海量多波束数据抽稀方法的比对分析

针对构建海底DEM高效率、高精确度的要求,对比分析了海量多波束水深数据的抽稀方法。利用格网分块结构高效组织海量多波束水深数据,分别采用三种数学模型内插网格节点水深值,实现了不同网格尺度下的数据抽稀。实验证明:所提分块索引策略能提高多波束数据抽稀效率;距离加权内插模型能有效提高海底DEM模型的准确度。     

基于混合分类规则的成像光谱数据分类研究

分类方法的选择对于成像光谱数据的分类精度有着直接影响,然而由于成像光谱数据的特点,使得分类器的选择变得十分困难。提出了一种基于混合分类规则的成像光谱数据分类方法。实验表明,按照该方法进行成像光谱数据的分类处理,可以得到很高精度的分类结果。     

卫星导航定位中DOP的精度增强作用分析

通过理论推导分析了 DOP 的一些性质,并进行了算例分析。 实验结果表明,在一些特殊应用环境中, DOP 值会随着星地空间几何布局的改善而大幅减小,以至于小于 1,从而增强了用户位置和时间偏差参数的精度; 结果还表明,导航解算方程的权逆阵的条件数在星地空间几何布局改善的条件下具有与 DOP 极为相似的变化规律,并且可以反映用户等效测距误差对于导航解相对误差的敏感性,亦可作为精度评估的一种度量方法。     

流式影像术在海洋浮游植物分类研究中的应用

海洋浮游植物支撑着海洋生态系统的正常运转,对其种类的定性识别、鉴定和细胞数量的定量分析是海洋科学研究中最为关键的科学问题之一。流式影像术在海洋浮游植物形态特征识别与快速定量检测上是目前先进和可行的方法,它综合了流式细胞术和图像显微识别的技术优点,不但能够对快速流动状态中的海洋浮游植物进行相应的参数检测,而且可以获取流动过程中清晰的图像,通过计算机软件的图像处理和特征筛选,实现海洋浮游植物有效的自动识别。通过对流式影像术的原理、测定方法、技术特点及其发展动态等的综述,认为基于流式影像术对高速运动的浮游植物图像的清晰实时采集,可以有效地对图像进行模式的识别和分类。它是一种理想和实用的方法,将为海洋生物学研究提供新的实时、快速、高效平台,有很好的应用前景。     

海洋浮游藻色素分析和化学分类研究进展

综述了海洋浮游藻色素分析和化学分类研究的最新进展。指出目前以色谱柱串联技术为基础的高分辨高效液相色谱质谱联用已经成为色素分析方法的主要发展趋势。利用此方法对藻类特征色素进行再分析有助于获得对藻类色素分布的新认识。CHEMTAX是在宏观上对浮游藻进行化学分类的良好工具,采用多次运算的方式可以减少其对初始色素比值的依赖,使结果向"真实值"收敛,提高结果的准确性。指出研究以特征色素比值组合为基础的浮游藻精细化学分类方法,以及将以色素分析为基础的浮游藻化学分类应用于了解浮游藻功能类群在生源要素和生物矿物质等的生物地球化学循环过程中的作用是未来的发展趋势。     

基于SOLO分类评价的高中地理开放性问题设计与应用

高中地理课程标准(2017年版)中提出了开展思维结构评价以培养学生地理核心素养。该实施意见在当下标准化测试中未能得到充分体现。在"交通运输布局对区域发展的影响"专题教学中,笔者尝试以传统地理综合题为素材,设计基于SOLO分类评价的开放性问题。并将该问题运用于探究式地理课堂教学中,开展学生学习结果诊断并给出了个性化建议。以期为基于SOLO分类的思维结构评价的广泛开展积累经验。     

新疆地区土地覆被遥感数据的一致性研究

鉴于新疆地区对中国乃至中亚有着特殊的战略意义,本文针对不同数据源及分类系统在土地覆被数据的空间分布上缺乏互通性问题,结合2010年目视解译土地利用现状遥感监测数据、GlobeLand30和GlobCover2009共3种土地覆被数据,采用类型相似分析、类型混淆分析、混淆矩阵分析、空间一致性分析4种方法开展精度评价及一致性分析,以期对土地覆被数据在中国西北干旱区的适用性及适用范围提供有效建议。结果表明,3种土地覆被数据对新疆地区土地覆被类型构成基本一致,且对裸地类型的辨识度最高;新疆地区中高度一致区域占新疆总面积的95%;3种数据两两对比时,总体精度在64.11%~72.57%之间,其中目视解译数据/GlobeLand 30组合表现出最高水平,且仍有提高空间,反映出目前相同卫星传感器是提升精度评价结果的重要因素之一,且不同分类系统、分类方法、空间分辨率及卫星过境时间等因素对精度评价结果也会产生巨大影响。为解决此类问题,利用多源土地覆被遥感数据的融合技术提高数据精度,或是利用深度学习对遥感影像资料进行精确地解译和判读,将是今后全球土地覆被制图及应用领域的主要发展趋势。     

基于随机森林的光子计数激光雷达点云滤波

新一代星载激光雷达卫星ICESat-2首次采用了微脉冲光子计数激光雷达技术,由于单光子探测的灵敏性导致数据在大气和地表下层产生了大量噪声,因此对光子计数激光雷达点云数据实现信号和噪声的分离是开展进一步应用研究的前提和基础。本文选择美国俄勒冈州和弗吉尼亚州2个研究区,采用MATLAS数据,根据光子点云数据的特点构造了12个光子点云特征,对所构造的特征利用随机森林进行变量筛选,用机器学习方法对光子点云进行分类,并将建立好的模型推广到整个研究区。研究结果表明,本文构建的分类器分类总精度达到了96.79%,Kappa系数为0.94,平均生产者精度和用户精度分别为97.1%和96.8%。在相对弱噪声、平坦地形区域和强噪声、复杂地形区域都取得较好的分类结果。本文结果显示了基于少量样本通过机器学习的方法构建模型,可以推广到较大范围区域的光子点云分类应用中。     

高分六号遥感卫星新增波段下的树种分类精度分析

高分六号卫星具有覆盖广、多种分辨率、波段多的优势,能为遥感解译提供更丰富的信息。为探究高分六号卫星新增波段在森林树种识别上的应用,本文以覆盖根河市阿龙山林业局的一期高分六号宽幅影像为数据源,基于特征优化空间算法（Feature Space Optimization,FSO）和最大似然分类法,分别利用高分六号的前4个波段和所有波段（8波段）的光谱、纹理等特征进行了森林树种分类,并逐一添加新增波段特征确定了各波段的贡献率排名。结果表明：在加入了优选出的均匀性纹理、均值纹理和角二阶矩纹理3种纹理特征后,前4波段和8波段的分类精度比只基于光谱特征时的精度分别高出13.23%和24.63%;利用8波段信息比只利用前4波段在基于光谱特征上的精度高11.88%,在基于光谱+纹理特征上则高23.24%;基于8波段光谱+纹理特征的树种分类精度最高,达到68.74%,新增4波段的贡献率排名为B6>B5>B8>B7,说明新增红边波段对于本次树种分类试验的贡献率最高,能为北方树种识别提供有效帮助。