研究生学位论文选题与创新能力培养

研究生学位论文选题对其创新能力的培养至关重要,本文分析了论文选题中存在的种种问题及其对研究生创新培养的不利影响,以河南理工大学测绘与国土信息工程学院为例,介绍了研究生论文选题方式改革的成功经验.     

Internet下土地利用规划信息系统应用模型研究

为实现土地利用可持续发展和土地资源信息全社会共享,结合计算机网络技术发展,提出了土地利用总体规划管理信息系统应用模型,阐述了Internet环境下分布式GIS、WebGIS客户/服务器模型及土地利用总体规划信息系统应用模型的特点、结构和实现方法.     

HJ-1/CCD地表反照率估算及其与NDVI关系分析

参照TM地表反照率反演算法,建立了适用于HJ-1/CCD传感器估算地表反照率的算法。通过应用6S辐射传输模型建立查找表,对覆盖内蒙古自治区锡林浩特市的HJ-1/CCD数据进行大气校正,并根据反照率定义,回归分析得到可见光波段地表反照率;通过与地面实测数据进行对比分析,表明该算法估算得到的地表反照率精度较高,其最大相对误差为14.32%。同时,本文将估算结果与同时期NDVI进行拟合分析,得出地表反照率与NDVI存在较高的负相关关系。     

基于多时序特征和卷积神经网络的农作物分类

近年来,以卷积神经网络为主的深度学习模型在各种遥感应用中都显示出巨大的潜力。以加州帝国郡为研究区,以Landsat 8 OLI年内时序遥感影像计算时序植被指数NDVI、EVI、RVI以及TVI,组合后输入到构建的一维卷积神经网络 模型,以实现作物的高精度精细分类。为了验证卷积模型的优越性,另搭建了基于递归神经网络及其变体的深度学习模型。结果表明：①引入其他时序特征后,能够有效地提高卷积神经网络的分类精度。NDVI+EVI+TVI+RVI组合特征总体精度和Kappa系数最高,分别是89.667 4%和0.856 0,对比NDVI时序特征总体精度和Kappa系数提高了近4%和0.6。②在与其他深度学习模型的对比中,一维卷积神经网络分类精度最高,能够从时序数据中较为准确捕捉作物时序特征信息,尽管递归神经网络被广泛应用于序列数据的研究,但分类结果要略差于卷积神经网络。实验表明在NDVI的基础上引入其他植被指数辅助,能够有效地提高分类精度。基于一维卷积神经网络的深度学习框架为长时间序列分类任务提供了一种有效且高效的方法。     

顾及面积和位置差异的高分遥感影像分割质量评价方法

高分遥感影像分割质量对面向对象分类精度有着重要的影响,良好的影像分割质量有利于得到较高的分类精度。对高分遥感影像分割质量进行评价,从而找到最优的分割结果就显得十分重要。通过对比参考对象和分割对象之间的面积和位置差异,提出了一种新的高分遥感影像分割质量评价方法。将该评价方法应用于GeoEye-1高分遥感影像分割质量评价,试验结果表明:该评价方法能客观地评价影像分割质量,所得到的最优分割结果与参考对象边界匹配程度高,有利于影像后续的分类。     

研究生学位论文选题与创新能力培养

研究生学位论文选题对其创新能力的培养至关重要,本文分析了论文选题中存在的种种问题及其对研究生创新培养的不利影响,以河南理工大学测绘与国土信息工程学院为例,介绍了研究生论文选题方式改革的成功经验。     

Web GIS中信息集成平台技术初探

在Web GIS面向对象、分布式、互操作基础上，以土地利用总体规划为例提出一种基于CORBA的信息集成平台技术。通过这个平台，用户能够快速、准确地获得所需信息，同时信息提供者能够方便、快捷地挂接和发布他们的信息。     

技工院校一体化教学模式的改革与实践

一体化教学模式能解决当前中职学校教育的当务之急."所谓一体化教学,简单明了地说就是为了使理论与实践更好的衔接,将理论教学与实习教学在单元教学时间里融为一体.     

监控量测在曲中墙连拱隧道施工中的应用

曲中墙连拱隧道是针对当前连拱隧道整体式中墙漏水问题而提出的一种新型构造形式,如何加快施工进度、节约成本、保证围岩和中墙的稳定成为正洞施工过程中的关键.结合云南思小高速公路麻地河4号隧道施工情况,运用监控量测数据分析结果,对围岩和中墙的稳定性做出判断.通过及时回填、基础处理、加设临时支撑和合理确定工作面位置,控制围岩变形量,保证了施工中围岩和中墙的稳定,有效地指导了隧道施工,为曲中墙连拱隧道的施工提供了经验.     

焦作市广播电视塔监测研究

针对焦作市广播电视塔在建造及使用初期所产生的沉降、位移等变形问题提出了一套比较科学合理的监测方案,并予以实施,同时对监测结果进行了分析,初步总结了该类建筑物建造过程中的各类变形规律,从而为保证其安全运营提供了科学指导和理论依据.