基于DEM的洪水淹没计算机算法优化研究

本文以数字高程模型(DEM)为基础,在给定水位条件下进行洪水淹没分析的计算机算法研究,着重介绍了计算机算法的优化过程,包括从递归算法到迭代算法的演变以及两种算法的综合比较。     

基于COSMO-SkyMed和SPOT-5的城镇洪水淹没信息快速提取研究

洪水是我国最为频繁的自然灾害之一,如何快速准确地获取洪水淹没范围在救灾减灾工作中具有重要意义。目前,卫星遥感技术已广泛应用于洪水信息提取的研究中。不同的遥感数据源在洪水信息提取中各有利弊,综合研究雷达影像和可见光影像的优缺点,建立了基于多源遥感数据的洪水淹没信息快速提取模型。首先,利用灾中第一时间获取的COSMO-SkyMed雷达影像,采用面向对象的方法提取出洪灾发生时的水域空间信息;其次,利用灾前SPOT-5高分辨率光学影像,采用多光谱影像波段运算和决策树分类的思想提取出常态下的水域空间信息;最后,对灾中雷达影像COSMOSkyMed提取的水体和灾前光学影像SPOT-5提取的水体进行空间差值运算,得到洪水淹没范围信息,并利用洪水当天拍摄的无人机遥感影像对结果进行精度评价。将该模型应用于2013年浙江余姚水灾,监测结果表明:在洪水发生后,能够快速获取淹没范围空间信息,并且提取精度达到93.7%,为洪灾的防治以及抗洪抢险救灾工作提供强有力的技术支撑和基础数据信息。     

基于数字地球的洪水淹没分析及仿真研究

针对洪涝灾害中洪水淹没问题,采用现代信息技术对洪水进行淹没分析和三维仿真。基于瓦片金字塔模型生成研究区域的三维地形,在此基础上按照精度要求构建指定步长的矩形格网模型,对给定洪水水位值和洪水量已知的两种情况分别进行洪水淹没分析,提出洪水淹没仿真系统体系,采用三维仿真技术对洪水淹没进行三维仿真进行淹没过程的三维仿真。实例表明,方法具有较好的实用性,对防洪决策及洪灾后评估等具有重要意义。     

基于Sentinel-1与Landsat 8的巢湖地区洪水淹没灾害分析

为及时准确得到阴雨天气下的洪水淹没区域及受灾情况,以巢湖流域作为研究区域,选择灾前、灾后的Sentinel-1影像作为数据源,基于SDWI指数及直方图双峰法提取水体信息,结合Landsat 8数据对山体阴影进行去除,快速提取洪水淹没范围,分析洪涝灾害前后时空变化特征,并结合Landsat 8数据获取的土地利用类型分类图,对受灾地区进行灾情评估。结果表明：2020年6—9月巢湖流域重灾区域集中于巢湖西部、东部、北部,耕地、居民地受灾程度严重;利用多时相Sentinel-1影像快速提取洪涝受灾情况,可为国家减灾备灾、应急救灾、恢复重建工作提供有力的数据支撑。     

以SPOT5遥感数据为例比较基于像素与面向对象的分类方法

以SPOT5高空间分辨率遥感影像为研究数据,采用面向对象的遥感影像分类方法,将基于像素的分类精度与基于影像对象的分类精度进行对比分析。结果表明:基于像素的分类方法在处理高空间分辨率遥感影像时具有一定的局限性,而面向对象的分类方法充分利用了影像中的光谱信息、几何结构、空间信息及上下文信息,在高空间分辨率遥感影像分类方面更具有优势,有良好的应用前景。     

基于决策树的面向对象变化信息自动提取研究

为了从不同时相的遥感影像数据中自动提取变化信息且保证其效率,本文结合面向对象分析技术,提出了一种基于决策树变化信息自动提取的新方法。该方法利用影像的特征指数及形状特征、光谱特征、纹理特征等作为特征集,将其作为知识库应用到决策树控制模型中,进而利用该模型实现自动分类。对所得到的分类后影像对象,组织分析其综合属性并作为决策规则再次分类,通过"双重分类"的方式实现面向对象的遥感影像变化信息自动提取。该方法为遥感影像变化信息自动提取提供了新的思路。     

基于Landsat TM的城镇信息自动提取研究

为实现城镇信息的自动提取,在Erdas的Modeler模块下构建计算模型,选取大城市、小城市和乡镇各一个研究区进行实验,通过试验发现了常见的基于Landsat TM的城镇信息提取方法的不足。运用了综合阈值法进行城镇信息自动提取,条件为NDVI<0、TM1/TM4>T和TM2+TM3相似文献   

基于卫星遥感影像的基础地理信息变化提取研究

以不同时期ALOS卫星遥感影像为例,通过影像预处理,结合基于多光谱的向量变化分析法、差值主成分分析法、全色影像差值法等多种变化检测方法,对基于变化影像实现居民地、道路和水系自动与半自动发现和提取进行了深入研究,并对各检测方法进行优缺点分析。     

基于第二次土地调查的大区域SPOT5 影像工程化处理研究

国土资源部即将在全国开展的新一轮土地调查, 并建立土地变更调查制度和管理系统。相较于上世纪80 年代的第一次土地详查, 新一轮土地调查的特点在于技术新、手段齐, 查得全、查得清。本文针对第二次土地调查, 以工作中普遍采用的大区域多景连片SPOT 5 卫星影像为例, 讨论了SPOT 5 卫星影像的正射纠正方法, 详细介绍了影像纠正前根据参考图选点误差、数字高程模型的误差精度和传感器内部结合误差三方面对影像纠正应该达到的精度理论值进行评估, 以及纠正后对影像几何精度的精度评定的方法, 阐述了SPOT 5 卫星影像处理的工程化管理方法。     

基于SPOT5影像的京杭大运河自动提取研究

京杭大运河是世界上开凿最早、距离最长的运河,是活着的、流动的重要人类遗产,作为南北交通大动脉的运河,在历史上曾起过巨大作用,是物质文化遗产、非物质文化遗产和自然遗产的结合体,只有切实保护好运河,才能实现大运河成为世界文化遗产的宏伟目标。京杭大运河时空跨度大,采用传统的方法很难对其进行普查;遥感凭借其先进、便捷、经济的特点在现代考古中发挥着日益明显的作用,逐渐成为考古研究的一种重要手段,它记录了不同历史进程中运河的分布和周边现状。分析了运河在SPOT5影像上的光谱及空间特征,将遥感和GIS方法相结合,采用决策树方法实现了自动提取,并对结果精度进行了定性和定量的评估。京杭大运河自动提取可以为大运河申遗提供信息资料,为大运河保护规划提供决策支持。     

基于面向对象方法的露天煤矿用地类型提取优先级分析

高分辨率影像为矿产资源开发遥感监管提供了更为精确有效的数据.以霍林河露天煤矿区为研究区,应用高分一号卫星影像为主要数据源,在面向对象的影像分类基础上,探讨了露天煤矿区用地类型信息提取优先顺序对最终分类精度的影响.结果表明:露天煤矿区的用地类型信息提取中,采用优先提取采矿场和排土场等资源开发用地类型、而后提取其他非开发用地的优先级顺序的分类精度最高,其总体精度达到８２％,Kappa系数达到０．７８,可以为露天煤矿区的用地类型信息提取提供理论和方法支持.     

基于5G的运载火箭无线测发控系统

针对航天发射场智能化快速测发的建设需求,提出了一种应用第五代移动通信技术进行无线测发网络建设的方案,主要解决发射场箭地无线通信覆盖及与公共5G移动通信网的便捷融合,可满足测试数据不小于100Mbps的传输速率,测发指令传输时延小于2ms,传输可靠性小于10^-6,同时支持远程测发及便携式测发的潜在应用需求。无线测发网络采用接入网+承载网+核心网的架构,打造5G-SA独立组网模式的工业现场无线总线,接入网用于航天发射场前后端的无线信号覆盖,承载网及核心网实现数据传输及网络管理,采用网络切片的形式将大带宽传输及测发指令传输的应用需求结合起来。提出了应用无线测发网进行无线测发应用的方案,并开展了性能分析。     

A review and comparison of strategies for multi-step ahead time series forecasting based on the NN5 forecasting competition

Multi-step ahead forecasting is still an open challenge in time series forecasting. Several approaches that deal with this complex problem have been proposed in the literature but an extensive comparison on a large number of tasks is still missing. This paper aims to fill this gap by reviewing existing strategies for multi-step ahead forecasting and comparing them in theoretical and practical terms. To attain such an objective, we performed a large scale comparison of these different strategies using a large experimental benchmark (namely the 111 series from the NN5 forecasting competition). In addition, we considered the effects of deseasonalization, input variable selection, and forecast combination on these strategies and on multi-step ahead forecasting at large. The following three findings appear to be consistently supported by the experimental results: Multiple-Output strategies are the best performing approaches, deseasonalization leads to uniformly improved forecast accuracy, and input selection is more effective when performed in conjunction with deseasonalization.