利用无人机影像进行山区土地利用信息动态监测

彭州地处成都平原与龙门山的过渡地带,土地利用状况具有强度高、类型多、复杂度大的特点,土地类型变化非常快。同时,"5·12"汶川大地震严重破坏了该区域的生态环境,这场大灾难导致了地震灾区土地利用在类型和结构上都发生了巨大变化。因此,如何快速的获取最新的土地利用信息对于灾后重建及政府决策具有重要意义。利用无人机高空间分辨率影像作为数据源,首先引入SIFT算法完成了无人机影像的自动拼接,然后采用面向对象的分析技术获取了两期无人机影像的土地利用类型,着重研究了影像最优分割尺度的获取,最后建立了土地利用动态监测系统获取了两期土地利用信息的变化量,提出了一种适用于四川盆地多云雾山地区域土地信息动态监测方法。通过对实验区两期影像的分析研究,快速获取了各类型地类的变化量,并对变化原因进行了分析。研究结果表明:利用无人机影像进行土地利用动态监测能克服多云雾山地区域卫星影像难以实时获取问题,能快速、高效的获得土地变更信息。

面向地震灾区高分辨遥感影像信息提取方法

针对当前地震后震区时空数据难以及时获取的问题,采用了一种改进均值漂移(Mean Shift)信息提取方法。首先,将原始影像划分为纹理区和均色区。均色区域直接利用Mean Shift算法获得;纹理区域则利用归一化分布密度值获取合适的带宽,再使用Mean Shift算法进行信息提取。通过构造代价函数判别相邻区域是否需要合并,以消除过分割区域。最后,提出了一种信息提取匹配指数对信息提取结果进行评价,并将该方法应用于汶川和芦山地震后获取的无人机高空间分辨率影像,进行信息提取实验。实验结果表明:所提出的改进Mean Shift算法提取精度优于传统Mean Shift算法,为后续的地震灾情评估提供了基础数据。

面向土地利用快速巡查的无人机高分数据存储优化与信息追溯研究

通过无人机低空遥感技术获取的影像具备较高的空间分辨率和时间分辨率,使得土地利用快速巡查成为现实,但如何高效、科学地管理和利用这些数据是建立土地利用数据库的重点和难点。随着土地巡查的不断深入,数据量会成倍增加。针对土地信息的海量数据特征,从数据冗余的角度出发,通过分析巡查过程中土地利用数据间的关系,以数据动态更新研究为突破口,详细论证了面向土地巡查的数据存储结构和时空数据模型以及土地巡查的历史数据追溯。

利用“3S”技术进行区域土壤侵蚀研究——以四川省泸定县冷碛镇为例

为解决当前区域土壤侵蚀量快速调查的问题,以四川省泸定县冷碛镇为研究区,直接引入修正土壤流失方程(RUSLE),利用遥感影像和其他非遥感数据,选取了合适的影响因子,快速地获取了该区域的土壤侵蚀状况,并研究了土壤侵蚀与土地利用的相互关系。研究结果表明:冷碛镇大部分土地属于微度和中度侵蚀,少量土地属于极强烈和剧烈侵蚀;侵蚀强度大的区域多为植被覆盖度低得区域,如:未利用土地和部分无作物覆盖耕地。该研究为冷碛镇的土地利用和水保决策提供了依据。

基于迁移学习的无人机影像耕地信息提取方法

随着精准农业技术的发展,对农作物用地信息快速、准确提取的需求越来越高。同时,无人机技术以其方便、高效、具有低空云下飞行能力等优势被广泛应用于自然资源的调查中。但无人机影像普遍光谱信息较为匮乏,因此很难准确、快速地提取出耕地信息。基于此,提出了一种利用迁移学习机制的耕地提取方法(TLCLE)。首先,利用深度卷积神经网络(DCNN)剔除线状地物(道路、田埂等),然后,通过引入迁移学习机制将DCNN特征训练过程中得到的特征提取方法迁移到耕地提取中,最后,将所提方法与利用易康(e Cognition)软件进行耕地提取(ECLE)结果进行对比。研究结果表明:对于实验影像1、2,TLCLE方法耕地提取总体精度分别为91.9%、88.1%,ECLE方法总体精度分别为90.3%、88.3%,2种方法提取精度相当,在保证耕地地块完整、连续性上TLCLE方法优于ECLE方法。

基于低空遥感与迁移学习的土地利用信息快速制图方法

为解决样本的手工获取和常规的目视解译难以适应目前农业土地资源信息自动化提取的需求问题,引入时空数据挖掘技术,运用关联知识迁移学习机制,提出了一种基于知识迁移学习的高分辨遥感影像土地利用信息分类制图方法(KTLC)。首先,运用改进的均值漂移算法对新的待分类制图影像进行分割获得影像对象,然后,将分割后对象的矢量边界与前时相土地利用矢量专题图进行配准、嵌套,通过叠加分析获取当前影像中的不变对象,并通过光谱、空间信息阈值筛选完成不变对象的提纯,进而将历史专题图中的地物类别知识迁移到新影像对象上,建立新的特征与地物类别映射关系,最后,运用决策树构建分类规则完成当前影像的快速分类制图,并将所提方法与利用易康(e Cognition)软件进行分类(EC)的结果进行对比。研究结果表明,对于2组实验影像,KTLC方法分类总体精度分别为88.61%、88.30%,EC方法分类的总体精度分别为89.87%、84.84%,2种方法分类制图精度相当,但在效率方面,KTLC方法优于EC方法。

基于无人机影像的快速分割方法

为解决地震灾区震后空间数据难以及时获取的问题,考虑到无人机(unmanned aerial vehicle,UAV)遥感影像自身特点,提出了一种改进的均值漂移(Mean Shift)分割算法。按照影像特征将UAV影像划分为纹理区和匀色区,对匀色区直接进行Mean Shift算法分割得到初分结果;对纹理区综合提取颜色、纹理、形状信息构造高维特征空间,并根据归一化分布密度值求得其合适的带宽,再使用Mean Shift算法对特征空间进行模式分类得到分割结果;通过构造代价函数进行区域合并,消除过分割区域,得到最终分割结果。针对芦山地震后获取的高空间分辨率UAV影像进行分割实验,并提出一种考虑到面积和光谱的分割匹配指数对分割结果进行评价。实验结果表明:所提出的改进的Mean Shift算法的分割精度优于传统的Mean Shift算法,为后续的震害信息提取提供了数据保障。

四川省参考作物腾发量时空分布特征及成因分析

为探究四川省参考作物腾发量(ET0)的变化,利用1961-2010年四川省12个气象站点的逐日资料,使用联合国粮农组织(FAO)1998年推荐的Penman-Monteith公式计算各站点ET0,在此基础上采用GIS的克里金插值、Mann-Kendall趋势检验及相关分析方法分析ET0的时空变化规律及其原因。结果表明:1961-2010年四川省各站的年ET0总体呈波动性递减趋势,其中ET0在1992年以前显著下降,之后逐渐上升;ET0年内分布不均,呈单峰曲线趋势,最大值在6月,达到了96mm;ET0空间分布基本呈现自东北、西南向中部递减趋势,自西部青藏高原到中部成都平原逐渐减小,过渡到东部丘陵区又逐渐增大,随地理纬度的增大呈递减趋势,随海拔高度的增大呈递增趋势,时空分布存在较大的区域差异;ET0和气象因子的相关分析表明,ET0和日照时数、风速呈显著正相关(α=0.05),是四川省ET0变化的主要影响因素。

最优分割尺度支持下高分遥感影像水土资源信息分类

为提升水土资源信息分类精度,以无人机航拍获取的高分辨率影像为实验对象,提出了最优分割尺度和决策树支持下的对象级影像分类方法。首先,根据影像内部的同质性和异质性,建立了分割质量函数,通过该函数获取了最优分割尺度;然后,提出了基于光谱信息和面积信息的最优分割尺度评价模型对分割结果进行评价;最后,引入决策树规则机制,完成了水土资源信息分类,并与最大似然法分类结果进行对比。研究结果表明:所建立的分割质量函数能准确获取最优分割尺度,有效避免了人工分割带来的主观性,所提方法分类总体精度为86.78%,最大似然分类方法总体精度为77.59%,在分类精度上有较大提升。

自然会给人类应有的回报

在当今社会，生活水平在提高，科学技术在提高，人类思想在提高，但环境在日益恶化，环保思想在日益退化，环保活动在日益减少。

无人机高分辨率遥感影像地震滑坡信息提取方法

选取四川"4·20"芦山地震震区发生的地震滑坡为研究对象,首先构建区域地质特色的无人机影像地震滑坡样本库;然后引入迁移学习机制完成了无人机高分辨率遥感影像地震滑坡信息提取。研究结果表明地震滑坡提取总体精度达87.2%,能满足地震滑破灾害环境宏观调查,滑坡灾害体监测等应急需求。

多模态时空数据多层次可视化任务模型

针对现有时空数据可视化方法主要面向单一的低层次展示性可视化任务,难以满足多模态时空数据多层次多样化可视化任务高并发的难题,从展示、分析和探索3个层次构建了面向多模态时空数据自适应可视化的多层次可视化任务模型。重点剖析了不同任务的时空信息需求及其可视化表达驱动力,刻画了任务需求与存算绘资源之间的依赖关系,设计了任务感知的多模态时空数据自适应可视化引擎。以微观精细化管理与宏观综合决策协同的智能设施管理为例进行了试验分析,证明该模型能够有效满足多层次可视分析应用需求,为数字城市和智慧社会等重大工程建设提供了有力的技术方法支撑。

多模态时空大数据可视分析方法综述

时空大数据可视分析是近年国际大数据分析与数据可视化领域研究的热点前沿,也是全空间信息系统的核心研究内容之一。本文针对时空大数据多源、多粒度、多模态和时空复杂关联的特点,按照描述性、解释性和探索性3个层次分类归纳了现有时空大数据可视分析方法,论述了时空大数据可视分析中多模态特征筛选、新型人机交互分析以及探索性可视推理等技术难点和主要发展动态。研究表明,以数据可视化为主的描述性可视分析研究相对成熟,以可视环境下交互式挖掘分析实现问题诊断为主的解释性可视分析已成为当前大数据分析的焦点,而面向复杂问题协同决策的探索性可视分析方法则是大数据分析有待突破的重要发展方向。

绿色,时时刻刻

如今，我们生活中无时无刻不需要环保，绿色环保已成为人类共同的追求。 虽然人们在时刻追求环保，但环境仍不断被破坏，绿色环保仍不能良好地深入人心。造成这种现象的根本原因就是社会在迅速发展，不断进步，而过多地浪费资源污染环境，到最后就会变成先发展，后治理的社会现象。

顾及地貌形态特征的精细斜坡单元高效分区划分

针对现有方法广域范围复杂地貌类型斜坡单元精细划分效率低的问题,该文提出一种顾及地貌形态特征的精细斜坡单元分区划分方法。首先通过典型地貌形态特征对广域范围进行分区,然后基于水文原理和A^(T)最低成本搜索算法精准提取各分区内的斜坡单元,最后根据坡向圆方差对分区内的斜坡单元进行优化。采用四川省全域30 m分辨率的数字高程模型(DEM)数据进行实验,根据地形起伏度和海拔高度将整个区域按6类地貌形态进行分区优化,在保持全域范围斜坡单元内部坡向均质性的同时,相较于常用的正反向DEM水文法划分效率提升了70.31%。与基于格网单元的滑坡易发性评价进行对比,基于该文所提取斜坡单元的滑坡易发性评价在精度上有4%以上的提升。