基于IHS变换与多进制小波变换的多源遥感影像融合

不同来源的遥感数据融合已经成为制约遥感数字图像处理技术发展的重要因素,文中基于IHS变换与改进的多进制小波变换相结合,对多源遥感图像进行数据融合,使融合后的数据既减少了IHS变换引起的图像光谱失真现象,又具有高空间分辨率的优点,同时也可广泛应用其它领域。     

航片数字化影像与SPOT5多光谱影像融合比较分析

通过利用多种图像融合方法分别对航片数字化影像与SPOT5多光谱影像进行融合试验,经定量化指标评价结果表明,利用Pansharp,HPF和HIS融合方法计算后得出的影像在很大程度上保留了原多光谱影像的光谱特征,清晰度有较大提高,具有更强的解译和量测能力。     

地震灾区1：25000影像地图快速制作方法

在地震灾区重建规划用图测绘生产实践的基础上,总结了充分利用已有基础测绘资源及灾前灾后影像资料,采用航测遥感技术对多源遥感影像的处理及多源数据快速整合的技术和方法,提出了可靠、及时、高效率制作地震灾区影像地图的技术路线。     

基于目标关联的多源卫星遥感图像兵营融合检测方法

目前的目标融合检测方法大都是基于多源遥感图像配准的,然而在实际的应用中,成像机理不同的多源遥感图像的精校正和图像间的配准是十分复杂的,难以确保其配准精度.为此,本文提出了一种基于目标关联的多源卫星遥感图像的兵营融合检测方法.该方法不对图像进行配准,而是根据单源图像的目标自动检测结果,利用图像的大地坐标信息,截取包含目标的同一地区的局部遥感图像,再分别提取多源遥感图像目标的特征,并根据其中冗余的特征,对提取的目标区域建立关联,再由关联检验确保特征关联的正确性,最后对目标特征进行融合决策,得到目标融合检测结果.实验结果表明,该方法能有效地利用多源遥感图像的信息,降低遥感图像目标检测的误判率,提高目标特征的准确度.     

基于空间方向相似性的面状矢量空间数据匹配算法

数据一致性匹配处理技术是空间数据融合中的关键技术。采用方向关系矩阵模型进行空间方向关系描述,讨论了一般情况下的空间方向相似性计算,提出了基于空间方向相似性的矢量数据匹配算法流程。最后,以面状目标为研究对象,以某地局部地区居民地数据为例,对基于空间方向相似性的矢量数据匹配算法进行了试验与分析。     

一种新的SAR影像融合滤波方法

为解决有效地去除斑点噪声和保留图像边缘两者矛盾的问题,首先通过中值滤波得到较好的平滑SAR图像,然后利用AMSS方程得到较好的保留图像边缘信息的SAR图像,最后将所得的两幅图像进行融合,并对融合后的图像进行定量和定性分析。仿真实验表明,无论是定性分析,还是定量分析都证明融合后的图像在很好地去除噪声的同时,有效地保留了图像的地物分界处及边缘细节信息。     

数字正射影像图在土地利用动态监测中的应用

以山东省潍坊市为例,介绍了利用法国SPOT5 2.5 m全色和10 m多光谱数据制作正射遥感影像图的方法,以及利用两期数字正射影像图进行土地利用动态监测的方法.并对潍坊市2004年度变化监测结果进行了分析.     

Variational data assimilation for deriving global climate analyses from GNSS radio occultation data

A comprehensive global navigation satellite system (GNSS) based radio occultation (RO) data set is available for meteorology and climate applications since the start of GNSS RO measurements aboard the CHAllenging Mini-satellite Payload (CHAMP) satellite in February 2001. Global coverage, all-weather capability, long-term stability and accuracy not only makes this innovative use of GNSS signals a valuable supplement to the data set assimilated into numerical weather prediction (NWP) systems but also an excellent candidate for global climate monitoring. We present a 3D variational data assimilation (3D-Var) scheme developed to derive consistent global analysis fields of temperature, specific humidity, and surface pressure from GNSS RO data. The system is based on the assimilation of RO data within 6 h time windows into European Centre for Medium-Range Weather Forecasts (ECMWF) short-term (24 h, 30 h) forecasts, to derive climatologic monthly mean fields. July 2003 was used as a test-bed for assessing the system’s performance. The results show good agreement with climatologies derived from RO data only and recent NWP impact studies. These findings are encouraging for future developments to apply the approach for longer term climatologic analyses, validation of other data sets, and atmospheric variability studies.     

Improved Weather Radar Echo Extrapolation Through Wind Speed Data Fusion Using a New Spatiotemporal Neural Network Model

Weather radar echo extrapolation plays a crucial role in weather forecasting. However, traditional weather radar echo extrapolation methods are not very accurate and do not make full use of historical data. Deep learning algorithms based on Recurrent Neural Networks also have the problem of accumulating errors. Moreover, it is difficult to obtain higher accuracy by relying on a single historical radar echo observation. Therefore, in this study, we constructed the Fusion GRU module, which leverages a cascade structure to effectively combine radar echo data and mean wind data. We also designed the Top Connection so that the model can capture the global spatial relationship to construct constraints on the predictions. Based on the Jiangsu Province dataset, we compared some models. The results show that our proposed model, Cascade Fusion Spatiotemporal Network (CFSN), improved the critical success index (CSI) by 10.7% over the baseline at the threshold of 30 dBZ. Ablation experiments further validated the effectiveness of our model. Similarly, the CSI of the complete CFSN was 0.004 higher than the suboptimal solution without the cross-attention module at the threshold of 30 dBZ.     

面向多源地理空间数据的知识图谱构建

知识图谱广泛应用于人工智能领域,基于此融合多源地理空间数据并表示地理事物的语义和时空信息,实现“数据—知识”的转换成为人们关注的热点。但现有通用知识图谱的空间知识覆盖度低且存在错误,同时基于维基百科构建的地理知识图谱存在空间关系、中文属性和坐标信息等属性缺失问题。因此本文以地理空间数据和百度百科数据的特征分析为基础,提出了以地理空间数据提取地理实体为主,百度百科补充属性信息为辅的知识图谱构建方式。① 基于GeoSparql设计模式层的地理实体、要素、几何形状和空间关系的逻辑关系;② 通过地理实体提取、实体链接和属性信息填充,在数据层实现空间知识融合;③ 结合关系型数据库和图数据库,设计空间知识存储方式;④ 在实体和关系2个方面定量分析知识图谱的构建规模。结果表明,本文构建的知识图谱中地理实体覆盖度和链接百科成功率相对较高,扩充了地理实体的概念描述信息,并将地理坐标的覆盖率提高到100%,对地理数据到地理知识的拓展具有重要意义。