夯实测绘地理信息服务浙江省自然资源管理和经济社会发展的法制基础——《浙江省测绘地理信息条例》的浙江特色及制度创新分析

测绘工作与全面推动经济社会高质量发展密切相关。特别是测绘工作融入自然资源管理工作大局后,为测绘地理信息提供了更为广阔的发展空间,责任和任务更重。今年3月28日,浙江省第十三届人大常委会第十一次会议通过《浙江省测绘地理信息条例》(以下简称《条例》),于5月1日起正式施行。     

基于地理实践力培养的研学课程实践——以“嘉陵明珠 合碚研行”研学旅行课程为例

为了提高地理研学旅行的实效性,特别参照《普通高中地理课程标准(2017年版)》,聚焦重庆市普通高中学生地理实践力的培养和应用。依托嘉陵江干流重庆合川北碚段丰富的地理资源,从课程设计、课程实施、课程评价、课程反思等方面,尝试将地理研学旅行课程化。通过记录并分析本课程的具体实施过程,对其进行认真反思,提出应从前置性学习、师资搭配、课程容量等方面,优化地理研学旅行课程的设计和实施。     

经济地理学视角下创新网络与区域增长研究述评

创新是引领经济发展的第一动力,创新与区域增长之间的关系成为经济地理学者关注的重点领域。文章通过梳理近年来有关创新网络测度、创新网络与区域增长关系、创新网络作用于区域增长方式等方面的文献发现：网络资本可以弥补社会资本在解释企业创新结网经济价值方面的不足,区域增长呈现出网络化特征已成为学界共识,知识流与邻近性能较好地解释创新网络与区域增长的关系机理。然而,当前研究对社会资本如何促进区域增长,网络资本与区域增长关系模型如何构建,不同类型的邻近性与知识对区域增长的影响有何差异等问题尚不明确,建议重视网络资本对区域增长的作用并实证检验二者的关联,同时还应重视创新网络中企业家精神、创新个体心理行为特征等因素对区域增长的影响。     

一种快速的天文图像模拟方法及分析

图像模拟在天文学研究中已经发挥越来越重要的作用,其重要性主要表现在以下几方面:通过模拟可以为准备研制的天文观测设备评估提供重要的依据;通过对模拟数据的处理可以验证数据处理的算法。对图像模拟的整个过程进行描述,并在计算上对图像模拟的局部方法进行优化,使模拟结果能够高效准确的生成。主要工作包含以下几方面:对天体形态的模拟,包括点源(如恒星)和展源(星系),这里主要对展源建模;模拟观测条件,主要是仪器和天光背景等产生的噪声;模拟点扩散函数;从计算和程序的方法对计算流程进行优化;对结果进行分析。采用的数据是哈勃超深空场(HUDF) ACS WFC i(F775)波段的数据,其极限星等达到29等。通过对模拟结果的分析,可以看出该方法能够快速并且较为准确地对星系图像进行模拟。     

结合深度学习和图割法的遥感影像建筑物检测

提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先,通过卷积神经网络定位与检测建筑物的位置,逐一提取单个建筑物轮廓,利用检测结果分别建立建筑物和非建筑物的高斯混合模型（GMM）,然后结合最大流最小割的图像分割方式实现全局优化,完成建筑物初步提取,最后用形态学进行优化。通过试验证明了该方法的可行性。     

地理国情监测成果在农业、旅游领域中的应用

开展地理国情监测工作的目的是为了获取自然与人类社会经济活动引起的地表变化信息,具体包括地表自然要素、人文地理要素和社会经济信息的空间分布特征及其相互关系,是基本国情的重要组成部分,为政府管理决策、企业生产运营、人民群众生活提供数据基础和决策依据。本文基于地理国情监测数据,结合多种测绘地理信息数据和技术手段,探讨如何利用地理国情监测成果促进农业与旅游业的发展,以期深入挖掘和提升监测成果价值,全面拓展监测成果应用服务的新思路、新方向。     

一种高光谱遥感图像快速谱聚类算法

为获得分类效果更优良的遥感图像分类方式并解决高光谱遥感图像分类运算速度缓慢的问题,集成Lanczos算法与谱聚类算法,探讨了高光谱遥感图像谱聚类算法应用于遥感图像分类的可行性,提出了一种面向高光谱遥感图像的快速谱聚类算法;通过对比美国圣地亚哥机场高光谱遥感图像K-均值算法与谱聚类算法的分类结果,发现面向高光谱遥感图像的谱聚类算法易于识别线性地物,且分类的速度能得到较大提升。     

改进分数阶达尔文粒子群的多Renyi熵图像分割算法

针对智能优化图像分割算法易陷入局部最优、分割精度不高等问题,本文融合改进的分数阶达尔文粒子群算法和二维Renyi熵多阈值,提出了一种新的多阈值遥感图像分割算法。算法利用粒子自身进化信息来定义进化因子,结合进化因子并利用高斯图函数调整分数阶次a系数以实现精确计算和快速收敛;根据局部最优概率因子对局部最优位置进行Levy飞行随机扰动以提高算法跳出局部最优的能力;同时将二维Renyi熵单阈值扩展到多阈值分割上,并结合改进的分数阶达尔文粒子群算法,将二维Renyi熵多阈值应用于遥感图像分割中仿真结果表明,与其他2种智能优化分割算法相比,本文分割算法在细节处理和分割精度上均有明显优势,在PRI上至少提升7.27%、VOI至少降低6.5%、GCE至少降低10.4%.     

结合空间信息选取最优端元组合的混合像元分解

传统的混合像元分解算法认为每个像元都包含图像中所能提取的全部端元组分,但这并不符合实际情况。实际上图像中大多数混合像元仅由少部分端元混合而成。由于端元提取精度及噪声的影响,采用全部端元对混合像元进行分解,会使得混合像元中实际并不存在的端元的丰度估计值不为零,分解结果存在较大误差。由于混合像元大多存在于不同地物的交界处,基于此,本文提出了一种结合图像的空间信息选取混合像元最优端元子集的方法。利用一个空间结构元素,从混合像元的附近邻域开始搜索,将搜索到的纯净像元光谱与所提取的图像端元光谱进行对比,并确定混合像元的端元子集进行分解。根据RMSE大小和变化情况,逐步扩大结构元素的大小,不断调整搜索范围,直至得到最优端元组合。模拟数据和真实数据的试验结果表明,该方法相比传统的全端元光谱分解方法,在总体上获得了更好的分解效果。