面向植被均质单元的生物量多尺度估算研究

针对以往植被地上生物量(以下简称“生物量”)多尺度估算方法在数据收集、尺度转化、结果呈现等方面的局限,该文提出了面向植被均质单元的生物量多尺度估算方法：(1)定义了具有实际景观意义的植被均质单元,作为植被生物量估算的基本单元;(2)基于多源数据提取直接反映和间接影响植被生物量的多源因子,利用多尺度分割技术构建多尺度下的植被均质单元;(3)通过随机森林回归模型实现植被生物量多尺度估算。结果表明,该方法可避免多尺度下的数据获取,仅基于一套数据实现了研究区植被生物量多尺度估算,产生了较好的建模和估算精度。该方法不仅可量化生物量大小,还可描绘生物量均质区域,具有尺度变换便捷、灵活等优势。     

点质量融合模型的海空重力数据延拓分析

针对无高质量的数据对传统的虚拟点质量模型对重力数据改正时,易受系统误差影响及解算不稳定的问题,该文将海空重力数据中的系统误差用非参数分量表达,对点质量模型进行改进,建立了虚拟点质量的半参数模型,引入核估计方法,利用偏残差估计方法,进行三步拟合估计,得到了系统误差和点质量参数的估计值。在分离系统误差的基础上,引入正则化方法改善病态,将建立的模型与正则化方法相结合,建立了综合半参数核估计和正则化方法的点质量融合模型,可在无外部重力时估计系统误差,同时完成多源数据融合。基于EGM2008位模型产生海空重力异常数据,采用线性项和周期项系统误差进行仿真实验,结果表明改进后的点质量模型能够有效利用外部数据,在改善病态和分离系统误差方面提升精度效果明显。并以北卡罗来纳实测海空重力异常数据验证该文方法的有效性,结果表明在无外部数据时,该文方法能有效地分离系统误差,并且精度与引入外部数据改正后的正则化方法相当。     

多尺度地图面目标变化分类、描述及判别

基础地理空间数据的持续更新是制约地理信息服务的重要因素,而变化信息的获取是空间数据持续更新的基础。将不同时相多尺度地图面目标基本变化类型归纳为出现、消失、扩张、收缩、移动、旋转、分裂、合并和先分裂后合并等9种,并分别进行了形式化定义和描述。进而顾及制图综合操作产生的不同尺度地图中同名面目标表现的"伪变化",利用4交差拓扑关系模型区分真实变化和制图综合引起的几何差异。最后,采用1∶2 000和1∶10 000比例尺居民地地图数据进行实验验证,结果表明,所提的变化分类、描述及判别方法具有有效性和适用性。     

一种知识约束下的多目标土壤空间抽样优化模型

土壤空间抽样优化需要综合考虑抽样精度、成本、代表性以及样点数量与空间布局等多目标,属于典型的NP-Hard空间优化决策问题。先验知识的应用以及多目标的博弈能够有效地提高抽样精度和效率。通过研究土壤空间抽样先验知识及其空间分层技术,以及土壤空间抽样方案与粒子群算法映射关系,建立了基于知识约束下多目标粒子群算法的土壤空间抽样优化模型。模型以最小克里金方差和最大熵为抽样目标,以分层最小样本量、空间阻隔和可达性为约束条件,结合目标规划法进行多目标帕累托优化方案求解,并以陕西省横山县为实验区验证了模型的有效性。实验结果表明,该模型相比传统方法具有较高的收敛效率和抽样精度,先验知识与目标规划法的应用显著提升了抽样方案代表性,能够为土壤空间抽样以及土壤质量监测网络构建提供新的技术支撑。     

基于SMVF的高频雷达自适应多目标检测

针对高频雷达强海杂波和干扰环境下的多目标检测问题,结合S-method时频分布和Vitcrbi算法提出了一种多分量线性调频信号瞬时频率估计方法—SMVF法(S-method viterbi fitting),然后根据所提取的瞬时频率的直线拟合性能,提出了一种自适应多目标检测算法。实测数据的处理结果,表明了该算法在低信噪比时,与WDM法(wigncr distribution maxima) , WDV法( wigncr distribution vitcrbi)相比,估计精度提高约2000,验证了该算法的可行性和有效性。     

面向地理国情监测的多源地理信息整合

以地理国情监测为背景,充分利用各时期已有的测绘成果,结合万州区城镇化进程监测,通过确定其监测内容与指标,提出了一种基于FME、RS技术进行多源地理信息数据整合提取的技术方案。该方案可快速、无损地处理海量的地理国情数据,为典型地理国情监测提供了多源地理国情信息整合方面的技术支持。     

基于机载多光谱遥感数据的溢油信息提取方法

为研究应用紫外-可见光-近红外-热红外遥感数据识别海上溢油的方法,利用机载多光谱溢油监测设备获取了舟山海域多光谱遥感数据,并利用野外地物光谱仪获取了水体和油膜的反射光谱。通过提取并分析机载多光谱遥感图像上多目标的影像特征和光谱响应特征,利用决策树分类法对海上油膜相对厚度的分布进行分类和制图。研究表明,基于机载多光谱遥感数据的溢油信息提取方法总体分类精度达93.7%,能够准确区分薄油膜和厚油膜,可有效提取海洋溢油污染信息,完全能够满足海洋溢油污染遥感监测需求。     

基于植被分区的多特征遥感智能分类

为了有效地提取大范围地形复杂区域的土地利用/土地覆盖遥感信息,以位居青藏高原与黄土高原过渡地带的青海东部地区为研究区,研究基于蚁群智能优化算法(ant colony intelligent optimization algorithm,ACIOA)的土地利用/土地覆盖遥感智能分类。首先选用TM图像、DEM、坡度和坡向数据作为分类的特征波段;然后利用归一化植被指数NDVI对实验区数据进行植被分区;最后利用ACIOA算法进行分类规则挖掘,并依据分类规则进行土地利用/覆盖信息的提取。研究表明,基于植被分区的多特征蚁群智能分类的总体精度为88.85%,Kappa=0.86,优于传统的遥感图像分类方法,为大范围地形复杂区域的土地利用/土地覆盖遥感信息提取提供了有效的方法。     

室内地图表示方法研究与实践

随着智能技术和室内定位技术的发展,位置服务已从室外拓展到室内,室内地图已成为室内位置服务的重要支撑工具。因此,室内地图采用何种表示方法,才能很好地引导人们快速进行室内导航和应用,是室内地图设计与制作中的热点和难点问题。此处在分析室内空间认知特点的基础上,重点研究了室内多楼层、单楼层、室内外切换条件下,室内地图表示方法的特点,并以北京首都国际机场作为示例,制作了室内地图样图,验证了表示方法的合理性。为今后设计制作科学实用的室内地图,提供重要的方法参考。     

面向对象的高分辨率影像单值分类耕地提取方法研究

遥感技术已广泛地应用于土地覆盖/土地利用分类中。在专题应用中,用户只对某一类地物感兴趣,例如耕地提取,即单类别分类问题。随着影像分辨率的提高,基于像元的分类算法难以满足高分辨率影像高精度信息提取的需求。本文采用结合面向对象分类思想和基于正样本、未标记样本遥感单值（PUL）分类方法从多源高分辨率影像中提取耕地信息,并与基于像素的分类实验进行对比分析。结果表明,在缺少部分地类的不完全训练集下,基于面向对象的单值分类较传统神经网络分类有更较稳定的表现,并且远优于基于像素的分类结果。