机载多光谱影像语义分割模型在农田防护林提取中的应用

农田防护林是农田生态系统的屏障,其健康状况的监测与评估在我国北方农田林网管理中尤为重要。本文以新疆生产建设兵团第三师51团为研究区,使用复合翼无人机CW-20搭载Micro MCA12 Snap多光谱相机获取农田防护林的多光谱影像,经辐射校正、裁剪等预处理,通过优选有效特征和模型比较,提出农田防护林提取的有效方法。首先,基于原始12波段,依据相关性系数矩阵和最佳指数因子（Optimum Index Factor,OIF）选取最优3波段和植被指数特征进行组合,构建8种农田防护林提取方案;然后,通过建立语义分割Deeplabv3+模型进行精度评价,得到最优3波段组合6（波长710 nm）、8（波长800 nm）、 11（波长900 nm）波段为最佳特征组合;最后,以最优3波段为基础,将Deeplabv3+模型与U-Net、ENVINet5模型进行对比分析。结果表明：Deeplabv3+模型能够更深层次的挖掘光谱中潜在的信息,相比其他模型,能够较好地处理正负样本不均衡问题,获得最高MIoU值85.54%,比U-Net、ENVINet5的MIoU值则分别高出21.21%、27.19%。该研究结果可为基于多光谱遥感影像的语义分割在农田防护林提取及健康状况监测的应用提供借鉴和参考。     

面向不同用户群体的社交媒体台风舆情演化分析及对比研究

社交媒体数据可以为台风灾害追踪、灾时救援和灾情评估提供及时有效的信息。现有研究常采用主题建模和情感分析等技术对台风期间社交媒体平台（如新浪微博等）舆论话题和情感变化进行研究。在省域范围内以小时为时间粒度的多维度有效性论证尚有欠缺,且在舆情分析时未能区分用户群体差异。本文以台风“利奇马”为例,在浙江省域范围内,以新浪微博数据为研究对象,首先从词频分析、台风关注度时空变化以及特定灾害事件响应3个角度探讨了微博数据对台风灾情响应的有效性;其次采用隐含狄利克雷分布（Latent Dirichlet Allocation,LDA）主题模型技术挖掘微博文本主题信息,并根据Louvain算法对主题社团进行划分;然后开发了一种基于自定义情感词典的情感分析方法用于情感指数计算,与SnowNLP相比情感倾向性预测精度得到了提高;最后分析了台风期间官方和民众在新浪微博平台上的话题关注以及情感演变差异。结果表明：① 在省级范围内,微博数据能有效反映台风动态和灾害时空分布;② 台风事件微博文本的主题变化反映了灾情不同阶段舆论关注点的动态变化;③ 官方微博文本比民众微博文本具有更明确的主题社团结构;④ 台风事件相关微博文本中的消极情绪在台风登陆后显著增加,其中民众微博文本对台风灾害的情绪响应更及时,官方微博文本中的情感表达始终相对积极。     

协同多时相波谱特征的不透水面信息级联提取

不透水面作为反应城市表征变化和区域城镇化的重要技术指标,其位置、图斑大小、空间分布等信息在地表水热循环和能量平衡等领域被广泛需求。传统方法大都基于单一时相信息提取不透水面,而忽略多时相所蕴含的丰富信息。因此,本文提出多时相信息融合的不透水面级联提取方法,利用Landsat-8 OLI遥感影像分析归一化植被指数（Normalized Difference Vegetation Index, NDVI）、改进的归一化水体指数（Modified Normalized Difference Water Index, MNDWI）和归一化建筑指数（Normalized Difference Building Index, NDBI）年内时序变化特点和典型地物间多时相波谱曲线的协同特征,并归纳不透水面多时相变化规律;再根据先验知识所获取的有效地表信息,进行多时相分级提取不透水面信息。此外,基于实地考察数据和同期2 m GF-1遥感影像屏幕数字化生成30 m不透水面图斑,进行精度验证、分析和对比单时相、四季相及多时相3种时序情况下的提取精度。结果表明：单时相提取不透水面总精度最低,四季相提取精度优于单时相,而多时相提取精度最高（精度可达93.66%,Kappa系数为0.81）。本方法在偏远城镇不透水面的有效识别中显露潜在优势,可为不透水面提取方法融合时序波谱特征提供新思路。     

有棘和无棘两种表型栉江珧同工酶差异的比较

采用垂直板聚丙烯酰胺凝胶电泳对有棘和无棘两种不同表型的栉江珧的外套膜组织进行了ＥＳＴ和ＳＯＤ同工酶比较研究。结果显示这两种类型的酶谱表达有一定差异,但同时也存在中间类型,表明有棘和无棘的表型差异,尚不能提供它们应划分为两个种的充足证据。     

中日农地制度变迁的特征及其差异分析

中国和日本都是人多地少的国家。日本的国土面积37．8万平方公里,其中山地面积占75％,平原面积占25％。1998年的耕地面积为490．5万公顷,占土地总面积的13．3％,人均耕地面积0．04公顷。尽管中国拥有960万平方公里的土地,其中山地、高原、丘陵面积约占70％,平原和盆地面积约占30％,1996年全国耕地面积1．3亿公顷,占总面积的13．5％,人均耕地0．106公顷。中日国情极其相似,而且都在二战后开始农地制度改革。本文通过对中日农地制度变迁过程中的特征及其差异的比较分析,认为日本农地制度改革的一些经验值得借鉴。     

航海英语语义探源

在世界航海过程中 ,人们创造了众多语言词汇 ,丰富了人类语言。英语中也有许多与航海有关的词语 ,它们语义的产生有其特定的背景 ,在使用过程中被赋予新的含义 ,至今广泛使用。     

从三个平面看概数词“好多”与“好几”

概数词“好多”与“好几”在分布、语义辖域、和语用倾向等方面既具有其相同的一面 ,也有相对的一面 ,还有相交叉的一面。它们所能出现的语法位置有异有同 ,“好几”表数范围具有定性和“好多”表数范围则无定性 ,同时还“好几”具有显示个体作用的性质     

顾及地理-语义动态的城市热点预测框架

城市热点时空预测是城市管理和智慧城市建设的一项长期而富有挑战性的任务。准确地进行城市热点时空预测可以提高城市规划、调度和安全保障能力并降低资源消耗。现有的区域级深度时空预测方法主要利用基于地理网格的图像、给定的网络结构或额外的数据来获取时空动态。通过从原始数据中挖掘出潜在的自语义信息,并将其与基于地理空间的网格图像融合,也可以提高时空预测的性能,基于此,本文提出了一种新的深度学习方法地理语义集成神经网络(GSEN),将地理预测神经网络和语义预测神经网络相叠加。GSEN模型综合了预测递归神经网络(PredRNN)、图卷积预测递归神经网络(GCPredRNN)和集成层的结构,从不同的角度捕捉时空动态。并且该模型还可以与现实世界中一些潜在的高层动态进行关联,而不需要任何额外的数据。最终在3个不同领域的实际数据集上对本文提出的模型进行了评估,均取得了很好的预测效果,实验结果表明GSEN模型在不同城市热点时空预测任务中的推广性和有效性,利用该模型可以更好地进行城市热点时空预测,解决一系列如犯罪、火灾、网约车预订等等现代城市发展中亟需解决的相关问题。     

基于本体的网络地理空间数据集成

 随着地理数据深度、广度和复杂度的不断增加,如何集成这些在结构、语法及语义上高度异质性的需求越来越迫切。尽管XML在一定程度上解决了结构异质性问题,OGC标准规范解决了语法异质性问题,但语义异质性问题仍然成为分布式环境下地理空间数据集成与互操作的最大障碍。本文提出了一种基于本体的网络地理空间数据集成方法:以本体思想对数据进行语义组织;结合OGC网络服务标准规范对数据进行服务语义发布;利用支持双向映射的混合本体模式来解决全局本体与各应用本体之间的冲突,实现数据的语义集成。通过海洋海岸带土地利用数据集成试验表明,本文方法不仅能够克服数据间语义异质性问题,并在很大程度上屏蔽了数据底层集成的复杂环节,使得数据集成过程简单、高效。     

扩展SPARQL的室内空间语义查询研究

针对室内空间特点以及人类对室内位置服务的迫切需求,探讨了适合室内空间语义查询的方法。基于全息位置地图室内空间本体模型,描述室内空间对象及与之相关的人、事的属性信息及其关系,以室内空间本体概念及其属性作为查询原语,增加查询函数实现室内特有的空间关系（如“对面”、“楼上”和“楼下”等）的计算与查询,扩展了SPARQL查询语言基本语法。设计了室内本体查询语言IndoorSPARQL,开发自定义查询语言解析器,初步实现了顾及空间计算的室内空间语义查询。最后,利用Protégé本体建模工具对试验区进行本体实例建模,采用自定义查询语言IndoorSPARQL进行室内语义查询,并将结果可视化。实验结果表明,基于自定义语言IndoorSPARQL的查询方法可有效地支持顾及室内空间计算的复杂语义查询。