基于ArcGIS的土地利用现状图的编制

提出了基于ArcGIS的土地利用现状图编制的整体思路,对其中关键技术的实现进行了详细的阐述。     

东南沿海地理国情普查影像解译应用分析

影像解译是地理国情普查过程中一项重要的基础性工作,影像解译的结果直接影响作业质量、效率.本文选择东南沿海地区具有典型特征的影像,结合我省正在开展的地理国情普查实践,分别采用目视解译、自动解译和人机交互解译三种方法进行解译,从解译精度、效率、应用条件等方面,对比分析了三种方法的优缺点,结果表明:三种解译方法各具优势和不足,解译结果与影像质量、辅助数据质量、地形复杂程度、地物种类等有密切关系,在实际地理国情普查过程中须综合考虑使用.     

福建省地理国情普查地表覆盖影像分割技术研究

地表覆盖是地理国情普查中一项极为重要的内容之一,地表覆盖分类的第一步是基于影像的分割,准确的分割结果有助于提高分类的正确性。本文结合福建省地理国情普查试点项目,通过选取大量样本实例,对地表覆盖影像分割进行了深入地研究,研究成果已经广泛应用于地理国情普查工作。     

无加密孤岛型DOM的制作方法研究

沿海地区远离大陆的孤岛因为条件限制,通常没有同一摄区孤岛区域的外业控制,即使有外业控制,但受内业加密条件的限制,无法与大陆摄区构成加密区域网,因此得不到孤岛的加密成果,给制作孤岛地区的DOM带来了问题。通过探索和实践,摸索出制作孤岛DOM的3种行之有效的方法。     

无加密孤岛型DOM的制作方法研究

沿海地区远离大陆的孤岛因为条件限制,通常没有同一摄区孤岛区域的外业控制,即使有外业控制,但受内业加密条件的限制,无法与大陆摄区构成加密区域网,因此得不到孤岛的加密成果,给制作孤岛地区的DOM带来了问题。通过探索和实践,摸索出制作孤岛DOM的3种行之有效的方法。     

随机森林算法在机载LiDAR数据林分平均树高 估算中的应用研究

采用机载LiDAR数据估算森林结构参数是当前林业遥感中的研究热点。本文以福建省长汀县朱溪河流域为示范区,探讨了随机森林算法（RF）在机载LiDAR数据林分平均树高估测中的适用性。首先,通过渐进三角网（TIN）算法进行点云滤波并获取相应林分样地的植被点云子集和高程归一化的植被点云;然后,从归一化后的植被点云提取出高度分位数变量以及点云统计特征值等24个变量参数;最后,根据提取的变量参数和野外实测林分均高数据建立研究区林分平均高随机森林回归估测模型。研究结果表明,模型估测的样地平均树高与实测值具有明显线性相关关系,线性回归系数为0.938,相关系数达到0.968。对样地的估测精度都在86%以上,总体平均精度达到了93.17%。研究认为,基于植被点云变量参数的随机森林模型估测林分平均树高具有较高的可靠性。     

基于UCX航摄资料的像控基线布设方案探讨

针对基于UCX航摄资料在空三加密生产中出现的问题,首先进行理论分析,进而提出改变基线布设数量的方案,并通过试验得以验证。     

车载LiDAR用于轨道线带状图测量的高程精度分析

目前,轨道交通建设在各大中城市日益兴起,传统的测量技术手段难以快速获取城市轨道交通带状图,而车载LiDAR作为一种新的测量技术,能够实现快速、全面地获取道路两侧的详细地物信息,并且在高程测量上能够达到较高的精度。本文以SSW移动测量系统为硬件平台,采用多种作业方案对郑州市地铁轨道交通线进行带状图测量,针对各方案的高程测量数据,分析GPS信号强度、检校点密度、采集方式对点云高程精度的影响。试验结果表明,采用往返扫描的作业方式,可有效地减小系统误差,提供测量精度;当GPS信号较弱时,采用往返扫描的作业方式,并适当增加检校点密度,也能达到轨道交通带状图高程精度要求。     

GPS时间序列揭示地震前兆的初步探索

地震的很大一部分能量在震前会以各种形式缓慢释放,从而形成各种前兆,不同的孕震阶段有不同的前兆表现。通过用离散小波变换等方法对国内和国外两次大震周围的GPS站位移时间序列进行分析。结果发现：两次地震前都出现了站点运动态势的改变。时间大约从地震前1～2年或稍长时间开始,地震后又恢复了常态。GPS揭示的这种出现在低频、长周期信息中的异常有可能是地震中、长期前兆。     

结合高分一号和LiDAR的亚热带森林年度采伐迹地提取

利用高分一号影像结合机载LiDAR数据进行面向对象的亚热带森林年度采伐迹地分类提取。在面向对象的遥感软件Ecognition中,首先利用森林小班数据参与分割,利用小班数据的属性信息确定林地和非林地区域,在林地区域再一次进行多尺度分割,并通过ESP工具确定最佳分割尺度,通过特征表达提取对象的光谱、纹理、形状、冠层高度模型(CHM)等特征信息,通过最小冗余最大相关性(mRMR)特征选择算法提取最优特征子集,且CHM在最优特征子集中。利用随机森林(RF)分类器进行年度森林采伐迹地分类提取。年度采伐迹地提取精度达到了87%,与没有CHM特征参与分类的情况对比,提取精度提高了13%。