基于LiDAR和CCD数据的地形与建筑提取方法优化及精度评价

借助机载小光斑激光雷达点云数据,采用Kraus滤波法结合增强Canny算子优化提取数字高程模型,然后结合LiDAR数据中提取的nDSM和粗糙度特征,以及CCD数据中获得的光谱属性和几何属性,应用多源特征融合面向对象影像分类方法,以提高城市环境下遥感分类的可靠性和建筑实体信息提取精度。结果表明:DEM估测值变异解释能力达到96%,其均方根误差1.15 m,拟合的直线紧贴1∶1线;同时,结合粗糙度、光谱信息和形态指数等信息分类的方法不仅缓解了分类“噪声”,降低了错分现象,且精度较高;研究区内建筑的面积决定系数大多高于0.7,高度信息的估测值变异解释能力也均达到92%以上,表明基于多源特征融合的面向对象分类方法结果可靠且对建筑的三维结构参数提取精度高。     

基于优化模型的河流纳污量计算方法研究

基于最优化的思想,提出以纳污量最大化为目标,建立河流纳污量优化计算模型及方法,以获得河流最优的纳污量,同时解决水质目标浓度设置中存在的主观随意性以及纳污量计算中出现负值等问题。研究成果为河流纳污量计算提供一种新的思路。