DEM若干理论问题思考

对用中误差描述和评价DEM整体精度的DEM随机误差观提出质疑,认为DEM是由带随机误差的原始数据内插而成,DEM误差就应由性质不同的两部分误差组成,即测绘所产生的随机误差和内插所产生的对地表曲面的逼近误差,二者可分别进行质量控制,对于内插误差,应采用定义域内的全部点是否符合最大绝对偏差的一次性否决法进行检验.通过讨论三维地面概念模型和DEM高保真问题等概念,说明DEM误差以随机误差概而论之的实质是漠视了DEM高保真这一质量要求;并结合地图代数研究,论述等高线族和地形结构线族的空间几何对偶关系———后者是前者的广义Voronoi界线,因此,当利用等高线数据生产DEM时,并不存在选择性采样F-S数据的必要.     

1975—2020年环巢湖湿地景观格局演变及驱动分析

基于1975—2020年间7期遥感数据,分析环巢湖湿地景观格局变化,揭示研究区域的演变特征及其驱动因素。采用基于样本的面向对象分类法,辅以高分辨率影像对错分地类进行目视修正。通过计算转移矩阵、动态度和景观格局指数分析景观格局特征与动态变化,通过主成分分析讨论演变驱动力。结果表明:①1975—2020年,研究区域湿地面积总体上处于缩减状态,由971.77 km²缩减到905.29 km²,主要转换成建设用地、农用地和植被用地;人工湿地在2013—2020年面积增加至39.58 km²,主要由农用地转化而来;非湿地景观中,建设用地面积增长最快,由13.85 km²增长到566.56 km²。②在景观指数分析中,斑块数量增加,不同类型斑块指数的波动变化存在一定差异;整体上景观破碎化指数从0.49增加到1.26,景观异质性增加,研究区域趋于复杂化;多样性指数总体呈现缓慢增长趋势,趋于均衡化分布。③由驱动力分析得出,自然因素在景观格局演变前期影响显著,随着社会经济的发展,自然因素作用逐渐弱化,社会经济成为景观变化的重要驱动因素;政策因素在研究区域景观演变方向中起主导作用,随着一系列政策调控的实施,有效改善了景观类型的分布。     

DEM误差为逼近论模型的又一力证

DEM误差性质属系统(函数)误差或是偶然误差是一个基本概念问题,是DEM误差理论的关键,也是DEM产品质量保障体系的核心.本文通过对现有的地面DEM各种不同观点的分析,对把地面或其局部视为随机曲面的观点以及以随机误差概括DEM误差的流行观点和方法提出明确异议,引述并理论解读了文献[1]的研究成果,指出了DEM地形描述精度Et极强烈统计相关于V、R事实,表明了Et与V、R具有确定的函数关系,并由数学逼近理论给出的对于Et的裁断误差的V、R函数表达,指出了统计数学和数学逼近在这一问题上的"殊途同归",论证了DEM高程误差具有同样的性质:数学逼近理论和统计数学途径的一致性.     

论如何提高文字录入技能

1 引言 对于计算机应用人群来说,文字录入是其计算机应用过程中必须掌握的一项技能.而对于计算机文字处理人员来说,其在文字录入方面则具有了更高的要求,需要以不断的训练获得更高的技能水平.     

基于改进DenseNet网络的多源遥感影像露天开采区智能提取方法

利用遥感技术对露天开采区进行信息提取和监测已成为解决矿山自然环境问题的重要手段。通过改进带密集连接的全卷积神经网络，构建露天开采区样本库，并训练了针对多源遥感数据的露天开采区提取模型，最终实现对铜陵地区露天开采区的全自动提取。与传统分类方法和深度学习方法相比，该方法在基于像元和基于对象的评价方面具有较好的精度，其中像元精度PA：0.977，交并比IoU：0.721，综合评价指标F1：0.838，Kappa系数：0.825，召回率：0.913，漏警率：0.087，虚警率：0.533。同时，该模型对于匀色较差的GoogleEarth影像也有较好的提取效果，表现出较强的泛化性和适用性，在多源遥感影像露天开采区提取方面具有较强的应用价值。     

三种谱聚类算法及其应用研究

聚类分析是数据挖掘领域中一个重要研究内容,谱聚类(Spectral Clustering, SC)由于具有计算简便,性能优越等特点,已经成为最流行的聚类算法之一。本文利用四类几何结构数据,对规范化割(Normalized Cut, NCUT)、稀疏子空间聚类(Sparse subspace clustering, SSC)和谱曲率聚类(Spectral Curvature Clustering, SCC)三种谱聚类算法进行了分析和比较。实验结果表明,针对本文实验数据三种算法的聚类结果各有差异,但每类数据都可以找到相对最有效的聚类算法,方便读者对算法的选择和使用。NCUT无法处理相交的数据,适用性较差,但对于不相交的二次曲线聚类精度较高,并且优于SSC和SCC算法;相比NCUT算法,SSC算法适用性较强,能够实现四类几何结构数据的聚类,但在聚类过程中常出现误分现象,导致聚类精度不高;与前两种算法相比,SCC算法具有适用性强,精度高等特点,能够实现四类几何结构数据有效聚类,尤其对于实验数据中“横”和“竖”两类点组成的十字,SCC算法能够得到较好的聚类结果,解决由于数据量大SSC算法无法处理的问题。此外,针对有数据间断的两条相交螺旋线聚类问题,本文在现有SCC算法基础上进行改进,结果表明,改进后算法能够有效地实现数据聚类,具有良好的实用性。最后,文章分析了现有SCC算法存在的不足,并指出进一步研究的方向。     

面向对象的土木工程区域规划地理信息系统设计与实现

土木工程区域规划中要处理许多不同性质和不同特点的问题,如植被、建筑物、道路、管线、地质等多个地理变量和大量数据.地理信息系统的数据库管理有利于将这些数据信息归并到统一系统中,最后进行区域多目标的开发和规划.本文利用面向对象方法,对土木工程区域规划信息系统的建设方法和途径进行了初步研究,明确了系统的数据组织及其总体设计原则,并对土木工程区域规划的几何对象模型、地理要素对象模型、图形要素对象模型进行分析、设计和实现.通过区域规划GIS的建立,使土木工程区域规划、管理、研究人员可以利用GIS在信息收集,数据输入,数据库管理,以及空间查询、分析上的功能,更及时而全面地掌握空间信息的动态变化,进行科学、高效的决策,监督规划的实施,控制区域社会经济的发展.     

三种常用DEM内插模型误差分析

通过给出在测、绘数据上常用的线性、三角形上线性、双一次拟线性3种DEM内插方法的内插误差模型和偶然误差在该逼近函数下的传播模型,对把地面或其局部视为随机曲面的观点以及以随机误差概括DEM误差的流行观点和方法提出明确异议,给出具体的论据和分析;并针对所有DEM生成方法均使用内插方法,却大多避而不谈逼近理论和逼近误差的怪现...     

面向云覆盖的遥感影像时空融合深度学习方法及其应用

遥感影像时空融合是一种获取高时空分辨率数据的有效手段,但现有方法在选定基础数据对时要求预测时间低分辨率数据无云覆盖影响,这极大地限制了其应用潜力。为此,提出一种面向云覆盖的遥感影像时空融合方法,即在深度学习框架下,构建重建子网络恢复预测时刻云下缺失信息,将重建后的低分辨率影像与前后相邻时刻高、低分辨率数据对构建时空融合子网络,得到最终的融合影像。以安徽淮南采煤沉陷区Landsat和MODIS反射率数据为例,对预测时刻MODIS数据模拟不同缺失率的云污染;利用所提方法进行时空融合实验,进而比较深度学习与传统方法融合数据对水体信息的提取效果。结果表明：该方法融合结果各波段的RMSE和SSIM均取得较好的定量评价效果,且总体优于传统方法;沉陷区水体提取实验表明本方法水体提取结果更加接近真实观测影像。因此,该方法降低了时空融合对数据的限制要求,且具有更高的融合精度和更有效的应用性。