基于两种无人机航拍影像的林窗和林冠提取分析

森林冠层和林窗的结构及其时空变化是理解森林生态系统格局、动态变化过程的重要基础。在当前生物多样性监测倍受关注的契机下,如何以合适的手段准确描述林窗面积、分布等特征,并与森林固定样地监测数据有效地结合,更好地回答群落构建的理论问题,使森林群落物种多样性维持机制得到更全面的认识,是目前亟待解决的问题。以鼎湖山南亚热带常绿阔叶林20hm2固定监测样地为研究对象,基于不同遥感影像提取方法对其林窗和林冠表层数据进行提取分析。结果表明:基于监督分类的提取方法适合RGB波段航片林窗的提取,在林窗分类中,应首先确定林窗高度、边界木与最小面积,不同分类方法差异主要表现在林冠分类中,林窗分类生产者精度和用户精度表现都较为一致。无人机航拍识别率受地形因素影响较大,在地形复杂林地应按坡度分区域进行飞行以降低误差。相对于地面调查,MD4-1000无人机航片的林窗识别率为98.7%;大疆Phantom4无人机航片的林窗识别率为72.3%,影像后期处理数据量小,同样适用于森林林窗定量研究,符合生态学、林业等从业人员对大型样地林窗长期监测的要求。无人机航拍南亚热带森林物种识别难度较大,基于MD4-1000无人机搭载的高分辨率相机,在地势平缓区域优选的4 hm2样地中可识别林冠表层物种数17种,共2 706个个体。搭载高分辨率无人机在降低飞行高度的基础上可进行部分物种识别。应用无人机近地面遥感对森林固定样地进行林冠监测,可为后期群落构建研究提供数据基础,有望从新的研究角度探讨森林群落物种多样性维持机制。     

海洋环境对猎雷声呐探测识别的影响及对策建议

猎雷是各海军强国重点发展方向,猎雷作战中首要的就是探测识别水雷。从传播损失、混响、 目标强度以及海流、潮汐等多个方面分析了海洋环境对猎雷声呐探测识别的影响,并从猎雷作战角度提出了有关参数设置、作战方式、数据处理等对策建议,可为部队探测识别水雷等目标提供有效参考。     

基于SSW点云数据的矢量地图平面精度自动校验方法

常规的矢量地图精度校验采用抽样与实地测量,外业工作量大,自动化程度低。针对这一问题,本文提出基于SSW激光点云数据的矢量地图平面精度自动校验方法。首先,使用车载激光扫描器获得道路两侧高精度点云数据,并对点云数据进行滤波、坐标转换和精度检验;其次,基于多特征识别算法,使用SWDY软件提取点云特征点线;最后,利用最近邻法搜索待检矢量图中的同类地物特征点线,并计算匹配点线对的中误差。以兴化城区为试验区,采用该方法检测该地区1：1000比例尺的矢量地图平面精度,试验结果显示,成功匹配了点云数据205个地物特征中的201个,矢量地图的总体中误差为0.26 m,且能够发现待检测矢量地图中的采集丢漏与明显错误。本文方法可以减少现有检测方法的野外实测工作量,增加检测样本数量,降低检测过程中的人为干扰因素,有效提升检测的可靠性与检测效率。     

组合粗差探测的MHSS ARAIM算法

针对目前MHSS ARAIM (multiple hypothesis solution separation advanced receiver autonomous integrity monitoring)算法存在的抗差能力弱、计算子集过多、计算量过大等不足,提出一种组合粗差探测的MHSS ARAIM算法。该算法先用粗差探测方法对原始数据进行粗差识别与剔除,而后用MHSS ARAIM算法处理经粗差探测后的数据,可弥补MHSS ARAIM算法的不足。对若干IGS和全球连续监测评估系统iGMAS(international GNSS monitoring and assessment system)监测站观测数据进行计算和分析。结果表明:在航行LPV-200阶段,该算法应用于GPS和BDS导航的性能优于MHSS ARAIM;在假设单故障情况下,该算法对GPS和BDS观测数据的有效监视门限EMT(effective monitor threshold)的精度分别提高了22.47%和9.63%,对VPL(vertical protection level)的精度分别提高了32.28%和12.98%;在假设双故障情况下,对EMT的精度分别提高了80.85%和29.88%,对VPL的精度分别提高了49.66%和18.24%。     

基于无人机多源遥感数据海岛植被叶面积指数协同反演研究

无人机多源遥感数据的获取、融合以及应用是当今研究的热点和难点。文中以城洲岛为例,针对海岛特殊的地理生态环境,获取无人机多源遥感数据。结合无人机多光谱遥感数据定量分析各遥感植被指数与植被叶面积指数(Leaf Area Index, LAI)的响应关系,构建单因子遥感反演模型;基于无人机激光LiDAR点云提取海岛植被冠层高度模型(Canopy Height Model,CHM),并将其作为自变量引入到多源统计回归分析中,从而构建多源遥感数据协同反演模型,对区域尺度下海岛叶面积指数(LAI)进行估算,开展验证和精度评价。结果显示,加入植被冠层高度因子的协同反演模型的判定系数R2为0.92,绝对平均误差系数为12.29%,预测精度要优于单因子反演模型(判定次数R2为0.86,绝对平均误差系数19.95%)。研究表明,加入了植被冠层高度因子的协同反演模型能在一定程度上提高乔木植被LAI的预测精度。实践证明,无人机多源遥感技术在生态学定量研究中具有巨大的潜力和广阔的应用前景。     

基于GF-3的不同极化方式SAR图像海面油膜识别的比较 ——以"桑吉"轮事故为例

基于我国自主研发的首颗分辨率达到1m的C频段多极化合成孔径雷达高分三号卫星(GF-3),通过典型溢油案例定性和定量地比较了双极化与单极化图像预处理性能,分析了不同的极化组合对海面油膜识别结果的影响。得出结论:同向极化与异向极化成像差异明显,VV极化明显比VH极化回波强度高,并且油膜识别度较高;相反,双极化VHVV方式与单极化VH方式图像效果区别不大,双极化方式并不能绝对性地提高地物识别度。     

基于"双冒泡法"的SAR影像冰山识别

利用威德尔海区域2016年的Sentinel-1ASAR影像数据,采用"双冒泡法"的sigma-on-mu探测器探测冰山边缘区域,并通过对边缘像元进行交换排序和凸显最大像元的方式识别冰山。以人工识别法为基础,通过与自动识别法的对比,定量地分析了"双冒泡法"的识别偏差。研究结果表明,"双冒泡法"识别的冰山线性尺寸和面积等信息中纵横向最大长度分别为24.52km和11.16km;面积为220.833 6km2;单体识别偏差率为2.87%,低于自动识别法(7.5%);平均偏差率为2.48%,亦低于自动识别法(7.27%)。同时,基于"双冒泡法",提出了较小冰山边界的手动分离法(像元≤100),与自动识别方法相比,该方法的手动分离以具体的像元边界为基准,提高了对较小冰山的识别精度。     

利用模糊密度聚类和双向缓冲区自动识别热点区

通过数据挖掘手段获取聚集模式（即热点）等地理空间知识是地理信息智能化服务的基础和前提。点群聚集模式的提取本质上是热点及其边界（热点区）的探测。首先分析了使用空间聚类提取热点并以凸壳表达热点轮廓的不足,进而提出一种利用模糊密度聚类和双向缓冲区的热点区自动识别方法。该方法借鉴模糊集理论,通过计算对象之间的模糊隶属度改进基于密度的聚类算法,用以提取点群的聚集模式;在此基础上,将模糊隶属度作为对象间的影响程度,采用正负缓冲区建立热点边界。以郑州市城区的科研机构点为例进行实验,结果表明,提出的方法既能有效区分空间点的类型（噪声点与非噪声点）,又能生成连续平滑的热点边界,总体效果优于对比方法。     

基于地名树的最佳空间尺度新闻事件地点提取方法

从新闻纯文本数据中识别地名信息并确定对应的最佳空间尺度与事件所属地点,是准确抽取新闻事件发生地点的关键。针对上述目标,提出了基于隶属关系地名树的最佳空间尺度新闻事件地点提取方法。在完成地名实体识别和歧义消除的文本数据预处理工作的基础上,提出了一种顾及新闻结构的方法消除语义干扰等噪声的影响;通过引入虚父节点构建合理准确的隶属关系地名树,结合最小包围盒的概念实现了最佳空间尺度的选取,使用地名实体权重和实体相关性完成了事件地候选集推荐排序,从而合理定位事件发生地。实验证明,所提出的新闻文本地理信息抽取方法可以较高的准确率获取新闻所对应的最佳空间尺度和相应的事件地点。讨论和解决了新闻文本地理信息抽取涉及的空间尺度问题,使得新闻文本中抽取的地理信息具有更好的可用性和可解释性,在丰富地理信息数据来源的同时,可实现数量呈几何级增长的网络新闻自动地域划分,有助于人们对各类事件空间态势的关注与认知。     

光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别

2018-10-11和2018-11-03,金沙江上游西藏自治区江达县波罗乡白格村附近先后发生两次大规模高位滑坡堵江。虽经人工干预处置后进行泄流,但还是对下游居民和交通设施造成了严重损失,其上下游是否还存在类似的大规模滑坡隐患,成为白格滑坡灾害发生后社会各界关注的焦点问题。首先利用高精度光学卫星影像对白格滑坡上游30 km和下游100 km范围内的滑坡隐患进行人工目视解译和定性评价,共识别出滑坡隐患51处,其中下游70~100 km范围内有10处具有堵江风险的滑坡隐患。在此基础上,对具有堵江风险的重点区域（白格滑坡下游70~100 km范围内）收集存档ALOS PALSAR-1和Sentinel-1A雷达卫星数据,利用短基线差分干涉测量技术开展滑坡隐患地表形变定量探测和分析评价,共探测出7处具有较显著形变的滑坡隐患,其中3处堵江风险较大,为白格滑坡上下游地质灾害防治和川藏铁路选线提供了参考。