基于大数据的极端暴雨事件下城市道路交通及人群活动时空响应

随着全球气候变化加剧,极端降雨增多,暴雨内涝灾害频发,严重威胁城市的可持续发展。快速掌握暴雨给城市交通及人群的影响,有助于提高灾害应急管理水平和事件响应能力。利用实时动态的交通路况信息和手机定位请求数据,通过一种融合STL时序分解技术与极端学生化偏差统计检验的时间序列异常探测方法,监测和分析暴雨内涝灾害事件中,城市道路交通和人群活动的时空响应特征,并以2018年7月16日发生在北京的极端暴雨事件为例开展实证研究。研究结果显示,在降雨集中的早、晚高峰两个时段（8—9时、18—19时）,市区的拥堵道路数量超出往常水平最高可达150%,异常检测分析显示拥堵道路数量和交通拥堵指数均达到异常甚至极端水平。人群活动的异常响应分析结果显示,暴雨事件引起定位请求量异常升高、异常点增多,且异常点的空间分布与1 h前的降雨量分布存在较高相关性。以上结果不仅证明了大数据及异常检测方法对于快速洞察暴雨事件对城市交通及人群影响的有效性,也为城市暴雨内涝灾害的应急响应与管理提供了新的技术手段。     

宁夏生态移民村空间剥夺测度及影响因素

生态移民村是一种具有扶贫脱贫与生态保护双重意义的特殊乡村类型,是乡村振兴不可或缺的重要对象。在空间重构过程中形成的空间剥夺现象,是当前生态移民村全面振兴面临的一个新问题。为探究生态移民村空间剥夺规律,以宁夏70个生态移民村2017年相关数据为基础,构建了以收入就业、教育培训、社会生活、居住环境及公共服务可达性为主要内容的空间剥夺指标体系并进行水平测度,进而运用地理加权回归和地理探测器对其影响因子进行探测。结果显示：① 宁夏生态移民村空间剥夺整体水平较低,但总指数均值相对于非生态移民村显著高出0.023;② 宁夏生态移民村空间剥夺时空分异特征明显,总指数均值在时间上呈现“先较低—后上升—再下降”趋势,在空间上呈现“北部低—中部高—南部次高”分布;③ 民族构成、地形地貌、移民时段、依托资源和经济区带是影响生态移民村空间剥夺的重要因子,前3项对空间剥夺总指数的解释力分别达到了22.4%、10.6%和14.0%。空间剥夺水平测度为生态移民生产生活评价和政策调整完善提供新的客观依据,相关部门可据此优化调节生态移民村空间资源配置,增加其获取资源的能力和机会,推动生态移民村全面振兴。     

Estimating the starting time and identifying the type of urbanization based on dense time series of landsat-derived Vegetation-Impervious-Soil (V-I-S) maps – A case study of North Taiwan from 1990 to 2015

Land cover and land use change (LCLUC) is a global phenomenon, and LCLUC in urbanizing regions has substantial impacts on humans and their environments. In this paper, a semi-automatic approach to identifying the type and starting time of urbanization was developed and tested based on dense time series of Vegetation-Impervious-Soil (V-I-S) maps derived from Landsat surface reflectance imagery. The accuracy of modeled V-I-S fractions and the estimated time of initial change in impervious cover were assessed. North Taiwan, one of the regions of the island of Taiwan that experienced the greatest urban LCLUC, was chosen as a test area, and the study period is 1990 to 2015, a period of substantial urbanization. In total, 295 dates of Landsat imagery were used to create 295 V-I-S fraction maps that were used to construct fractional cover time series for each pixel. Root Mean Square Error (RMSE)s for the modeled Vegetation, Impervious, and Soil were 25 %, 22 %, 24 % respectively. The time of Urban Expansion is estimated by logistic regression applied to Impervious cover time series, while the time of change for Urban Renewal is determined by the period of brief Soil exposure. The identified location and estimated time for newly urbanized lands were generally accurate, with 80% of Urban Expansion estimated within ±2.4 years. However, the accuracy of identified Urban Renewal was relatively low. Our approach to identifying Urban Expansion with dense time series of Landsat imagery is shown to be reliable, while Urban Renewal identification is not.     

结合图像增强和恢复的增强现实跟踪注册

增强现实中的跟踪注册技术一直是研究的重点和难点,而地下矿道和巷道内亮度低,产生的图像较昏暗,车载相机快速运动和抖动,对传统的基于特征匹配的跟踪注册提出了挑战。本文从提高增强现实中跟踪注册稳健性和精度出发,采用基于Retinex改进的方法增强昏暗图像的亮度,同时利用基于对抗神经网络的方法恢复运动模糊图像。首先提取图像ORB特征,实现初始化;然后根据跟踪特征点的数量,开启图像增强和图像恢复线程,提高特征点提取质量和数量。在数据集和真实模拟场景下的试验结果显示,跟踪精度提高了12%左右,在低亮度和含有轻微模糊的情况下,跟踪注册稳健性也有显著提高。     

路网约束条件下热力规则设计与试验

热力图是一种能直观准确展示空间观测值的有效工具,在多个领域具有广泛应用。本文在分析设定不同道路层权重、道路技术等级分类的基础上,以反距离权重、直方图均衡化、密度补偿、参数多次迭代等方法,研究构建了以热力方式展示道路网分布及发达程度的相关规则体系。热力规则通过道路赋权、路线曲面化、密度协调、图面综合等多套规则的有机结合,实现了道路网总体发达水平信息的提取与展示,并以全球地理信息资源建设项目路网成果中的亚洲和非洲部分国家数据为例,进行了信息提取与热力分布试验。     

BDS卫星钟差半参数平差模型异常数据探测与处理

针对北斗卫星钟差数据中出现钟跳、粗差等异常数据频次较高的问题,将半参数平差模型引入BDS的钟差数据的处理过程中。首先,在考虑系统误差的同时,改进了常用的钟差模型;其次,综合考虑异常数据和系统误差,利用补偿最小二乘原理和极值求解方法,详细推导了分离异常数据前后参数和非参数估计值与相应观测值改正数的关系表达式,实现了异常数据的定值、参数求解和系统误差分离。在此基础上,引入Cook距离,给出了利用参数分量和非参数分量的Cook距离及混合Cook距离,去判断异常值的位置,并给出了一些参数的选取方法及相应的处理措施,实现了卫星钟差异常数据的定位和定值以及部分系统误差的分离。最后,采用武汉大学GNSS中心提供的采样间隔为5 min的北斗卫星精密钟差数据,将本文方法与常用方法进行了试验对比。试验结果表明,本文方法能够有效地识别并处理卫星钟差数据中的异常值,有效克服了基于经验阈值钟差异常数据探测方法的不足,且该方法对于量级较小的异常钟差数据也有很好的探测效果,一定程度丰富了现有的BDS钟差数据质量控制方法。     

城市场景结构感知的网格模型简化算法

针对二次误差测度(QEM)网格简化算法全局几何特征信息损失严重的缺点,提出一种具有结构感知功能面向城市三维模型重建的网格简化算法。该算法顾及城市影像中平面结构特征,以代理平面为全局特征约束条件,使模型在简化过程中全局结构特征更多地被保持,以利于多层次细节模型(LOD技术)、网格优化提速等模型后续操作。以倾斜摄影获取影像生成的初始三角网格模型为试验数据,采用所给算法对其进行网格简化并与QEM算法进行对比。结果表明:所给算法简化精度及简化效率均优于QEM算法。     

基于无人机遥感和面向对象法的简单地物分类研究

近年来,全国各地进行了大范围的土地利用调查,随着无人机遥感技术越来越成熟,无人机影像分析技术已深入应用到土地利用调查中,其中最多的用途是地物分类。本文选择昭通市昭阳区某乡镇区域为研究区,对采集到的无人机影像进行预处理,生成对应的正射影像;基于多种可见光植被指数,计算每3种指数合并得到影像的OIF指数,确定最佳波段组合;采用基于规则和基于样本两种面向对象分类方法,提取房屋、道路、植被等简单地物及背景。分析结果:两种方法的提取精度均达到90%以上,基于规则的面向对象分类方法精度较高,但耗时较长;基于样本的面向对象方法耗时较短,精度相对较低。两种方法相结合的全自动分类提取是下一步研究的目标。     

基于D-InSAR技术的金沙江地区滑坡形变监测与分析

滑坡是发生在我国山区的主要地质灾害类型,金沙江地区由于地势较高、地形复杂、多云多雨的特点,给传统的滑坡监测增加了难度。合成孔径雷达差分干涉测量技术(Differential interferometry synthetic aperture radar,D-InSAR)已在滑坡地面沉降监测中得到了广泛应用。本文选取金沙江上游沿岸作为研究区域,基于2018年8月11日与9月28日的Sentinel-1A影像及SRTM1数据,利用GAMMA软件及D-InSAR技术监测到金沙江地区的地表形变,成功识别出金沙江右岸的一处滑坡灾害。研究结果显示,在此滑坡的坡顶部分出现了约2.5 cm的沉降,而在坡底部分由于崩塌物的累积,地面出现了约3 cm的抬升。从实验结果可以得出,InSAR技术是一种有效的滑坡变形监测手段,利用Sentinel-1A卫星的SAR数据对滑坡区域进行形变监测,可以得到较好的干涉结果。     

波段选择协同表达高光谱异常探测算法

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。