Re-parameterization of a quasi-analytical algorithm for colored dissolved organic matter dominant inland waters

Quasi-Analytical Algorithms (QAAs) are based on radiative transfer equations and have been used to derive inherent optical properties (IOPs) from the above surface remote sensing reflectance (R_rs) in aquatic systems in which phytoplankton is the dominant optically active constituents (OACs). However, Colored Dissolved Organic Matter (CDOM) and Non Algal Particles (NAP) can also be dominant OACs in water bodies and till now a QAA has not been parametrized for these aquatic systems. In this study, we compared the performance of three widely used QAAs in two CDOM dominated aquatic systems which were unsuccessful in retrieving the spectral shape of IOPS and produced minimum errors of 350% for the total absorption coefficient (a), 39% for colored dissolved matter absorption coefficient (a_CDM) and 7566.33% for phytoplankton absorption coefficient (a_phy). We re-parameterized a QAA for CDOM dominated (hereafter QAA_CDOM) waters which was able to not only achieve the spectral shape of the OACs absorption coefficients but also brought the error magnitude to a reasonable level. The average errors found for the 400–750 nm range were 30.71 and 14.51 for a, 14.89 and 8.95 for a_CDM and 25.90 and 29.76 for a_phy in Funil and Itumbiara Reservoirs, Brazil respectively. Although QAA_CDOM showed significant promise for retrieving IOPs in CDOM dominated waters, results indicated further tuning is needed in the estimation of a(λ) and a_phy(λ). Successful retrieval of the absorption coefficients by QAA_CDOM would be very useful in monitoring the spatio-temporal variability of IOPS in CDOM dominated waters.     

SAR影像与光学影像的高斯伽玛型边缘强度特征匹配法

提出了一种基于影像边缘强度图描述的SAR影像与光学影像匹配方法。首先对影像进行粗纠正,消除影像之间的尺度和旋转变化;其次,改进相位一致性特征检测方法,提取对影像相干斑噪声稳健的特征点;然后基于高斯伽玛型双边窗口比值算子计算影像边缘强度图,在此基础上构造不变特征描述符;最后联合几何约束条件,实现SAR影像与光学影像匹配。试验结果证明,与现有方法相比,本文方法能够大幅提高SAR影像与光学影像匹配结果中的正确匹配特征数量以及影像配准精度。     

历史数据和强化学习相结合的低频轨迹数据匹配算法

针对低频(采样间隔大于1min)轨迹数据匹配算法精度不高的问题,提出了一种基于强化学习和历史轨迹的匹配算法HMDP-Q,首先通过增量匹配算法提取历史路径作为历史参考经验库;根据历史参考经验库、最短路径和可达性筛选候选路径集;再将地图匹配过程建模成马尔科夫决策过程,利用轨迹点偏离道路距离和历史轨迹构建回报函数;然后借助强化学习算法求解马尔科夫决策过程的最大回报值,即轨迹与道路的最优匹配结果;最后应用某市浮动车轨迹数据进行试验。结果表明:本文算法能有效提高轨迹数据与道路匹配精度;本算法在1min低频采样间隔下轨迹匹配准确率达到了89.2%;采样频率为16min时,该算法匹配精度也能达到61.4%;与IVVM算法相比,HMDP-Q算法匹配精度和求解效率均优于IVVM算法,16min采样频率时本文算法轨迹匹配精度提高了26%。     

顾及拓扑一致性的水系三维曲线化简

鉴于常规曲线化简方法应用于水系曲线化简时难以顾及水系要素的三维特征及其拓扑关系,本文提出了一种顾及拓扑一致性的水系三维曲线化简方法。该方法首先对D-P算法进行三维扩展,实现水系中单条河流三维曲线化简,然后构建水系树结构表达其拓扑关系,最后按照水系树的层次顺序依次进行河流曲线化简和干流与支流的拓扑关系重构。试验结果表明,该方法化简精度高,既能保持水系的三维形态特征,又能保证河流交汇处的拓扑一致性。     

顾及邻域居民地群组相似性的道路网匹配方法

现有多源同比例尺道路网匹配方法中,大多只利用道路自身特征进行匹配,而较少顾及道路周边要素对匹配过程的影响和约束,从而影响了道路网匹配效果的进一步提高,特别是对系统误差改正后仍存在一定位置或旋转偏差的道路数据进行匹配时,这种影响尤为明显。本文借鉴人类对陌生环境的空间认知特点,提出了一种顾及邻域居民地群组相似性的道路网匹配方法。该方法通过构建城市骨架线网确定与道路相邻的居民地群组,进而计算居民地群组空间关系和几何特征相似度来获得对应道路的匹配结果。其特点在于:对存在位置或旋转偏差的道路数据匹配,以其邻域空间内居民地群组的整体相似性指标来带动道路自身匹配,实际上是增加了周边居民地群组对道路匹配过程的约束,更具鲁棒性。试验及对比分析表明,本方法能够较好地解决系统误差改正后仍存在较大位置和旋转偏差的道路数据间的匹配问题,提高匹配的正确率。     

基于规则格网的DEM插值实验

通过地形建模,将6个地形隶属函数按照101×101,112×112,126×126,144×144,168×168,201×201,257×257 7种格网密度生成6种局部地形单元的规则格网DEM;使用反距离加权(IDW)等7种插值算法,将前6种格网密度下的DEM插值成257×257规格;从原始257×257DEM中随机抽取检查点计算残差,并对残差中误差进行分析。通过分组插值实验,运用控制变量法、方差分析等方法研究地貌类型、采样密度和插值算法对DEM插值精度的影响。     

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。     

一种快速二维 Delaunay 三角网点定位算法

在构建二维Delaunay三角网的逐点插入法中,定位待插点所在三角形的快慢是影响整个算法构网速度的关键因素。针对目前已有算法存在的搜索路径长、搜索路径求解计算量大等问题,结合三角形重心的几何性质,对点定位算法进行改进,避免求三角形重心和相交边的过程。实验结果表明,文中算法较目前其他点定位算法能够有效地缩短搜索路径,减少点定位的计算时间,提高Delaunay三角网构网过程中点定位的效率。     

全景图增强地理现实的空间认知问题

基于全景图的增强地理现实平台是一种新的空间认知工具,研究其空间认知问题是进行技术研究的基础。文中介绍全景图增强地理现实的主要技术流程和优势;阐述基于全景图增强地理现实进行空间认知的基础模型;分析全景图和地理信息数据的信息匹配问题,包括比例尺和位置匹配两个方面;介绍地理信息在全景图像上的表达方式,重点解决增强目标和属性信息的选择问题;最后通过与街景地图、虚拟现实平台进行空间认知比较,得出全景图增强地理现实平台的有效性和主要适用范围,表明该平台具有独特的空间认知优势。     

ECM算法的多视SAR影像分割

多视SAR影像像素强度通常建模为Gamma分布,其形状参数为常数(视数)。实验表明,多视SAR影像分割时,设Gamma分布的形状参数为变量可取得更好的分割结果。由于Gamma分布中形状参数以Gamma函数的形式出现,利用EM算法求解时无法获得形状参数的解析解。为此,本文提出了一种基于Expectation/Conditional Maxinnization(ECM)算法的多视SAR影像分割方法。利用ECM算法估计最大化后验概率条件下的Gamma分布参数及表征最优多视SAR影像分割的标号场实现。采用模拟和真实多视SAR影像验证提出算法。实验结果表明,Gamma分布的形状和尺度参数均能快速收敛到稳态值,且以此得到各同质区域的Gamma分布曲线可以很好地拟合其直方图。通过对分割结果的定性和定量分析,可知提出算法具有有效性和可行性,且优于EM算法。