基于长短期记忆网络的甘肃舟曲立节北山滑坡变形预测

立节镇北山滑坡长期处于蠕动变形状态,已多次发生滑坡、泥石流灾害。监测地表形变,以掌握灾害体地表形变规律,是实现地质灾害预警预报的可靠依据。文章引入一种机器学习模型——长短期记忆网络,通过立节北山监测点位移数据,运用该方法对立节北山滑坡变形进行预测,并且将预测结果与实际数据进行比对和分析。文章预测结果评价指标选用均方根误差、平均绝对误差、决定系数以及可解释方差,其中决定系数和可解释方差均达到0.99,预测值和真实值的拟合均方根误差和平均绝对误差也表现较低,说明长短期记忆网络在立节北山滑坡变形的预测中达到了良好的预测性能。     

北京地区蚊虫密度变化气象预测方法研究

本文利用蚊虫密度监测数据及气象资料,分析了2009—2019年北京市及其14个区的蚊虫密度与气象条件间的关系,并基于多元回归、支持向量机和随机森林3种经典的机器学习回归方法进行了蚊虫密度预测。结果表明：北京地区蚊虫密度呈周期性的波动,各区多年平均值在0.35~2.54只/(灯·h)之间,高峰值集中出现在7月中旬到8月中旬,与北京地区气温最高和降水最集中的时期非常吻合。采用机器学习方法,尝试了4种输入因子方案,并利用均方根误差和平均绝对百分误差两种方法进行预测效果检验,显示蚊虫数据相对较稳定的地区,如平谷、门头沟、大兴、海淀等地,预测效果相对更优。在3种方法中,支持向量机方法对2019年5月下旬的预测效果非常好,而多元回归与随机森林的预测效果则在2019年5—10月整体上表现得更为稳定。     

UAV-based training for fully fuzzy classification of Sentinel-2 fluvial scenes

An estimated 76% of global stream area is occupied by channels with widths above 30 m. Sentinel-2 imagery with resolutions of 10 m could supply information about the composition of river corridors at national and global scales. Fuzzy classification models that infer sub-pixel composition could further be used to compensate for small channel widths imaged at 10 m of spatial resolution. A major challenge to this approach is the acquisition of suitable training data useable in machine learning models that can predict land-cover type information from image radiance values. In this contribution, we present a method which combines unmanned aerial vehicles (UAVs) and Sentinel-2 imagery in order to develop a fuzzy classification approach capable of large-scale investigations. Our approach uses hyperspatial UAV imagery in order to derive high-resolution class information that can be used to train fuzzy classification models for Sentinel-2 data where all bands are super-resolved to a spatial resolution of 10 m. We use a multi-temporal UAV dataset covering an area of 5.25 km². Using a novel convolutional neural network (CNN) classifier, we predict sub-pixel membership for Sentinel-2 pixels in the fluvial corridor as divided into classes of water, vegetation and dry sediment. Our CNN model can predict fuzzy class memberships with median errors from −5% to +3% and mean absolute errors from 10% to 20%. We also show that our CNN fuzzy predictor can be used to predict crisp classes with accuracies from 95.5% to 99.9%. Finally, we use an example to show how a fuzzy CNN model trained with localized UAV data can be applied to longer channel reaches and detect new vegetation growth. We therefore argue that the novel use of UAVs as field validation tools for freely available satellite data can bridge the scale gap between local and regional fluvial studies. © 2020 The Authors. Earth Surface Processes and Landforms published by John Wiley & Sons Ltd     

BOOK REVIEWS

Books reviewed in this article: USA, Eine Geographische Landeskunde , Vol. I, Der Grossraum in Strukturellem, Wandel, 3rd Ed. Helmut Blume . Introduction to Remote Sensing . James B. Campbell . The Sounds of People and Places: Readings in the Geography of American Folk and Popular Music . George O. Carney , ED. Development and Underdevelopment . John Cole . Mobility and Employment in Urban Southeast Asia: Example from Indonesia and the Philippines . Michael A. Costello , Thomas R. Leinbach , AND Richard Ulack . Soviet Asia: Economic Development and National Policy Choices . Leslie Dienes . The Third World City . David Drakakis -Smith . Scholars' Guide to Washington, DC for Cartography and Remote Sensing Imagery (maps, charts, aerial photographs, satellite images, cartographic literature and geographic information systems). Ralph E. Ehrenberg . Population and Development in the Third World . Allan AND Anne Findlay . The Early Mapping of Hawaii . Gary L. Fitzpatrick . Energetics of Physical Environment: Energetic Approaches to Physical Geography . K. J. Gregory , ED. Wildland Recreation: Ecology and Management . William E. Hammitt and David N. Cole . Agricultural Commercialization and Government Policy in Africa . J. Hinderink AND J. J. Sterkenburg . The Dynamics of American Housing . James W. Hughes AND George Sternlieb . Thailand: Buddhist Kingdom as Modern Nation State . Charles F. Keyes . Resolving Locational Conflict . Robert W. Lake , ED. Lands at Risk in the Third World: Local-level Perspectives . Peter D. Little and Michael M. Horowitz , EDS. Nathaniel Southgate Shaler and the Culture of American Science . David N. Livingstone . Regions: The Economics and Politics of Territory . Ann R. Markusen . Wetlands . William J. Mitsch and James G. Gosselink . Historical Geography: Progress and Prospect . Michael Pacione , ED. Loess and Periglacial Phenomena . Marton P$eacsi and Hugh M. French , EDS. Regional Management of Metropolitan Floodplains, Experience in the United States and Abroad . Rutherford H. Platt , ED. Human Cartography: Mapping the World of Man . Janos Szegö . Atlas of Great Lakes Indian History . Helen H. Tanner , ED. The Botany of Mangroves . P. B. Tomlinson . Urban Spatial Traffic Patterns . Rodney Vaughan . The Night After … Climatic and Biological Consequences of a Nuclear War . Yevgeni Velikhov , ED. Industrial Geography . H. D. Watts . Dictionary of Quotations in Geography . James O. Wheeler and Francis M. Sibley . Vermont Townscape . Norman Wiliams , Jr. , Edmund K. Kellogg and Peter M. Lavigne .     

基于机器学习算法的县域台风灾害损失风险评估

基于2008—2019年我国台风县(区)灾情的直接经济损失数据,根据经济损失率将台风灾害经济损失风险分为五类,考虑台风灾害的致灾因子和孕灾环境因子共选取10个解释变量,采用五种经典的机器学习算法,包括支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、AdaBoost、XGBoost(Extreme Gradient Boosting Machine)和LightGBM(Light Gradient Boosting Machine),分别构建台风灾害经济损失风险评估模型,选出准确率最高的模型,应用于经典台风过程并进行检验评估。结果表明:基于RF算法的台风灾害经济损失风险模型的准确率最高;利用RF、XGBoost、LightGBM、AdaBoost和SVM算法构建模型的准确率依次为0.69、0.63、0.62、0.45和0.41。选择RF算法构建的台风灾害经济损失风险模型的解释变量表明,致灾因子是最主要的解释变量,其中,降雨导致损失的重要性超过风速。该模型在训练集和测试集上对风险分类的TS评分为0.55和0.51,但对每种风险类别的辨别能力存在差异,对于最低风险和最高风险的分类效果较好,对于较高风险和中等风险的分类能力不足。利用该模型对2017年第13号台风“天鸽”的经济损失进行检验评估,评估结果与实际台风灾害经济损失的风险等级较一致,各风险等级的准确率均达到0.7以上,TS评分在0.58以上,空报率和漏报率分别在0.31和0.25以下。      

学习分析视角下测绘地理信息专业教学资源库开发

针对专业教学资源库建设及应用现状,分析了项目建设在用户服务面向、信息资源组织及学习过程指导中存在的不足;尝试基于学习分析的数据采集、模型分析、可视化反馈等技术优势开发学习平台;实现了专业教学资源库的个性化施教功能,实现了解决自我差异分析、自我评估及导向分析及自我预测及监控分析等问题;以测绘地理信息专业中《地理信息系统基础》课程资源库开发为例,就学习分析在专业教学资源库中的平台框架设计、平台运行流程设计中的具体应用进行了实证说明。     

面向高光谱影像分类的生成式对抗网络

为了提高高光谱影像分类精度,提出了一种基于生成式对抗网络的高光谱影像分类方法。生成式对抗网络由生成器、判别器和分类器3部分组成,其中生成器用于模拟高光谱样本的数据分布,生成特定类别的样本;判别器是一个二值分类器,用于判断输入的样本是否为真实数据;分类器用于对输入的样本进行分类。利用反向传播算法依次更新生成器、判别器和分类器的网络参数使损失函数最小,从而达到训练网络的目的。生成器和判别器能够模拟高光谱影像的样本分布来辅助训练分类器,因此能够提高高光谱影像的分类精度。分别采用Pavia大学和Salinas高光谱数据集进行分类试验,试验结果表明提出的分类方法能够在小样本条件下提高高光谱影像的分类精度。     

基于字典学习的音频大地电磁数据处理

音频大地电磁（Audio Magnetotelluric,AMT）信号常常受到持续性人文噪声影响,这类噪声使用远参考法和Robust阻抗估计等常规方法往往效果不佳.为此,本文从噪声的规律与特征出发,提出一种新的AMT数据处理方法.首先通过字典学习方法从观测数据中自主学习到人文噪声的特征结构,构建冗余字典,然后利用学习到的冗余字典,分离出AMT数据中的人文噪声.为验证方法的有效性,首先进行了合成数据的仿真试验,然后在四川凉山进行了针对性的野外试验研究,最后将本文方法应用于庐枞矿集区实测数据的处理.结果表明,本文方法能够快速、准确地分离出AMT信号中的人文干扰,保留有用信号,显著改善AMT数据质量.

     

深度学习在遥感影像分类与识别中的研究进展综述

深度学习一直是机器学习和人工智能研究的热门主题,特别是将深度学习这一深层网络学习算法和遥感影像分类与识别联合起来,使得传统训练算法的局部最小性得以解决。本文首先简要介绍了遥感影像分类与识别算法的发展和经典算法的局限性,其次介绍了深度学习的几种主流算法并分析它们在遥感影像分类与识别处理方面的应用现状,最后对未来深度学习应用于遥感识别与分类趋势进行了展望。     

深度学习网络在降水相态判识和预报中的应用

利用1996-2015年中国的高空探测资料和地面观测数据,挑选发生降水的数十万个样本将其分为降雨和降雪两类事件,抽象为二分类问题,采用深度学习网络技术构建降水相态判识模型,并用2016 2017年的数据进行测试检验,针对2018年1月下旬中国一次大范围雨雪天气过程进行个例检验,在此基础上探讨了深度学习网络在降水相态判识...