOv3网络残差模块中的普通卷积,可减少计算量,从而得到一种新型卷积神经网络结构;最后在数据集上进行对比试验.结果表明,优化的YOLOv3算法能够检测出更多目标,降低漏检率,相比于YOLOv3算法,其召回率提高11.86%,F1-score提高2.99%.