基于分层的面状地图符号设计

根据面状符号的结构特征和实现机制,提出了基于分层的面状地图符号设计方法,把面状符号分为若干层,每层采用一种填充方式,并在基于VC⁺⁺的Cartosymbol软件中实现。结果表明,该方法既便于地理现象的表达,又便于计算机实现。     

基础地理信息应用服务研究

本文全面、系统地分析了基础地理信息在地理信息产业中的作用、基础地理信息的各种应用，并在此基础上提出了基础地理信息的服务策略。     

基于三差解检测与修复GPS载波相位周跳新方法

对飞行中初始化载波相位整周模糊度ＧＰＳ的动态差分定位而言,如果在整周模糊度初始化过程中发生载波相位周跳,将严重影响整周模糊度的确定,本文对已有的ＧＰＳ静态差分定位中通过三差解检测与修复周跳的方法进行了推广,提出了一种适合于解决Ｏｎ－Ｔｈｅ－Ｆｌｙ整周模糊度初始化过程中周跳问题的新方法。新方法保持了静态情况下原有方法的特点,分析和利用实采数据进行的检验表明,新方法是有效和实用的。     

玉米大豆生长中后期遥感辨识的指示性特征研究

玉米和大豆是两种主要的粮食作物,及时准确地监测两者的种植面积对于产量预测和市场价格的制定具有重要的意义。利用遥感技术探究在生长季中后期能有效区分玉米和大豆的指示性特征集,为在不同实验区进行推广应用和提前玉米和大豆种植面积信息发布的时间提供技术支撑。文章以玉米和大豆为研究对象,以黑龙江和安徽省两个典型种植区为实验区,以高分一号影像为数据源,计算多种植被指数特征和两种纹理特征,同时利用特征优选方法评价特征间的相对重要性,并结合随机森林分类算法分析特征个数对精度的影响,得到不同试验区区分两者的最佳特征子集。随后根据不同实验区最佳特征子集的共同点和差异,遴选出对玉米和大豆中后期区分的遥感指示性识别特征集,并设计实验方案验证其有效性和稳定性。实验表明：在玉米和大豆生长中后期存在具有高效辨识两者的遥感特征集,能有效和稳定地增强两者的遥感识别能力;在不同实验区,基于特征优选方法可以选择出区分玉米和大豆的最佳分类特征子集,得到两者最优的识别效果,比仅仅使用原始波段特征的分类精度提升了近10个百分点,总体分类精度能够平均达到97%,Kappa系数0.96,玉米和大豆的单类分类精度平均超过95%;在不同的种植区,利用玉米和大豆的指示性特征集可以得到几乎与优选出的最佳特征子集同样的分类精度和制图效果,且具有稳定性和有效性,较最佳特征集更具推广使用意义。指示性特征集包含6种：植被指数中的比值植被指数（RVI）,差值植被指数（DVI）,转换型植被指数（TVI）,改进型叶绿素吸收比率指数（MCARI）和灰度共生矩阵（GLCM）纹理特征中的二阶矩（the Second Moment）和熵（Entropy）。     

顾及运动状态改正的GNSS滑坡监测基准站切换方法

实时相对定位技术已广泛应用于高精度实时滑坡监测,其高精度定位依赖于连续稳定的基准站数据。然而基准站数据由于供电、通信等原因时常发生中断,严重影响滑坡监测结果的连续性和可靠性。本文提出顾及运动状态改正的GNSS滑坡监测基准站切换方法,首先根据待切换新基准站长期监测时间序列确定其运动状态,然后基于滑坡体变形演化规律,结合运动状态建立新基准站位移模型并定期对模型检核,最后根据新基准位移对各监测点位移进行修正。该方法成功应用于甘肃黑方台滑坡监测基准站切换,且改正后各监测站位移与真实变形接近。以改进型切线角作为滑坡预警判据,使用改正前后的监测位移-时间序列进行预警,预警结果表明,不进行改正可能导致预警的误判。本文方法针对基准站数据中断问题,通过切换新基准并对基准误差进行修正以获取连续可靠的滑坡监测序列,保障了滑坡监测的连续性和预警的及时性。     

基于码字匹配和引力筛选的半监督协同训练算法

针对传统的Co-training和Tri-training协同训练算法中基分类器独立性低、迭代过程中误差累积和整体泛化性能低的问题,将多视图理论、编码理论和万有引力公式引入协同训练分类算法中,提出了改进算法,算法有效地防止了迭代过程中的误差累积,同时提高了分类系统的泛化性能。在高光谱图像分类实验中,随机地从数据集中抽取5%、10%和20%样本作为已标记训练集时,码字匹配的协同训练分类算法对比Co-training和Tri-training算法,在分类精度上平均分别提高了12.38%和6.13%,在Kappa系数上平均分别提高了0.2和0.07。进一步加入引力筛选机制,对比Co-training和Tri-training算法,在分类精度上平均分别提高了21.30%和10.99%,在Kappa系数上平均分别提高了0.26和0.13,结果表明了本文算法的有效性。     

一种基于软件网络的重要服务发现方法

与已有的侧重于服务内容的方法不同,本文根据服务组合的历史记录,提出了一种依据服务间依赖关系发现重要服务,以及其他可与之进行组合的服务的方法。在对ProgrammableWeb真实数据的实验结果表明,发现的重要Web API在Mashup中出现率达95%,且在分析给定Web API集的可组合性方面,成功率高达98%。     

高程对TDICCD相机像移补偿影响分析

高分辨率遥感卫星中常使用TDICCD(时间延迟积分CCD)相机,为获取高质量遥感影像,在相机成像过程中须采用像移补偿技术,而目前大部分像移补偿忽略了高程的影响。基于参考椭球面下成像矢量模型,建立考虑高程的成像矢量模型及解算方法流程,精确地计算相机成像时像点对应地面成像点的坐标及像移补偿参数。根据计算结果,分析高程对像移补偿参数的影响,在此基础上,综合考虑像移补偿参数精度对高程误差的要求、星上存储空间及高程查询速度,讨论星载数字高程模型(DEM)的生成,为星载DEM的使用及TDICCD相机高精度像移补偿提供理论基础和实验分析。     

基于Stacked ConvLSTM的时间序列森林火烧迹地检测

确定森林火烧迹地的准确时间点以及空间范围对于森林的受损评价、管理、碳核算以及森林恢复的管理有重要意义。由于森林火烧迹地在空间分布上具有一定的连续性,现有的森林火烧迹地提取方法大都采用先分类再后处理的两步处理策略来抑制虚警像素的影响。本文提出将时空检测方法 Stacked ConvLSTM用于时间序列森林火烧迹地的检测,在保持结果具有较好空间连续性的基础上避免了具有主观性的后处理操作,实现端到端提取森林火烧迹地信息,提升了森林火烧迹地的提取精度。采用MODIS时间序列数据,基于2001年—2008年以及2001年—2016年的黑龙江沾河林业局伊南河林场和内蒙古自治区毕拉河林业局北大河林场两个区域的历史时间序列,分别对这两个区域2009年以及2017年发生的特大火灾区域进行火烧迹地检测,利用Stacked ConvLSTM、Stacked LSTM以及bfast算法在两个区域的MODIS时间序列中提取森林火烧迹地,并将火烧迹地检测结果与ESA发布的Fire＿CCI 5.1火烧迹地产品进行对比分析。结果表明：首先,从目视效果来看,在研究区域Ⅰ,Stacked ConvLSTM检测的结果比St...