基于 DTW 距离的时序 NDVI 数据植被信息提取--以秦巴山区为例

秦巴山区是我国重要的生态屏障,对该区的植被信息提取开展研究,可为区内生态服务功能及自然资源开发利用提供基础数据。通过加窗处理改进DTW距离相似性算法,结合临近度模糊分类方法对2005—2014年的MODIS NDVI时序数据进行植被信息提取。首先利用S-G滤波对MODIS NDVI时序数据进行重建;再利用2013年的采样数据构建各类植被的标准NDVI时序曲线,逐像元计算与标准NDVI时序曲线的加窗DTW距离,利用临近度模糊分类实现植被信息提取;最后验证提取精度。结果表明,算法具有较高的运行效率,可避免错误匹配,以较高的精度(总体精度83.8%,kappa系数0.77)实现长时间序列的植被信息提取。     

基于“天地图”的地震应急服务平台设计

地震应急与社会经济紧密相关,也是防震减灾的重要内容。在总结地震应急相关研究与信息服务的基础上,采用网络技术、GIS技术、数据库技术,设计并开发基于"天地图"的地震应急服务平台,实现震情实时发布、空间查询定位、灾情实时反馈、直接经济损失快速评估、经济人口信息的统计分析等功能。该平台的建立将为震前预测提供完备、现势的数据基础,为震中救援提供可视化的分析平台,为震后恢复重建的资源调配提供数据支持。     

热红外与可见光数据的云边缘高度匹配

高分辨率数据中云高度的差异性突显,特别是边缘处高度在云阴影识别和地表辐射估算等方面成为需要考虑的重要因素。热红外数据获取云高度分辨率较低、缺乏细部差异性特征,为解决这一问题,首先将对应的热红外和可见光数据进行特征点配准,再将基于热红外数据计算的云高度重采样至高分辨率,然后以基于欧式距离变换的围线搜索方法及距离加权将热红外云边缘高度匹配至对应的可见光图像,最后根据云阴影的相似度匹配方法确定真实云高度。结果表明,算法在遵循热红外云高信息分布变化规律的同时,可以得到较准确的高分辨率云边缘高度,一定程度上解决了热红外技术获取云高在分辨率上的局限,扩展了其在云高反演方面的作用。     

K-GM（1，1）模型在岩体变形监测中的应用

传统GM （1,1）模型存在着长期预测效果差、模型精度不高等问题,卡尔曼滤波能够排除建模过程中随机干扰因素,滤波值能够反映更真实的数据情况。为了能更好地提高变形监测的预测精度,基于传统GM （1,1）模型和卡尔曼滤波,提出K‐GM （1,1）模型,利用该模型对岩体变形监测数据进行建模预测,并与传统GM （1,1）模型预测结果进行对比分析,结果表明,K‐GM （1,1）模型具有较高的预测精度,可作为变形监测的一种新方法。     

改进后灰色神经网络及短期基坑沉降预测研究

在短期基坑沉降监测中,由于数据量少且呈非线性变化,沉降模型很难准确建立。灰色GM(1,1)对数据少、趋势性强、波动小的数据有较高的预测精度,但不能模拟复杂的非线性函数;BP神经网络可以对非线性数据进行学习训练,具有自学习、自适应能力;通过将GM(1,1)与BP神经网络组合,并优化网络部分的学习率、权值和阈值等,建立一种改进的灰色神经网络模型,该模型具有对非线性数据自学习、自适应能力和预测精度更高等优点。通过某基坑沉降监测分析,验证改进的灰色神经网络模型预测精度更高,适合短期建模,具有很好的实用性。     

基于时序InSAR的东营地区地表沉降研究

黄河携带大量泥沙入海,河口三角洲覆盖20~50m厚的沉积层。沉积层的自然压实导致该地区的地表沉降。此外,黄河三角洲油气资源的开发和地下水的开采也加速地表的下陷。InSAR作为一种有效的空间大地测量工具,可以提供几十公里范围内的高精度地表形变场。时序InSAR技术在多幅雷达影像组成的干涉网络基础上,识别永久散射体(PS)等雷达回波信噪比高的像素。与传统的InSAR技术相比,时序InSAR技术削弱雷达影像去相干效应的影响,实现长期的形变序列提取。文中利用两组雷达影像:19幅ERS卫星1992年12月至1996年1月的SAR影像,17幅ENVISAT卫星2003年5月至2008年3月的SAR影像。影像主要覆盖山东省东营市及其周边部分区域。结果显示,东营地区存在每年15mm以上的地表沉陷,该地区的地表沉降与油气开采活动有关。     

太原市地表热环境时空格局分析

针对鲜有资源型城市的地表热环境研究这一情况,该文基于Landsat8遥感数据,反演了太原市在2013—2015年间共3期的地表温度。提出一个考虑空间格局结构的城市热岛效应指数,在3期数据中,太原市区整体热岛效应指数分别为9.1%、9.8%和8.9%;同时,根据城市功能和路网结构将太原市区划分为6个分区,从分区级层面量化分析了地表热环境的时空分异特征规律,结果表明,太原市区地表温度整体呈现空间分散化特征,不同分区也呈现出不同的时空格局演变过程;最后,选取40个地表温度实测样本点验证反演精度,最大误差绝对值为1.1℃,最小误差绝对值为0.2℃,均方根误差为0.7℃。     

支持向量机的车载雷达点云目标识别

为了进一步研究移动测量系统的数据处理问题,该文根据点云的基本特征,归纳了由7个特征构成的点云原始特征向量,在此基础上,结合语义环境构建了由17个特征构成的点云扩展特征向量,并采用支持向量机模型对车载LiDAR点云进行行道树点云识别的一系列实验。实验中采用粒子群优化算法和遗传算法对支持向量机进行参数寻优;采用不同特征向量和不同数目样本对点云进行学习和目标识别;分析了特征向量的学习曲线和识别精度。实验结果表明,支持向量机模型能够在行道树点云识别中取得较高的精度。     

混合核特征加权SVM遥感湿地空间分类

针对湿地空间信息的复杂性和SVM的分类性能,设计一种基于混合核函数的特征加权SVM分类模型,综合利用多种特征信息,避免被弱相关特征所支配,从而提供更佳的映射性能和泛化能力。实验结果表明,该分类模型兼具良好的外推和内推能力,能够有效地融合不同信息源特征,得到更完整和准确的分类结果,在总体精度、Kappa系数等多项指标上都表现出更高的水平。     

多源数据协同定量遥感产品生产系统的领域模型

大数据技术中的一个难点是如何统筹多源异构的数据。在多源数据协同定量遥感产品生产系统中,不同传感器数据的协同使用为生产系统的各个环节都带来了许多的问题,例如异构数据文件的统一表示和调度,繁杂生产流程的统一抽象等。领域驱动设计是一种应对软件核心复杂性的设计方式。领域驱动是指在设计过程中经过不断的迭代,逐渐提炼出一套灵活优雅的领域模型。领域模型专注于分析问题领域本身,发掘重要的业务领域概念,并建立业务领域概念之间的关系。本文在不断实践的基础上提出了一组较成熟的领域模型,该模型用一种统一的方式解决了多源数据协同生产系统中各方面的问题,并显著地降低了系统集成的难度和工作量,且为新数据源的加入预留了灵活性。