联合机载LiDAR数据和潮汐数据自动提取潮位线

首先,联合机载激光雷达(LiDAR)数据提取的海岸带数字表面模型(DSM)与验潮站数据提取的高、低潮面进行相交运算,生成"水陆二值图像",然后对其以提取边缘的方式提取高、低潮潮位线;针对LiDAR光束无法穿透水体导致低潮线附近DSM为无效值的缺陷,采取移动趋势面拟合法外推概略低潮线附近DSM,在此基础上重新提取更精确的低潮潮位线。实验表明,该方法能在较少人工干预的情况下有效提取高、低潮潮位线。     

模糊Hough变换算法在城市道路提取中的应用

采用形态学细化算法,将二值化影像形态学细化之后再进行峰值检测,有效地去除了虚假峰值,提高了道路提取精度及计算效率,为此,利用用模糊Hough变换算法提取遥感影像中的城市道路。试验表明,其方法在计算效率、提取精度以及内存占用方面具有明显优势。     

临近预报系统(SWIFT)中风暴产品的设计及应用

介绍了临近预报系统"SWIFT"(Severe Weather Integrated Forecasting Tools)中的风暴产品的设计,包括风暴识别、风暴追踪和风暴预报。在识别风暴时,采用了多反射率因子阈值、特征核抽取和相近单体处理技术,并保留远距离上的强的2D风暴,该方法在面对成串或成簇多单体时,能够分离多个单体核,并准确定位。在风暴追踪和预报算法中,对当前时刻识别出来的风暴,利用匹配方案,将其与前1时刻的风暴建立对应关系,追寻历史轨迹,匹配方案是在空间位置相关的前提下,按照相似原则进行;风暴预报采用TREC(Tracking Radar Echoes by Correlation)技术获取的移动矢量场进行外推,提供未来1小时内的风暴移动位置。在北京奥运会天气预报示范项目(Forecast Demonstration Project,简称FDP)第二次测试期间,该风暴产品得到应用。分析表明:在预报时效为30分钟时,风暴产品在X轴和Y轴上的平均绝对误差为7.1和6.2 km,样本数为3891个;随着预报时效的增加,风暴产品的平均绝对误差增大,且在经向上的误差略大于纬向上;在径向上,风暴产品的预报出现了系统性的偏慢,而在纬向上,预报出现了系统性的偏快。     

城市与乡村大气中非甲烷烃(NMHCs)差异

在北京工业大学(城市点)和天津市宝邸县新安镇(乡村点)两个观测点进行了大气中非甲烷烃(NMHCs)的现场取样。从2006年4月16日至5月12日,分两批共获取约80个样本,检出55个组分,其中烷烃25个,烯烃19个,芳香烃10个。从非甲烷烃所含成分及其浓度的观测结果可见,城、乡两地大气中总烃(TNMHCs)平均浓度分别是438.1±173.1μg/m~3、193.8±184.4μg/m~3,城市是乡村的2.3倍,而TNMHCs的低值乡村只有城市的1/5。     

高效液相色谱-紫外光谱分析氢醌-双(β-羟乙基)醚

建立了高效液相色谱-紫外光谱法测定聚氨酯扩链剂氢醌-双(β-羟乙基)醚(HQEE)工业品中HQEE主含量和对苯二酚残留的方法。在氰基柱上,以甲醇-水-1%乙酸溶液(体积比10∶50∶40)为流动相,流速1.0 mL/min时,HQEE、对苯二酚及其他相关杂质得到良好分离,紫外光谱285 nm检测。方法简便、快捷,结果准确可靠,在工业生产中可有效地指导HQEE合成过程的质量控制。     

全局局部细节感知条件随机场的高分辨率遥感影像建筑物提取

条件随机场模型由于其较强的上下文信息建模能力,被广泛应用于建筑物提取任务中。然而,面对高分辨率遥感影像丰富的地物信息,基于条件随机场的提取方法存在建筑物边界模糊的问题。本文提出了一种全局局部细节感知条件随机场框架,该框架提出全局局部一体化D-LinkNet,在有效利用多尺度建筑物信息的同时保留局部结构信息,解决了传统条件随机场一元势能丢失边界信息的问题。同时,该框架融合分割先验以缓解建筑物类内光谱差异较大的影响,利用更大尺度的上下文信息来精确提取建筑物,并引入局部类别标记代价从而保持细节信息以获取清晰的建筑物边界。实验结果表明,该框架在WHU卫星和航空数据集上的精度评价指标均优于其他对比方法,其IoU分别达89.82%和91.72%,对于复杂场景下的建筑物信息能够获得较好的提取效果。     

青藏高原河流网络高分CubeSat遥感监测

河流网络是地表水循环的重要组成部分,如何实现河流网络动态监测已成为河流遥感研究的热点。近年来,以PlanetScope为代表的CubeSat小卫星已具备了米级空间分辨率、1 d重访周期的优势,这为河流网络高时空分辨率动态监测提供了可能。本文以青藏高原长江源区的通天河流域（227 km²）为研究区,选取2017-05—2017-10 5期3 m空间分辨率CubeSat遥感影像,增强河流横纵剖面特征自动化提取了河流网络,研究了通天河流域河流网络动态变化,对比分析了3 m CubeSat与30 m Landsat 8、10 m Sentinel-2所提取的河流网络,以及5种现有水体数据集（GRWL,GSW,FROM-GLC 2017,OpenStreetMap,HydroSHEDS）。研究结果表明：（1）研究区内河流网络5月水系密度较低（0.38 km^-1）,7—8月河流网络进入丰水期,水系密度显著增加至0.61 km^-1,9月河流网络进入平水期,水系密度趋于平稳（0.53 km^-1）,随后迅速退化并于10月开始冻结,水系密度迅速降低至0.37 km^-1;（2）采用高空间分辨率CubeSat所提取的河流网络能够识别更多细小河流（河宽3—30 m）,CubeSat所提取的河流总长分别为Landsat 8、Sentinel-2所提取河流总长的1.6倍和1.3倍;（3）CubeSat所提取的河流网络水系密度高于现有水体数据集（2.9—12.4倍）,弥补了现有水体数据集无法反映细小河流的不足。     

高分辨率遥感影像提取道路的方法综述与思考

 介绍了高分辨率遥感影像上道路的特征、模型和道路提取的基本思想，对已有的道路提取方法进行了分析，并对道路提取问题进行思考，提出下一步的研究方向。     

结合边缘编组的Hough变换直线提取

针对传统Hough变换用于直线检测存在的问题进行了细致的分析和归纳总结,在此基础上,提出一种结合边缘编组的Hough变换直线提取算法。该算法首先采用基于8邻域的边缘跟踪算法对Canny算子检测得到的边缘点进行编组;然后对每一个边缘组分别进行Hough变换,单独确定Hough变换原点和参数的取值范围。Hough变换过程中,采用迭代的"投票"方式,每次确定单一峰值点并删除对应像素。实验证明,该算法原理简单,能有效解决传统Hough变换存在的精度不高、计算复杂等问题。同时该算法具有较强的鲁棒性,可以有效处理不同类型的影像数据,适用于并行处理。     

基于DEM的洪涝灾害信息提取与损失估算

数字高程模型(DEM)作为洪涝灾害遥感研究的辅助信息源可以提供两类信息,一是地面点的高程和所处地形部位以及与邻域的相互关系等方面的背景数据,二是研究区高程-面积关系、高程-容积关系及面积-容积关系等基本关系信息。利用这些背景数据和基本关系信息,结合洪水期遥感图像的解译,可以获取洪水淹没范围、淹没区积水量、水深、淹没历时以及作物受灾程度等灾情信息。本文阐述了这种研究的原理和方法。