数字化智能化生态乡镇的建设——以福建省琅岐岛为例

农业资源管理、土地利用规划、区域位置选择、环境管理等都是有关空间行为的决策问题,这些问题的解决方案是由决策者或领域专家在专业领域知识和经验的支持下,在分析大量的空间和非空间信息的基础上得到的。但是实际工作中,决策者或领域专家不可能面面俱到,而基于GIS的专家系统则弥补了这一不足,专家系统通过图像化、图形化的表达方式便于用户和决策者的理解和应用。随着应用的深入,第三维的信息显得越来越重要,在第三维上将显示分析信息、决策信息、监测信息等。与M维GIS相     

油气资源勘查中的遥感技术应用综述

简述了我国油气资源现状,针对油气勘查过程中的两个阶段(普查和详查),分别详细地阐述了遥感技术在普查阶段对构造信息(线性构造,环形构造、褶皱构造)的识别和详查阶段对各种烃类微渗露信息的提取,最后对遥感在油气勘查中的应用进行了总结。     

岷江中上游流域生态环境的遥感动态监测分析

在国家863项目308课题“西部金晴行动”专题基础上，以岷江中上游生态环境遥感综合调查与评价为背景，结合林业、水资源等多学科的技术方法，探讨如何利用资源卫星遥感图像，结合GIS实施快速、准确、经济的大范围生态环境调查，尤其是土地利用／覆盖情况调查。并对岷江中上游生态环境10年来的变化情况进行了调查和分析，解释了森林、土地、草地等土地利用情况发生变化的原因。通过引入空间信息技术如遥感的监测与系统地分析等，其研究结果可以为岷江中上游生态环境建设提供科学的依据。     

基于PostgreSQL/PostGIS的FreeMAP控件的应用开发

介绍以Linux为后台服务器，使用PostgreSQL数据库中的PostGIS来储存空间数据。通过ODBC作为前台和后台的接口进而对PostgreSQL数据库进行访问和输入输出。使用VB和Freemap控件来实现图层的加载，以及地图的放大缩小、移动、漫游、空间查询，点线面等几何图形的绘制，并利用PostGIS中的相关空间分析函数达到对图层中的每一个对象的叠加和缓冲区空间分析功能的实现。     

基于GIS的农业土壤侵蚀分级和退耕还林决策--以川西干旱河谷地区为例

为定量研究川西干旱河谷的土壤侵蚀和土壤侵蚀的时空变异，指导退耕还林时序决策，本文综合考虑川西干旱河谷的地形、气候的特点和农业土壤特征，分析了计算通用土壤流失方程USLE因子指标的方法，利用地理信息技术建立生态环境本底数据库并进行了土壤侵蚀定量分级。根据土壤侵蚀的定量分级结果，分析了如何结合土壤侵蚀分级结果进行退耕还林(草)时序决策，认为应当优先考虑河流两侧土壤肥力条件差和土壤侵蚀严重的需退耕的坡耕地，这样，既避免了这些坡耕地造成的水土流失，也将土壤肥力好的耕地留下来为农业生产服务。此方法适应川藏边境及其三江之源地区地形因素复杂的土壤侵蚀的计算，GIS支持下的土壤侵蚀定量分级对于退耕还林时序决策具有指导意义。     

数字区调新技术新方法—RS_OrthoMapper系统研制开发

为了适应当今数字区调工作的需要,开发一套3S技术有机结合简单实用的数字区调野外工作平台或软件系统,已成为燃眉之急。论文介绍了数字区调新技术新方法--RS_OrthoMapper系统研制与开发的基本需求、系统的总体结构与设计、系统实现等,并给出了系统中一些重要的逻辑视图。该系统在西藏昌务场和青海阿拉克湖等地区数字区调填图中示范应用,获得良好效果。     

基于KMNF和BP神经网络的高光谱遥感影像分类

为了对高维非线性的高光谱影像进行降维及信息提取,提出了高光谱影像核最小噪声分离变换(kernel minimum noise fraction,KMNF)特征提取后利用BP神经网络分类的方法.以高光谱影像KMNF特征提取后的前几个特征分量作为BP神经网络的输入,进行BP神经网络分类,并与单独的高光谱影像BP神经网络分类进行比较.美国内华达州CUPRITE矿区AVIRIS数据的实验结果表明,基于KMNF和BP神经网络的高光谱影像分类较单独BP神经网络分类总体精度及时间性能均得到提高.     

遥感影像多尺度分割中最优尺度的选取及评价

多尺度分割是面向对象图像分析技术的前提和关键,多尺度分割的质量直接影响着面向对象分类的精度,但尺度选择仍然是多尺度分割中的一个难题。针对此问题,根据遥感影像的最优分割尺度与影像上目标复杂度密切相关的事实,提出了一种自上而下基于分割对象复杂度选取最优尺度的方法。该方法在分割过程中,提取每一对象的影像特征构建其复杂度函数,通过设置阈值,经迭代计算来确定每一对象的最优分割尺度,进而得到具有全局最优尺度的分割结果,并将其应用于ZY-3多光谱数据和GF-2融合影像,得到分割和分类结果。并将其与单一最优尺度和非监督评价法的分割及分类结果进行比较,结果表明：该方法能够获取与地面目标相匹配的分割尺度,改善了分割效果,提高了分类精度,具有一定实用价值。     

基于聚类结构自适应稀疏表示的高光谱遥感图像修复研究

高光谱影像(Hyper-Spectral Image,HSI)的图像修复是其数据应用中重要的一个环节,最终会影响后续工作的准确性。提出一种新的基于聚类结构自适应稀疏表示的高光谱遥感图像的修复算法,该方法的优点是根据遥感图像地物的特征进行自适应地块大小选择,并对像素聚类后各个波段图像按照字典学习算法进行稀疏表示,通过稀疏逼近实现高光谱遥感图像的修复。实验结果表明:利用自适应获得的稀疏系数能更好地表示高光谱图像,图像的峰值信噪比(Peak Signal-toNoise Ratio,PSNR)为26.6dB,比其他研究的算法有所提高。该方法可以应用于遥感图像处理流程中,提高图像的应用潜力。     

基于字典学习的遥感图像去模糊研究

对高分辨率遥感图像进行去模糊是遥感研究中的一个主要难题,针对此提出了一种新的基于稀疏表示的高分辨率遥感图像去模糊算法。该算法利用快速梯度投影算法实现去模糊,并且保留原图像的有用信息。通过对"高分一号"获取的遥感图像进行验证,表明该算法能较好地滤除遥感图像的模糊,提高图像的峰值性噪比,且比其他字典学习算法具有更好的性能。