A Bayesian network approach for predicting seismic liquefaction based on interpretive structural modeling

The Bayesian network (BN) is a type of graphical network based on probabilistic inference that has been gradually applied to assessment of seismic liquefaction potential. However, how to construct a robust BN remains underexplored in this field. This paper aims to present an efficient hybrid approach combining domain knowledge and data to construct a BN that facilitates the integration of multiple factors and the quantification of uncertainties within a network model to assess seismic liquefaction. Initially, only using given domain knowledge, a naive network model can be constructed using interpretive structural modeling. Thereafter, some effective information about the naive model is provided to construct a robust model using structural learning of BN from historic data. Finally, the returning predictive results and the predictive results are compared to other methods including non-probabilistic and probabilistic models for seismic liquefaction using the metrics of the overall accuracy, the area under the curve of receiver operating characteristic, prediction, recall and F₁ score. The methodology proposed in this paper achieved better performance, and we discussed the power and value of the proposed approach at the end of this paper, which suggest that BN is a good alternative tool for seismic liquefaction prediction.     

融合光谱-空间信息的高光谱遥感影像增量分类算法

提出了一种融合光谱和空间结构信息的高光谱遥感影像增量分类算法INC_SPEC_MPext。通过主成分分析(PCA)提取高光谱影像的若干主成分,利用数学形态学提取各主分量影像对应的形态学剖面(MP),再将所有主分量影像的形态学剖面归并联结,组成扩展的形态学剖面(MPext)。将MPext与光谱信息相结合以增加知识,最大限度地挖掘未标记样本的有用信息,优化分类器的学习能力。不断从分类器对未标记样本的预测结果中甄选置信度高的样本加入训练集,并迭代地利用扩大的训练集进行分类器构建和样本预测。以不同地表覆盖类型的AVIRIS Indian Pines和Hyperion EO-1Botswana作为测试数据,分别与基于光谱、MPext、光谱和MPext融合的分类方法进行比对。试验结果表明,在训练样本数量有限情况下,INC_SPEC_MPext算法在降低分类成本的同时,分类精度和Kappa系数都有不同程度的提高。     

应用描述词汇约简的OGC地理信息服务演绎推理

针对OGC地理信息服务在地理空间知识的有效组织和表达方面的能力比较弱,缺乏对服务信息的描述,数据丰富而知识缺乏,致使已有的数据在知识的表示和检索上存在缺陷,通过引入地理本体,按照基础地理信息要素分类,对地理信息服务的关键描述词汇进行提取,构建了地理信息服务本体库和实例数据库,应用粗糙集理论建立关键描述词汇约简模型,基于该模型实现了对地理信息服务实例数据库进行知识约简,形成最优实例数据库。最后应用地理信息服务本体库和实例数据库,基于演绎推理模型开发实例原型系统,实现了对地理信息服务对象的语义检索和推理,并通过试验从查全率和查准率两个指标验证了该方法的可行性、有效性和准确性。     

顾及空间相关性的遥感影像信息量的度量方法

提出了一种结合信息论与地学统计法的遥感影像信息量计算的方法。此方法基于遥感影像加性噪声模型和互信息上界的计算原理,同时考虑了噪声和空间相关性等影响遥感影像信息量的因素,适于计算具有稳健空间相关性、不同地物类型的光学影像的信息含量。利用Landsat TM影像子集,分别计算了城市、农田、山地3种不同地物类型的影像信息量。结果表明,城市含有最大的信息量,同时影像信息量与影像方差呈对数正相关关系。     

基于TIP算法的街景漫游方法研究

街景地图是全景图与二维在线地图的结合,它以实景作为辅助传统地图抽象描述的表达手段,提高地图的空间认知功能。街景地图为用户提供固定视点的360°自由漫游与全景图点间漫游。街景地图中全景图布设呈线状分布,点间距离短、漫游频繁,因此,漫游需保持一定的空间连续与空间纵深。文中对街景地图这一全景图漫游技术应用环境的特点进行分析,引入能够从单张照片恢复一定深度信息的TIP算法,并将其运用渲染到纹理、着色器等技术,对TIP算法实现过程进行改进,在保证一定运行效率的前提下,提高街景地图的漫游效果。     

三维激光扫描技术在复杂地质隧道岩体信息获取中的优化

为了更高效、高精度地获取岩体结构面信息,借助三维激光扫描技术,提出并建立一种基于Kriging算子和最小二乘法组合的点云插值方法。首先对获取的隧道点云数据利用单一的最小二乘法进行插值,并以此为基础,结合Kriging算子的适应度函数建立组合插值模型。在利用三维激光扫描仪已获取的某岩溶隧道的原始点云数据的基础上,运用组合模型进行插值处理,以此获取岩体结构面信息,并将组合方法得到的结果与单一的插值方法进行对比,发现组合方法插值效果较好,误差也较小。基于Kriging算法和最小二乘法结合的插值方法,在利用三维激光扫描技术获取岩溶隧道岩体几何信息—结构面产状的过程中能更加精确、全面,并可以用于岩体稳定性评价。     

基于ENVI的高分辨率遥感影像城市绿地信息提取研究

近年来众多高分辨率遥感卫星的发射为城市绿地信息提取提供了高效的手段,如何充分利用高分辨率遥感影像对现代城市进行规划和生态环境评价具有重要意义。文中介绍一个完整的遥感工程在ENVI下的实现过程,包含高分辨率数据的处理、高分辨率信息提取流程的合理安排、FX模块面向对象信息提取等内容,可全面快速掌握城市绿地总量与分布现状,为绿地系统规划与日常管理决策提供参考,对生态城市建设具有重要意义。     

地理信息公共服务平台数据更新技术——以数字沈阳地理空间框架为例

结合沈阳市地理信息公共服务平台数据更新项目,研究地理共享平台数据的更新方式、更新技术以及更新发布一体化流程等关键技术。采用增量更新技术矢量数据,基于历史要素与现势要素节点、分线段的位置关系,检测并提取数据库中更新的要素;利用分词检测方法检测地名信息的匹配度,进行地名数据的更新;基于地名与路网数据,对公交数据进行检测、采集、优化等流程,完成公交数据的更新;并建立平台数据更新与发布一体化流程。经过作业流程控制与编写辅助程序,极大提高数据更新的速度与质量控制水平。     

基于时间序列统计特性的森林变化监测

森林动态变化分析对揭示生态系统环境变化及植被恢复和布局重建等具有重要意义,时间序列的遥感数据为森林监测提供了基础数据。本文根据森林植被的统计学特性,在暗目标法的基础上,利用归一化植被指数NDVI实现森林样本自动选择;并融合NDVI构建了新的综合森林特征指数(Integrated Forest Z-Score,IFZ);以时间序列的IFZ分析森林动态信息,实现森林变化动态监测。以三峡大坝及周边区域森林为研究区,利用2001年至2012年每年生长季节(5月—10月)的Landsat TM影像检验本文算法。基于2002年、2006年和2010年三期7月—9月的Quick Bird影像的精度分析结果发现:研究区森林变化检测的总体精度可达96.53%,Kappa系数为0.9512。在添加NDVI指数后构建的IFZ提高了总体监测精度。其中,毁林类别的检测精度提高显著,漏检率和误检率分别为2.74%和3.64%;干扰后重建的森林类别的检测精度有一定提高,其漏检率和误检率分别为10.79%和10.51%。研究结果表明,改进暗目标法能提高森林样本的选样效率,添加NDVI的IFZ能提高森林动态变化的识别度。此外,本算法不仅能定性识别森林变化,而且能定量提供森林干扰发生时间和干扰强度。     

改进支持向量机算法无人机影像信息精确提取

支持向量机(SVM)算法作为一种成功应用于大多数遥感影像的分类方法,虽然具有较高的提取精度,但是针对分类中仅仅采用单一参数,严重依赖于参数选择的不足,该文基于AdaBoost算法提出一种改进的SVM分类方法。该方法采用选择径向基函数作为核函数的SVM算法作为AdaBoost的弱分类器,实现了核参数的自适应调整。实验结果证明,该方法可以达到精确提取无人机影像信息的目的。