基于土地利用变化图谱的地形梯度效应分析——以洞庭湖区为例

基于洞庭湖区1996年～2016年遥感影像和DEM数据,运用土地利用变化图谱、地形位指数、分布指数等方法研究了土地利用图谱的地形梯度效应.结果表明:①土地利用类型以耕地、林地和水域为主,建设用地面积增长最快,水域面积持续萎缩;②土地变化模式图谱中稳定型图谱为主要类型,土地利用变化呈现"耕地稳定与耕草交替"特征;③以低和...     

长螺旋钻孔灌注CFG桩施工技术总结

本文结合广东肇庆景丰联围石咀泵站工程的实践经验,总结了JZL60电动履带式长螺旋钻机施工CFG桩复合地基施工技术要点,并就常遇的几个施工质量问题进行探讨,提出了相应的控制措施。     

陕西省乡村人居空间演化类型与精明收缩路径

随着城镇化的持续推进,中国乡村常住 人口大幅度减少,但部分地区的乡村人居空间却 出现了持续的增长,这种“不平衡的人地关系” 严重制约了乡村土地资源的合理利用与乡村空间 的有序发展。如何应对乡村人口收缩事实,提高 乡村土地利用效率,促进乡村空间有序发展,是 乡村振兴背景下亟需研究的重要现实问题。本文 以陕西省县域空间单元为研究对象,采集乡村人 口与农村居民点用地数据,利用人居空间变迁 弹性系数和GIS分析方法,揭示了陕西省县域乡 村人居空间演化特征与类型,并探讨了乡村人居 空间的精明收缩路径。研究结果表明,2000— 2015年,陕西省乡村人居空间表现为明显的“人 缩地扩”特征,2015年以后乡村人居空间收缩趋 势逐渐显现;陕西省农村居民点用地主要集中 分布在关中平原大、中城市主城区周边地域,陕北地区农村居民点主要集中在北洛河、无定河等流域,陕南地区则主要集中在汉中盆地和丹江河 谷;2010—2018年,陕西省县域乡村人居空间演化类型从人减地扩的稀释型向人减地缩的萎缩 型和收缩型转变,萎缩型和收缩型县域数量总计为67个,占全部县域总数的62.62%,以撤村并居 为主要内容的镇村综合改革是陕西省乡村人居空间从增长转向收缩的主要驱动因素;最后,从分 类施策、规划管控、土地管理、乡村治理4个方面提出了乡村人居空间的精明收缩路径。本文可为 乡村振兴背景下陕西省乡村人居空间的优化与高质量发展提供科学决策依据。     

市政工程质量管理信息化规划及实施

市政工程建设是城市建设的重要组成部分，质量管理和监管是确保市政工程建设安全和质量的重要手段。市政工程质量管理信息化是一种现代化的管理方式，可以通过引入信息化设备和技术，实现施工全过程的数字化管理和监控，从而提高市政工程施工质量和管理效率。实施市政工程质量管理信息化需要选用一些具体的信息化设备和技术，建设数字化管理平台和优化数字化管理流程，此项举措具有提高管理效率和质量、实现全过程的数据共享和互通、提高施工安全性和质量控制、降低施工成本和人力成本、提高市政工程建设可持续发展水平等优势。     

基于卷积神经网络模型的遥感图像分类

研究了遥感图像的分类,针对遥感图像的支持向量机(SVM)等浅层结构分类模型特征提取困难、分类精度不理想等问题,设计了一种卷积神经网络(CNN)模型,该模型包含输入层、卷积层、全连接层以及输出层,采用Soft Max分类器进行分类。选取2010年6月6日Landsat TM5富锦市遥感图像为数据源进行了分类实验,实验表明该模型采用多层卷积池化层能够有效地提取非线性、不变的地物特征,有利于图像分类和目标检测。针对所选取的影像,该模型分类精度达到94.57%,比支持向量机分类精度提高了5%,在遥感图像分类中具有更大的优势。     

基于卷积神经网络和AMSR2微波遥感的土壤水分反演研究

土壤水分是水文、气象、农业等研究中的重要参数,尤其在农作物估产模型和农业干旱监测研究中有特别重要的意义。前人在土壤水分反演算法研究上已经做了大量研究工作,但由于影响地表土壤水分的因素较多,各种算法依然存在一些不足。本研究在分析以往反演算法的基础上,总结不同算法的优势和局限性,提出利用具有深度学习特点的卷积神经网络方法(CNN)进行土壤水分反演,从而克服传统土壤水分反演方法的缺陷并提高土壤水分反演的精度。以被动微波AMSR2数据为例,在对土壤水分产品算法进行剖析的基础上,构建了基于卷积神经网络反演土壤水分的模型框架,从而提高反演算法的通用性和反演精度。深度学习卷积神经网络的精度主要取决于训练和测试样本数据库,然而被动微波像元分辨率比较低,以及很难获得与卫星同步的地面实测数据。本文选择不同地区地表均一的土壤水分观测站点,以AMSR2土壤水分产品作为参照来获取地面同步数据,从而克服地面同步观测数据的难题。将AMSR2亮温数据和对应地面同步观测土壤水分数据为样本随机分成训练和测试数据库,通过反复训练,当卷积神经网络选择两个卷积层两池化层的组合,迭代次数3000次时,网络反演的总体精度最高。经过测试样本验证表明,CNN反演土壤水分值与地面同步观测土壤水分的均方根误差RMSE为1.1178%,两者保持了较高相关性(r=0.8685)。以地面站点实测数据对CNN反演结果进行验证,相对误差为39.25%。相比于JAXA产品与实测值的验证结果,CNN反演结果的平均相对误差小10.24%,说明CNN明显提高被动微波遥感土壤水分反演的精度。