基于树结构的数字遥感图像存储方法与应用

数字遥感图像一般是采用栅格结构来存储。图像中地物的结构特征是隐含其中的。该文从图像识别角度，重点研究了基于树结构的数字遥感图像存储方法。这种方法与遥感中常用的四又树等存储方法不同，它注重图像中地物本身的结构特征。通过树结构使像元按地物目标形成一个个的组合体。该文以机场跑道识别为例，介绍了基于树结构的数字遥感图像存储方法的应用以及将图像变为树的算法。     

土地利用动态管理系统研发中的若干问题研究

土地利用管理是土地管理的核心内容之一。土地利用动态变化加剧了土地管理的压力，建设具有辅助决策功能的土地利用动态信息系统是大势所趋。本文在阐述建设此系统的重要意义基础上，讨论了系统研发中几个关键问题，即“动态”管理的实现、空间数据和属性数据集成管理和决策的初步实现等。本文提出的解决方法，对于类似土地信息系统的建设具有普遍的指导意义。     

面向协同式森林灭火决策的领域本体构建及其解析

森林灭火决策的参与人员可能来自不同的组织、不同领域,他们有不同知识结构、专业背景、学识和各自的经验、偏好,这往往不利于决策过程中的交流、协同进行。本文把本体引入协同式森林灭火决策中,解决决策成员在协作中对他人所述的内容理解一致问题。分析了现有建立领域本体的主要方法,并借鉴软件开发的生命周期理论,提出建立面向森林火灾的领域本体的具体实现方法。以森林灭火决策为应用导向,通过对森林灭火决策的内容分析及与领域专家相互交流,根据领域中概念分类体系和概念的组合结构,从相关领域(林业、气象学、消防工程、地理学)抽象出概念术语集、关系集、函数集、规则集等,建立可共享、理解、重用、互操作的概念模型;利用本体建模工具,建立森林灭火本体库;设计与实现了本体的解析与可视化工具,用户可以交互式的查询术语的概念内涵,利用可视化工具,显示概念之间的关系。研究成果将为学科或领域间的高效协作打下通信与交流的基础,为林业、消防的信息化研究、林火本体服务提供可借鉴的框架和成果,为林火管理和应急指挥决策提供一个语义层级次上的重要途径。     

树轮地貌学重建滑坡事件研究进展

树轮地貌学以其定年准确、分辨率高和时间跨度长等特点在地表过程的研究中具有极其重要的作用。树木年轮可以作为一个可靠的工具来获得滑坡过去活动的历史证据,进而解释现在正在发生的并窥探滑坡的变形信息。本文对国内外树轮地貌学方法在滑坡事件研究中的现状和取得的成果进行总结,重点阐释了树轮地貌学的原理和树轮地貌学重建滑坡活动迹象与时空分布的研究进展,并讨论了该方法存在的不足,展望了我国利用树轮地貌学开展滑坡事件研究的前景。     

煤层底板水害防治智能决策支持系统框架构建

煤层底板突水是华北型煤田煤矿生产过程中一种常见的水害类型,为解决水害防治工程的科学决策问题,进一步提高防治水工程的可靠性,提出构建智能决策支持系统的技术思路。智能决策支持系统是传统决策支持系统与人工智能技术相互融合的产物,在分析底板水害防治决策支持功能需求的基础上,提出“数据-模型-方案”一体化设计流程,从数据导入、模型驱动、智能决策等3个层次构建底板水害防治智能决策支持系统的基本框架。将模型驱动层进一步细分为方法库、模型库、知识图谱构建3项专业化服务,模型库包括底板突水空间点预测模型、疏水降压数值模拟模型、注浆改造工程可靠性分析模型、隔离工程设计模型及底板水害监测预警模型。系统最终输出的决策方案包括底板突水危险性分区、疏水降压Q-t-s方案、区域注浆改造设计及工程可靠性评价、隔离工程设计、底板突水监测预警警情发布。系统通过注浆过程的反馈-控制、突水监测预警的深度学习、疏水降压方案的动态优化等实现其智能决策。智能决策支持系统将会在煤层底板水害防治可靠性保障方面提供新的技术支撑。     

基于约束Markov决策过程的初至自动识别技术

随着地震数据采集技术的进步,地震数据量日益增加,全自动、高精度的地震初至走时拾取技术受到了更加广泛的关注.本文将初至拾取看作特征空间内带约束的Markov决策过程,在奖励函数空间,按一定准则全局寻优获得积累奖励值最大的路径,从而达到在高维空间自动拾取初至信息的目的.同时,状态值函数中包含与距离相关的折扣因子γ,使Markov决策过程拾取初至能够考虑地震数据的横向连续性,并且回避地震数据中的坏道信息.在此基础上,本文方法进一步引入受空间几何信息约束的动作（Actions）和转移概率（Transitions Probability）,从而降低了对起始状态和折扣因子选取的难度,让地震数据初至走时拾取更加准确和自动化.实际数据测试结果表明,在初至能量较弱（信噪比较低）情况或浅层存在相邻较近复杂波形时,本文提出的约束Markov算法仍能准确地进行初至走时的自动拾取,并且具有一定的质量监控能力,让拾取结果更有物理意义.

     

A critical evaluation of multi‐proxy dendroclimatology in northern Finland

Twentieth‐century summer (July–August) temperatures in northern Finland are reconstructed using ring widths, maximum density and stable carbon isotope ratios (δ¹³C) of Scots pine tree rings, and using combinations of these proxies. Verification is based on the coefficient of determination (r²), reduction of error (RE) and coefficient of efficiency (CE) statistics. Of the individual proxies, δ¹³C performs best, followed by maximum density. Combining δ¹³C and maximum density strengthens the climate signal but adding ring widths leads to little improvement. Blue intensity, an inexpensive alternative to X‐ray densitometry, is shown to perform similarly. Multi‐proxy reconstruction of summer temperatures from a single site produces strong correlations with gridded climate data over most of northern Fennoscandia. Since relatively few trees are required (<15) the approach could be applied to long sub‐fossil chronologies where replication may be episodically low. Copyright © 2010 John Wiley & Sons, Ltd.     

历史数据和强化学习相结合的低频轨迹数据匹配算法

针对低频(采样间隔大于1min)轨迹数据匹配算法精度不高的问题,提出了一种基于强化学习和历史轨迹的匹配算法HMDP-Q,首先通过增量匹配算法提取历史路径作为历史参考经验库;根据历史参考经验库、最短路径和可达性筛选候选路径集;再将地图匹配过程建模成马尔科夫决策过程,利用轨迹点偏离道路距离和历史轨迹构建回报函数;然后借助强化学习算法求解马尔科夫决策过程的最大回报值,即轨迹与道路的最优匹配结果;最后应用某市浮动车轨迹数据进行试验。结果表明:本文算法能有效提高轨迹数据与道路匹配精度;本算法在1min低频采样间隔下轨迹匹配准确率达到了89.2%;采样频率为16min时,该算法匹配精度也能达到61.4%;与IVVM算法相比,HMDP-Q算法匹配精度和求解效率均优于IVVM算法,16min采样频率时本文算法轨迹匹配精度提高了26%。