基于引力势力范围的郑州城市多中心空间形态识别

识别和分析城市多中心结构的空间形态,对优化城市空间结构具有重要意义。对引力模型的多中心综合实力参数和距离参数测定方法进行优化,首先将能够反映居民对空间结构感知体验的空间句法可达性,与人口经济和社会活动空间分布结合构建评价体系,定量计算多中心综合实力;然后将能够表达居民出行轨迹空间特征和偏好规律的词向量相关性,作为距离参数引入引力模型;最后计算引力强度并划分势力范围,对多中心发展目标的现实演化状态进行分析和评价。通过对比实验发现：优化引力模型与传统引力模型分析的势力范围存在一定差异,经空间统计和实地调查验证,优化模型对多源数据的运用更充分,考虑的因素更全面,其空间形态分析结果较为准确;从识别与规划多中心势力范围差异看,二者在郑州市核心城区的势力范围较为相似,均为早期规划或自然演化形成的已建成多中心,而部分外围多中心的识别与规划位置不同,空间形态差异明显,为未建成多中心,还远未形成其应有的分散疏解作用。     

基于小波核双重加权SVM模型的蓝藻水华识别与变化检测

以淀山湖为研究区域,利用Landsat系列遥感影像,提出了归化蓝藻指数的构建方法,结合波段组合和Gabor滤波器构建多特征空间,并基于变精度粗糙集和灰色关联决策相结合的方法进行特征空间的优化。在此基础上,采用小波核双重加权SVM分类模型,得到研究区蓝藻水华空间分布格局的识别与检测结果。以误差矩阵证明此分类模型能够较准确地识别出蓝藻水华覆盖区,满足环境调查的要求。研究成果为淀山湖蓝藻水华的防治和水生生态系统的保护提供了科学依据。     

小波去噪的灰色最小二乘支持向量机变形预测

针对变形监测数据的随机性和非平稳性,以及单一预测模型的不足,该文提出了基于小波去噪的灰色最小二乘支持向量机变形预测模型。采用小波去噪对原始数据进行降噪处理,减弱数据随机扰动的影响,建立灰色最小二乘支持向量机模型,并采用粒子群算法寻找最优参数。通过大坝位移监测数据实例对模型进行验证,并与灰色模型、最小二乘支持向量机以及灰色最小二乘支持向量机进行对比分析。实验结果证明,该模型预测精度更高、稳定性更强。     

利用三维重建模型的机载InSAR区域网平差方法

在机载合成孔径雷达干涉测量（synthetic aperture radar interferometry,InSAR）中,为了获取高精度的数字高程模型（digital elevation model,DEM）,研究了机载InSAR视向量正交分解法及三维重建数学模型,分析了中国的机载CASMSAR（synthetic aperture radar system of Chinese Academy of Surveying and Mapping）干涉系统误差来源及观测参数,建立了机载InSAR区域网平差模型。利用国产机载CASMSAR系统获取的X波段干涉数据进行试验,利用高精度的控制点数据进行平差解算,结果表明本文方法能够消除干涉模型间平面和高程差异,DEM成果满足1:1万山地测图精度要求,验证了该模型的正确性和有效性。     

WorldView-2纹理的森林地上生物量反演

使用高空间分辨率卫星WorldView-2的多光谱遥感影像,构建植被指数和纹理因子等遥感因子与森林地上生物量的关系方程,并计算模型估测精度和均方根误差,探索高分辨率数据的光谱与纹理信息在温带森林地上生物量估测应用中的潜力。以黑龙江省凉水自然保护区温带天然林及天然次生林为研究对象,通过灰度共生矩阵(GLCM)、灰度差分向量(GLDV)及和差直方图(SADH)对高分辨率遥感影像进行纹理信息提取,并利用外业调查的74个样地地上生物量与遥感因子建立参数估计模型。提取的遥感因子包括6种植被指数(比值植被指数RVI、差值植被指数DVI、规一化植被指数NDVI、增强植被指数EVI、土壤调节植被指数SAVI和修正的土壤调节植被指数MSAVI)以及3类纹理因子(GLCM、GLDV和SADH)。为避免特征变量个数较多对估测模型造成过拟合,利用随机森林算法对提取的遥感因子进行特征选择,将最优的特征变量输入模型参与建模估测。采用支持向量回归(SVR)进行生物量建模及验证,结果显示选入模型的和差直方图均值(sadh_mean)、灰度共生矩阵方差(glcm_var)和差值植被指数(DVI)等遥感因子对森林地上生物量有较好的解释效果;植被指数+纹理因子组合的模型获得较精确的AGB估算结果(R2=0.85,RMSE=42.30 t/ha),单独使用植被指数的模型精度则较低(R~2=0.69,RMSE=61.13 t/ha)。     

统计回归分析算法校正AW3D30高程误差适用性研究

针对AW3D30在不同区域存在高程误差存在明显差异的问题,该文选取秦岭高山、中山以及低山3个地貌类型区,1:50 000 DEM作为参考数据,在数据预处理之后,通过提取一定量采样点与验证点及其地形参数和森林覆盖率指数,利用多元回归模型、随机森林和支持向量机算法校正AW3D30高程误差并对其适用性进行探讨.实验结果表明,...     

基于机器学习的滑坡易发性预测建模及其主控因子识别

不同机器学习预测滑坡易发性的建模过程及其不确定性有所差异,另外如何有效识别滑坡易发性的主控因子意义重大.针对上述问题,以支持向量机(support vector machine,简称SVM)和随机森林(random forest,简称RF)为例探讨了基于机器学习的滑坡易发性预测及其不确定性,创新地提出了"权重均值法"来...     

基于支持向量机的2021年2月13日日本福岛近海Mj7.3级地震震级估算

2021年2月13日日本福岛县近海发生M_j7.3级地震,触发了日本气象厅地震预警系统,系统在首台触发后5.6s发出震级为M_j6.3级的预警第1报,首台触发后10s对公众发布警报、预警震级为M_j6.4级。基于多类型特征参数输入的机器学习支持向量机震级估算模型（SVM-M）,利用2021年2月13日日本福岛县近海M_j7.3级地震获取的日本K-net强震动观测数据,分析SVM-M模型在该次地震中首台触发初期（首台触发后1~10s）的震级估算效能。结果表明:SVM-M震级估算模型,在首台触发后1s即可给出M_j6.3级的震级估算结果,与日本气象厅在首台触发后5.6s发布的预警第1报震级相同;随着时间窗的增加,首台触发后5s和10s,SVM-M模型的震级估算结果分别是M_j6.7级和M_j6.6级,均大于日本气象厅首台触发后10s对公众发布警报的预警震级。该次地震的离线模拟结果表明:SVM-M模型可在地震发生初期有效提高地震预警震级确定的准确性和时效性。     

基于样本自动选择与SVM结合的海岸线遥感自动提取

利用卫星遥感手段自动、快速、准确地测定海岸线动态信息是遥感应用的一个重要领域,对海域管理规划具有重要意义.由于近岸水体光谱特征受区域环境影响较大,在水陆分离过程中,利用传统的归一化差值水体指数(normalized difference water index,NDWI)阈值分割法时,一部分近岸水体易被错分为陆地,严重影响了岸线提取精度.为此,在NDWI模型的基础上,提出了基于样本自动选择与支持向量机(support vector machine,SVM)的海岸线遥感自动提取算法.首先进行NDWI计算与全局阈值分割,实现水体信息的初步提取;再通过NDWI信息控制初始样本的自动选择;然后利用SVM分类器对水体再次分类,实现海陆分离;最后填充小的陆地水体单元,实现岸线自动跟踪.实验结果表明,该方法能有效增强对近岸水体的识别能力,提高海岸线遥感提取的精度和自动化程度.     

三维激光点云与全景影像匹配融合方法

一、引言近年来,三维激光扫描技术不断发展,在数字城市、文物保护、三维重建等领域有着越来越广泛的应用。三维激光扫描仪作为获取三维空间数据的重要手段,能够快速、准确、大量地获得物体的空间几何信息,而高分辨率数码相机能够得到高质量的二维纹理数据,两者对目标的描述具有互补性。这两者的结合可生成精确、真实的三维世界,为虚拟三维环境的构建提供了很好的数据支撑。因此,