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。     

基于层次匹配的面状要素几何匹配方法研究

空间数据增量信息提取是空间数据库增量更新的基础,而要素几何匹配则为空间数据增量信息提取的关键流程之一。针对面状要素几何匹配时所产生的单一匹配算子匹配准确度低,以及多算子加权匹配算法匹配效率低、冗余度高、结果不准确等情况,本文提出一种基于多层次匹配的面状要素几何匹配算法。该算法以反映面状要素位置、大小、形状特征的质心匹配算子、面积重叠度算子以及转向角函数匹配算子为基础,并按各算子复杂度进行层次匹配规则设计,以提高算法效率、保证匹配的准确性。本文通过2种方法进行对比实验,结果表明：层次匹配算法匹配完整度和准确度均能达到90%以上,可以很好地进行面状要素几何匹配;与加权匹配方法相比效率更高,代价更小,且所得匹配结果比加权匹配方法所得结果更加准确。     

面向电子地图应用的地理信息快速更新方法研究

针对电子地图应用中快速更新的问题,提出一种面向电子地图应用的地理信息快速更新的方法。以电子地图的应用为切入点,探讨电子地图快速更新的方式。提出了面向电子地图更新的五层架构,阐述了这一架构的基本流程、变化发现、框架库提取等关键技术。     

Lignin in marine environment and its analysis—A review

Lignin is a group of phenolic polymers which is abundant in the woody tissues of vascular plants,and is essentially absent from all other living organisms.It has therefore been accepted as a tracer for terrestrial organic carbon(TOC) in marine environment since the 1970s.Lignin polymers are not amenable to direct chemical analysis without prior isolation.This review focused on the methods of chemical decomposition,extraction,derivatization and detection of lignin in marine environment.We described and compared several chemical decomposition methods,including nitrobenzene oxidation,alkaline cupric oxide(CuO) oxidation and thermochemolysis,and detection methods such as gas chromatography(GC),gas chromatography-mass spectrometry(GC-MS),high performance liquid chromatography(HPLC) and so on.Possible improvement of lignin analysis and the application prospects of this tracer were also discussed.     

基于深度学习的滑坡灾害易发性分析

滑坡灾害成因机理复杂、影响因素众多,深度学习作为当前人工智能领域的热点,能够更好地模拟滑坡灾害的形成并准确预测潜在的斜坡。为了挖掘深度学习在滑坡易发性的应用潜能,本文构建了一维、二维和三维的滑坡数据表达形式,并提出3种基于卷积神经网络模型（Convolutional Neural Networks, CNN）的滑坡易发性分析处理框架：基于CNN分类器、基于CNN与逻辑回归的融合和基于CNN集成,最后以江西省铅山县为研究对象进行验证,结果表明：所有基于CNN的易发性模型都能够获得准确且可靠的滑坡易发性分析结果。其中,基于二维数据的CNN模型在所有单分类器中预测精度最高,为78.95%。此外,二维CNN特征提取能够显著提升逻辑回归的预测精度,其准确率提升7.9%。最后,异质集成策略能够大幅度提升基于CNN分类器的滑坡预测精度,其准确率提升4.35%~8.78%。     

面向高分遥感影像道路提取的轻量级双注意力和特征补偿残差网络模型

针对高分辨率遥感影像背景复杂,道路提取容易受阴影、建筑物和铁路等背景信息干扰的问题,提出一种带有轻量级双注意力和特征补偿机制的DAFCResUnet模型。该模型在ResUnet的基础上,通过增加轻量级的双注意力和特征补偿模块实现模型在性能和时空复杂度上的平衡。其中,双注意力模块可以增强模型的特征提取能力,特征补偿模块可以融合网络中来自深浅层的道路特征。在DeepGlobe和GF-2道路数据集上的实验结果表明,DAFCResUnet模型的IoU和F1-score可以达到0.6713、0.8033和0.7402、0.8507,模型的整体精度优于U-Net、ResUnet和VNet模型。与U-Net和ResUnet模型相比,DAFCResUnet模型仅增加了少量的计算量和参数量,但IoU和F1-score均有较大幅度的提高;与VNet模型相比,DAFCResUnet模型在计算量和参数量远低于VNet的情况下取得了更高的精度,模型在精度和时空复杂度两方面均有优势。相比其他对比模型,DAFCResUnet模型具有更强的特征提取和抗干扰能力,能更好解决道路上的干扰物、与道路特征相似地物、树荫或阴影...     

GPS/PWV时间序列特征提取方法的研究

针对GAMIT/GLOBK软件解算得到的4 a GPS/PWV时间序列的特征提取问题,提出基于滤波辅助的部分集成经验模态分解（PEEMD）与Hilbert谱分析相结合的特征提取方法。首先,在PEEMD方法的基础上,结合滤波辅助的PEEMD方法与Hilbert谱分析,建立GPS/PWV时间序列特征提取模型;然后,将所提出的方法应用于TNML测站4 a的GPS/PWV长时间序列和7 d的GPS/PWV短时间序列分析中,并将滤波辅助的PEEMD结果与传统的小波分解结果进行对比。结果表明,该特征提取方法能准确有效地提取出 GPS/PWV时间序列中的周年周期和日周期特征分量,滤波辅助的PEEMD分解结果与小波分解结果一致,且提取的特征分量与原始信号更加吻合。     

基于知识的遥感影像居民地信息提取——以山东省蓬莱市为例

如何自动获得居民地信息是遥感专题信息提取研究的热点问题,该文以山东省蓬莱市为研究区,基于对2004年TM影像光谱特征的分析,建立了基于知识的居民地信息自动提取模型,并对提取结果进行了精度评价。结果表明,利用该模型可以很好地将蓬莱地区的城镇居民地自动提取出来,其提取精度与传统的监督分类方法相比有了很大提高。     

超临界萃取／气相色谱—质谱测定油页岩中的生物标志物

采用超临界萃取 /气相色谱 -质谱技术测定了广东茂名油页岩中环己烷的链取代烃、甾烷、甾烯和藿烷等生物标志物 ,其分析结果与经典索式抽提和文献结果基本相符。该方法与索式抽提法相比简单、快速、无污染和危险 ,可用于油页岩等固体样品中生物标志物的分析