基于GF-1和Sentinel-1A的漓江流域典型地物信息提取

漓江流域是桂林山水的核心,保护漓江流域生态环境已成为国家战略。以漓江流域为研究区域,以GF-1多光谱影像和SAR影像为数据源,采用小波融合算法将GF-1多光谱影像和SAR VV极化的后向散射影像进行影像融合,再利用随机森林算法分别对GF-1多光谱影像、GF-1和Sentinel融合影像构建典型地物高精度识别模型,提取与漓江流域生态环境紧密相关的河流、针叶林、阔叶林、水田、旱地以及居民地等地物类型。研究结果表明:①在95%置信区间内,基于GF-1影像分类的总体分类精度达到96.15%,基于GF-1和Sentinel-1A后向散射系数的影像总体分类精度达到了94.40%;②河流、阔叶林和旱地在基于GF-1多光谱影像的分类精度中分别达到了97.74%、93.20%、90.90%,比基于融合GF-1多光谱和SAR的数据分别高出7.57%、8.96%和1.22%,其余地物类型两者分类精度相近;③GF-1多光谱和SAR数据的融合中,利用了小波变换进行图像融合,发现融合图像的喀斯特地貌突出,增加了地物特征的差异性。     

基于GEE 的桂林市主城区热环境变化定量遥感分析

以桂林市主城区为研究区, 基于谷歌地球引擎(GEE)采用随机森林算法对2010、2014 及2018 年3 期Landsat 遥感影像进行土地利用分类, 并采用单窗算法进行地表温度反演, 根据NDVI 像元二分线性模型解算地表植被覆盖度, 最终对土地利用、植被覆盖及地表温度进行动态的统计及对比分析。结果表明:2010-2018 年桂林市主城区平均温度呈上升趋势, 8 年共增加1. 29℃ , 且各级别温区由低温区、较低温区及中等温区转化为较高温区及高温区; 较低温区及低温区主要分布于植被及水体覆盖区域, 而中等温区、较高温区及高温区主要分布于建设用地及未利用土地覆盖区域; 2014-2018 年, 高植被覆盖度面积大幅缩减(缩减 31. 34%)主要原因在于建设用地面积的大幅增长(扩张30. 19%); 基于GEE 的随机森林算法土地利用分类具有较高的分类精度(3 个时期均高于80%)。研究结果可为改善城市热环境提供科学依据,也可为桂林市制定的发展战略提供科学参考。     

基于微信程序的水准测量程序设计与实现

鉴于数字测绘已成为测绘发展的必然趋势,开发了基于水准测量的微信程序, 依照 《国家三、 四等水准测量规范》 和测量平差理论, 具有观测数据输入及质量检核、计算和显示高差中数、闭合差以及平差后高差、高程等功能。以桂林理工大学雁山校区为试验区,使用电子水准仪和微信程序进行四等水准测量,并将计算得到的平差结果与南方平差易2002 软件计算所得结果进行交叉验证, 两者平差后结果相差0~2 mm。结果表明: 该程序在各种地形条件下的误差均符合精度要求且数据结果无误, 可应用于四等水准测量。