基于多尺度特征融合的遥感影像水体检测

地表水在全球生态环境中发挥着重要作用,因此动态捕捉地球上地表水的分布和范围是必要的。然而,由于地表环境的高度复杂性,现有的地表水体检测方法在适用性和精确度方面存在局限性,特别是在高异质性区域,如城镇、山地和云覆盖区域等。为了提升不同地表环境中不同类型水体的识别精度,提出一种基于多尺度特征融合的遥感影像水体检测方法(MFWD)。该方法首先基于深度残差网络模型提取水体和地表的不同级别特征;其次,设计空洞空间金字塔池化(ASPP)模块和通道—空间注意力机制(CSAM)模块充分挖掘高级语义信息,捕获水体的高级特征;最后,利用跨尺度连接融合不同尺度的低级空间细节特征和高级语义信息,获得全面的特征表示,从而有效识别水体。利用Sentinel-2数据进行水体检测实验,结果表明,MFWD方法获得了95.6%的整体识别精度,提高了不同类型水体的识别准确性,改善了对细小水体和高异质性区域水体的检测效果。

山东省中心城市和城市群能源消费碳排放时空分布特征及影响机理

中心城市和城市群正成为承载发展要素的主要空间形式,然而关于区域中心城市及城市群的能源消费碳排放时空分布与经济发展规律影响机理仍不明确。对夜间灯光数据进行预处理,针对DMSP-OLS数据,采用相对校正法进行连续性校正,同时结合NPP-VIIRS数据进行一致性校正。利用统计分析法建立山东省区域中心城市能源消费碳排放与夜间灯光的亮度值的响应模型,结合校正后的夜间灯光数据和ArcGIS分析技术研究了城市能源消费碳排放的空间分布特征,并进一步探讨了不同地区中心城市及城市群的能源消费碳排放与经济发展的规律机制。

融合先验信息的单株植物三维结构点云配准方法

针对样本一致性初始对化(SAC-IA)点云配准算法在处理样本抽样和误差计算时存在的高计算成本和鲁棒性不足的问题,提出一种融合先验信息的单株植物三维结构点云粗配准方法。该方法首先采用“体素下采样+直通滤波+统计离群点去除”的点云预处理策略,在有效降低点云数据量的同时保留植物结构的关键特征信息。通过引入基于先验知识的初始姿态约束,对SAC-IA算法进行改进,减少不合理变换矩阵的迭代次数,从而提高配准效率,降低误匹配风险。实验结果证明,所提方法配准均方根误差为6.242,时间为0.902 s,相比SAC-IA方法节省了1.407 s,显著提升了单株植物三维结构点云配准的运算效率和鲁棒性。