基于景观格局指数的生态风险定量评价

由于目前生态风险评价方法参数较少,不能考虑多个方面生态系统的变化状态,针对这一问题,本文提出了基于景观格局指数的生态风险定量评价方法。算法构建了评价指标体系,融合了多个方面的参数,利用层次分析法确定权重,计算指标体系内各项景观格局指数,最终确定生态风险指数。利用大连金普新区2013年以来的生态用地数据进行了生态风险评价,结果表明:研究期内,生态风险呈波动性发展;研究初期生态系统最稳定;金普新区挂牌成立的阶段,生态指数相对较低,生态系统受人类活动影响大。与传统的生态评价方法相比,该算法考虑了多方面的影响因素,避免了个别景观指数对结果产生影响。

基于地理国情监测的金普新区综合交通分析方法研究

针对交通状况对城市发展的影响日益重要的现状,本文从城乡交通网络覆盖情况和交通可达性两个角度,对金普新区的综合交通状况进行了客观、定量的分析,为了解金普新区的交通现状、居民出行的便捷程度,以及制订新区制度发展规划提供了可靠的分析结果。

金普新区地表覆盖格局演变及预测分析

针对国家级新区享受各项政策红利,但无有效的定量评价方式对国家级新区发展情况进行监测、对国家级新区未来土地发展状况无高置信度的预测方式等问题,利用转移矩阵及相关模型定量地对地表覆盖格局变化进行了分析;基于CA-Markov模型,对未来一段时间的土地空间格局进行了预测;通过定量分析与实验结果表明:(1)金普新区成立前土地变化情况多为自然地物间的变换,金普新区成立后有大规模的人工地物变化;(2)基于CA-Markov模型对土地空间格局进行分析可信度较高,可以服务于土地结构演变分析。

几种像素级影像融合方法的比较

针对现有不同影像融合算法缺乏有效地评价,本文对经过预处理的TM和SPOT5影像进行了主成分变换(PCA)、HIS变换、Brovey变换、小波HIS变换四种方法的融合试验,对影像融合的成果分别进行了定性和定量评价。定量评价过程中,利用MATLAB软件,计算了融合影像的各项指标,并从信息量、光谱信息继承性、质量改进3个方面对融合成果进行了比较分析,得出了有益的结论,同时验证影像融合方法的可行性。

大连金普新区道路网络通达性格局研究

为研究第10个国家级新区——金普新区的道路发展情况,本文以RS和GIS技术为支撑,利用金普新区基础性地理国情监测的道路数据、高分辨率影像及外业核查结果,计算了路网密度和道路网络的通达性,研究和分析了金普新区道路的通达情况。结果表明:大连金普新区道路网络密集、通达性良好,综合交通运输体系初步形成;部分街道由于规划布局、经济水平及地形的影响,通达性与整体水平存在一定的差距。

金普新区交通网络节点可达性分析

可达性是反映城市空间关联格局的重要指标,可以度量不同区域间相互作用的难易程度,目前已经成为分析区域与区域系统集聚和扩散的一个标志。为研究国家级新区——金普新区的基础设施(道路)的建设情况,根据地理国情监测数据中金普新区的陆地道路数据,构建2015年和2016年金普新区道路网络数据集,用于精确反映区域内道路网络情况;以最直观的道路节点作为研究对象,从空间可达性视角,分析连续两年道路可达性变化情况,同时对15 min生活圈居住区生活基础设施服务情况进行分析。结果表明,2015—2016年期间,金普新区总体基础设施建设成效显著,但受地形、人口、政策及旅游产业发展情况的影响,可达性空间差异较明显,部分区域基础设施建设几乎停滞,部分区域基础设施建设完善变化较缓慢,旅游资源丰富区域发展稍快;金普新区内主要居住区15 min生活圈内基础设施丰富,居住舒适度较高。

基于地理国情普查的新区建设监测方法初探

为全面掌握大连金普新区近年的建设进程和效果,本文研究了基于新区的地理国情普查数据成果、已有的基础地理信息成果资料和高分辨影像数据,对其在建设用地、道路交通、生态功能用地等方面的建设现状进行监测。结合相关的专题数据资料,从不同角度对新区的建设进程和效果进行分析。

物方多视影像密集匹配方法

针对多视影像由于遮挡导致的匹配不确定性问题,该文提出一种特征点和物方地面元相结合的多视影像密集匹配方法。该方法利用规则格网划分的空间平面作为基础,通过特征点匹配获取同名像点和高程赋值的格网平面,为后续匹配提供初始的DSM。在此基础上,利用铅垂线轨迹法对平面上规则分布的平面元进行匹配,加密特征点匹配结果。通过对某区域UCX影像的匹配实验表明,该文提出的算法能高效、准确地得到匹配结果,特别对较大影像计算快速,适用于实时处理。

不规则三角网高程的遮挡检测算法

针对多视影像匹配中由于遮挡导致的问题,该文提出一种基于不规则三角网(TIN)高程的遮挡检测算法。该方法根据已知的高程格网平面,构建出物方不规则三角网;根据三角网内插得出某一个地面点的高程值。对于这一地面点,如果在其搜索路径上的搜索点高程均低于搜索点所在位置的投影光束高度,则该点必定在影像上可见。实验表明,该文提出的算法能高效、准确地得到不可见的点,特别对尺寸较大的影像能快速计算。