光谱分辨率对地物分辨能力的影响分析

对高光谱数据进行地物识别处理时,如果直接采用原始观测值进行分析,由于相邻波段之间相关性强,进行地物识别时需要大量的训练样本,而且对于一些分布较少的地物类别则无法处理,因此需要通过特征选择来消除数据中存在的冗余,提高数据分析效率。本文针对在不同光谱分辨率条件下,对典型地物分辨能力的统计,分析了光谱分辨率对地物自动识别能力的影响情况。同时通过模拟数据的办法比较了高光谱数据和多光谱数据(以TM数据为例)对地物光谱特征的描述能力,指出高光谱数据存在的优势。通过本文的研究,为高光谱遥感技术在地物自动识别方面的应用提出了初步的方向。     

经济信息管理系统分析与研究

根据经济信息管理系统的组织特征与建立原则 ,提出经济信息管理系统的结构模式与建立步骤。     

三维地理信息系统中几何特征的误差模型

本文提出了三维地理信息系统中几何特征的误差模型。基于面表示的三维GIS的特征被分为点、线段及线,该模型给出这些特征的一种误差描述,即围绕着这些几何特征的量测值的一个范围。     

玉米大豆生长中后期遥感辨识的指示性特征研究

玉米和大豆是两种主要的粮食作物,及时准确地监测两者的种植面积对于产量预测和市场价格的制定具有重要的意义。利用遥感技术探究在生长季中后期能有效区分玉米和大豆的指示性特征集,为在不同实验区进行推广应用和提前玉米和大豆种植面积信息发布的时间提供技术支撑。文章以玉米和大豆为研究对象,以黑龙江和安徽省两个典型种植区为实验区,以高分一号影像为数据源,计算多种植被指数特征和两种纹理特征,同时利用特征优选方法评价特征间的相对重要性,并结合随机森林分类算法分析特征个数对精度的影响,得到不同试验区区分两者的最佳特征子集。随后根据不同实验区最佳特征子集的共同点和差异,遴选出对玉米和大豆中后期区分的遥感指示性识别特征集,并设计实验方案验证其有效性和稳定性。实验表明：在玉米和大豆生长中后期存在具有高效辨识两者的遥感特征集,能有效和稳定地增强两者的遥感识别能力;在不同实验区,基于特征优选方法可以选择出区分玉米和大豆的最佳分类特征子集,得到两者最优的识别效果,比仅仅使用原始波段特征的分类精度提升了近10个百分点,总体分类精度能够平均达到97%,Kappa系数0.96,玉米和大豆的单类分类精度平均超过95%;在不同的种植区,利用玉米和大豆的指示性特征集可以得到几乎与优选出的最佳特征子集同样的分类精度和制图效果,且具有稳定性和有效性,较最佳特征集更具推广使用意义。指示性特征集包含6种：植被指数中的比值植被指数（RVI）,差值植被指数（DVI）,转换型植被指数（TVI）,改进型叶绿素吸收比率指数（MCARI）和灰度共生矩阵（GLCM）纹理特征中的二阶矩（the Second Moment）和熵（Entropy）。     

基于成本最优路径的划界线与实际地形自动匹配

针对当前划界工作中主要采用手工操作实现划界线与实际地形匹配的现状,提出了基于成本最优路径分析实现自动匹配的基本原理,研究了自动匹配的关键技术。首先,基于悬挂特征栅格的反向追踪构造地形特征网络,并借助划界法理对其进行特殊处理。其次,构建成本图层,应用成本最优路径分析实现了划界线与实际地形的自动匹配。最后,通过实验对匹配结果的可靠性进行评价,验证了本文自动匹配方法的有效性和可靠性,并对划界工作提出了若干建议。     

线/面Voronoi图的分解合并生成算法

Voronoi图生成算法受到计算效率或生长源类型的限制,难以支撑线/面生长源Voronoi图的构建。本文提出一种生成线/面生长源Voronoi图的分解合并算法,其主要过程是将线/面生长源离散为特征点表达,通过特征点交叉建立最近特征点对,并以最近特征点对Voronoi子区域的交来部分地代替线/面生长源的等距离边界,算法以前后迭代离散计算的Voronoi子区域面积差分作为条件,可有选择地将部分生长源置入迭代过程,使线/面生长源Voronoi子区域逐步调整并达到精度要求。     

北京市旅游流时空特征研究

大数据背景下,网络上产生了大量带有游客时空信息的"数字足迹".本文以北京市为例,利用游记数据探究北京市旅游流的时空及网络结构特征.结果表明:(1)2月、7至9月为北京市的客流高峰期;(2)北京市旅游流的空间分布具有明显的等级分异特征且密度分布不均衡,总体呈"小聚集、大分散"的特征;(3)北京市旅游流网络中,平均每个节点...