4“一档三卡”全天候监督——石龙区国土资源局廉政建设抓得细

临近春节前的一天,笔者在平顶山市石龙区行政审批大厅遇见了宏发焦化公司的李副厂长。一见面,他就一脸无奈地抱怨说：“现在想请你们国土局的人吃顿饭可真难,请了几次都请不到,真是太认真啦!”     

全力推行管理创新——鹤岗局“四个结合”树形象

本报讯 鹤岗市国土资源局采取“四个结合”的方式,大力推行管理创新,2008年名列全市行政执法监督部门“关注民生、服务发展”群众最满意单位评议活动第三名。     

我们是怎样加强国土资源系统行风建设的

近年来,我局紧紧围绕政风行风评议活动,通过完善制度,强化监督,内强素质,外树形象,使办事效率和服务质量进一步提高,依法行政进一步深化,为民服务意识进一步增强,全系统政风行风建设取得明显成效。我们的主要做法是：     

测绘行业的质量管理

从测绘行业质量管理角度,分析了目前测绘行业质量管理现状及存在的问题,并对质量管理体系的建立、质量管理体系的运行、质量意识的提高等方面,提出了一些意见和建议。     

高分辨率遥感影像解译中的机器学习范式

高分辨率遥感影像解译是遥感信息处理领域的研究热点之一,在遥感大数据知识挖掘与智能化分析中起着至关重要的作用,具有重要的民用和军事应用价值.传统的高分辨率遥感影像解译通常采用人工目视解译方式,费时费力且精度低.所以,如何自动、高效地实现高分辨率遥感影像解译是亟待解决的问题.近年来,随着人工智能技术的飞速发展,采用机器学习...     

基于特征注意力金字塔的遥感图像目标检测方法

遥感图像场景复杂、目标大小不一、分布不均衡等特点增加了目标检测的难度，而适于检测不同尺度目标的特征金字塔融合不同深度的特征图时，没有考虑特征图各自的重要性，没有强调目标区域的特征，为此本文提出基于特征注意力金字塔的遥感图像目标检测方法 FAPNet(Feature Attention Pyramid Network)。首先，使用通道拼接方式融合不同深度的特征图，给用于检测的特征图提供不同大小感受野的特征，并基于通道注意力对融合的特征图在通道维度重标定，根据特征图所负责检测目标的尺度自适应地调整不同大小感受野特征的权重，强化感受野大小与待检测目标尺度匹配度较高的特征，弱化匹配度较低的特征。其次，使用叠加的扩张空间金字塔池化结构，结合弱监督分割网络建模位置注意力，强化目标区域特征，弱化背景区域特征，进一步提升目标检测方法的性能。实验结果表明，相较于RetinaNet，针对汽车目标，所提方法在UCAS-AOD数据集和RSOD数据集上检测精度AP分别提升了3.41%和2.26%，针对多类目标所提方法在各目标上取得了较优的AP结果，且mAP结果优于其他比较方法。     

计算机自动识别分类技术在森林遥感中的应用

本文叙述应用计算机自动识别分类技术在航天遥感图像中对森林资源进行分类的一些探索研究。本文介绍了采用自编程序“地理坐标系和图像坐标系的精密仿射变换”、“识别型增强技术”、“多光谱信息的特征提取”、“多光谱模糊算法聚类分析”等一系列算法后所取得的分类图像结果,与实地及目视解译相比较,森林分类相对精度达90％。     

基于机器学习的长宁地震三维断层面几何特征建模

结合长宁地区大量的地震精定位数据和其它研究成果，利用监督分类和聚类分析等机器学习算法，基于地震簇的形态特征和地震震源机制解，编写了一套自动化提取三维破裂面形态特征的程序，获取了长宁地区地震破裂面的精细结构，可为相关研究提供可参考的发震构造模型。结果显示通过聚类分析最终获取了四个地震簇，结合对应的震源机制解节面信息，最终拟合出四条破裂面，其中：长宁背斜上的破裂面沿狮子滩背斜下部的高速体呈NW-SE方向展布，破裂面平直，倾角较陡，倾向SE；建武向斜内部的三条破裂面，主要分布在向斜两翼，规模较小，走向分别为NW,NNE和NNW，从外部包围了建武向斜核部的高速体，破裂面的展布方向与该地区三个主要震源机制解节面的产状一致，其中新城镇附近的NNW向破裂面切割深度较深，约为20 km，且倾向ENE，倾角约为70°。此外，结合地质构造背景和速度结构等反演结果推断，地震破裂面主要存在于先期形成的构造薄弱带或断裂带，例如背斜的核部和向斜的翼部因节理面贯通所形成的薄弱带以及高速体周围的软弱带，在构造应力的加载和工业开采下更容易微破裂成核，形成典型的发震构造。     

融合几何和拓扑特征的道路类型识别方法

针对开放街道地图道路语义信息评估与改善方面的研究不足，提出了一种新的自动识别道路类型的方法。该方法基于道路的几何和拓扑特征，将道路弧段组织为Stroke,并提取出其几何拓扑特征。随后，通过监督学习训练随机森林分类器，建立了特征与道路类型之间的映射关系，从而实现了对道路类型的自动识别。在实验中，我们构建的道路类型识别模型的精度达到了81.20%,这证明了我们的方法是有效的。与支持向量机、逻辑回归和K最邻近算法相比，我们使用随机森林构建的道路类型识别模型表现最优。总的来说，本研究为评估和改进OSM道路语义信息提供了一种新的可能性，展示了利用道路几何和拓扑特征进行道路类型自动识别的潜力。     

面向地球化学异常识别的深度学习算法对比研究

针对选用不同网络结构的深度学习算法进行地球化学异常识别，重构符合成矿分布的地球化学背景时选择依据较少的问题，本文基于闽西南铜锌银成矿区1∶20万水系沉积物数据，采用3种无监督深度学习模型AE、MCAE、FCAE,分别提取了样本中多元素的组合结构特征、空间分布特征以及混合特征，并基于其重构地球化学背景，模拟成矿分布。结果显示，FCAE模型圈定的异常区域与已知铜矿点最贴合，其次是MCAE模型和AE模型，其AUC值分别为0.80、0.78、0.61,且FCAE模型和AE模型对卷积窗口尺寸变化不敏感；说明面向地球化学异常识别构建深度学习算法时，基于提取空间分布特征或混合特征的算法综合表现较好，且基于提取组合结构特征或混合特征的算法对由观测空间尺度变化或不一致引起的噪声有较强抗干扰能力。本文为因地制宜地构建基于深度学习算法的地球化学异常识别模型提供了有效依据。