基于GPS和水准数据的微粒群算法联合反演祁连山北缘断裂三维滑动速率

将微粒群算法与位错理论模型相结合,采用中国地壳运动观测网络提供的青藏高原地区2001~2004年GPS测量数据和2000~2006年水准测量数据,通过常规定权和附有相对权比的方法对祁连山北缘断裂的三维滑动速率进行联合反演,并与蚁群算法反演结果进行对比。结果表明,微粒群算法收敛速度快、稳定性高,结合经典位错理论模型,是一种可以有效求解断层三维滑动速率反演问题的优化算法,在大地测量反演领域极具应用潜力。     

基于视频场景多因素的人群运动状态分析

视频GIS集成了视频处理和GIS分析,能够有效完成公共安全场景或区域的人群监测及分析,实现人群运动状态的准确把控。人群运动状态同群体性社会事件的发生及演变密切相关,视频可通过光流场和社会力场表达场景人群运动信息。为提高人群运动状态分析的准确性,综合考虑透视畸变、背景噪声和人群密度等场景多因素,提出根据视频场景多因素分析的人群运动状态的分析方法,通过引入长度透视校正参数和前景检测图像校正场景稠密光流场,然后以校正后的光流场为基础,顾及面积透视畸变与场景人群密度,估算视频前景社会力场。实验结果表明,该方法能够获取视频场景更显著的人群运动状态特征,并在人群行为异常检测等方面效果突出。     

土壤粒径的光谱响应特性研究

以实验室制备的5个不同粒径水平的土壤样本和室内高光谱数据为基础,通过对光谱数据进行重采样、数学变换等预处理并进行单因素方差分析、相关性分析和回归分析,探讨土壤粒径的高光谱特性,建立了光谱数据预测土壤粒径的校正模型。结果表明,土壤粒径对反射光谱有显著的影响,波长越长影响越大;在全波段范围内土壤粒径和光谱数据都呈负相关关系,对原始光谱数据进行微分变换能增加其与土壤粒径的相关性;以反射率一阶微分建立的回归模型为反演土壤粒径的最佳模型,其建模决定系数■、预测决定系数■、预测相对偏差RPD分别为0.666,0.653,2.043,预测均方根误差RMSE为0.175。     

贫困村空间分布及影响因素分析——以乌蒙山连片特困区为例

针对目前贫困分布研究以大尺度为主而缺乏对小尺度的关注和致贫因素分析忽略个体效应或背景效应的不足,基于空间贫困视角,以乌蒙山片区为研究区域、贫困村为研究对象,运用空间点模式分析方法探究贫困村空间分布特征,并设计多层线性回归模型从贫困村和县域两个层面综合定量剖析贫困影响因素。研究发现：① 贫困村的空间聚集特征较为明显,总体分布呈现大分散小集中、散点-极核-轴带-团块并存的空间格局。② 贫困村的贫困程度受多层因素的显著影响。其中,村级影响因素为：人口密度、通路率、劳动力比例、遭受自然灾害频次、安全饮用水比例;县级影响因素为：人均地方生产总值、高中阶段毛入学率、植被覆盖率。③ 农村贫困来源于贫困村与县域的双重作用。因此在精准扶贫工作中,政府及相关部门可针对不同尺度对象有针对性地施策,合理配置扶贫资金。     

中国高技能劳动力与一般劳动力的空间分布格局及其影响因素

基于2000和2010年全国人口普查分县数据和地级行政单元数据,采用不均衡指数和空间自相关分析等方法,刻画中国高技能劳动力和一般劳动力的空间分布格局及其变化,并采用空间滞后模型,识别高技能劳动力与一般劳动力空间分布的决定因素及其变化。结果表明：① 两类劳动力总体的空间特征均为东南密集,西北稀疏;② 2000—2010年,高技能劳动力在空间分布上呈集中化的趋势,而一般劳动力呈分散化的趋势;③ 十年间高技能劳动力集聚区虹吸作用加强,其分布越发集中于沿海特大城市群,而一般劳动力集聚区回波作用加强,其分布越发均衡;④ 空间回归分析结果表明,职工平均工资、是否直辖市或省会、每万人在校高校学生、是否沿海城市、常住人口数和空间溢出效应在十年中一直都是决定高技能劳动力和一般劳动力空间分布的主要因素,而失业率、中学生师比、二氧化硫排放量和绿地率在2010年也成为影响两类劳动力空间分布的主要因素。对比两类劳动力的模型结果可得,高技能劳动力的空间分布受行政因素、高校因素和地区生活舒适度的影响更大,而一般劳动力的空间分布受劳动力市场因素的影响更大。     

无人机航摄生成DEM的高程点快速提取算法

无人机航空摄影技术在近年来得到了迅速的发展,无人机具有起降方便,分辨率高,响应速度快的特点,在抢险救灾,地质灾害监测等方面发挥了重要作用。无人机航空摄影生成的地形图中的高程点提取是地形图制作的重要步骤,本文提出了一种自适应的地形图高程点提取算法,相对于传统的算法,具有精确度高,计算简单,实用性强等特点。该算法的基础是数学形态学中的图像膨胀算法。本文将此算法用于陕西省丹凤县和紫阳县的无人机航摄生成的地形图中,提取了符合要求的高程点。结果表明,提取的高程点完全满足了地形图的要求,说明了该算法的准确性和实用性。     

基于多频率极化SAR影像的洪河国家级自然保护区植被信息提取北大核心CSCD

植被是湿地生态系统健康状况的"晴雨表",明晰湿地中植被的时空分布,是湿地修复与重建、保护与合理利用的前提和基础。以洪河国家级保护区为研究区,利用全极化C-band Radarsat-2和L-band PALSAR数据,根据极化合成孔径雷达(synthetic aperture radar,SAR)目标分解理论,提取了该保护区不同波长的极化分解参数和特征参量,整合为多源极化SAR数据集,利用多尺度迭代分割算法和Random Forest机器学习算法,构建了研究区中植被的遥感识别模型,实现了对研究区中植被的高精度分类,并对比分析了不同频率SAR数据集在植被识别精度上的差异。研究结果表明,利用整合PALSAR和Radarsat-2极化数据集,获取的植被遥感分类结果的总体分类精度为86.77%,比利用PALSAR极化数据集的分类结果精度提高了15%,但是其与利用Radarsat-2极化数据集的分类结果精度差异不显著;浅水草本沼泽的生产精度达到了90.91%,深水草本沼泽的用户精度为90.63%;C-band PALSAR数据比L-band PALSAR数据更适用于高精度识别洪河国家级自然保护区中的植被。