BIBD的矢量空间数据数字指纹算法

针对矢量空间数据分发后叛逆者追踪困难的问题,该文提出了一种运用均衡不完全区组设计(BIBD)的矢量空间数据数字指纹算法。该算法首先运用限定条件的BIBD构造抗合谋攻击指纹编码,并利用Logistic映射将待嵌入指纹序列进行置乱,然后通过D-P算法提取矢量空间数据的特征点,最后应用量化索引调制(QIM)方法将指纹信息嵌入到矢量空间数据特征点上,从而得到含指纹矢量空间数据。实验表明,该算法能够抵抗多用户合谋攻击,能正确追踪到至少一个叛逆者,未发生误判;算法实现了指纹信息的盲检测,且对单用户大范围裁剪攻击具有较好的鲁棒性;该算法可以应用到矢量空间数据分发中,为矢量空间数据版权保护提供有力技术支持。     

2001-2015年喜马拉雅南麓地区植被变化遥感监测

本文应用喜马拉雅南麓地区MODIS NDVI 植被遥感数据和格点数据,采用趋势线分析、多元回归等方法分析了该研究区2001-2015 年植被 NDVI_max 时空变化特征,同时利用Person 相关分析探讨了植被 NDVI_max 时空变化特征与气候因子的响应关系。结果表明：（1）2001-2015 年,喜马拉雅南麓地区年内平均 NDVI_max 1~3 月份呈下降趋势,4~6 月份开始缓慢生长,6~9 月份进入植被生长高峰期,10 月份开始逐渐降低;植被 NDVI_max 平均值为0.59,植被覆盖度较高;空间上植被覆盖度总体呈东南高西北低,由东南向西北递减;平均 NDVI_max 随海拔变化表现出明显规律性,80%的植被主要分布在较低海拔区（<4 050 m）。（2）15 a 间,喜马拉雅南麓地区植被 NDVI_max 变化具有阶段性特征,年均 NDVI_max 呈三个变化阶段：2001-2006 年和2010-2015 年分别以0.003 9·a^-1、0.005 3·a^-1 的速率增长,而2006-2010 年以-0.007 0·a^-1 的速率减少。植被生长季 NDVI_max 呈4 个阶段：2001-2004 和2007-2010 年分别以-0.001 8·a^-1、-0.010 6·a^-1 的速率逐年减少,但2005、2006 两年（0.014 8·a^-1）快速增长至最大值,2010-2015 年（0.006 3 a^-1）波动增长。空间上大部分地区表现出不显著退化,但少部分地区表现出不显著改善（0.05< p<0.01）,而西段低海拔区表现出极显著改善。（3）喜马拉雅南麓地区植被的变化主要由温度和降水量共同影响,此外,高海拔区气温上升引起的冰川融水对植被生长起到一定的作用,中部低海拔区可能还受到人类活动的影响。     

基于无人机影像的三维模型构建技术

介绍基于无人机影像数据获取城市DEM和DOM的技术方法,总结该过程外业数据采集和内业数据处理中相关经验与方法.在VirtuoZoNT3.75和Dibud平台支持下,快速获取地表真实纹理的三维建筑物模型,基于Skyline平台集成DEM、DOM与地表建筑物模型,实现城市三维模型的快速构建.并对无人机DEM与参考DEM进行误差分析.