基于生成对抗网络模型的SMAPL4土壤水分产品降尺度分析

土壤水分是地表和大气水热过程交换的重要纽带,对于农业生产以及优化种植结构具有重要意义,NASA卫星下的SMAPL4是一种以被动微波遥感技术为手段对土壤湿度监测的产品,具有可穿透云层和全天候监测等能力,但其较低空间分辨率很难满足小尺度或小区域范围的实际研究需求。鉴于此,根据云南省姚安县高原灌区特殊的地理位置,引用相关系数推演得出与研究区土壤水分空间分布有关的解释变量,沿用随机森林算法,耦合1 km包含地表温度和归一化植被指数的MODIS地表产品,建立基于RF全局窗口线性回归的1 km级被动微波土壤水分空间降尺度模型;而后堆叠地表温度(LST)、归一化植被指数(NDVI)、降水量(Prec)、地表蒸散量(ET)等4个变量形成条件生成对抗网络框架,并使用均方误差(RMSE)和条件生成对抗性损失函数训练神经网络来建立低分辨率和高分辨率映射关系,随即获得降尺度后土壤水分空间分布结果;最后将实际采样和监测站点提供数据做空间平均聚合后,与SMAPL4原始结果的CGAN、RF降尺度结果进行对比分析。结果表明:LST、NDVI、Prec、ET与土壤水分的相关性均值均大于0.44,具有相关关系,条件生成对抗网络降尺度结果对指标R^(2)和Bias表现效果最好,均值分别为0.7和0.032;RF降尺度结果对RMSE的效果最好,均值为0.006。同比SMAPL4原始数据,RF结果空间分布更为平滑,但极值差异性较大;CGAN结果能有效表征土壤含水空间分布状况,其数据变异性和极值表征能力更为突出。经RMSE与对抗性损失函数训练后,认为0.2~0.28的值域分布为降尺度后的研究区土壤水分数值分布结果。

深度学习滑坡识别算法中样本不平衡问题的研究

山体滑坡是一种常见的地质灾害,一旦发生会给自然生态系统和人类造成重大财产损失和人员伤亡,如何快速准确获取滑坡信息对防灾减灾至关重要。传统的深度学习方法对滑坡样本质量依赖性大,但现有的样本质量参差不齐,极少考虑滑坡样本不平衡问题对深度学习模型性能的影响。针对如何通过改善样本质量提升模型精度的问题,本文从样本质量出发,提出了一种基于多源不平衡样本的Faster R-CNN滑坡目标检测方法,通过对多种不平衡样本的集成训练,研究不同样本对模型综合性能的影响。结果表明:①在困难样本不平衡下模型的准确率为85.16%,F1值为0.69,精确率为56.96%,召回率为86.58%、漏检率为0.33,通过强化样本质量后准确率提升2.04%,精确率提升4.29%,召回率提升1.71%,漏检率降低0.04;②在正负样本不平衡下模型准确率为96.03%,F1值为0.78,精确率为64.50%,召回率为97.15%、漏检率为0.09,通过增加困难样本参与训练后,准确率下降8.45%,精确率下降6.93%,召回率下降7.25%,漏检率提升0.18。困难样本对模型综合性能影响更大,通过提高这部分样本质量可以提升模型检测精度。因此,本文提出的方法为解决深度学习中滑坡数据样本不平衡问题提供了参考。

一种基于三维激光扫描仪和激光垂准仪的建筑物形变检测方法

形变检测作为超高层建筑物施工运营阶段的重要环节,是当下的研究热点之一。由于建筑物结构及其内部环境的复杂性,传统测量方式已经不能完全满足对超高层建筑物偏移和倾斜检测需求。本文提出了一种基于三维激光扫描仪和激光垂准仪的“纵横结合”的建筑物形变检测方法。以钢结构支撑柱间距偏差和建筑物整体倾斜度、分段倾斜度为测量目标,通过昆明市某钢结构写字楼形变检测实验,实验结果表明,该方法测量精度可以满足实际项目需求,对复杂条件下超高层建筑物的形变检测具有一定借鉴价值。

SBAS-InSAR技术在昆明高铁南站山体形变监测中的应用

山体滑坡对人类安全造成严重影响,传统的滑坡形变监测成本高、耗时长、效率低,采用合成孔径雷达干涉测量(InSAR)技术对滑坡进行形变监测,既能提升效率又可以节约成本。本文基于SBAS-InSAR技术,对昆明高铁南站2019年1月1日-2019年12月31日的24景Sentinel-1降轨数据进行处理,获取研究区的形变速率为-11.56~13.08 mm/a,利用像元二分模型对Sentinel-2光学数据进行处理,获取该区域2019年的植被覆盖度,结合6个典型形变点对研究区的形变进行了探究。研究结果表明,高铁南站山体西侧为主要形变区,植被覆盖度高的区域形变量较小,植被覆盖度低的区域形变量较大,该研究对昆明高铁南站的安全监测具有重要的意义。

基于规则信息的无人机图像建筑物提取

基于规则信息的无人机图像建筑物提取,首先要对待处理图像进行图像分割,经过大量的实验确定分割阈值为0.3,通过定义规则信息,解决了建筑物纹理特征与光谱特征与道路、裸地相似的问题,同时,将原始图像的提取结果和与进行主成分分析(PCA)处理后的图像的提取结果进行对比,证明了PCA后的图像提取精度高达85%。

基于DETR的高分辨率遥感影像滑坡体识别与检测

滑坡灾害因其极大的破坏性而引起高度重视,如何快速、高精度地自动检测滑坡体成为主要研究问题。针对滑坡体检测数据不足、精度低、检测滑坡体不完全等问题,本文结合卷积神经网络(CNN)和Transformer的优点,以Transformer为主体,采用DETR网络实现滑坡体的自动检测。首先,对于数据集数据不足的问题,采用离线数据增强的方式实现滑坡体数据增广;然后,采用编码器-解码器结构的DETR网络结构对增广数据集进行多尺度训练和预测;最后,对试验结果进行定量评价。试验结果表明,采用DETR网络对滑坡体检测的平均准确率(AP)达0.997,可准确识别和检测滑坡体。此外,试验结果还验证了数据增强可有效提升DETR网络对滑坡体的检测精度。

不同时刻地铁站接驳共享单车的均衡性及影响区域分析

本文以深圳市连续两周全天候共享单车骑行数据为研究对象,从与地铁站接驳出行的角度出发,将地铁站分为均衡站点、亏损站点和盈余站点,分析城市地铁站在不同时刻的均衡性特点;并对骑行的非地铁端OD点进行边界提取,获取不同出行模式下不同时刻的地铁站接驳骑行的吸引区域。结果表明:①地铁站在城市中心城区和相对偏远且骑行量较少的地区均衡性较好,而在住宅区较为密集的地区均衡性较差。②中心城区综合土地利用程度较高地区,地铁站对接驳骑行的吸引区域较大,而在单一土地利用地区(住宅小区)吸引区域较小。

基于D-InSAR技术的不同裁剪尺度下沉降监测精度对比分析

利用InSAR(合成孔径雷达干涉测量)技术对小区域范围内的沉降进行监测时,不同的裁剪尺度会对沉降精度产生影响。本文分别选取山区和平地的SAR数据,利用不同尺度的窗口对数据进行裁剪,采用D-InSAR技术分别获取沉降结果,对沉降结果进行分析比较。研究结果显示:小区域范围内,山区SAR数据的裁剪尺度为3300×3300像元时为最佳,平地SAR数据的裁剪尺度为3800×3800像元时为最佳。该研究结果对利用InSAR进行小区域沉降监测具有一定的参考价值。

基于灰度共生矩阵的基岩滑坡纹理特征提取分析研究

利用纹理特征可以识别滑坡,通过灰度共生矩阵可以很好地获取纹理特征参数,从不同角度对纹理进行刻画。如何合理选取纹理特征参数描述纹理是一个重要的问题。因此,本文采用灰度共生矩阵结合无人机滑坡影像获取纹理特征参数,选取了5个典型的参数(熵、对比度、角二阶矩、逆差矩、相关性)进行分析研究。利用平均梯度、信息熵为指标对五参数进行精度评价。结合东川大白泥和法土村两个典型滑坡为例进行研究,结果表明:东川大白泥滑坡的纹理特征参数中熵、对比度的平均梯度值和信息熵为最高,分别为14.58、6.93和12.24、6.85;相关性的平均梯度和信息熵值为最低,值为6.6、4.8。法土村滑坡的纹理特征参数中熵、对比度的平均梯度和信息熵最高,分别为15.16、7.11和12.24、6.85;相关性的平均梯度值和信息熵值为最低,值为8.5、4.7。经过实地勘察发现东川滑坡面形成大量冲沟和裂缝,纹理结构复杂,信息量丰富;法土村滑坡体与周围地物存在明显差异,纹理基元对比强烈,纹理效果明显。实验结论与实地勘察相符,表明最适合滑坡纹理信息提取的参数是熵、对比度,提取精度高、数值稳定,适合不同类型的滑坡。

图论算法的无人机影像匹配特征点粗差剔除

无人机影像匹配过程中,粗差是不可避免的,因此,获取稳健性较高的特征点进行无人机影像匹配至关重要。传统的方法是采用经典的RANSAC算法进行粗差剔除,该算法受抽样次数、误差阈值的影响,还会残存部分误匹配的特征点。利用图论原理,对SIFT算法提取的特征点进行预处理,通过构建特征点的能量函数剔除能量较低的特征点,可以提高匹配特征点的稳健性,减少特征点的粗差。本文提出了一种新的方法,将图论算法与经典的RANSAC算法相结合进行粗差剔除。该方法命名为GSIFTRANSAC算法,利用该算法可以提高特征点的稳健性,获取高精度的单应矩阵。采用两组无人机影像进行验证,本文提出的算法与单独利用图论剔除特征点的算法相比,粗差剔除率分别提高了5.31%和14.29%,说明该方法效果较好。

一种基于多源数据融合的文物三维建模方法

针对基于单一数据源对建筑物进行三维模型时,建模质量、精度、完整性具有一定的局限性使得后期修模耗时、耗力、效率低下等问题,以昆明市某文物建筑为研究对象,基于多源数据融合技术,提出一种基于计算机视觉理论中的基本原理进行多源坐标系的统一、基于主成分分析进行初始点云配准的方法,进而提出一种融合多种数据源对文物建筑进行精密三维建模的方法,并比较该方法与单一数据源建模方法的优劣。实验结果证明基于多源数据融合进行三维建模的方法,使各种古建筑三维建模技术优缺互补,规避了使用单一激光点云而无法满足古建筑顶部及局部细节三维建模的问题,使建模数据采集的手段多样化。

基于点云数据的不规则文物三维重建——以经幢为例

海量点云数据可以较好地构建文物的三维建模,针对文物复杂的表面结构,传统的算法很难达到精细建模,为了解决复杂模型表面的空间三角网构网问题,本文结合空间三角形的法向量构建三角网,以空间三角网表面的曲率为约束条件,构建物体表面的空间三角网,然后对构建的空间三角网进行精细建模。以昆明市文物——经幢为例进行三维重建试验,结果表明,新方法适合室内文物的三维建模,可以达到较好的效果。

小波变换的动态灰色模型研究

利用小波变化的频带分离技术和消噪技术,可以获取真实的变形量。灰色理论模型可以解决信息缺乏的不确定性问题,但是无法优化含噪声、非平稳的信号,模型预测容易受到外界的误差干扰。本文研究将灰色模型与小波变换结合在一起进行数据预测,预测过程中加入动态信息,将灰色模型转换为动态灰色模型,提高预测精度。结合变形监测工程案例验证。结果显示,小波变换下的动态灰色模型,预测精度更高。

BDS+QZSS双系统组合PPP性能评估

利用MGEX跟踪站的观测数据分别从可见卫星数、DOP值、静态PPP和动态PPP几个方面对BDS+QZSS卫星导航系统的定位性能进行评估与分析。分析结果表明:BDS+QZSS组合系统定位比BDS单系统定位具有较优的空间几何构型分布;静态PPP方面,E、N和U方向上,BDS+QZSS定位收敛速度比BDS单系统快,定位稳定性也优于BDS单系统,U方向上改善效果比E和N方向显著;动态PPP方面,在高度角较大时(40°),U方向上改善率达到17%以上,BDS+QZSS组合系统比BDS单系统在低高度角情形下改善较为明显。E、N和U三个方向BDS单系统全天内的可用历元下降,一天仅有50%左右可用历元,而BDS+QZSS组合可用历元较多,此时两种模式的定位误差都较大,各个方向的离散程度都较差,BDS+QZSS组合对定位精度的改善有限,但BDS+QZSS组合与BDS单系统相比仍能有一定的改善效果。可见,QZSS卫星的加入,能够增强BDS卫星的定位精度、可靠性和稳定性。

地面三维激光扫描技术在文物三维重建中的应用——以金殿为例

针对文物三维重建中大部分文物不可以直接接触,而且对文物的无损检测精度要求较高的问题,运用HS650地面三维激光扫描仪,以云南昆明金殿为例,用AutoCAD 2014、3ds Max 2015等软件进行三维重建,阐述了文物的点云数据获取、处理、三维重建和纹理映射的基本流程,探讨了三维激光扫描技术在文物三维重建中的应用。基于地面三维激光扫描技术对文物进行作业,提高了数据精度、降低了数据处理的复杂程度,为后期的数字化文物建设奠定了基础。

利用北斗卫星定位实现数字化界桩管理系统

随着社会快速的发展、城市不断的扩张、城镇化进程的加快,各类界桩遭到破坏的事情屡有发生。为了实现对界桩的数字化管理,本文设计了具有界桩定位/姿态数据解析、数据统计分析、图形展示、告警信息推送等功能的数字化界桩管理系统,分析了国内外界桩管理现状,研究了北斗/GPS定位技术、姿态传感器俯仰及滚转角计算的基本理论和应用方法,依次从需求分析、数据库设计、架构建设几方面对系统设计进行了详细论述;基于. NET平台的开发使得该系统具有面向对象风格和可视化的特征。

一种改进的无人机影像拼接粗差剔除算法

利用无人机技术可以获取高分辨率影像。为了获取高精度的变换矩阵,提高影像匹配效率,本文对RANSAC算法进行了改进,加入影像的灰度信息进行约束,进一步剔除匹配粗差,最后采用均方根误差进行质量评判。为了验证算法的可靠性,选取一组山区影像和一组具有旋转偏角的建筑物影像进行验证。验证结果表明,匹配点粗差剔除率分别提高了15.15%和23.22%,本文算法的均方根误差较小,精度有显著的提高。

三维激光扫描技术在地下空间测量中的应用

三维激光扫描技术是一门近几年来在不断飞速发展的新兴测量技术,其在地下空间测量中具备一些传统测量技术难以比拟的技术优势。文章中以昆明市2020年地下空间普查项目为例,讨论了基于徕卡RTC360及配套软件的点云数据采集,点云数据处理以及点云质量控制三个关键技术点。同时论证了三维激光扫描技术在地下空间测量中的适用性和优越性。

SBAS-InSAR技术与无人机影像融合的滑坡变形监测

山体滑坡对人类安全造成严重影响,准确识别滑坡变形对预防滑坡灾害具有重要意义。利用SBAS-InSAR技术可以进行空间连续地表变形监测,但无法精确获取滑坡边界的变化。为了综合监测滑坡,本文首先采用SBAS-InSAR技术与无人机影像结合的滑坡变形监测方法,利用2018年1月1日—2020年12月24日,共计80幅升轨Sentinel-1A SAR影像,进行了VV极化和VH极化数据处理;然后通过SBAS-InSAR技术获取滑坡区地表雷达视线(LOS)方向变形速率,选取了若干变形点进行滑坡体变形时序分析;最后采用无人机获取滑坡影像并提取滑坡边界,分析了滑坡边界的变形。试验结果表明,利用SBAS-InSAR技术获取的滑坡变形和无人机获取的滑坡变形趋势基本吻合,通过该方法可以获取滑坡的综合变形情况,对滑坡活动性的判断具有重要意义。

基于SBAS-InSAR技术的小区域沉降监测研究

小基线集技术(SBAS-InSAR)可以获取空间连续的地表变形监测结果.针对小区域的地表沉降监测进行研究,利用2018年7月20日到2020年11月18日共计69幅升轨Sentinel-1ASAR影像进行VV极化和VH极化数据处理,通过SBAS-InSAR技术获得研究区地表垂直方向形变速率.为了验证SBAS-InSAR技术在小区域范围内沉降监测的适应性,选取研究区域若干变形点进行沉降分析,将水准测量沉降结果与SBAS-InSAR变形结果进行对比分析,结果表明,SBAS-InSAR技术进行小区域沉降监测方法可行,具有一定的应用价值.