机载LiDAR点云数据的二面角滤波算法

机载LiDAR是获取地表DEM的重要技术之一。本文针对机载LiDAR点云数据在复杂城区环境下的大型建筑及低矮地物滤波问题,提出一种新的二面角滤波法。利用空间二面角的平面角可以表达空间两相交平面相对位置的原理,实现机载LiDAR点云数据滤波。首先,算法提取点云数据中的高程突变点,以非突变点的二面角余弦均值稳定性作为判定迭代结束的条件;其次,分别统计高程突变和非突变点集的二面角余弦值频率分布,以交点处对应余弦值和最后一次迭代的坡度值作为LiDAR点云滤波的判定条件;最后,利用数学形态学“开”算子,去除残留低矮植被,得到可靠的滤波结果。对同一区域机载LiDAR点云数据,通过“二面角法”与“渐进三角网法”进行滤波处理。实验结果表明,二面角滤波法能有效地降低地物点错分为地面点的百分率,且在去除地物信息的同时能良好地保留地形特征。     

北京地下水系统演化与地面沉降过程

采用地下水动态监测网、GPS监测网数据、气象监测数据与SAR数据、GIS等技术相结合,建立地下水系统演化与地面沉降过程模型,系统分析了北京地区地下水降落漏斗区地面沉降的形成过程。研究表明:降雨量呈逐年下降趋势,地下水开采量随之增大;平原区地下水位呈下降趋势,间接导致了地下水降落漏斗和地面沉降的形成演化。地面沉降对地下水降落漏斗的响应模式存在着季节与年际差异性,时空分布上存在不均匀性,最大地面沉降速率约为41.43 mm/a;揭示了地下水降落漏斗与地面沉降漏斗空间展布特性存在一致性,但并非完全吻合。     

基于高光谱与多光谱植被指数的洪河沼泽植被叶面积指数估算模型对比研究

以洪河国家级自然保护区为研究区,2009年8月中旬,在研究区野外实测沼泽植物冠层的光谱反射率和叶面积指数(LAI),将地面实测的植物高光谱反射率以Landsat-5 TM波段范围为基准进行波谱重采样,以重采样后的光谱反射率计算多光谱植被指数,用几种常见的高光谱和多光谱植被指数建立估算沼泽植被叶面积指数的统计回归模型,对比这些模型的精度,选出最优模型.研究结果表明,用各植被指数建立的估算沼泽植被叶面积指数的回归模型分别为二次函数、对数函数或指数函数;各模型对沼泽植被叶面积指数的反演精度差别较大;在全波段高光谱植被指数中,用全波段归一化植被指数H-FNDVI(R930,R515)构建的估算沼泽植被叶面积指数的模型最佳;在常规高光谱植被指数中,用修正简单比率H-MSR构建的估算沼泽植被叶面积指数的模型最佳;在多光谱植被指数中,用多光谱归一化植被指数M-NDVI构建的估算沼泽植被叶面积指数的模型最佳.对比发现,由多光谱数据提取的植被指数构建的模型对研究区LAI的估算效果不太理想,而从实测高光谱数据提取的窄波段特有植被指数构建的估算沼泽植被叶面积指数模型表现出较明显的优势,表明窄波段植被指数更适合用来监测沼泽植被叶面积指数.     

基于InSAR技术北京地区地面沉降监测与风险分析

以北京市典型地面沉降区为研究区,采用永久散射体技术--StamPS算法,利用覆盖北京地区的16幅ASAR图像进行永久散射体干涉处理,获得该区地面沉降监测信息,初步揭示了研究区地面沉降的空间分布特征.在此基础上,结合GIS空间分析方法,对地面沉降的风险范围、风险程度等进行综合分析,表明北京地区的地面沉降防治刻不容缓.     

GIS原理与方法英文专业课程建设与思考

地理信息系统(GIS)原理与方法课程主要讲授地理空间数据处理、管理、统计、分析及可视化等方面的理论模型与技术方法,是测绘、地学相关本科专业的基础必修课程之一。开展该课程的全英文教学改革探索,能够提升课程教学的高阶性和挑战度,有益于教学内容的创新,同时能够满足就业单位对毕业生越来越高的国际化素养要求,也为部分本科生深造和留学生来华学习提供资源。本文在分析理工科英文专业课程建设必要性和面临问题的基础上,以国家一流本科课程GIS原理与方法为例,提出了英文专业课程建设的原则和目标,针对不同专业基础的学生,设计了课程理论与实践教学内容及方式,旨在塑造学生形成地理信息科学专业的社会价值观,培养学生采用跨文化、跨语言的形式传播中国声音、讲述中国故事的能力。     

基于熵和转移矩阵分析北京地铁15号线地面沉降时空特征

首先基于PS-InSAR技术获取地铁15号线地面沉降信息,采用信息论方法计算研究区2003-2019年的熵值,然后通过转移矩阵分析地面沉降的转化规律及其与熵值变化的关系。发现2003-2020年,研究区受地质构造影响差异沉降明显,年均地面沉降速率区间为[-100.17,1.19]mm/a;2016年前信息熵不断增加,地面沉降差异性较大,之后信息熵逐渐降低,沉降一致性较好;熵值大小与地面沉降的发育程度有关,沉降严重区熵值较高,沉降稳定区熵值较低;熵值增大时各沉降类型的转出率高,此时地面沉降系统不稳定,熵值减小时各沉降类型的转出率低,沉降系统较稳定。     

DEM网格尺寸对地形因子精度的影响分析

本文以四川省为研究区,基于SRTM数据和GDEM数据,选取5种不同网格尺寸提取坡度、坡向、剖面曲率、平面曲率和地表粗糙度等地形因子,比较DEM网格尺寸变化对提取的地形因子计算结果的误差。研究表明,DEM网格尺寸的增大增加了DEM对地形信息的概括,提取的地形因子准确性降低;但是网格尺寸如果过小,会导致数据量快速增大,浪费大量时间和计算机资源。所以在生产实践中,应综合考虑多种因素选择适宜的网格尺寸。     

土地利用动态监测中的时空数据模型研究

针对传统GIS数据模型存在的问题,开展了基于特征的时空数据模型研究.结合我国土地利用动态监测,提出了一个新的时空数据模型-基于变化特征状态的时空数据模型(SCFSTDM),该模型保持了地理现象的完整性,地理信息的完备性以及时空专题信息的有机集成,模型有利于面向目标定向分析方法的应用和时空分析与推理的实现,有利于地理数据的共享,设计和开发了基于SCFSTDM的时态土地利用信息系统,实现了基于特征实例的时空复合查询,时空推理以及动态播放等功能.     

DEM对PS-InSAR地面沉降监测的影响

针对PS-InSAR监测地面沉降受DEM精度影响的问题,该文通过应用SRTM-3DEM、ASTER GDEM和Pleiades立体像对来获取DEM,分析对比3种DEM的高程精度及其参与PS-InSAR流程的沉降监测精度。结果表明,Pleiades DEM在建筑密集区和高架桥区的监测精度更高,SRTM-3DEM在居民地和施工地区沉降监测精度更高。该成果为不同区域PS-InSAR沉降监测的DEM选择提供了参考。     

引入商空间粒度计算的全极化SAR影像分类

为了充分利用不同极化特征信息,并将其有效地结合,提出一种结合粒度计算的全极化合成孔径雷达（synthetic aperture radar,SAR）影像分类方法。在不同极化目标分解特征组合的基础上引入影像纹理信息,利用光滑支持向量机（smooth support vector machine,SSVM）对不同特征组合进行类别划分获得粗粒度空间,采用商空间对粗粒度进行合并;根据全极化SAR影像分布特性,以相干矩阵作为新的特征矢量,利用Wishart测度代替传统欧氏距离对差异粒度进行推理,通过合并推理结果与合成论域,获得精细分类结果。采用L波段San Francisco地区和荷兰Flevoland地区的全极化SAR影像进行分类试验,结果表明:利用SSVM算法对全极化SAR影像进行粗粒度划分,并采用Wishart距离对差异粒度推理综合,总体分类效果优于结合纹理信息的Cloude及Yamaguchi4分类结果,且优于基于线性特征融合进行监督分类方法。