顾及In SAR形变的CNN滑坡易发性动态评估——以刘家峡水库区域为例

已有的滑坡易发性评估方法所采用的滑坡因子多为静态数据(如地形,地质),缺乏动态数据(如地表形变),无法充分挖掘正在变形的滑坡特征,导致滑坡易发性评估可靠性较差。合成孔径雷达干涉测量(synthetic aperture radar interferometry,In SAR)二维In SAR数据可反映滑坡在垂直和水平方向的形变特征。引入二维In SAR形变数据作为动态因子,结合地形、地质、水文以及人文共计16种滑坡影响因子,构建卷积神经网络模型(convolutional neural network,CNN)进行滑坡易发性动态评估;采用多种评价指标来衡量模型精度,同时对比有无顾及二维In SAR因子的滑坡易发性评估结果,并与支持向量机(support vector machines,SVM)方法进行对比,此外,在不同场景进行应用。实验结果表明,顾及In SAR形变动态因子的多种评价指标整体精度有所提高,模型对正处于缓慢变形的滑坡易发性区域的识别具有良好的效果,在训练数据中,识别率由0.78提高至0.93;在验证数据中,识别率提升0.21,揭示出顾及二维In SAR形变因子可以提升滑坡...     

顾及多特征的多尺度道路网相似性计算模型

针对现有的多尺度道路网相似性计算方法对道路网特征顾及不足的问题，提出了一种顾及全局轮廓和局部细节的多特征多尺度道路网空间相似性计算模型。该模型首先提取道路网的全局轮廓边界，通过傅里叶描述子计算出轮廓边的形状相似性，以此来度量多尺度道路网的全局相似性；其次，将能够反映局部密度特征的道路网眼引入到局部相似性计算中，分别求取网眼之间的拓扑相似度和几何相似度，二者结合计算多尺度道路网的局部相似性；最后，进行全局特征和局部特征的相似性归一化，对多尺度道路网目标相似性进行整体度量。实验结果表明，该模型计算结果与实际地物特征变化程度保持了较高的一致性，比较符合人类认知。     

基于珞珈一号和随机森林的兰州市GDP空间化北大核心CSCD

GDP空间化是反映区域经济内部差异的重要途径,目前的GDP空间化大多基于县级及以上行政单元的统计数据实现,准确性偏低。该文基于兰州市118个乡镇街道单元进行GDP的1 km×1 km格网空间化。实验采用了珞珈一号夜间灯光数据和其他辅助数据(地表温度、路网密度、平地占比、建筑用地占比和归一化植被指数),建模工具使用了多元线性回归和随机森林回归。实验结果显示:乡镇、街道尺度上GDP模拟模型的决定系数可达0.85,高于大多文献得到的基于更大行政单元的模型决定系数;随机森林回归的拟合精度高于多元线性回归;珞珈一号夜间灯光数据在GDP空间化中具有很大的应用潜力;兰州市GDP高密度区集中在沿黄河干流两岸的建成区,次密度区主要位于黄河支流和铁路沿线的地形平缓区以及兰州新区(全国第五个、西北第一个国家级新区)。     

一种基于同态公钥加密的遥感影像数字指纹方案

针对非对称指纹计算复杂性高以及带宽效率低的问题,提出了一种基于同态公钥加密的遥感影像非对称指纹方案。在该方案中,内容提供商通过DCT扩频置乱方法加密遥感影像,运用Bresson同态公钥加密来实现解密密钥的非对称分发,通过客户端解密含指纹的遥感影像拷贝,使不同的解密密钥能够生成不同的含指纹拷贝。方案中公钥加密算法并未直接加密遥感影像,由此降低了计算复杂性并提高了加密效率;同时因为内容提供商只需为多个消费者生成相同的指纹拷贝,通过多播传输将其分发给不同的消费者,因此降低了带宽需求。实验表明：在用户数量较大的情况下,该方案可以有效提高带宽效率及加密效率,能够显著降低数据服务器的计算负载,减少用户等待时间。     

基于边缘特征的多源高分辨率影像配准

针对多源高分辨率影像之间较大的非线性辐射差异和局部几何变形造成较差配准精度的问题,提出一种基于边缘特征的多源高分辨率影像配准方法。该方法首先通过各向异性扩散滤波构造输入影像的非线性尺度空间,在此基础上计算每一尺度的扩展相位一致性最大矩以获取丰富的边缘特征,并利用基于分块策略的FAST检测器提取稳定的特征点;其次利用多尺度多方向Log-Gabor滤波生成主方向索引图（Main Orientated Index Map,MOIM）,并结合高斯加权构建一种稳健的特征描述子;最后采用巴氏距离和快速采样一致（Fast Sample Consensus,FSC）方法获取同名点。选择多组多源高分辨率影像进行实验,结果表明：该方法能够有效克服多源高分辨率影像间非线性辐射差异和局部几何变形,配准效果好于其他相关方法,并且平均配准精度优于1个像素。     

基于文献计量学的国内水生态环境研究知识图谱构建与应用

近年来,水生态环境问题已愈发引起学者和社会的广泛关注。本文选取1992—2017年CNKI数据库中文核心期刊中收录的水生态环境相关文献作为样本数据。采用文献计量学中定性分析与定量研究的信息分析方法,基于知识图谱的结构性和时间性指标,以CiteSpace、SPSS信息分析软件为支撑工具,对数据进行主题词共词矩阵分析、关键词共现聚类分析和名词短语突变检测分析,绘制了展现国内水生态环境研究领域知识结构、知识演化的各类知识图谱。研究表明:①本文构建的"文献时序分析学科分析(宏观)→主题词共词矩阵分析(微观、直观)→关键词共现聚类分析(复杂、整体)典型聚类分析(局部)→名词短语突变检测分析(特殊)"行业文献数据分析方法是合理有效的;②国内水生态环境研究进展符合"Shneider四阶段理论",研究主题演进路径明确,以"水环境保护研究→生态需水研究→面向生态环境的应用研究"为主,研究热点具有丰富的进程特征,各时段前沿研究脉络清晰,体现为:"流域生态水文规律研究→水生态环境管理技术研究→流域生态环境改善、恢复研究";③通过主题词共词矩阵分析识别中文文献研究主题,弥补了中文文献数据因参考文献缺失无法通过文献共被引分析进行主题识别的不足。     

一种Landsat-8影像提取不透水面的新方法

针对V-H-L-S模型在提取不透水面中端元选取不足的问题,提出了一种基于Landsat-8OLI影像提取不透水面的新方法。该方法首先集成了归一化水体指数(NDWI)、归一化植被指数(NDVI)和调整型土壤调节植被指数(MSAVI);其次,通过制作水体、植被及土壤掩膜,将三者信息进行叠加;然后,运用MNF变换将原始影像信息集中至前三波段;最后,将掩膜文件与MNF变换后影像合成,选取阈值提取不透水面信息。实验结果验证了该方法可以快速有效地提取不透水面,总体精度达90.94%,Kappa系数为0.81。     

基于SIFT与互信息筛选优化的遥感影像配准

针对多源多尺度影像配准中存在误匹配率较高和配准精度较低的问题,提出了一种基于（Scale-Invariant Feature Transform SIFT）与互信息筛选优化的影像配准算法。首先,采用SIFT算法进行特征点提取,通过快速最近邻逼近搜索（Fast Approximate Nearest Neighbors Search Library,FLANN）算法完成待配准影像的粗匹配,其次,在初始匹配点周围建立4×4邻域,计算匹配点之间的互信息值,对互信息值较小的匹配点进行剔除,寻求筛选优化后的最优变换矩阵,最后输出与基准影像互信息值最大的配准后影像作为最佳配准结果。实验结果表明：该方法与SIFT算法相比可以有效地剔除误匹配点并提高了配准精度。该方法可以应用于多源多尺度遥感影像配准,能够有效地提高配准精度。     

基于双指数联合模型的土壤含水量反演 -- 以河北省为例

针对温度植被干旱指数特征空间的非线性现象,研究以Modis数据为数据源,以河北省为研究区,通过引入表观热惯量,提出双指数联合(DICIM)的土壤含水量反演模型用以改进TVDI指数特征空间的非线性问题。研究分别采用TVDI和DICIM模型对6月上中旬的土壤含水量进行反演,对比低植被区土壤含水量反演的空间差异性,并通过误差统计验证模型的反演能力。结果表明:在低植被区,DICIM模型反演的土壤含水量比TVDI反演的土壤含水量特征明显,反演值更加接近于实测值。经误差统计分析发现基于DICIM模型反演的10cm深度的土壤含水量值相比于TVDI指数反演的土壤含水量值平均绝对误差低0.26%～0.50%,均方根误差低0.28%～0.73%,相对均方根误差低0.73%～5.54%,平均相对误差低1.31%～3.27%,且基于DICIM模型的反演值与10cm深度土壤含水量实测值的相关系数R值都在0.65左右。可见,提出的DICIM模型综合了ATI和TVDI模型的优势,提高了TVDI指数的反演能力。     

基于AMSR2和MODIS数据融合的雪深降尺度算法研究—以北疆地区为例

高空间分辨率雪深数据对于区域气候、水文研究具有重要的意义。利用10 km空间分辨率的AMSR2 L1B亮度温度数据,结合500 m空间分辨率的MODIS逐日无云积雪面积比例数据,发展了一种多源数据融合的空间动态降尺度雪深反演算法（SDD）。基于该算法获取了北疆地区500 m空间分辨率的雪深数据（SDDsd）,并利用研究区30个气象台站和野外实测的雪深数据对该算法反演雪深的精度进行了评估。结果表明：基于SDD方法获取的雪深数据与实测雪深数据之间的决定系数R²为0.74,均方根误差RMSE为3.47 cm;雪深反演的精度与下垫面类型密切相关,草地精度最高,城镇和建设用地次之,耕地相对较差;雪深反演的精度也会受到地形的影响,精度随坡度的增加而降低。相对于微波遥感雪深数据直接重采样结果,新的算法有效提高了浅雪区雪深反演精度,同时能更精细地描述积雪的空间分布,为理解区域气候变化、水文循环提供了可靠的数据支撑。此外,随着长时间序列全球尺度逐日无云FSC数据的生产,结合现有的长时间序列全球尺度AMSR2数据,该算法有望制备全球的降尺度雪深产品。