三种图像匹配模型在地图匹配中的适用性

随着计算机和人工智能等科学技术的快速发展,已出现多种基于深度学习的智能化图像匹配模型,但这些模型大多用于匹配图像纹理特征较为固定的图像(如人物、建筑物和工业器件等),缺乏对图像纹理特征复杂多变的地图图像匹配适用性研究。为此,本文以行政地图、交通地图和专题地图为数据源,基于Superglue、COTR和GlueStick 3种图像匹配深度学习模型,通过融合3类地图和语义分割模型(SAM),从目视检验、匹配精度和匹配效率方面对比分析3种图像匹配模型效果。结果表明:①GlueStick模型在3类地图上边界匹配效果整体最为理想,Superglue次之,而COTR模型匹配效果最差;②基于SAM生成地图分割掩膜图能够减少地图周边干扰要素,进而提升GlueStick和Superglue模型匹配效果,其匹配精度分别提升了47.50%和34.43%;③COTR模型匹配效率最低,GlueStick相比Superglue,在地图原图上匹配效率较低,但在地图分割掩膜图匹配中,两个模型匹配效率相当。本文可为地图内容对比、识别和审查等方面提供重要的智能化技术支撑。

利用DeepLabv3+模型提取分析街景图像绿视率——以北京三环内为例

基于语义分割模型的绿视率提取缺乏适用性研究,本文首先基于DeepLabv3+语义分割预训练模型和自主标注样本,采用迁移学习策略,构建街景图像语义分割模型,并对其进行精度验证。然后基于构建的街景图像语义分割模型提取计算北京三环内绿视率(GVI),分析点、线尺度下绿视率空间分布特征。结果表明:①相比DeepLabv3+语义分割预训练模型,迁移学习后模型F1值和mIoU值分别提高了7%和3%;②点状尺度上北京三环内绿视率整体呈“西高东低,北高南低”聚类式分布特征,0~0.15区间内街景采样点GVI约占58.1%;③线状尺度上整体呈“环线低环内高”且中心发散式特征分布,0~0.15区间内研究区道路GVI约占59.8%。该研究对于提升城市街道绿化感知程度和城市空间规划具有重要的参考意义。

一种街景图像中建筑物高度估算方法

建筑物高度信息是城市三维建模的基础数据,但已有的建筑物高度估算研究多采用LiDAR和SAR等遥感影像。随着计算机和互联网的快速发展,街景数据因采集容易和成本低等特点成为了一种新兴的建筑物高度估算数据源。文章提出一种街景图像中建筑物高度估算方法,首先利用segment anything model实现图像中建筑物像素高度提取;然后利用图像元数据和电子地图数据获取建筑物与相机之间的距离、图像焦距,根据街景图像与建筑物实体的几何关系改进针孔相机模型,构建建筑物高度估算方法;最后选取北京、柏林的Mapillary街景图像开展实验验证。结果表明,与改进前相比,改进后针孔相机模型明显提升了高度估算准确度,RMSE降低了11.31 m,R^(2)提高了0.4,具备实用价值。

互联网泛在地理信息感知融合技术综述

互联网数据中蕴含丰富的地理信息,其无处不在、形式与结构多样的特征决定了感知和融合面临许多技术难题。本文在分析互联网泛在地理信息分类和特征的基础上,系统研究其感知和融合技术的总体现状,总结了服务快速准确发现、深层网络数据高覆盖度采集、非结构化文本中位置信息提取和关联图像空间语义提取等感知技术发展现状,分析了异源几何数据匹配关联、地址标准化处理、同名实体语义对齐、地理实体关系构建等融合处理关键技术;在此基础上,总结和展望了互联网泛在地理信息感知融合技术在开放地理数据网络、城市治理与应急管理、网络监测与地理空间情报等领域的应用前景。

多种格点作物模型对中国区域水稻产量模拟能力评估

基于部门间影响模型比较计划(The Inter-Sectoral Impact Model Intercomparison Project,ISIMIP)FAST-TRACK轮模拟中由5种国际耦合模式比较计划第五阶段(CMIP5)全球气候资料驱动下的6种水稻格点作物模型模拟水稻产量的结果,评估了格点作物模型模拟中国区域水稻历史产量(1980-2004年)的时空分布模拟效果,并基于多种作物模型等权重集合平均(Multi-Crop Models Ensemble,MCME)对未来(2020-2099年)4种不同典型浓度路径(Recommended Concentration Pathways,RCPs)情景下的中国区域水稻产量进行预估。结果表明:相对于单种水稻模型模拟的结果,采用MCME可以有效提高水稻模型在中国区域的模拟能力。MCME模拟中国区域水稻历史年平均产量相关系数R和RMSE分别为0.798和1540.6kg·hm^(-2),在空间上对东北和西南地区模拟效果较好,其它地区模拟效果一般,模拟水稻产量的空间变率较大。未来随着气温和CO_2浓度的上升,水稻产量呈增加趋势,在RCP8.5情景下中国区域平均水稻产量在21世纪末增加最多,达到22%,RCP6.0情景下约增产15%,RCP2.6和RCP4.5情景下水稻产量在21世纪上半叶增产,21世纪下半叶产量保持稳定甚至略有下滑,在21世纪末分别增产约4%和10%,在空间上东北和西南地区水稻增产较多,可达40%以上,其它水稻主产区如长江中下游地区和华南地区增产较小。

水稻格点作物模型在中国区域的不确定性评估

作物模型是评估气候变化对农业生产影响的主要手段之一,但中国对格点作物模型间的比较研究尚处于初始阶段。为全面评估不同作物模型在中国不同区域对水稻产量模拟的有效性,利用联合国粮农组织(FAO)和中国农业农村部种植业管理司(SYB)水稻年平均产量统计资料,对由2种气候资料(AgMERRA和WFDEI-GPCC)和3种不同种植管理情景(Default、Fullharm和Harmnon情景)驱动的7种全球格点作物模型(CGMS-WOFOST、CLM-CROP、EPIC-BOKU、GEPIC、LPJML、PDSSAT和PEPIC模型)模拟的中国水稻产量进行了对比分析。结果表明:不同格点作物模型之间的模拟结果差异较大,在不同区域不同格点作物模型的模拟效果差异显著,不同格点作物模型对气候变化和种植管理情景的响应和敏感性不同,大部分模拟结果低估了水稻产量。使用不同水稻统计产量数据会对评估结果产生一定的影响。格点作物模型能够一定程度上模拟出水稻产量的年际变化和气候变化对产量的影响,但对于统计水稻产量上升的趋势较难模拟。通过综合分析产量在时间和空间上的波动情况,并利用2种评分方法对模拟表现打分,发现LPJML和PDSSAT在7种格点作物模型中模拟效果最好,同时也对不同气候数据和种植管理情景的变化最敏感,CLM-CROP的模拟效果最差。对不同种植管理情景,Default情景下的模拟效果显著高于Fullharm和Harmnon情景。多种格点作物模型集合平均(MME)可以降低单个格点作物模型模拟的误差,但需对MME中的集合模型进行挑选。

基于Landsat影像的连云港1984-2018年海岸线时空变化分析

连云港是国家首批对外开放的滨海城市。针对当前对连云港海岸线变化研究存在成果较少、时间序列不足以及缺乏土地利用与海岸线的相互作用关系探究等问题,基于1984-2018年Landsat 5、7和8影像数据,解译连云港近35年海岸线空间分布,从长度、分形维数两个方面分析了海岸线的时空变迁,并结合GlobeLand 30土地覆盖数据,从土地利用程度、转移矩阵两个方面探究海岸线时空演变特征。结果表明:1984-2018年间,连云港海岸线总长度共增长了36 km,从2000-2010年到2010-2020年海岸线年平均增长率由0.14 km/a增长至0.95 km/a;海岸线分形维数由1.05增至1.08,海岸线复杂度和曲折度均有所增加;土地利用强度的变化率由2.48%增至5.46%;发生土地利用转移的面积由208.56 km^(2)增加至939.11 km^(2),耕地和人造地表的增加很大程度上使海岸线向海推进。

城市共享单车需求的多特征CNN-BiLSTM预测方法

共享单车的需求量预测对于共享单车企业的精细化运营十分重要,是解决单车区域供需平衡的前提。为精准预测共享单车需求量,本文首先分析了纽约Citi Bike 2017—2019年共享单车数据的时空特征,探究了共享单车出行的分布规律;其次,融合卷积神经网络的特征提取能力和双向长短期记忆网络的双向时序数据处理能力,构建了卷积双向长短时记忆网络CNN-BiLSTM模型;然后,结合出行数据、气象数据及单车时空出行特征,采用相关性分析法探究了单车需求量的显著影响因子,并作为模型输入特征,对模型进行训练,生成单车预测模型;最后,选取CNN、LSTM、BiLSTM、CNN-LSTM作为对比模型,对CNN-BiLSTM预测模型效果进行评价。对比结果表明,CNN-BiLSTM模型的MAE和RMSE最小,分别为0.035和0.058;R^(2)最大,为0.922,模型预测效果最佳。本文可为实际的共享单车调度与再分配提供参考依据。

农村集体“三资”管理调研

科学规范农村集体资金、资产、资源(简称"三资")是农村集体经济的命脉,是发展农村经济和实现农民共同富裕的重要物质基础。农村集体"三资"管理涉及广大农民群众的切身利益,事关农村经济发展和社会和谐稳定。根据农村集体实际,积极探索"三资"监管的有效途径,对维护农村和谐稳定发展,保障农民群众合法权益,具有十分重要的意义。近年来左权县认真贯彻落实农业部有关文件精神,县委、县政府高度重视,在各级各部门和各村的共同努力下,把加强农村集体"三资"管理工作作为发展农村集体经济和维护农村稳定的一件大事来抓,创新工作思路,完善工作机制,周密安排部署,逐步健全完善了一系列"三资"管理方面的制度,并通过科学管理、规范运作,取得了阶段性成果。

浅析农业信息化对农业经济的影响

农业信息化是推动农业经济发展的前提,是农业现代化的重要内容,更是提高农业生产力的重要手段。提高农业信息化,能够优化资源配置,调整产业结构,提高农民生产技术水平,增加经济效益。文章对农业信息化的内容和对农业经济的影响作了阐述,提出了农业信息化建设的对策。

浅析基层农技推广存在的问题和改进措施

农技推广是农业科技转化为农业生产力的关键环节,是联系农户的纽带,为推动我国农业生产技术和粮食产量的增长起了极大地促进作用。文章指出基层农技推广工作中常见的问题,并有针对性地提出改进q措施。

左权县有机产业发展情况调研

有机农业是在农作物种植、畜牧养殖、农产品加工过程中按照农业生产原则应遵循的自然规律和生态学原理,协调种养业二者的平衡,采用一系列农业技术以维持和稳定农业生产体系的一种农业生产方式。伴随着"左权县生态旅游示范县"的创建,如何发展"有机"产业,将左权县的农业资源和生态环境优势迅速转化成经济发展胜势,转化成脱贫攻坚扶贫举措,是左权县面临的重大工作。为准确把握全县"有机"产业发展现状,提升左权县有机产品的品牌建设,近期对"有机"产业进行了调研。

深度学习支持下的地图图片典型地理目标检测

针对地图图片中典型地理目标识别问题,本文首先介绍了两种基于深度学习的目标检测方法(YOLO网络和采用focal loss替换交叉熵损失函数的RetinaNet网络),然后将地图图片分别输入两种神经网络模型中进行训练和测试,最后对目标检测结果进行对比分析。结果表明,RetinaNet网络模型对地图图片进行目标检测的准确率有明显提高,且运行速度依然可达秒级。该地理目标检测方法的高准确度与高效性可在地图审查时节约大量人力、时间成本,为地图内容智能理解及互联网地图监管提供了新的技术参考。

左权县农业行政综合执法情况调研

农业行政综合执法要以紧紧围绕"农业增效、农民增收、农村和谐稳定"为中心,保障农业生产安全和农产品质量安全为目标,以深入开展农资打假专项治理行动、"放心农资下乡进村"活动和农业综合执法规范化建设为载体,全力服务现代高效农业发展和社会主义新农村建设。近年来,左权县农业行政综合执法大队从无到有,从弱到强,逐步发展壮大。体系建设、能力建设、执法行为、执法监督日益规范,执法能力得到提升,执法效果明显增强,为保障农业生产安全,维护农民合法权益,促进现代农业发展发挥了积极有效的作用。

左权县农村土地确权登记颁证调研

为稳定农村土地承包关系,实现三权分置,建立土地承包经营权登记制度,我县积极落实、细化措施、强化责任、倒排时间、签订"责任状",全力推进农村土地确权登记颁证工作,目前成效明显、进展顺利。

从第31届国际制图大会看地图制图学的研究进展

2023年8月13日至18日,第31届国际制图大会在南非开普敦举行。本文首先简要介绍了第31届国际制图大会概况。然后,在详细分析大会专题报告的基础上,重点归纳和总结了国际上地图制图学在基础理论、地图制图与地理信息技术、地图数据、地图产品、空间数据基础设施建设、公众应用、可持续发展和历史文化伦理八个方面的研究新热点,并分析得到了以下特点:一方面地图制图更加注重多要素融合制图、用户/场景体验增强和快速制图能力;另一方面,地理信息技术在多模泛在感知、大数据融合处理、人工智能分析、知识构建与服务等方面不断深化;此外,面向资源管理、生态保护、社会发展等的全球/区域/国家/城市可持续发展应用,已成为各国政府机构、科研机构、产业企业等共同努力的热点方向。另外从国际地图大赛获奖地图可以看出地图可视化方法融入了更多的现代元素和文化印记,更加注重“人-图”互动。最后,探讨了大数据与人工智能时代地图制图学在理论体系、技术方法和应用服务方面的发展趋势,并对我国地图制图学科发展与国际合作提出了建议。

典型深度学习算法在地图图像特征点匹配上的适用性分析

为探究不同地图要素对典型深度学习图像特征点匹配算法的影响,分析不同算法在地图图像特征点匹配任务中的适用性,该文基于标准地图数据,选择地理要素、地图比例尺、地图符号、制图区域为研究变量,使用单一变量原则构建地图特征点匹配样本库,分别应用典型深度学习算法SuperGlue、GlueStick、Patch2Pix进行地图图像特征点匹配,使用地图匹配率、平均正确匹配对数、平均匹配正确率3个指标进行结果评价。结果表明,SuperGlue算法适用于较小制图区域中具有地图符号差异的地图图像特征点匹配;GlueStick算法适用于中等和较大制图区域中具有地图比例尺差异的地图图像特征点匹配,以及具有制图区域差异的地图图像特征点匹配;Patch2Pix算法适用于较小制图区域中具有地图比例尺差异的地图图像特征点匹配,中等和较大制图区域中具有地图符号差异的地图图像特征点匹配,以及具有地理要素差异的地图图像特征点匹配。

2000-2013年青藏高原湖泊面积MODIS遥感监测分析

青藏高原上分布着大量的高原内陆湖泊群,该区域湖泊面积与区域及全球气候变化之间存在较强的耦合关系,遥感监测湖泊的分布和面积变化趋势,对分析区域自然生态环境具有重要意义。本研究将MOD09A1(地表反射率8天合成数据)进行逐月合成,提出了一种综合多种水体指数的青藏高原地区湖泊提取方法,并通过活动窗口、DEM和时间序列去噪等方法,消除山体阴影、冰雪等因素的干扰。最后,提取和合成了2000-2013年青藏高原逐年和逐月的湖泊范围,并选取色林错和卓乃湖2个典型湖泊与人工解译Landsat系列影像进行验证分析,其线性拟合度分别为0.99和0.97,从时空变化趋势上分析了青藏高原湖泊面积动态变化。结果表明:(1)2000-2013年,青藏高原地区湖泊范围整体上呈较显著的扩张趋势,湖泊总面积增加速率约为490.98 km2a-1(R2约为0.96);(2)1-12月份湖泊面积逐月变化率均大于0,表明青藏高原湖泊面积呈整体扩张,而非季节性扩张。除2-4月份外,其他月份增加速率均在400 km2a-1以上(R2>0.79),表现为稳定且持续扩张趋势。

主动学习和卷积神经网络的地图图片识别方法

针对目前互联网中存在有大量地图图片识别精度低、分类模型训练困难等问题,该文提出了一种基于主动学习和卷积神经网络的地图图片识别方法,通过主动学习算法优化地图/非地图图片样本数量及分类结构,可使用少量的训练样本以及人工投入,来获取基于卷积神经网络的高精度地图图片识别模型。结果表明:基于主动学习方法将地图/非地图图片样本类型划分为17类时,地图图片识别精度最高,约为95.01%。本文地图识别方法可有效地推动图像地理信息挖掘、地图审查及地理信息监管等领域的技术进步。

基于卷积神经网络的地图相似度匹配方法研究

针对目前基于深度学习的图像分类方法难以提取地图子类图像的高级语义信息,该文采用一种孪生网络结构下利用卷积神经网络提取图像特征计算相似度的方法进行地图子类的识别,将地图样本输入到孪生网络模型中进行训练及测试,并与直方图、灰度共生矩阵两种传统图像相似度计算方法进行对比分析。结果表明,基于孪生网络结构利用卷积神经网络提取图像特征计算地图相似度的方法准确率为93%,比两种传统方法分别高出了48%、43%;F1测度值为93.2%,比两种传统方法分别高出61.1%、26.53%,每张图像的运行速度也可达毫秒级。得出结论:该相似度匹配方法的高准确度和高效性为地图子类图像识别提供了技术方法,为互联网地图监管提供了新的思路。