青藏高原数字照片植被覆盖度自动算法与应用

覆盖度是植被评价的重要指标,也是遥感反演的关键参数。估算植被覆盖度的常用方法是目测法,但这种方法受观测人员的主观影响。近年来有研究人员利用冬小麦垂直数字照片的HLS颜色空间的色度特征,设计了自动提取覆盖度算法,具有较高的计算精度。但青藏高原植被颜色丰富多样,下垫面背景色彩差异很大,这种常规覆盖度自动提取算法存在困难。论文分析了青藏高原地表垂直数字照片的图像颜色特征,发现超绿色算法对绿色植被比较敏感,能够增强植被和背景的灰度差异,有效抑制土壤背景干扰。并采用K均值聚类算法,设计了青藏高原植被覆盖度的自动提取软件。通过将覆盖度自动提取结果和人工监督分类进行比较,两者误差在5%以内。此外,通过分析分类后的结果图像,提出了进一步改进的方法。     

基于LDA和优化蚁群的OD流向时空语义聚类算法

针对OD流向聚类中语义信息考虑不足和流向语义提取困难的问题,本文提出了一种基于隐含狄利克雷分布模型（Latent Dirichlet Allocation,LDA）和优化蚁群的OD流向语义聚类算法。算法首先以流向终点的POI类别为词汇构建流向文档,采用LDA主题模型提取流向语义,量化OD流向间的语义相似度,融合时间、空间和语义相似度构建流向时空语义相似度;接着以流向为节点,以流向时空语义相似度为边构建流向图,利用高斯函数映射以及图连通分量,剔除不相似的流向,实现数据精简;之后借鉴了密度峰值聚类算法思想,利用节点的介数中心性优化蚁群初始位置选取;最后基于多路切图准则（Multiway Normalized Cut, MNCUT）强化蚁群搜索的目的性,优化蚁群搜索的聚类效果,实现OD流向的时空语义聚类。以厦门市出租车公开数据集与厦门市高德地图POI数据为例进行分析与验证,结果表明本文基于LDA模型的语义提取方法可以有效提取流向的语义信息,构建有效的流向相似度度量;基于高斯函数和图连通分量特性的映射策略可以有效剔除了流向数据中的噪音,有效节省无向图构建的计算开支,大约节省了88.5%～88....     

重庆市新型冠状病毒肺炎流行时空特征及其与人群活动性的关系

本文收集了重庆市2020年1月21日-2月24日确诊的545例新型冠状病毒肺炎(COVID-19)病例个案信息,结合1500万手机用户在疫情期间的信令轨迹大数据,分析了其疫情的时空演化特征以及人群活动的变化规律,并从复杂网络的角度揭示了疫情分布的异质性,从疫情传播与人群活动之间的关系揭示了异质性的原因.研究发现:①重庆...     

基于谱系聚类的全球各国新冠疫情时间序列特征分析

COVID-19暴发以来,世界各国疫情呈现出不同的时序特点,研究不同国家疫情发展模式的特点,揭示其背后的主导因素,可为未来防控策略提供参考.为了揭示不同国家疫情时间序列之间的异同,本文提取了主要疫情国家每日新增病例时间序列的标准差、Hurst指数、治愈率、增长时长、平均增长率、防控效率进行谱系聚类,并从经济、医疗、人文...     

安徽省旅游星级饭店地域差异研究

根据2000～2005年安徽省星级饭店统计资料,利用变异系数这一度量标准分析了安徽省饭店在时间序列上和星级结构上的地域差异,结果表明:随着时间的变化饭店总数在各市间的差异在渐渐缩小.星级结构上五星级饭店地域分异程度最大,其次依次为一星级、四星级、三星级和二星级,通过安徽省各市国内旅游收入区位商和餐饮住宿业就业人员区位商与各市星级饭店数量相对水平的比较,找出不符合一般趋势的城市加以讨论.最后,运用SPSS分析软件对安徽省17个地市的星级饭店发展水平进行聚类分析,并讨论了运行结果所分出的4类城市,提出了饭店业发展的若干建议.     

基于模糊聚类循环迭代模型的煤仓沉降预测应用研究

针对神经网络等模型在时间、荷载等综合因素影响下预测精度不高的问题,提出将模糊聚类循环迭代模型应用于沉降预报,根据前期经验数据对后期沉降趋势进行模拟,引用平均相对误差、均方根误差分别衡量总体精度和偏差;经验证模型精度优于BP神经网络和支持向量机等3种方法。结果表明:基于模糊聚类循环迭代模型适用于多因素影响下的煤仓沉降预测,新沉降预测模型应用也将为工程设计应用提供更多参考。     

回波强度约束下的无人机LiDAR点云K-means聚类滤波

针对目前无人机激光雷达点云滤波过程中存在的效率低、误分割和精度差等问题,本文在对点云三维坐标进行K-means聚类得到不同聚类结果的基础上,引入最大-最小标准化方法对不同聚类结果的点云回波强度原始值进行标准化,得到 0-1范围回波强度规则值。针对不同聚类结果选择不同范围的回波强度规则值得到对应地面点云,以提升研究区点云的滤波精度并减少其地面点云的数据量。同时,对比利用K-means聚类对三维坐标和回波强度原始值进行滤波的结果。结果表明：对研究区点云去噪、抽稀预处理后得到107 372个点云数,利用K-means方法对三维坐标和回波强度原始值进行聚类滤波得到地面点数为66 713个,占点云总数的62.133%。通过使用本文方法可剔除过分割地表植被点13 648个,得到地面点云占点云总数的49.422%。该方法能够较好地保持地形轮廓并降低地面点云的数据量,从而为后期快速建立高精度DEM奠定基础。     

基于滑动窗口的手机定位数据个体停留区域识别算法

手机的普及使手机定位数据成为分析个体时空行为特征的新兴重要数据源之一,并被逐渐应用到人口管理、城市规划、交通分析和流行病防控等众多领域的研究中。从手机定位数据中识别个体的停留区域是众多基于手机定位数据研究的重要基础环节。然而,当前常用的手机定位数据定位精度相对较低,且往往存在定位震荡和定位漂移导致的数据噪声,这些因素增加了从手机定位数据中识别停留区域的难度。为了提高从手机定位数据中识别个体停留区域的准确性,本研究结合个体行为的时空连续性,提出了一种基于滑动窗口的增长聚类算法。实验结果显示,相较常用的ST-DBSCAN算法和SMoT算法,对于采样时间间隔稀疏的手机定位数据,本研究提出的滑动窗口聚类算法在准确率方面的提升幅度最大可以达到35%。由于隐私问题,当前研究和应用中使用的大规模手机定位数据集中的时间分辨率往往较低,因此,本研究提出的滑动窗口聚类算法具有较为广泛的应用场景,可增强基于手机用户停留区域的众多研究结果的可靠性,为手机定位数据的广泛合理应用提供关键技术支撑。     

一种适应局部密度变化的空间聚类方法

研究一种适应空间局部密度变化的空间聚类算法(简称ADBSC).在该算法中,首先提出一种新的空间局部密度度量方法,即k-空间近邻最大距离,而为了表达空间局部密度变化特征,引入距离变化率概念,用于度量邻近目标间空间局部密度变化情况.然后将所有空间邻近的距离变化率小于给定变化率阈值的空间目标标记为局部密度相等,再将空间邻近的局部密度相等的空间目标聚为一类,得到空间聚类结果.并给出ADBSC算法的详细描述和计算过程.最后,通过模拟实验和实际算例,对提出的方法进行验证.结果表明,该算法能够自动适应空间位置的局部密度变化,适应不同形态的空间簇,而且比DBSCAN算法更实用.     

Distribution of Changjiang Diluted Water detected by satellite chlorophyll-a and its interannual variation during 1998–2007

Sea-viewing Wide Field-of-view Sensor (SeaWiFS) chlorophyll-a distribution in summer in the East China Sea during 1998–2007 was analyzed. Statistical analysis with K-means clustering technique allowed us to define the proper satellite chlorophyll-a concentration indicating the Changjiang Diluted Water (CDW). The spatial distributions of the higher satellite chlorophyll-a concentrations (>0.48 mg m⁻³) corresponded well with the distributions of lower salinity CDW (<30–32) every year. Interannual variation of the CDW area, indicated by the high satellite chlorophyll-a, correlated with the interannual variation of the Changjiang summer freshwater discharge. The correlation analysis indicated that the CDW spread eastward in the East China Sea with a time lag of 1 to 2 months after the discharge.