基于多损失融合和混洗注意力的车载LiDAR点云道路标线提取方法

道路标线的准确提取在高级辅助驾驶系统和高精度地图的开发中具有重要意义。针对现有的基于阈值的车载激光点云道路标线提取方法在反射强度与点密度分布不均、道路标线与路面对比度低时提取效果较差的问题,本文提出了基于多损失融合和混洗注意力的车载LiDAR点云道路标线提取方法。选取典型高速公路试验样区进行道路标线提取试验,并与常规方法进行了精度对比分析。试验表明,本文方法在道路标线提取精度方面优于其他方法,有望更好地服务于自动驾驶的高精度地图开发应用。

利用样方分析小微地震空间分布模式

地震是一种危害很大的地质灾害,研究地震点的空间分布模式及发生规律已成为一个重要课题。本文在样方分析原理与显著性检验方法的基础上,选择河南省作为实验区,以2008年1月至2016年1月期间地震台监测数据作为实验数据,研究小微地震点的空间分布模式。以理论上的泊松随机分布统计结果为比较对象,对实验区小微地震点进行样方统计分析,K-S显著性检验结果显示:实验区小微地震点不是空间随机分布。结合样方统计数据和地质资料分析,河南省小微地震点的空间分布模式为聚集分布,且主要集中于豫北地区。实验结果表明,样方分析法不仅能够比较准确地判断出地震点的空间分布模式,帮助人们较快地识别出地震发生的热点区域,还可为分析热点区域地震成因和预报大地震提供支持。

基于时空模型的PM(2.5)预测与插值

PM_（2.5）已对我国的空气质量构成了严重威胁,对其预警、预报具有重要的意义.由于PM_（2.5）数据同时具有时间与空间属性,而目前的研究缺少对其时空属性的探索与挖掘.以2015年10~12月华北地区58个城市的日均PM_（2.5）浓度数据作为实验数据,利用时空自回归移动平均（STARMA）模型及只考虑时间属性的自回归移动平均（ARMA）模型对PM_（2.5）进行预测,并利用时空克里金插值与只考虑空间属性的普通克里金插值对PM_（2.5）进行插值.结果表明,STARMA模型与ARMA模型的预测相比,时空克里金与普通克里金的插值相比,PM_（2.5）预测及插值精度均有所提升,且具有时空灵活性.

利用SAR影像与多光谱数据反演广域土壤湿度

针对基于主动微波遥感途径开展广域土壤湿度反演的过程中,对植被和土壤粗糙度影响难以进行有效估算的问题,该研究联合多极化雷达和原始多光谱数据源,提出一种改进的卷积神经网络(Improved Convolutional Neural Network,ICNN)方法。该方法采用不同尺寸的卷积核对原始变量进行一维卷积运算,自适应提取能反映测区土壤湿度时空差异的高级特征维;同时,去除了传统卷积神经网络结构中的池化层,保证提取的特征信息完整。试验结果表明,在边长超过100 km的四川盆地研究区域内,模型预测值与样本数据相关系数达到0.934,预测值偏差服从均值趋近于0的正态分布,均方根误差为1.45%,误差分布范围小于6.3%,结果具有较高的可靠性。该方法可为精准农业、旱涝灾害等领域的广域监测研究提供一定的支撑。

利用星载GNSS-R DDM反演土壤湿度可行性分析

针对目前全球卫星导航系统星载反射信号(GNSS-R)土壤湿度探测技术主要停留在地基以及机载观测研究,难以实现星载大范围探测这一难题,提出利用星载GNSS-R时延多普勒图(DDM)数据进行土壤湿度反演:首先建立了DDM信噪比(SNR)与土壤湿度数据相关性模型,然后利用英国技术演示卫星(UK TDS-1)的DDM以及欧洲航天局土壤湿度与海水盐度(SMOS)卫星的土壤湿度数据对模型进行了验证。结果表明,DDM SNR与土壤湿度数据具有较强的相关性:2者在植被覆盖度较高以及接近裸土的2块区域均呈现出较高的相关系数,说明利用星载GNSS-R DDM反演土壤湿度具有一定的可行性。