无人机是未来网络环境下一种数据驱动的空中移动智能体,而无人机遥感则是无人机应用最重要的引领性产业。本文首先以国内外无人机遥感发展现状为背景,重点概述了中国无人机遥感21世纪以来“十五”到“十三五”所获得的具有代表性的国家支持与推动的发展历程,阐述了无人机遥感定标场,航空航天定标场的建立以及应用验证,包括无人机遥感系统的载荷与系统技术发展;然后,进一步阐述了以遥感定标场、地物参量引导载荷性能、系统模型为代表的中国无人机遥感的相关技术跨越;接着,概略介绍了无人机遥感在国防反恐安全以及跨国应急救援,国土测绘与海洋岛礁测绘应用,地质灾害应用以及国家应急救援等领域的产业应用;最后,介绍了中国在无人航空遥感领域展开的跨越性的工作,包括组网智能控制、精度和实时性度量基础、载荷平台自组织冗余容错、遥感大数据云处理技术和无人机遥感组网实用化等内容。未来无人机遥感发展的总体目标是建立起具备迅捷信息获取能力的无人航空器组网观测系统,实现无人航空器组网技术由项目层面跨越到遥感领域,同时也为中国成为世界遥感强国的国家战略跨越奠定基础。
江苏省是农作物种植大省,国家统计局统计数据显示,江苏省近10年冬小麦、冬油菜的总播种面积分列全国第五、第七,快速准确地获取冬小麦和冬油菜的空间分布对于该省的农业发展具有重意义。基于单机的传统遥感分类能够准确获取农作物的空间分布信息,但是耗时较长。随着地理大数据与云平台、云计算的发展,Google Earth Engine（GEE）作为一个基于云平台的全球尺度地理空间分析平台,为快速遥感分类带来了新的机遇。本文基于GEE,使用Sentinel-2数据快速提取了江苏省2017年冬小麦与冬油菜的空间分布。首先,利用GEE获得覆盖江苏省119景无云质优的Sentinel-2影像;其次,在此基础上分别计算了遥感指数、纹理特征、地形特征,并完成原始特征的构建与优化;最后,分别试验了朴素贝叶斯、支持向量机、分类回归树和随机森林4种分类器,比较了各分类器的分类精度,并提取了冬小麦与冬油菜的空间分布信息。得出以下结论：①GEE能够快速完成覆盖江苏省影像数据的去云、镶嵌、裁剪及特征构建等预处理,较本地处理具有明显优势;②J-M距离值位于前两位且大于1将特征数量从28个压缩到11个,有效压缩了原始特征空间;③光谱+纹理+地形特征组合训练,朴素贝叶斯、支持向量机、分类回归树、随机森林的平均验证精度分别为61%、87%、89%、92%。
人类活动是引起青藏高原生态环境发生改变的重要因素。很多学者对青藏高原史前人类活动和近几十年的人口分布格局与人口流动开展了大量研究,但有关人群时空分布的精细尺度研究相对缺乏。海量的位置大数据为认识高原人群短期的动态变化提供了新途径。本文利用手机定位数据、人口迁徙数据等高时空分辨率的位置大数据,通过时间序列分解方法和基于统计检验的异常判别方法,分析了2017年国庆期间青海与西藏的人群分布时空变化特征,并探讨了假期旅游行为及人口迁徙与变化特征之间的关系。研究结果显示：① 在省级和城市整体尺度上,定位请求量的假期变化在时间上呈现先降后升的“潮汐”变化模式;② 在精细网格尺度上,西宁和拉萨城市及周边地区的人群分布变化在空间上呈现中心跌、周边涨的“离心化”变化模式。国庆假期人们向城市周边热门景点移动聚集的旅游行为和城市之间的人口迁徙都是导致西宁和拉萨周边地区定位请求量上涨的重要潜在原因,而两座高原城市中心定位请求的下跌不仅与人口迁徙有关,还与假期人类日常行为及定位请求频次的变化等因素有关。通过位置大数据挖掘节庆假期人群分布的时空变化,不仅加深了对高原人口分布格局与流动变化的认识,也为高原城镇化与生态保护的精细化管理与决策提供支撑。
三江源是中国陆地生态系统最脆弱和敏感的区域之一,一旦遭到破坏则不可逆转。受三江源地区多云等不利气象条件的影响,很难获取大范围尺度上季相一致的、无云的Landsat遥感影像。本文利用Google Earth Engine平台,对1990-2015年的相同季节的3766景Landsat影像进行像元级融合并重构最小云量影像集,借助GEE的并行云端计算,快速得到了能够反映生态环境质量的遥感生态指数（RSEI）,对三江源地区的生态环境质量进行了评价与监测。三江源时空变化与差异分析表明：1990-2000年生态环境质量呈快速下降状态,RSEI平均值从0.588下降到了0.505,生态环境质量变化以轻度恶化为主;2000-2015年生态环境质量下降速度变缓,并于2015年呈现变好态势,生态环境质量变化以不变为主,且轻度恶化面积大幅减少;该地区的生态环境状况呈现出空间分异,自西向东,生态状况变差。基于GEE平台在三江源地区的实验结果表明,GEE可以作为大区域范围的生态环境质量评价与监测的计算平台。
日常生活中人们使用定性的自然语言描述地理实体,如何将定性描述的地理实体转换为定量的图形符号是空间认知、地图表达等领域面临的挑战。本文提出一种基于自然语言形态描述的地理实体表达方法,通过对自然语言中地理实体的语义信息进行分析,对自然语言描述的地理实体的形状、大小、分布状况等空间形态信息以地图形式进行近似表达。本文首先阐述了自然语言形态描述的定义与内涵,结合地图符号相关理论,研究了形态描述驱动的地理实体模拟表达策略,并对不同语义模糊度的地理实体图形表达进行了分析和实例设计,最后提出了一种计算空间实体相似性的方法对表达效果进行评估。结果表明,基于本文方法的地理实体模拟表达与手绘图中地理实体的平均相似度达到89.5%,与导览图的地理实体平均相似度达到86.86%,能够实现较好的表达效果,具有一定的科学性和可行性,为自然语言到地图语言的转换研究奠定了基础。
不透水面是衡量城市生态环境状况的重要指标。城市土地利用的复杂性和不透水表面材料的多样性,导致直接从高分辨率遥感影像中提取不透水表面具有挑战性。针对城市尺度高分辨率遥感影像的不透水面提取要求,本文提出基于深度学习的城市不透水面提取模型。首先,利用深度卷积神经网络对影像特征进行提取;然后,根据其邻域关系构建概率图学习模型,进一步引入高阶语义信息对特征进行优化,实现不透水面的精确提取。本文选取武汉市为实验区,以高分二号卫星遥感影像作为数据源,完成了不透水面专题信息提取,其中自动提取准确率在建成区为89.02%、在城乡结合部为95.55%。与随机森林（RF）和支持向量机（SVM）等经典方法对比,结果表明深度学习不透水面提取方法有较高的提取精度和细节准确性,建成区的总体精度相比于RF和SVM算法分别提升2.18%和1.68%。最后,对武汉市各主要行政区不透水面信息进行统计和分析,结果表明其中江汉区和武昌区2个核心主城区不透水面占比超过60%,并对武汉市现状和发展规划特点进行了讨论。本文研究成果可为海绵城市和生态城市的建设提供基础技术支撑和数据参考。
利用python程序语言开发了基于百度地图导航服务的批量路径时间查询平台,并结合最邻近设施时间和累积机会成本方法度量了居住单元与中心商业区（CBD）、与行政服务中心、与大型医院、与火车站、与飞机场的可达性;然后,着重对比分析了2种公交模式（有/无地铁）下公共服务设施可达性的差异。实验结果表明：① 与基于ArcGIS网络分析法等传统方法相比,基于“门到门”互联网路径规划服务API方法计算的出行时间成本能够较为精确、便捷地用于度量公共服务设施的可达性,避免了人工构建复杂路网数据集的工作量,而且更具时效性;② 融入地铁网络的公交模式不同程度上提升了居住单元至公共服务设施的可达性,尤其是地铁沿线“廊道”以及重要交通设施（如地铁站点）邻近区域最为显著;③ 居住单元至邻近CBD的可达性变化显著集中于0~30 min,30 min时间阈值内公交（有地铁）模式下累计的人口和面积分别是公交（无地铁）模式的1.7倍和2.2倍;④ 居住单元至邻近火车站的可达性变化显著集中于0~30 min以及30~60 min,30 min时间阈值内公交（有地铁）模式下累计的人口和面积分别是公交（无地铁）模式的8.9倍和3.0倍,60 min时间阈值内累计的人口和面积分别是公交（无地铁）模式的1.5倍和1.9倍;⑤ 居住单元至邻近飞机场的可达性变化显著集中于60~90 min以及90~120 min,90 min时间阈值内公交（有地铁）模式下累计的人口和面积分别是公交（无地铁）模式的12.6倍和6.6倍,120 min时间阈值内累计的人口和面积分别是公交（无地铁）模式的2.0倍和3.6倍;⑥ 居住单元至所属行政中心、至邻近大型医院的可达性在各个时间间隔及阈值范围内亦有相应幅度的改善。此外,运用本文的技术方法还可获得更完整、真实的其他交通模式（如汽车、电动车、自行车、步行等）接入城市公共服务设施的情形,为进一步研究非汽车模式下城市公共服务设施的可达性提供参考,促进城市公共交通可持续性的发展。
中文地址分词是中文地址标准化的基础工作和地理编码的重要手段,同时也是中文分词和地理研究领域中关注的热点问题之一。针对当前中文地址分词方法缺乏地址层级切分和过多依赖词典和特征的问题,本研究结合四词位标注集和中文层级地址特点,构建针对中文层级地址分词的地址标注体系,并提出融合双向长短时记忆网络和条件随机场(BiLSTM-CRF)的中文层级地址分词模型。该模型既考虑了BiLSTM模型能够记忆上下文地址的特性,也保留了CRF算法可以通过转移概率矩阵控制地址标注输出的能力。针对该地址标注体系标注的训练地址样本,分别使用CRF、LSTM、BiLSTM与BiLSTM-CRF模型进行训练对比。结果表明：① 基于中文地址标注体系的模型分词效果更佳,地址标注更为精细,符合实际地址分布情况;② BiLSTM-CRF模型精确度达到93.4%,高于CRF（90.4%）、LSTM（89.3%）和BiLSTM（91.2%）,其整体地址分词性能和各层级地址分词效果相对于其他模型更突出;③ 各模型分词性能与地址层级保持一致,即地址层级越高,分词效果越好。本研究提出的中文地址标注体系和分词模型为开展中文地址标准化工作提供了方法参考,同时也为进一步提升地理编码技术的精准度提供了可能。
随着无人机在各行业应用的迅速普及和大规模应用,民航局监管的无人机数量和无人机运行数据呈现海量增长,在给政府和行业监管带来便利的同时,也给传统的数据分析方法带来了极大的挑战。本文阐述了民航局无人机云交换平台的运行大数据的现状,分析了传统无人机运行数据统计分析存在的技术瓶颈,提出了基于大数据进行无人机运行数据统计分析方法,建立了无人机云数据交换平台大数据统计和分析系统的设计框架,并概述了如何基于Apache Spark和Cassandra数据库的大数据分析方法将无人机云交换平台生产的海量数据快速处理、存储、统计和分析的研究思路和方法,以及实现各类无人机运行特征分析的情况。目前基于本文的研究成果不仅可以满足行业主管部门对无人机运行数据统计的需求,还对掌握和了解中国无人机运行特征,探索更合适的无人机管理措施和健全无人机监管体制机制,有非常重要的意义。
系统掌握经济发展的时空格局特征能为制定经济发展战略提供决策支持。目前对经济发展时空格局的研究主要依靠统计数据。然而统计数据存在口径不统一、空间分辨率低等缺点,难以精准刻画经济发展的格局特征。夜间灯光数据具有易获取、覆盖范围广、与人类社会经济活动高度关联的优点,可以作为经济发展水平的代理变量。本文以DMSP/OLS（Defense Meteorological Satellite Program's Operational Linescan System）夜间灯光数据为基础,利用重心、标准差椭圆以及局部莫兰指数等空间分析工具从不同尺度、角度探究中国经济发展的时空格局特征。研究发现：① 2003-2013年,中国经济重心不断向东南方向移动,且移动距离呈逐年减少趋势,说明东部与内陆区域经济体量存在差异,但是差异水平正逐渐减小。中国经济的标准差椭圆范围不断扩大但是扁率减小,说明中国经济总量不断提升,但整体集聚度有所下降。同时椭圆的方向角不断向东偏转,与经济重心朝东南方向移动的结果吻合。② 高高聚集和低低聚集是中国经济发展最明显的2种类型。高高聚集区会辐射带动周边区域发展,这一特点在山东半岛和长江三角洲最明显,低低聚集主要分布在西部和东北欠发达地区。2003-2013年间,低低聚集范围有所减少,由连片分布变为局部聚集。本研究基于夜间灯光数据揭示了2003-2013年中国经济发展的时空格局特征,为制定宏观经济战略提供决策支持。
气象变量常作为重要的影响因子出现在环境污染、疾病健康和农业等领域,而高分辨率的气象资料可作为众多研究的基础数据,对推进相关研究的发展意义重大。本文以中国大陆为研究区域,利用2015年824个气象站点的气温、相对湿度和风速3套数据,结合不同的解释变量组合,分别构建了各自的GAM和残差自编码器神经网络（简称残差网络）模型,以10倍交叉验证判断模型是否过拟合。研究结果表明：① GAM和残差网络方法都不存在过拟合问题,同GAM相比,残差网络显著提高了模型预测的精度（3个气象因素的交叉验证CV R2平均提高了0.21,CV RMSE平均降低了37%）,其中相对湿度模型的提升幅度最大（CV R2:0.85 vs. 0.52,CV RMSE:7.53% vs. 13.59%）;② 残差模型的结果较普通克里格插值结果和再分析资料更接近站点观测数据,表明残差网络可作为高分辨率气象数据研制的可靠方法。此外,研究还发现在相对湿度模型中加入臭氧浓度和气温、在风速模型中加入GLDAS风速再分析资料,可提升模型的性能。
城市多中心的研究是揭开城市系统复杂空间结构的重要研究内容,然而受传统调查数据时空精度的局限,现有研究缺乏足够细致的实证分析。LBS服务的广泛应用为高效、实时、微观地刻画个体和城市之间的空间活动提供了充足的信息,使得对城市多中心的微观量化机制的研究成为可能。基于此原因,本文结合兴趣点数据以及微博签到数据和出租车GPS轨迹数据对北京市五环内的不同尺度、不同社会功能的城市中心进行了识别,并对其居民行为的群聚模式进行了分析。结果表明,北京市五环内包括4个市级中心,16个区级中心以及45个街道级中心。市级中心包括海淀科教中心,西单休闲中心,北京文化中心和国贸金融中心4大中心;区级中心主要包括文娱中心、商业中心、教育中心以及交通中心4类中心;街道级中心除了区级的四类中心外,还包括行政中心、购物中心、商住中心等9类中心。不同中心在同一时段呈现相似的群聚模式,其中工作日城市不同尺度中心的群聚模式持续时间较长,群聚密度较大,主要以通勤和饮食为主;非工作日城市不同尺度中心的群聚模式相对较分散,持续时间较短,主要以休闲娱乐为主。
地铁站点商业价值是地铁改变城市交通方式基础上城市商业业态价值的体现,对其科学和量化的评价是地铁站点建设重要的方面。本文首先对地铁站点商业价值的评价从商业等级与商业规模两个方面进行了体系构建,然后以广州地铁八号线为研究对象基于此体系进行了商业价值的评估。在地铁站点商业等级评价中,选取5个空间因子与2个非空间因子进行多因子评价。在进行空间因子评价中的商圈因子分析时,基于市级和区级商圈周边商业用地基准地价具有一致性的距离衰减特征,创新性的构建了商业地价的空间衰减函数,并据此将这一衰减函数转换为商圈距离衰减因子评价值的函数与量化定义,有效解决专家赋值存在的主观性问题。以此方法对八号线地铁站点商业等级进行评价,在完成空间因子评价以及非空间因子校核后,发现上下九-文化公园区域的商业等级最高,次一级则分布在荔湾区中部。对于商业规模的评价,则以商业建筑面积需求平衡方法,基于地铁站点服务半径内人口规模的评估以预测潜在的商业人口数量,并据此估算未来的商业建筑面积需求。以此方法,对地铁八号线以陈家祠站为例对该站点进行了商业建筑面积需求的预测。本研究提出了基于地价距离衰减与量化评价的因子评价方法完善的相关的方法体系,以数字化模型构建商业等级与商业规模的量化评价提高了地铁站点商业价值评估方法的合理性和科学性。
随机森林方法目前已经成为遥感分类机器学习中一种有效方法,探索基于中等分辨率的Landsat卫星数据与随机森林方法相结合对复杂地形区长时间序列数据的获取及土地利用/土地覆被变化及模拟研究是非常有意义的。本文基于Landsat8OLI卫星多光谱数据,采用随机森林分类方法对青海省湟水流域复杂地形区土地利用类型进行了分类研究。针对复杂地形区域的情况,将研究区进行地理分区,根据每个分区的特点,选择相应的地形特征参数,并通过提取Landsat 8数据的光谱信息与纹理信息构建最优特征集,探索随机森林方法在复杂地形区土地利用分类的适用性。结果表明：使用Landsat8OLI数据进行随机森林分类,能较好地得到湟水流域复杂地形区域的土地利用类型结果;光谱、地形及纹理信息的结合在不同分区的表现结果不同。在脑山区光谱与地形信息结合能使随机森林分类效果最佳,总体精度达到91.33%,Kappa系数为0.886;而在浅山区与川水区综合考虑光谱、地形、纹理信息进行随机森林分类效果最佳,浅山区与川水区总体精度分别达到92.09%和87.85%,Kappa系数分别为0.902和0.859;利用随机森林算法进行优化选择纹理特征组合可以在保证分类精度的同时能够快速地提取土地利用类型信息,为复杂地形区土地利用类型的区分提供了实际可行的方法。
全面准确地分析中国建设用地空间格局,是衡量城市景观的生态环境效应和制定区域发展战略的重要依据。为此,本文基于空间分辨率为12 m的2012年的全球城市足迹数据,分别在国家、经济区和城市群量化了中国建设用地空间格局。结果表明,12 m分辨率的数据能更细致和准确地刻画中国建设用地的特征。2012年中国建设用地面积为1.73×105 km2,占中国陆地总面积的1.81%。从建设用地的空间格局来看,城市群尺度的建设用地破碎度最高,其建设用地平均斑块密度分别是国家和经济区平均水平的3.66倍和1.62倍。进一步分析表明,社会经济和地形因素共同影响建设用地空间格局。今后,应针对建设用地空间格局破碎问题,因地制宜地制定合理的措施,推动中国建设用地的合理发展。
遥感技术已广泛应用于红树林资源调查与动态监测中,但仍然存在遥感数据获取困难、数据预处理工作量大、监测时间长而周期过大等问题,影响了学者对红树林演变过程的精细刻画与理解。本文基于Google Earth Engine（GEE）云遥感数据处理平台,选取Landsat系列卫星数据,生成长时间序列年际极少云影像集（云量少于5%）,利用3个红外波段反射率（NIR、SWIR1、SWIR2）和3个特征指数（NDVI、NDWI、NDMI）建立阈值规则集,实现对实验区越南玉显县红树林、红树林-虾塘、不透水面-裸地、水体4种目标地物的专家知识决策树分类和土地覆盖的制图,并基于分类结果监测该区域1993-2017年的红树林年际动态变化。结果表明：GEE平台可满足多云多雨地区红树林的长时间序列年际变化监测需求;本文阈值分类方法可以有效提取红树林及红树林-虾塘,实验区有86%年份的影像分类精度达到80%以上;年际变化监测可精细刻画实验区红树林面积先增后减再增的变化过程,也能准确反映红树林与红树林-虾塘养殖系统面积之间的负相关关系。红树林年际动态监测结果可以降低红树林演变分析的不确定性,并能更精细地量化红树林与其他土地覆盖类型的转化过程,从而评估经济发展、政策等因素对红树林演变的影响。
水稻是中国乃至亚洲的重要粮食作物之一,稻米产量关系到民生福祉。及时、准确的水稻分布信息是监测水稻产量、调控农业资源配给的基础。遥感（Remote Sensing）技术能够提供大范围地表的时间序列光谱变化特征,常用于大尺度范围的作物监测。然而,传统基于水稻生长关键时期光谱特征的分类、提取方法对遥感数据的时间分辨率要求较高。由于我国南方水稻产区湿热,雨季云污染降低了遥感数据的有效时间分辨率,因此上述方法在该地难以推广。融合多源遥感数据的分类方案变相缩短了卫星的重访周期,使多云气候区基于遥感影像的水稻分类成为可能。然而,集成多源数据所需更高的数据处理效率和存储需求也成为限制省级乃至更大范围水稻分类的主要因素。本研究基于谷歌地球引擎（Google Earth Engine）云平台,在线调用中分辨率的光学、微波遥感数据,创新性地采用了按月提取、按直方图大小提取特征的方式,采用随机森林分类器,绘制海南省2016年10 m分辨率水稻种植分布图。实验结果证明,该方法可以用于南方多云地区水稻分类,提取结果能够体现不同地类之间的差异,且与实际地表的地块边界、纹理符合良好。经过地表样本点的验证,总体精度为93.2%,满足实际应用需求。因此,本研究采用的自动分类流程能够准确、高效地提取海南省的水稻种植范围,可以向其他地区大范围推广。
从社交媒体中挖掘灾害应急信息,能够有效帮助传统灾害管理获取实时、主题丰富的灾害信息,从而成为灾害应急管理的新手段。得益于深度学习在自动特征提取上的成就,本文研究了一种利用卷积神经网络对社交媒体中的灾害应急信息进行自动实时提取与分类的方法。首先,利用社交媒体数据和Word2vec模型,构建与灾害类事件相关的语料库并获得相应的词向量;其次,将词嵌入文本和相应的灾情类别作为卷积神经网络的输入,经过多分类学习得到分类模型,用以提取近实时灾害信息。以2012年“7.21北京特大暴雨”事件为案例,通过分类模型获得常见灾情类别的暴雨灾害社交媒体信息。该模型在测试集上的精度达到了90%以上,并且将模型运用于新爬取的2016年暴雨数据集上也得到了较好的表现,说明该模型在近实时自动提取灾害信息方面具有可行性。在对2012年分类结果进行时空分析结果表明,通过社交媒体获得的暴雨灾害主题信息符合灾害发展的规律,说明了利用深度学习提取社交媒体数据中的灾害应急信息的有效性和可行性,能够为实时灾害应急管理提供新的思路。
地表温度（Land surface Tenperature, LST）和植被覆盖度（Fractional Vegetation Coverage, FVC)是生态环境变化的重要指标因子,研究两者的时空变化及相互关系对评价区域生态环境建设、改善区域生态环境具有重要意义。本文以福建省为研究区域,利用2001-2015年MODIS 11A2 LST和13Q1 NDVI数据,在时序数据重构的基础上对福建省LST时空变化及LST与FVC的相互关系进行分析。结果表明：①2001-2015年福建省LST总体呈轻微下降趋势,尤其是2010年之后其LST明显降低。LST与FVC的空间分布具有较好的负相关一致性：在FVC较高的区域,LST值较低;在FVC较低的区域,LST较高。② LST与FVC、DEM和纬度均成负相关关系,且负相关性在一年之中随着月份的变化而呈规律性增加或降低。夏季FVC对LST的负相关性最大为0.7,冬季FVC对LST的负相关性降低为0.4。③LST随着FVC增加而降低的趋势呈现分段线性关系,存在“FVC拐点”。“FVC拐点”前后随着FVC增加LST的降低速率在夏季 “先慢后快”,而在冬季则“先快后慢”。春秋两季,LST随着FVC增加而降低的速率在“FVC拐点”前后差异变小。在夏季,当FVC大于0.4时,FVC每增加0.1可降低LST约0.77 °C,降温效果大约是FVC小于0.4时的2倍。因此如果要有效地降低夏季地表高温,要使地表植被覆盖大于40%,才能较好的发挥植被的降温的作用。④在1-8月份,FVC对LST的负相关作用存在滞后性,FVC变化对滞后一个月的LST时空分布影响更大。研究成果对福建省生态环境建设与评估具有一定的意义,对于发挥植被对区域高温抑制作用提供了重要的参考依据。
虚拟地理环境对人类理解、探索地理现象以及发现地理现象之间的联系起到很重要的作用。在基于VR技术的虚拟地理环境中更高效,更自然的交互对虚拟地理环境系统的可用性以及理解、探索地理现象的效率至关重要。当前,人机交互中更自然便捷的交互依赖于动作捕捉技术,而现有的基于单种捕捉模式的动作捕捉方式,易受到遮挡、定位漂移等的影响,捕捉精度受到限制,并只能捕捉单个人的动作,不能满足虚拟地理环境对动作捕捉技术提出的特殊需求。针对单种模式的动作捕捉设备应用于虚拟地理环境受到的限制,本文分析了虚拟地理环境系统中的交互需求以及其对动作捕捉技术提出的特殊需求,创新性的提出了一种基于多种动作捕捉模式以捕捉多人动作的方法。本文方法集中于如何融合基于多种模式的多台设备的动作数据,描述了多人动作捕捉框架及其涉及到的技术,在动作捕捉效果上具有明显提升,能够捕捉多人动作,并开发了原型系统对此方法进行了验证。
鉴于新疆地区对中国乃至中亚有着特殊的战略意义,本文针对不同数据源及分类系统在土地覆被数据的空间分布上缺乏互通性问题,结合2010年目视解译土地利用现状遥感监测数据、GlobeLand30和GlobCover2009共3种土地覆被数据,采用类型相似分析、类型混淆分析、混淆矩阵分析、空间一致性分析4种方法开展精度评价及一致性分析,以期对土地覆被数据在中国西北干旱区的适用性及适用范围提供有效建议。结果表明,3种土地覆被数据对新疆地区土地覆被类型构成基本一致,且对裸地类型的辨识度最高;新疆地区中高度一致区域占新疆总面积的95%;3种数据两两对比时,总体精度在64.11%~72.57%之间,其中目视解译数据/GlobeLand 30组合表现出最高水平,且仍有提高空间,反映出目前相同卫星传感器是提升精度评价结果的重要因素之一,且不同分类系统、分类方法、空间分辨率及卫星过境时间等因素对精度评价结果也会产生巨大影响。为解决此类问题,利用多源土地覆被遥感数据的融合技术提高数据精度,或是利用深度学习对遥感影像资料进行精确地解译和判读,将是今后全球土地覆被制图及应用领域的主要发展趋势。
出租车一直以来被看作公共交通的补充,但是以往研究多侧重于出租客流与公交客流的独立研究,对于二者的关联关系分析没有足够得到关注。预测出租车载客热点区域不仅能够实时的了解城市交通热点区域,还能够很好地指引出租车司机,帮助出租车司机快速寻客。出租车载客热点常发生在人流密集并且交通出行需求较高的区域,公交乘客IC卡数据能够实时的反映城市中的交通需求。因此,本文使用厦门岛出租车GPS轨迹数据与公共交通运输系统运营数据,利用核密度估计法和地理加权回归模型分析了早晚高峰时段出租车载客与公交上下车（OD）客流之间的时空分布关系。研究发现,出租乘客O点的核密度值在空间上存在分布不均衡性,聚集特征明显。在同一区域,公交乘客O点和公交乘客D点对出租乘客O点所产生的影响刚好相反;在不同区域,城市功能类型复杂的地区公交乘客O点对出租乘客O点产生负的影响,在城市功能类型单一的地区公交乘客O点对出租乘客O点产生正的影响,公交乘客D点则刚好相反。与普通线性回归模型相比,地理加权回归模型的拟合效果显著提高,早晚高峰拟合优度分别从0.13和0.11提升到了0.59和0.53。研究结果可为出租车载客数量的预测提供相关依据。
室内导航网络是行人导航、信息推荐和商业分析的基础。传统人工测绘或半自动提取的室内三维导航网络无法满足复杂室内空间结构高频变化需求。随着室内定位技术的不断发展,室内移动对象轨迹数据爆发式增长,为室内导航网络快速构建与变化监测更新提供了可能。本文提出一种基于移动对象轨迹的室内导航网络构建方法,在基于ST-DBSCAN的轨迹简化预处理基础上,提出了室内轨迹自适应栅格化算法,减弱栅格图像分辨率对导航网络提取的影响,有效避免廊道轨迹密度差异造成的导航网络拓扑连通失效,并通过CFSFDP自适应聚类算法自动识别楼层之间连通点,实现室内导航网络的快速构建。实验数据来源于上海图聚智能科技股份有限公司提供的某商城真实的室内移动对象轨迹数据,实验结果表明,与普适栅格化方法相比,本文提出的方法将导航网络构建准确率平均提高2.43%,拓扑正确度提高12.8%。
对城市热岛效应、植物覆盖指数、叶面积指数等地表参数的高频次高精度反演,能更好地实现基于遥感手段的地表特征动态监测。然而,目前单一数据源的遥感影像还很难实现高时空分辨率数据的同步获取,时空融合技术是解决这个时空分辨率矛盾的有效方法。根据原理不同,时空融合算法可以分为基于线性模型的融合算法、基于光谱解混的融合算法等。高分卫星产品是近几年中国高分辨率对地观测系统重大专项天基系统中的首发星,对于该类数据的时空融合研究仍然较少。因此,本文拟采用4种常见的时空融合算法（STARFM、FSDAF、STDFA、Fit_FC）实现GF-1 WFV数据与MODIS数据的时空融合,分析这几种方法对GF-1 WFV数据时空融合的有效性和精度,从而为后续的研究提供一定依据。
线状要素化简对提高矢量瓦片地图服务过程中数据传输效率和可视化表达效果至关重要。常见经典化简算法大多不考虑化简前后曲线空间关系的一致性保持,导致易发生化简结果尖锐化、局部极值点缺失和产生相交等异常问题,如果考虑化简前后空间关系的一致性,则影响化简效率。鉴于此,结合矢量瓦片地图服务应用需求,本文提出一种改进的Visvalingam算法,采用最小堆技术解决了最小权重值查找效率低下问题,利用线自相交拓扑关系判断策略,从全局考虑线上其它点对当前点的影响,解决了线化简前后拓扑关系的一致性保持问题。将改进的算法与原始算法在拓扑关系、几何特征、位置精度和化简效率等方面进行实验对比分析,结果表明改进算法可顾及线状要素的拓扑关系,保证化简前后线状要素的整体形态及其拓扑关系不变,能够更高效地应用于矢量瓦片地图在线服务中。
塔里木河下游地区是我国西部干旱区生态环境问题比较突出的区域。本文主要从地表水(湖泊、河流和湿地)、地下水、地表植被覆盖的角度,基于多源遥感和长时间序列数据,监测和分析生态输水前后区域环境变化和生态响应。首先,采用基于知识迁移的专题图斑更新技术,实现了1990、1995、2000、2005、2010和2015年区域湿地遥感制图和植被覆盖度等生态因子指标提取;然后,以2000年为基准（生态输水起始年）,结合地下水位观测数据,对比分析了人工生态输水前后区域生态环境动态变化过程。结果显示：① 生态输水前（1990-2000年）,塔河下游的生态环境持续恶化,流域范围内一半以上的沼泽湿地消失、河道干涸,地下水位下降,区域植被覆盖大幅度下降;② 生态输水后（2000-2017年）,区域生态环境明显好转,改变了下游河道长期断流状态,区域地下水位明显抬升,地表水域（湖泊和沼泽）面积呈现“V”型逆转增加,区域植被覆盖区和覆盖度均呈现显著增加趋势,曾经一度干涸的塔河尾闾台特玛湖水域面积2017年8月达到147.87 km2。以上研究结果综合表明人工生态输水工程对塔河下游生态环境拯救和治理发挥了重要作用,遏制了生态输水前塔河下游生态环境继续恶化局面,流域生态环境正在逐步恢复。
作物胁迫是全球农业发展的一个重要制约因素,实现快速、大范围、实时的作物胁迫监测对于农业生产具有重要意义。传统的作物胁迫监测方式,如田间调查、理化检测和卫星遥感监测总是受到各种田间条件或大气条件的制约。随着无人机和各种轻量化传感器的快速发展,其凭借高频、迅捷等优势为各种作物胁迫监测提供了一套全新的解决方案。本文在介绍了目前主流的多种无人机和传感器的基础上,首先对目前无人机遥感用于作物监测的主要胁迫类型进行了梳理,然后重点阐述了基于光谱成像和热红外传感器进行作物胁迫无人机遥感监测的应用和技术方法,最后提出了作物胁迫无人机遥感监测尚需解决的关键问题,并展望了未来无人机遥感用于作物胁迫监测的前景。
近年来,针对中国生态环境、洪涝灾害应急响应、国土安全监测等遥感观测任务,无人航空遥感手段需求越来越多。构建异构无人航空器遥感观测多任务集群系统是近几年的发展目标,为完成无人航空遥感生态建设,垂直起降无人机以其不受场地限制起降又可快速巡飞的特点,在多个领域发挥着越来越大的作用。本文主要研究内容包括国内垂直起降无人机发展现状调研、面向航空遥感应用市场的无人机分析及典型机型介绍、垂直起降无人机在遥感领域的应用场景及案例分析、垂直起降无人机在遥感领域的应用前景及发展趋势等。通过广泛调研及深入分析可知,目前垂直起降固定翼无人机正逐步取代多旋翼飞行器的主导地位;垂直起降无人机占据了遥感应用无人机80.47%的市场份额;动力多元化、系统智能化、布局多样化、尺寸小型化等是面向遥感应用的垂直起降无人机的发展方向。本文较为全面地阐述和剖析了面向遥感应用的垂直起降无人机的相关内容,为遥感航空无人机生态建设提供了参考与支撑。
随着计算机视觉和遥感技术的进步,基于遥感影像的密集匹配也成为目前获取高精度点云的重要手段之一。与LiDAR点云类似,点云数据处理的基础步骤就是点云滤波。在数据特征上,密集匹配生成的点云与LiDAR获取的点云既类似但又有区别。本文在渐进形态学滤波算法上添加了特征条件,将点云和图像结合成深度图像,并对深度图像按典型地物类型进行语义分割,从而对与图像平面坐标一致的点云进行标记和首次滤波;然后按几何特征将场景简单分类,按分类结果对应的参数滤波构建地面点三角网;最后综合初滤波结果和语义分割类型标记对特征相似的区域进行优化确认,得到最终的滤波结果,并与布料模拟滤波（CSF）算法进行了对比验证实验。结果表明,基于特征的渐进形态学滤波其I类误差在1.98%以内,Ⅱ类误差在2.33%以内,较适宜对精度要求较高的应用,尤其是混合地形的滤波。
