基于灰度图像的矢量地理空间数据水印算法

根据灰度图像信息量大、可视化效果好等特点,提出一种基于灰度图像水印的空间域矢量地理空间数据水印算法,即先将灰度图像水印信息按一定法则进行处理,再将处理后的水印信息嵌入到空间域矢量地理空间数据中,最后对嵌入水印信息的矢量地理空间数据进行检测。文中还对矢量地理空间数据进行了攻击实验,分析表明,提取出的灰度图像水印具有较好的鲁棒性效果和一定的实用价值。     

Lorenz 96模式中三种目标观测方法的有效性比较

目标观测是有效提升观测效能和观测质量的一种观测策略,其核心部分是敏感区的识别。本文在Lorenz-96模式上比较了奇异向量法(SVs)、集合变换卡尔曼滤波法(ETKF)和条件非线性最优扰动法(CNOP)识别敏感区的优劣,并尝试揭示ETKF方法性能不稳定的原因与机制。试验结果表明:在312h内的不同预报时刻,CNOP方法识别的敏感区范围较小且对预报效果的提升率最高;SVs方法识别的敏感区对72h内的预报有较好的改进,但72h后改进程度急剧下降,到120h后基本失效;ETKF方法识别的敏感区在72h内不如其他方法的效果好。此外,在ETKF方法识别的敏感区与随机选取的敏感区对比中发现,由于ETKF方法操作时采用顺序观测资料处理方案搜寻敏感区,本质上忽略了观测资料间的相关性,导致ETKF方法识别出的敏感区并不一定是全局信号方差最大的区域,对预报效果的改善有限,这也说明了如何优化敏感区搜寻方案是提高ETKF方法效能的关键。     

Spatial prediction of rainfall-induced shallow landslides using hybrid integration approach of Least-Squares Support Vector Machines and differential evolution optimization: a case study in Central Vietnam

This study represents a hybrid intelligence approach based on the differential evolution optimization and Least-Squares Support Vector Machines for shallow landslide prediction, named as DE–LSSVM_SLP. The LSSVM is used to establish a landslide prediction model whereas the DE is adopted to search the optimal tuning parameters of the LSSVM model. In this research, a GIS database with 129 historical landslide records in the Quy Hop area (Central Vietnam) has been collected to establish the hybrid model. The receiver operating characteristic (ROC) curve and area under the curve (AUC) were used to assess the performance of the newly constructed model. Experimental results show that the proposed model has high performances with approximately 82% of AUCs on both training and validating datasets. The model’s results were compared with those obtained from other methods, Support Vector Machines, Multilayer Perceptron Neural Networks, and J48 Decision Trees. The result comparison demonstrates that the DE–LSSVM_SLP deems best suited for the dataset at hand; therefore, the proposed model can be a promising tool for spatial prediction of rainfall-induced shallow landslides for the study area.     

人工蜂群算法优化的SVM遥感影像分类

SVM分类器的参数设定对分类精度有着显著的影响,针对现有人工智能算法优化参数易陷入局部最优的现状,提出了一种基于人工蜂群算法改进SVM参数的遥感分类方法(ABC-SVM)。该方法模仿蜜蜂采蜜的行为,以训练样本的交叉验证精度代表蜜源的丰富程度,通过蜂群的分工协作搜索出最优蜜源(即SVM分类器最优参数),最终利用参数优化后的SVM分类器实现遥感影像的分类。本文先后比较了3种人工智能算法(包括人工蜂群算法优化的SVM(ABC-SVM)、遗传算法GA(Genetic Algorithm)优化的SVM(GA-SVM)、粒子群算法PSO(Practical Swarm Optimization)优化的SVM(PSO-SVM))在UCI标准数据集上的分类精度和效率,以及3种人工智能算法优化的SVM算法与未经优化参数的SVM算法在遥感影像上分类的差异。结果显示:(1)在利用UCI数据集测试3种人工智能算法优化的SVM算法的结果中,ABC-SVM显示出更高的分类精度、更高的适应度和更快的收敛速度;(2)在利用遥感影像验证4种分类算法精度的结果中,人工智能算法优化后的SVM比未经参数优化的SVM算法的分类精度更高;其中,ABC-SVM分类精度最高,分别比遗传算法、粒子群算法的结果高1.67%、1.50%。     

Magnetic fields in Quasar 3C147 on milliarcsecond scales

The R Coronae Borealis (RCB) stars represent a rare, or short-lived stage of low and intermediate mass stellar evolution. They are important in the context of mass-loss anddust formation on the Asymptotic Giant Branch.These stars are defined by their large declines in brightness at irregular intervals caused by dust formation.There are two major evolutionary models for the origin of RCB stars, the Double Degenerate and the Final Helium Shell Flash.In the final flash model, RCB stars lie at the centers of old Planetary Nebulae (PN). Here I discuss possible relationships with the [WC] stars.     

海面矢量和标量粗糙度的相似分析

应用海面矢量和标量廓线，以及贴海层厚度的相似分析，提出并论证了海面矢量与标量粗糙度近似相等的结论。     

GPS三维基线向量向大地坐标差的直接转换

推导了ＧＰＳ三维基线向量向大地坐标差直接转换公式,编制出相应的转换程序。     

栅格数据矢量化及其存在问题的解决

矢量结构和栅格结构是GIS的两种主要数据结构形式，而栅格数据的矢量化在GIS中具有十分重要的意义。本文在总结前人算法的基础上，以拓扑关系的原理为指导，提出了改进的栅格结构数据矢量化方法，即在提取结点和坐标点过程中同时提取水平和垂直的所有线段信息，以便于快速、有效地实现栅格数据的矢量化。此外，还采用动态打断和粗网格法等方法，解决了在栅格数据矢量化过程中经常出现的诸如多边形自交、岛等问题。     

1983—1992年中国陆地植被NDVI演变特征的变化矢量分析

以NDVI时序资料为基本数据源，综合应用变化矢量分析和主成分分析方法对1983年至1992年中国陆地植被NDVI的变化强度、变化类型及空间结构变化特征进行了分析。研究结果表明在此期间中国陆地植被NDVI变化有以下特点：（1）十年间NDVI变化东西分异明显，东部变化幅度远大于西部。NDVI变化整体表现为稳中略增，增加区主要分布在台湾、福建、四川、河南等地；减少区主要分布在云南省和新疆北部等地。（2）空间结构信息表现了景观异质性，其变化主要发生在南方，反映了植被的生长和衰老过程及地形（山脉走向）变化。     

支撑向量机及其遥感影像空间特征提取和分类的应用研究

提出了基于支撑向量机（SVM）的遥感影像空间特征提取的新方法，并以SPOT全色波段影像上城市特征信息的提取为应用实例，并与人工神经网络（ANN）等特征提取方法进行综合比较，认为SVM方法不但能够获得比较高的分类精度，而且在学习速度、自适应能力、特征空间高维不限制、可表达性等方面具有优势。