快速制作地震灾区分县影像挂图

5·12汶川大地震,受灾地区破坏严重,为了及时地为灾区提供测绘服务保障,为满足灾区评估、重建规划等应急服务需要,实现"一县一图"供宏观分析、决策使用,我局利用航测遥感技术和基础地理信息数据,采用数字化软件简单、快速、可靠的方法,在很短的时间内完成了上级下达的任务,并对相关的技术进行了实验和总结,为今后的影像地图的研制提供了可靠的参考依据.     

对房产分幅图测绘成图的探讨

建立一套高效、准确、良好的为人民服务的运行机制是摆在各级地方政府房地产管理部门面前的重要任务。近几年来,很多地方政府的房地产管理部门,相继测绘了房产分幅图。房产分幅图是房产测绘最重要的测绘成果之一,它是一套与城镇实地房屋相符的总平面图,通过它可以全面掌握房屋建筑状况、房产产权状况和土地使用情况。     

蚀变信息提取对侏罗系的识别——以昭苏盆地北缘为例

本文在收集各类资料的基础上,认为昭苏盆地北缘侏罗系具有形成层间氧化带砂岩型铀矿的潜力。在深度挖掘Landsat-8遥感数据的基础上,提取与侏罗系地层密切相关的铁染及羟基异常,圈定了遥感有利区分布位置,并经实地检验,位置准确,方法可靠,最终认为该方法在昭苏盆地北缘一带对侏罗系的识别具有参考意义。     

基于DINEOF的静止海洋水色卫星数据重构方法研究

静止轨道海洋水色成像仪(Geostationary Ocean Color Imager, GOCI)提供了时间分辨率达小时级的海洋水色数据,使得对海洋环境的逐时变化监测成为可能。然而受到海洋上空云、雾和霾的影响,数据出现连续高缺失率甚至完全缺失的情况,使得数据使用价值大大降低。在经验正交函数重构法(Data INterpolating Empirical Orthogonal Functions, DINEOF)的基础上,突出时间要素在重构中的地位,运用异常像元检测、拉普拉斯平滑滤波和时间模态2次分解插值,提出了适用于静止海洋水色卫星数据的重构方法——DINEOF-G。利用此方法对杭州湾2017年的GOCI总悬浮物质量浓度数据进行重构,结果表明该方法相比经典方法在重构精度上提高了8%,数据重构率提高了36%,且重构结果较好地反映了杭州湾总悬浮物质量浓度的季节变化规律和空间分布特征。     

加味蜀羊泉散联合辛复宁治疗HPV持续感染合并CIN I 30例临床观察

目的：观察加味蜀羊泉散联合辛复宁治疗HPV持续感染伴CIN I临床疗效。方法：将60例HPV持续感染伴CIN I的患者随机分为治疗组和对照组,每组各30例。对照组予辛复宁外用,治疗组在对照组基础上加用加味蜀羊泉散内服,治疗结束后比较2组的综合疗效、HPV转阴率、CIN I逆转率、中医证候积分。结果：治疗组总有效率、HPV转阴率、CIN I逆转率分别为86.67%、73.33%、63.33%,对照组分别为66.67%、53.33%、46.67%,组间比较,差异均有统计学意义（P＜0.05）。中医证候积分治疗前后组内比较及治疗后组间比较,差异均有统计学意义（P＜0.05）。结论：加味蜀羊泉散联合辛复宁治疗HPV持续感染并CIN I有较好疗效,且能明显改善中医证候。     

大面积水深异常检测的条件变化自编码算法

针对大面积海底地形数据缺失或异常的复杂及多变性特点,结合条件变分自编码器(CVAE)与深度卷积生成对抗网络(DCGAN),构建了条件变分自编码生成对抗网络(CVAE-GAN)大面积海底伪地形的检测与剔除方法。本文方法利用条件变分自编码算法改变原有的样本分布,通过对训练样本的学习重新构建样本之间的分布规律,有效提高了高维到低维映射的稳定性;结合生成对抗网络,提高了整体算法的稳健性,最终得到较优的检测与剔除结果。采用水深格网数据进行试验,并与中值滤波法、趋势面滤波法进行比较。结果表明,本文方法在精度、稳定性及噪声稳健性方面有所提高,验证了本文方法在海底地形数据处理上具有可行性。     

激光点云分类质量检查与解决方案探讨

点云分类中"人工判别编辑"的好坏直接影响DEM质量。目前,分类成果的质量检查主要要采取人工逐屏浏览检查方式,该方法耗时长,检查不全面。针对该问题,本文对点云分类常见质量错误进行归纳分类,并提出相应的解决方案,三种解决方案采用三种不同算法。从实验结果可以看出,采用本文的检查方法能够快速准确地定位错误位置,在保证检查完整率的同时大幅度数提高检查效率。     

检索词优化与空间自适应的深网POI获取方法研究

针对检索词库构建困难、数据请求量受限制等相关问题,该文提出一种基于独立覆盖率排序和空间自适应剖分的深网POI信息搜索方法,通过候选检索词初步构建、贪婪式探测搜索、检索词优化降维、空间自适应剖分爬行等主要流程,利用逐步逼近POI搜索的最大覆盖最优解,实现对深网POI信息的全量获取,大幅度提高深网POI数据的召回率与采集效率,该方法对于丰富地理信息资源、提升空间信息服务与内容管理能力具有重要意义。     

利用深度学习模型进行城市内涝影响分析

城市内涝是当前典型的一类城市自然灾害,影响着居民的生活质量。以城市内涝点作为研究对象,综合考虑内涝对城市居民工作和生活等方面造成的影响,筛选出与影响程度相关的21类空间数据。同时,基于深度学习原理构建栈式自编码神经网络模型,结合层次分析法获取的内涝点影响程度标签,剖析21类空间数据与内涝点对居民工作生活影响程度的关系,实现城市内涝对居民工作和生活影响的定量分析。实验表明,栈式自编码神经网络模型能准确地描述内涝点周围的系列空间数据与内涝影响程度之间的关系,可有效预测潜在内涝点对居民工作和生活的影响程度大小,可用于城市防洪排涝方案的制定和排水管网的优化设计。