面向水库型小流域的多源水利三维建模方法研究

针对大型河道三维可视化建模中采用激光雷达、声呐等传感器获取水下地形建模方式操作复杂且成本较高的缺陷,在利用基础测绘成果构建实景地形模型的基础上,采用多源三维模型融合方法对月塘水库小流域进行实景建模。首先采用倾斜摄影三维建模技术对重点水利工程进行实景建模,并利用专业建模软件对重要控制单元进行构件级建模;然后利用已有河道断面数据结合河流面状矢量数据,实现流域内胥浦河河道实景三维建模;最后通过人机交互方式对多源实景模型进行微调与相互印证,实现月塘水库小流域多源三维模型精准融合构建。研究成果可为河道型水库的预报调度与洪水风险分析提供可视化模型基础与决策支撑。     

基于无人机高光谱影像的三江源草种精细识别研究

草种精细识别对三江源区草地生态系统退化监测具有重要意义。基于无人机高光谱遥感系统,获取三江源草地退化典型区的高光谱影像。在对原始光谱特征利用XGBoost进行优化选择的基础上,结合扩展形态学属性剖面特征,利用稀疏多项式逻辑回归与自适应稀疏表示两种分类方法分别对影像上的不同可食与毒杂草种进行精细识别,在此基础上提出形状自适应的后处理方法对识别结果进行平滑处理。结果表明：①利用XGBoost方法选择出重要性高的光谱特征能提升高光谱数据的识别效果并节省运行时间;②利用空间—光谱特征的识别方法相较于仅利用光谱特征的方法可以有效改善草种识别效果,使总体精度提升4%~5%;③利用两种稀疏表示方法在小样本的情况下对草种精细识别的精度分别达到94.07%、93.15%,利用形状自适应后处理方法能有效提高多种毒杂草种的识别精度,使得总体精度分别提升约1.64%和1.12%。基于特征挖掘的稀疏表示分类方法能实现高精度的无人机高光谱影像草种精细识别,为更大范围的草原物种精细识别提供了技术支撑。