遥感自动解译在农作物种植结构调查中的应用

农作物遥感分类识别中应用遥感解译和地理信息等技术手段,为农作物种植结构调查工作奠定了基础。在每年度的高分辨率遥感影像的基础上,按照统一的技术标准,在自动解译分类的基础上辅以人工,快速获得每年度主要的农作物耕地图斑,完成本年度的农作物种植结构调查工作。遥感技术的应用加快了农作物种植结构调查各个环节的数据流动,提高解译准确率,数据的采集精度和时效性都要比以往的效果更好,可为有效落实耕地轮作休耕等政策提供技术和数据支持。本文以逊克县为试验区,针对当前农作物分类工作过程中应当注意的问题进行分析与整理,总结经验和方法,更好地将遥感技术应用到农作物种植结构调查工作中去。     

恐龙化石风化效应的TM耦合分析研究

恐龙化石对研究地球演化、生物进化、地层对比、地质年代、古环境、古地理、古气候等方面具有重要的科学价值。但恐龙化石发掘后面临着严重的风化问题,许多化石发掘后十几年甚至几年内就迅速遭受风化破坏。为深入研究探索恐龙化石地质遗迹的深层次风化原因和机理,该文采用TM（温度和应力）耦合分析方法,对山东诸城恐龙化石风化规律进行深入分析研究。根据化石与围岩间膨胀的不协调性,探索在温度变化情况下化石与围岩间的相互作用规律及对风化造成的影响。结果揭示了温度作用下化石风化的初步原因和规律,可为化石保护提供参考科学依据。     

一种评定公开版纸质地图编校质量计算方法

提供一种解决评定公开版纸质地图编校质量中,地图总字数计算方法缺乏适宜性和可操作性的量化指标。探讨在样本测试基础上,借助两种典型性基础地图的样本基数,确定以地图有效面积、要素表达率、城镇化率和质量因子为量化的正相关指标,使地图编校质量评价更加科学、严谨且便于实施。本方法已运用于省内出版相关的图书质量检查的地图编校质量评定,总体评价具有“适用性和便捷性”。近些年的实践,验证了本方法对于福建省域内的评定地图编校质量的差错率计算方法具科学性、实用性。     

联合VMD和Bi-LSTM的GNSS坐标时序降噪

针对GNSS坐标时间序列中的噪声难以有效去除等问题,构建了一种联合变分模态分解和双向长短期记忆模型的方法用以去除GNSS坐标时间序列中的噪声。将GNSS坐标时间序列分解为k个本征模态函数分量,并根据样本熵选择出有效的模态分量,分别通过双向长短期记忆网络处理,最后将信号进行合成。以BJFS等12个具有较长时间序列且数据完整性较好的GNSS站点坐标数据为例,对坐标时间序列进行降噪。将该方法与传统的分解方法进行对比分析,发现在E、N、U方向上,相比于单一变分模态分解,速度不确定度改正率分别提高了11.03%、4.60%、7.39%,相比于经验模态分解分别提高了31.70%、27.70%、24.42%。结果表明该方法能够更好地去除信号中的噪声,且优于传统分解方法,可提高信号可靠性。     

三维显示中的DTM数据简化算法

提出了一种将图形生成技术与图像处理相结合,对DTM数据进行最优三角划分的简化DTM数据的算法。依据一定的分辨率条件,将DTM数据转化到二维图像空间,找到它的局部特征点,并将二维空间的特征点利用Delaunay剖分三角化,再映射到三维空间,从而在简化数据的同时,得到一个满足保真性要求的TIN模型。最后实验验证了算法的有效性。     

融合3D DenseNet的零样本视频分类

零样本视频分类（zero-shot video classification,ZSVC）采用的点积分类方式容易使神经元产生较高方差,从而导致模型对输入分布的变化非常敏感。针对该问题,采用三维密集网络（3D DenseNet）与余弦相似性相结合的方法,提出了一种基于3D DenseNet的零样本视频分类（3D DenseNet for zero-shot video classification,DZSVC）算法,通过使用余弦相似性的分类方式替代点积分类方式来控制方差的范围,使模型对不同的输入幅值具有更强的鲁棒性。该算法首先将视频数据输入到3D DenseNet中,利用3D DenseNet的密集特性提取更丰富的时间和空间信息,并将提取出来的特征向量映射到公共空间。采用基于余弦相似性的方法对视频进行分类,在UCF101数据集和HMDB51数据集上的准确率分别为32.9%和20.2%,UCF50数据集和HMDB25数据集上的准确率分别为41.4%和23.7%,实验结果表明所提算法具有良好的分类效果。     

生成式对抗网络的高光谱遥感图像分类方法研究

针对基于深度学习的分类模型在训练样本较少时所遭受的潜在过拟合问题,提出一种具备过拟合抑制的生成式对抗网络分类算法,并应用于高光谱图像分类.该算法在每次迭代时,首先,依据训练样本的标签信息使判别器网络拟合训练样本的数据分布;然后对训练样本的高维特征进行均值最小化,该过程会重新更新判别器网络参数,减小参数的值和方差,以抑制...     

路域植被叶绿素多光谱遥感定量反演研究

叶绿素是植被光合作用的主要物质,准确估算叶绿素含量对植被生长健康状况和生态环境研究具有重要意义。本文利用辐射传输机制的PRO4SAIL模型模拟植被冠层光谱,以TM影像为数据源,分析物理模型模拟反射率和遥感影像反射率与叶绿素含量之间的相关性,研究利用多光谱信息定量反演路域植被叶绿素含量的可行性。研究结果表明,植被光谱反射率与叶绿素含量之间有较强的相关性;利用PRO4SAIL模型模拟的冠层反射率反演叶绿素含量具有一定可行性。该研究成果为大面积路域植被冠层叶绿素含量遥感监测提供理论依据与参考。     

地理学时空数据分析方法

随着地理空间观测数据的多年积累,地球环境、社会和健康数据监测能力的增强,地理信息系统和计算机网络的发展,时空数据集大量生成,时空数据分析实践呈现快速增长。本文对此进行了分析和归纳,总结了时空数据分析的7类主要方法,包括：时空数据可视化,目的是通过视觉启发假设和选择分析模型;空间统计指标的时序分析,反映空间格局随时间变化;时空变化指标,体现时空变化的综合统计量;时空格局和异常探测,揭示时空过程的不变和变化部分;时空插值,以获得未抽样点的数值;时空回归,建立因变量和解释变量之间的统计关系;时空过程建模,建立时空过程的机理数学模型;时空演化树,利用空间数据重建时空演化路径。通过简述这些方法的基本原理、输入输出、适用条件以及软件实现,为时空数据分析提供工具和方法手段。     

4DSVD分析误差与样本选取方法和样本容量的关系初探

分析误差与样本选取方法和样本容量的关系是4DSVD同化方法一个亟需研究的重要问题。获得支撑大气模式空间和观测空间吸引子的基向量是4DSVD研究的关键部分,样本的好坏和样本容量的范围是决定4DSVD基向量和分析结果质量的一个重要前提条件。首先利用Lorenz28变量模式,用4DSVD方法做了一些简单三维同化试验,探讨了Lorenz28变量模式的分析误差与样本容量和样本选取方法的关系。数值试验结果表明,对一个具体的模式,有限的样本容量就能够获得较高精度的分析结果;在模式系统和观测系统不变情况下,用一定样本容量得到的支撑模式空间和观测空间的基向量具有很好的稳定性,即一旦获得一组较好的基向量,在观测系统和模式系统不变的情况下,对同化任何时刻的观测适用;分析结果对选取方法没有太大的依赖性,但具体的样本容量要视不同模式和样本选取方法而定。用WRF模式做的4DSVD四维观测系统模拟试验结果表明,若样本选取方法得当,所需要的样本容量要远远小于模式自由度。4DSVD要真正获得较高精度的分析结果,需要的条件是尽可能的在吸引子上取样并选取充足的样本容量;间隔取样可以一定程度上减少计算量。根据数值试验结果提出了4DSVD在实际同化时样本选取的一些初步的方法。