融合光谱-空间信息的高光谱遥感影像增量分类算法

提出了一种融合光谱和空间结构信息的高光谱遥感影像增量分类算法INC_SPEC_MPext。通过主成分分析(PCA)提取高光谱影像的若干主成分,利用数学形态学提取各主分量影像对应的形态学剖面(MP),再将所有主分量影像的形态学剖面归并联结,组成扩展的形态学剖面(MPext)。将MPext与光谱信息相结合以增加知识,最大限度地挖掘未标记样本的有用信息,优化分类器的学习能力。不断从分类器对未标记样本的预测结果中甄选置信度高的样本加入训练集,并迭代地利用扩大的训练集进行分类器构建和样本预测。以不同地表覆盖类型的AVIRIS Indian Pines和Hyperion EO-1Botswana作为测试数据,分别与基于光谱、MPext、光谱和MPext融合的分类方法进行比对。试验结果表明,在训练样本数量有限情况下,INC_SPEC_MPext算法在降低分类成本的同时,分类精度和Kappa系数都有不同程度的提高。     

k均值聚类引导的遥感影像多尺度分割优化方法

针对不同尺度地物的分割需求,提出了一种k均值聚类引导的多尺度分割优化方法。首先对原始影像进行小尺度分割和k均值聚类,然后利用k均值聚类结果引导对象合并,在合并过程中利用Otsu阈值方法自动选择k均值聚类的影响因子,最终得到适应不同尺度地物的分割结果。以FNEA多尺度分割方法为例,利用模拟数据和真实的GeoEye-1影像数据进行相关试验,目视和定量评价表明本文方法能够得到适宜不同尺度地物的高质量分割结果。     

格网DEM侵蚀学坡长并行计算方法

针对现有侵蚀学坡长串行算法在处理大区域海量数据时计算能力的不足,基于消息传递接口(MPI)并行化工具,提出了一种格网DEM的侵蚀学坡长并行计算方法,采用缓冲区更新计算策略,解决了并行计算过程中的数据依赖性问题。选取陕北黄土高原的两组不同分辨率的DEM数据对并行算法进行了测试,结果表明,提出的并行计算方法可以有效降低侵蚀学坡长的计算时间,并取得了较好的并行效率。     

浅析地理国情基础数据采集中的问题

地理国情普查是把握本国国情、国力的一项重大调查.国情基础数据作为地理国情普查的根本,提供了认识和把握国情,评估和增强国力的重要信息.本文主要介绍了地理国情普查内业采集基础数据建库流程,总结了采集过程中应遵循的规则,提出了作业中遇到的情况和处理办法.     

关于建立测绘产品生产过程质量监控系统的研究

通过分析测绘产品生产过程质量管理现状,阐述了建立生产过程质量监控系统的必要性,并重点介绍了测绘产品生产过程质量管理监控系统的工作流程和具体功能。     

清末耕地空间分布格局重建方法比较

揭示历史时期土地利用/覆盖变化是认识人类活动对气候和环境影响的基础。本文在耕地面积、人口数量、土地利用及森林分布等多源数据基础上,分别以近代耕地空间分布格局和历史时期耕地潜在分布区为边界条件,通过构建耕地垦殖倾向指数模型分配耕地面积,在1 km×1 km象元尺度上重建了清末(1908年)松嫩平原耕地空间格局,并对重建结果进行分析比较。结果表明:1两种方法重建的耕地空间分布范围格局基本一致,耕地空间定位吻合率约为68%。清末(1908年)耕地集中分布在松嫩平原东部和南部地区;2以历史时期耕地潜在分布为边界条件的重建结果,较以近代耕地空间分布格局为限制范围的重建结果更准确,更符合历史事实。     

小兴凯湖水质的空间异质性

于2013年9月,在小兴凯湖湖区的入湖口、农田排水渠、湖心、主要景观区和人口密集区布设14个采样点,选取10项水质指标,利用统计学方法,对水质指标进行空间分析及插值,以揭示其空间分布特征和变化趋势。结果表明,新开流、857农场抽排干和兴凯湖农场31队采样点的水质最差,新开口和东北泡子采样点的水质最好;水体污染水平空间变异特征明显。人类活动是影响小兴凯湖水质空间变异的主要因素,其中,农业面源污染和居民生活废物输入湖中的氮、磷和有机物是主要污染源,旅游业对该湖水质影响的强度逐渐加大。     

TanDEM-X双站SAR干涉测量及研究进展

较全面、系统地介绍了Tan DEM-X/Terra SAR-X双站SAR科学计划,重点涉及其科学目标、Tan DEM-X卫星参数、轨道结构以及干涉数据获取模式等相关内容,并讨论了双站SAR成像、极化In SAR和数字波束成形等干涉测量新技术及其研究进展。这些双站SAR新技术的实现将大大地推动SAR干涉测量在全球地形测绘、冰川学、海洋学及地质学等领域中的应用。     

基于区域多次回波点密度分析的城区LiDAR建筑物提取

以正确提取城区Li DAR点云中建筑物为目标,综合利用不同类别目标点云的回波特征以及地形信息,提出了一种基于区域多次回波密度分析的Li DAR点云建筑物提取方法。首先,将点云构建不规则三角网(triangulated irregular network,TIN),获取封闭的等高线;然后,利用等高线间的拓扑关系得到等高线族区域;最后,统计每一区域的多次回波点云密度信息,通过建筑物和树木区域多次回波点云在区域密度上的巨大差异来识别建筑物点云和树木点云。研究结果表明:该方法既充分利用了建筑物表面与植被间多次回波特性的差异,又不否定建筑物边缘同样存在多次回波的现象;通过封闭的等高线自适应地检测出地物目标的轮廓,弥补了传统Li DAR建筑物提取方法的不足;该方法能够较其他方法更准确地提取建筑物。