疑心聚力 提振士气 严守红线——学习贯彻党的十八大精神的体会

党的十八大把生态文明建设纳入社会主义现代化建设总体布局,明确了今后一个时期推进生态文明建设的重点任务,就是要优化国土空间开发格局和全面促进资源节约,为国土资源管理工作指明了新的奋斗目标和前进的方向。结合射阳国土资源管理实际,     

习近平在中共中央政治局第六次集体学习时强调坚持节约资源和保护环境基本国策努力走向社会主义生态文明新时代

新华网北京5月24日电中共中央政治局5月24日上午就大力推进生态文明建设进行第六次集体学习。中共中央总书记习近平在主持学习时强调,生态环境保护是功在当代、利在千秋的事业。要清醒认识保护生态环境、治理环境污染的紧迫性和艰巨性,清醒认识加强生态文明建设的重要性和必要性,以对人民群众、对子孙后代高度负责的态度和责任,真正下决心把环境污染治理好、把生态环境建设好,努力走向社会主义生态文明新时代,为人民创造良好生产生活环境。     

基于神经网络坐标差学习的GPS坐标转换

提出基于神经网络坐标差学习的GPS坐标转换新方法,基于该方法利用某区域的GPS控制网观测数据将GPS点的WGS-84坐标转换为1980西安坐标,利用二维约束平差得到的GPS网点1980西安坐标系坐标作为比较数据,与传统的七参数模型和四参数模型方法的转换坐标和二维约束平差坐标进行比较。结果表明,利用神经网络方法进行坐标转换完全可行,传统方法和神经网络方法转换的坐标精度基本相当,神经网络方法略优且精度较均匀。神经网络方法可以得到统计精度优于±0.025 m的平面控制结果,能满足工程应用的需要。     

在部直属机关深入学习贯彻党的十八大精神推进基层组织建设工作会议上的讲话

刚才,7位同志作了发言,其中地籍司朱留华、办公厅王秀莲、基金中心王全玲3位同志分别交流了个人和单位学习党的十八大精神的体会与收获,地调局发展中心付晶泽、信息中心施朝忠、人力中心孙俊凤、北京督察局于明科4位同志介绍了本单位加强基层组织建设的经验做法,讲得都很好,听后很受启发,也很受教育。应该说,这些同志有思考、工作有成效,对我们今后的工作有帮助。     

基于半监督学习的遥感影像分类训练样本时空拓展方法

针对无法直接获取训练样本的遥感影像分类问题,从满足条件的其他影像中选择替代训练样本是最直接的方法,但由于地物类型在不同影像中的辐射环境不同,导致替代训练样本对待分类影像的代表性较差,无法保证分类精度.以直推式支持向量机(transductive support vector machine,TSVM)分类为例,发展了一种基于半监督学习的遥感影像训练样本时空拓展方法.该方法采用非监督方法从待分类影像中选择大量未标记样本,挖掘各类地物在特征空间中的结构信息;以替代训练样本所拟合的分类面为初始面,通过自适应渐进式的优化,实现对待分类影像的高精度分类.该方法要求训练样本的来源影像与待分类影像具有相似的地物分布和相近的时相.以SPOT5和QuickBird影像分类为例,分别通过基于像元的和基于分割对象的分类实验证实,该文提出的方法可有效地实现训练样本的时空拓展应用.     

基于改进DeepLabV3+算法的遥感影像建筑物变化检测

变化检测是遥感测绘领域的重要任务,作为执法依据,在耕地非农化等场景监测中发挥重大作用。近年来,使用人工智能相关技术进行变化检测,常见的技术方案为叠加两期影像,再使用语义分割算法求解变化区域。本文使用变化检测数据集LEVIR-CD作为试验数据,在DeepLabV3+算法基础上,针对变化检测场景特点,对模型结构进行改进。以DeepLabV3+的孪生网络为主干,使用多层级特征交互操作,充分融合图像特征。结果表明,改进的网络结构更加适合变化检测任务场景。     

ICESat-2与Sentinel-2数据融合的深度学习浅滩水深测量

目前卫星测深(SDB)被广泛应用于近海岸水深测量,然而常用的经验模型较简单,无法适用于各类复杂浅滩环境。为突破传统方法的局限性,本文提出一种ICESat-2与Sentinel-2数据融合的深度学习浅滩水深测量方法。以美国密西西比州猫岛(CI)、巴克岛(BI)为研究区,利用ICESat-2提取先验水深点,再基于Sentinel-2数据训练一维卷积神经网络(1-DCNN)以获取研究区水深图;同时采用波段比值模型(BR)、随机森林(RF)和多层感知器(MLP)作为对比方法进行精度定量分析发现,本文方法在CI、BI测得水深的均方根误差和决定系数分别为0.20 m、0.94和0.95 m、0.95,精度验证优于其他方法,因此该方法提高了水深反演精度。     

深度学习遥感影像解译技术在耕地保护中的应用

耕地保护事关国家粮食安全、生态安全和社会稳定,是国计民生的头等大事。深度学习技术在海量数据分析领域的广泛应用,为高效、精准的遥感影像解译提供了技术基础。本文研究了基于深度学习的遥感影像解译技术,利用遥感影像数据和对应的矢量数据构建了可供训练的解译样本库,并提出了一种基于深度残差网络结构的解译模型。通过试验证明了该模型的实用性,实现了对试验区域主要地类面积的变化监测,对比多期影像解译结果和增减挂钩等业务数据,验证了耕地复垦的实施情况。结果表明,深度学习遥感影像解译技术在耕地保护领域有较广泛的应用前景。     

基于深度BP/ELMAN神经网络的山区GNSS高程转换精度分析

将GNSS测量的大地高以较高精度转换为工程所需的正常高具有重要的实用价值。本文利用GSVS2017项目高精度的GNSS水准数据,分析了深度BP/ELMAN神经网络、广义回归神经网络(GRNN)、径向基函数神经网络(RBFNN)、支持向量机回归(SVR)、二次曲线拟合和曲面拟合等方法用于GNSS高程转换的精度。试验结果表明：(1)在训练点间距为50、30、15、10、5 km时,采用隐含层激励函数为ReLU的深度BP/ELMAN神经网络,其精度比GRNN、RBFNN、SVR、二次曲线拟合和曲面拟合方法高;(2)利用隐含层激励函数为ReLU的深度BP/ELMAN神经网络进行GNSS高程转换,5种训练点间距均可使90%以上检核点间的高差满足四等水准测量精度,75%以上满足三等水准测量精度要求,训练点间距为5 km时,55%以上的高差可达到二等水准测量精度要求。     

基于深度和广度优先算法相结合的闭合环自动搜索方法研究

搜索闭合环、附合路线是测量控制网验前精度评定和粗差探测的重要内容。文中结合数据结构相关知识,在已有的基于深度优先算法搜索闭合环的基础上,提出一种利用深度优先和广度优先算法相结合的自动搜索控制网闭合路线、附合路线的搜索方法,与传统搜索方法相比,搜索速度有很大提高。