车载智能地理信息查询系统及其自然语言接口

车载地理查询系统涉及到多方面的软、硬件技术和数据来源；本文提出了车载系统所需具备的主要功能，并对其中所需解决的关键问题进行了讨论。特别是针对如何使车载系统具备一定的智能问题，提出了将自然语言和空间查询语句结合，构造模式库，在自然语言识别处理的基础上，完成自然语言空间查询的方法。     

a′Trous小波变换与PCA变换相结合的遥感影像融合分析

随着高分辨率遥感卫星的产生,传统的融合技术难以达到较好的融合效果,如主成分分析(PrincipalComponents Analysis)变换融合受到融合区域的限制,而传统的小波融合(Wavelet Transformation)算法由于高频直接替换,导致了一定程度的光谱失真,由此本文在分析主成分分析变换和a′Trous小波变换(WT)的基础上,以QuickBird全色和多光谱数据为实验数据,提出了一种将两者相结合的遥感影像融合方法,通过与其他融合方法的定量和视觉比较,结果表明该方法能得到更好的融合效果。     

高光谱遥感植被指数的普适性分析

针对众多的窄波段高光谱遥感植被指数,利用多个包含高光谱和植被理化含量的实测数据集从相关系数、确定性系数以及预测均方误差等方面进行验证分析。结果显示植被指数TCAR I、MCAR I、mND705、mSR705具有优于其他植被指数的普适性。在建立回归反演模型时,建议选用非线性抛物线模型,其预测精度优于线性模型。     

NDVI dynamic changes and their relationship with meteorological factors and soil moisture

Normalized difference vegetation index (NDVI) is an important indicator for measuring vegetation coverage, which is of great significance for evaluating vegetation dynamics and vegetation restoration. It can clearly analyze the suitable growth condition of vegetation by studying the relationship between meteorological factors, soil moisture and NDVI. Based on MODIS/NDVI data, the spatio-temporal characteristics of vegetation coverage in the Weihe River Basin (WRB) were analyzed by the trend analysis method. The relationship of NDVI with meteorological factors and NDVI with soil moisture simulated by the soil and water assessment tool (SWAT) model was analyzed in this paper. The results show that NDVI values gradually change with an increase from north to south in the WRB. The maximum of the average monthly NDVI is 0.702 (August) and the minimum is 0.288 in February from 2000 to 2015. The results of the seven grades of NDVI trend line slope indicate that the improvement area of vegetation coverage accounts for 30.93% of the total basin, and the degradation area and basically unchanged area account for 23% and 42.9%, respectively. The annual mean soil moisture is 19.37% in the WRB. There was a strong correlation between NDVI and precipitation, temperature, evaporation and soil moisture, and the correlation coefficients were 0.78, 0.89, 0.71 and 0.65, respectively. The ranges of the most suitable growth conditions for vegetation are 80–145 mm (precipitation), 13–23 °C (temperature), 94–144 mm (evaporation) and 25–33% (soil moisture), respectively.     

卫星+AI时代遥感专业模式识别课程的教学实践与改革

在人工智能时代深化遥感产业发展背景下,遥感专业人才培养需要与时俱进,以提高人工智能应用能力。本文针对目前遥感科学与技术专业人工智能核心课程模式识别教学现状及存在的问题,提出面向遥感专业应用导向的模式识别课程建设思路,从教学内容和实践环节两个方面设计了以提高遥感专业学生人工智能应用能力为目的的教学方案。从教学反馈结果来看,本文提出的教学思路不仅激发了学生对模式识别课程学习的兴趣,而且提高了学生应用模式识别方法进行遥感信息解译的能力。     

小波分析在植物叶绿素高光谱遥感反演中的应用

监测叶绿素含量对研究作物与环境之间的相互影响具有重要的意义,高光谱遥感是提取叶绿素含量的可行技术.将小波分析的方法用于植物叶片的反射光谱,以小波系数作为回归变量来反演植物的叶绿素浓度.研究结果表明,通过对叶片光谱进行连续小波分解后得到的小波系数,可以准确地反演叶绿素浓度,反演的精度优于基于光谱指数的精度.     

Impact of climate change on runoff and uncertainty analysis

Natural Hazards - It is necessary to analyze the future runoff changes using a more realistic climate classification scheme. This paper investigates the climate changes and runoff variation by...     

采石场边坡多基线数字近景摄影测量精度的影响因素分析

分析影响多基线数字近景摄影测量三维景观重建精度的因素,并结合徐州市凤山采石场边坡进行研究分析,提出提高测量精度的措施及最佳测量方案。     

基于MOD13Q1数据的宁夏生长季植被动态监测

宁夏自2000年后实施退耕还林以来,局部地区的生态环境得到明显改善,为探求近15来年宁夏地区植被的动态变化及其影响因子,本文以MOD13Q1为数据源,结合DEM数据、土地利用分类图,采用Sen+Mann-Kendall非参数检验方法和Hurst模型,分析了宁夏不同行政区、不同海拔、不同坡度、不同坡向及不同植被类型生长季NDVI的空间变化特征及未来变化趋势;并利用重心迁移模型和转移矩阵分析宁夏2000-2014年间植被覆盖的时空演变特征。结果表明：①从空间分布看,宁夏南部六盘山、北部贺兰山及引黄灌溉区植被长势较好,中部干旱地区植被长势较差;且植被NDVI与海拔高程和坡度呈显著正相关。②从植被覆盖的转移矩阵看,较高植被覆盖的面积占比从2000年的17.29%增长到2014年的31.55%,主要是由较低植被覆盖转化而来的。③从重心迁移方向看,中度植被覆盖和较高植被覆盖的重心迁移最为明显,分别向东北方向偏移了129.49 km和向东南方向偏移了89.49 km。④从变化趋势看,生长季植被NDVI整体呈上升趋势,明显改善的面积占总面积的59.63%,轻微改善区域占31.72%;林地和水田显著改善的面积分别占总面积的71.50%和70.80%;显著改善的面积比例随海拔高程和坡度的增加均先增加后减少,且南部各行政区植被改善的面积均高于北部。⑤从可持续性看,植被恢复的持续性较强,89.24%的植被NDVI呈现持续改善的趋势;南部地区的持续改善的面积大于北部地区。     

基于PRCUnet的高分遥感影像建筑物提取

基于高分辨率遥感影像的建筑物提取具有重要的理论与实际应用价值,深度学习因其优异的深层特征提取能力,已经成为高分影像提取建筑物的主流方法之一。本文在改进深度学习网络结构的基础上,结合最小外接矩形与Hausdorff距离概念,对建筑物提取方法进行改进。本文主要改进内容为：① 基于Unet网络结构,利用金字塔池化模块 (Pyramid Pooling Module, PPM )的多尺度场景解析特点,残差模块(Residual Block, RB)的特征提取能力以及卷积块注意力模块(Convolutional Block Attention Module, CBAM)对空间信息和通道信息的平衡能力。将金字塔池化、残差结构以及卷积块注意力模块引入到Unet模型中,建立PRCUnet模型。PRCUnet模型更关注语义信息和细节信息,弥补Unet对小目标检测的欠缺;② 基于最小外接矩形与Hausdorff距离,改进建筑物轮廓优化算法,提高模型的泛化能力。实验表明,本文的建筑物提取方法在测试集上准确率、IoU、召回率均达到0.85以上,精度显著优于Unet模型,提取出的建筑物精度更高,对小尺度及不规则的建筑物有较好的提取效果,优化后的建筑物轮廓更接近真实的建筑物边界。