GIS平台下分形维数计算的设计开发和应用

GIS作为一种新兴的技术在空间数据处理和解析方面具有强大的扩展功能,已经在测绘领域得到了广泛的应用。本文针对分形维数计算的问题,在GIS平台下基于空间数据模型提出了该问题的解决方案,并利用通用COM技术设计和开发了分形维数计算系统。该系统成功地应用于工程实践,对今后GIS在相关专业领域更深层次的应用具有一定的借鉴意义。     

城市景观三维重建中的三角剖分算法

在构建城市景观时,为了快速精确地重建建筑物、绿地、河流等三维模型,提高自动化程度,缩短建设周期,需对用户采集的矢量地物数据进行三角剖分,再以OpenGL重绘三维模型。本文提出了一种对多边形进行三角剖分的递归分割算法,并以VisualC++实现,以实际的4万多个建筑物进行三角剖分实验,充分证明其是有效的。     

利用GPS水准点精化局部CQG2000

CQG2000模型的精度仍不能满足中、大比例尺的测图需要,如何充分利用现有成果,提高其价值和实用性,是目前需要迫切解决的问题。本文提出了通过加密GPS水准点来提高现有CQG2000精度的方法,并研究了GPS水准点数目和分布对提高结果的影响。     

正交距离圆曲线拟合方法

在分析圆曲线拟合准则基础上,提出采用正交最小二乘法拟合圆曲线。该方法以圆曲线正交距离残差平方和极小为准则。基于间接平差原理详细推导了相关模型和算法,并以实际算例说明了该方法的效果。     

简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用

人工神经网络作为一种不需估计类别分布参数的遥感影像分类方法,能够克服分类中的不确定性,提高分类精度。模糊ARTMAP人工神经网络具有稳定、泛化性能好、支持增量式学习等特点,通过对简化模糊AR-TMAP神经网络和H-ARTMAP神经网络的分析和集成,构造了一种用于高光谱遥感影像分类的简化模糊H-ART-MAP网络。实验证明该方法在分类效率、运算时间和分类精度等方面都优于最大似然分类、BP神经网络、最小距离分类、光谱角制图模型等分类方法。     

植被波谱空间尺度效应及尺度转换方法初步研究

基于遥感图像的地物识别需要大量地物波谱数据的支持,而现有地物波谱库中收集到的同一地物的波谱,由于其测量尺度和方法的差异,波谱也存在很大差异.以冬小麦为例,首先介绍了材料波谱、端元波谱和像元波谱这3种不同尺度波谱的概念,并以实验数据分析了不同测量尺度下波谱的差别,以此说明波谱尺度转换的必要性.然后利用物理模型和统计模型建立不同测量尺度下的波谱转换关系.分别验证了SAILH模型和线性光谱混合模型在波谱转换中的精度.研究表明,在大尺度上采用统计模型,在小尺度上采用非线性的物理模型可以解释不同尺度观测植被波谱之间的差异.     

FPAR的Monte Carlo模拟研究

FPAR (fraction of photosynthetically active radiation absorbed by the canopy)是植被冠层阻截太阳光合有效辐射的比例,是遥感估算陆地生态系统植被净第一性生产力(NPP)的重要参数.利用Monte Carlo方法模拟光子在植被冠层中的辐射传输过程,以植被冠层二向反射分布函数的模拟来验证模拟的正确性;在此基础上对400-700nm光合作用波段范围内的植被叶片吸收光子辐射比例的FPAR进行模拟.FPAR的Monte Carlo模拟结果,揭示了FPAR与太阳天顶角及植被冠层参数之间的关系.     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。     

基于相关系数匹配的混合像元分解算法

遥感影像中的混合像元不仅影响地物识别和分类的精度,而且已成为遥感科学向定量化发展的主要障碍.为此,人们已经提出了多种混合像元分解算法,其中应用最为广泛的是最小二乘法.该方法虽然具有意义明确、简单易行等特点,但也易受局部噪声、大气效应、环境辐射等因素的影响.本文将混合像元分解问题归结为一个基于光谱匹配的非线性最优化问题,并针对最小二乘法的不足提出了一种新的基于相关系数匹配(spectral correlation matching, SCM)的混合像元分解技术.通过在北京市北三环及其以北区域内案例的研究表明:在城市区域内,利用图像选取终端端元的办法,基于相关系数匹配的混合像元分解算法的总体精度高于带全约束的最小二乘法(LS)的分解结果.对比分析表明:在目标光谱的绝对值整体放大或缩小而光谱形状得到了很好的保持、及局部噪声使得光谱值显著变化但光谱形状得到了一定程度保持时,基于光谱形状的相关系数法可以得到比基于光谱绝对值的最小二乘法精度更高的分解结果.     

氮气、氧气和空气水合物的合成及其拉曼光谱特征

在-20℃和不同的压力下,在实验室内分别合成了氮气水合物(16MPa)、氧气水合物(13MPa)和空气水合物(15MPa),并对其N—N和O—O键伸缩振动的拉曼光谱特征进行了研究。结果表明,人工合成的水合物中的N—N和O—O键的拉曼位移与天然的空气水合物中的数据十分接近。在氮气水合物和空气水合物中,N—N键的拉曼峰值均为2322.4cm-1;O—O键的拉曼峰值在氧气水合物和空气水合物保持一致,均为1547.8cm-1。空气水合物分解的拉曼谱图表明,它不是氮气水合物和氧气水合物组成的混合物,而是由氮分子和氧分子共同生成的单一水合物,氮分子和氧分子同时进入水合物的大笼和小笼中。与空气中的氮、氧比例相比,水合物中氧分子明显富集,氮分子和氧分子的比例为2.4∶1。