基于高分辨率影像的固体废物自动识别技术

随着经济快速发展,工业固废、非正规垃圾、未覆盖建筑渣土等固体废物急剧增加,对区域生态环境造成极大威胁。固废堆场具有面积小、分布散等特点,目前国内仍缺少针对各类固废堆场的遥感自动识别研究。为此,基于国产高分辨率卫星遥感数据,根据野外实地光谱采集结果,分别开展了未覆盖建筑渣土、工业固废及非正规垃圾的自动识别方法研究,提取研究区各类固废堆场。结果表明:未覆盖建筑渣土在蓝波段与绿波段分别存在“吸收谷”与“反射峰”,基于该特征构建的比值指数模型,结合直方图双峰法阈值分割可以有效提取未覆盖建筑渣土区域;工业固废、非正规垃圾2种固废类型多样,光谱反射率没有明显规律,结合其纹理、色调等特征,采用面向对象多尺度分割、支持向量机监督分类方法能够较好地识别2种类型固废;基于自动化提取技术并结合人机交互判读方法,提取的研究区未覆盖建筑渣土、工业固废及非正规垃圾等3种固废堆场的精度分别达到96.83%、88.26%、85.71%,各类固体废物遥感识别精度较高,极大提高了固废监测效率。

基于时空图联合关系路径的行人轨迹预测框架

时空图被广泛应用于行人轨迹预测等时间序列任务中,如何更精确地捕捉不同时间段的轨迹位置信息以及更充分地利用时空图的结构信息对于轨迹预测至关重要。传统的轨迹预测方法规则复杂、约束性强、可扩展性较差,往往只能应用于特定领域。基于学习的轨迹预测方法不依赖于专家经验的物理规则,根据观察的轨迹数据来学习不同时间段各个空间位置之间的变化规则。基于学习的方法存在一定局限性,如没有充分利用时空图的结构信息,导致轨迹预测模型的性能下降。针对上述问题,提出了一种新型基于时空图联合关系路径的行人轨迹预测框架(Spatio-Temporal Graphs with Relationship Path Trajectory Prediction Framework, STRP-TPF)。STRP-TPF主要包括EdgeRNN和NodeRNN模型。STRP-TPF基于时空图构建关系路径,基于关系路径构建因子图;构建EdgeRNN和NodeRNN模型,并将因子图作为输入;输出下一时刻行人的位置,并且预测完整的行人轨迹。STRP-TPF利用关系路径能够准确捕捉时空图的结构信息,充分学习行人在不同时间和空间点的轨迹关系。大量实验结果表明,在ETH和UCY数据集上,STRP-TPF的整体性能均优于目前最先进的方法。在平均位移误差和最终位移误差方面,STRP-TPF比目前最先进方法低32.6%和37.7%。STRP-TPF的预测轨迹能够更准确地匹配真实轨迹。

四川省降雨变化特征分析

为了了解四川省降雨变化特征,本文利用1982~2011年四川省37个观测站点的降雨资料对年季气候变化特征进行了分析,结果表明:四川省年平均降雨量在453~1578 mm之间,各季平均降雨量依次为夏季最多,秋季次之,冬季最少;年平均降雨量呈线性减少趋势,减小幅度为2.0 mm/a;除春季呈线性增多外,其余各季均呈线性减少,且减少幅度不尽相同,夏季最大,秋季次之;年季降雨量空间分布特征具有相似性,整体呈西北部偏少,东部–南部一线偏多的分布特征,强中心位于盆地西南部一带;各地年季降雨量除东南部呈线性减少外,其余各地随季节不同而不同。通过分析明确了四川省降雨变化特征,可为气候论证和气候资源利用提供参考依据。

时空众包技术综述

随着先进移动设备的使用和广泛普及,出现了新型的时空众包技术。时空众包正在从各个方面改变着人们的生活,它让普通人群在现实场景中执行基于位置服务的任务成为可能,具有扩展性强、响应时间短和时间成本低等特性。综述了时空众包的研究背景,重点介绍了时空众包技术,主要讨论了时空众包在算法领域的应用,涉及3个核心算法问题:任务分配、众包评估和激励机制。任务分配让众包平台把接收到的任务分配给工作人员,让任务尽可能地匹配到合适的工作人员;众包评估是对工作人员进行评估,判断工作人员能力,确保任务高质量完成,在评估过程中需考虑隐私保护,涉及加密技术;激励机制为奖励优秀的工作人员,同时吸引更多的工作人员参与众包项目。对时空众包技术做了总结并展望未来工作。

龙泉山城市森林公园植被覆盖度变化及其对气候因子的响应

为了掌握龙泉山森林公园植被的空间分布格局与时间变化,评估生态修复效果,指导修复工作,本文对2003~2020年龙泉山城市森林公园区域植被覆盖度(FVC)进行了时空变化分析,结果表明:1) 研究区域内FVC总体较高,FVC超过50%的区域占总面积72%,西侧FVC明显高于东侧,南侧明显高于北侧,海拔600米以上区域的植被覆盖度高于600米以下区域。2) 域内FVC存在明显的年内消长,3~6月FVC呈快速上升,7~8月达到全年最大值,并开始进入快速下降阶段,呈现高斯分布。3) 域内FVC总体呈上升趋势,增长率为0.63%/a,冬、春季增长率最高,秋季次之,夏季增长不明显。FVC改善区域面积占48.84%。4) 气温、降水与辐射等气象因子与月植被覆盖度存在显著正相关,是地区植被生长的主要控制因子。5) 冬春季降水对当期及后期植被覆盖度存在0~5个月的滞后影响,冬春季降水增加有利于植被覆盖度增加,此时段可以作为气象部门人工增雨作业的主要时间窗口。