探索地铁乘客出行目的识别方法,有助于突破智能卡数据（Smart Card Data,SCD）在具体应用场景中的局限性,提升SCD在交通出行研究、交通发展规划等领域的应用价值。本文融合多源地理大数据,基于城市交通与土地利用时空间互动理论,以北京市居民地铁出行为例,在交通出行调查数据中提取5565个地铁出行样本及其对应的出行目的和出行特征相关变量。基于兴趣点（Point of Interest,POI）数据得到各样本起止站点的土地利用特征相关变量,形成包含每次地铁出行的出行目的、出行特征、土地利用特征的地铁出行数据集。使用基于随机森林（Random Forest,RF）算法对地铁出行数据集进行训练完成的分类器对SCD记录的每一次地铁出行进行分类,获得该次出行的出行目的及其不同目的地铁出行时空间分布规律。研究结果表明,本识别方法可有效预测地铁乘客的出行目的,其中,“上班”、“回家”2类出行目的的预测准确率均超过90%;纳入土地利用特征相关变量可显著提升RF分类器预测准确率,印证了城市交通与土地利用的时空间互动理论。鉴于当前SCD的可获取性逐渐提高,该项技术在居民地铁出行监测与预测、地铁线网布局和地铁周边土地利用规划等实践方面,具有很强的推广性,有助于更全面地认知大城市居民的地铁出行行为。
当影像中存在多个相同或相近的直线特征时,仅利用单直线特征间的相似性进行匹配容易导致算法失效,因此本文提出基于直线间几何属性特征相似性约束的组直线匹配算法。该算法利用直线间的拓扑关系分别对2幅影像上提取的直线进行编组得到特征直线组,并将其作为匹配基元;然后利用核线约束确定候选同名直线组的搜索范围,精简了候选直线组的数量;依据直线间几何属性特征向量的仿射不变性建立直线组的匹配关系,将仿射不变量交比作为基础几何不变性测度,并延伸设计仿射相似度参数,计算出目标直线组与每个候选直线组的仿射相似度或一般相似度,确定2种相似度下总体相似度值最大的特征直线组为其同名直线组,最后将同名直线组分裂为2对同名单直线,对分裂后的结果进行整合可以显著降低冗余匹配,得到“一对一”的匹配单直线。为了验证算法的可靠性,实验选取网上公开的5组典型近景影像进行测试,通过与其他匹配算法的对比分析,结果表明该算法应对影像间存在的视角、旋转和尺度变换等复杂条件均取得了较高的匹配精度,匹配正确率最高有14.5%的提升,且阈值的选择对匹配结果影响微弱,验证了基于直线间几何属性特征相似性约束的组直线算法鲁棒性和匹配稳定性较强。
对象间的关联关系可视化主要是通过图的连边进行表达的,但是对象间的关联关系纷繁复杂,大量的连边交错会造成严重的视觉混乱,图布局和边捆绑都是解决复杂连边造成的视觉混乱问题的有效途径,然而某些节点的地理位置具有实际的含义,只能通过边捆绑方法来减少幅面载负量,进而揭示图的潜在关联规律。以往的边捆绑算法是在边的两端节点固定的前提下,调整边的中间控制点的位置,这样会使得大量边被聚集在一起,不仅会造成二次视觉混乱,且难以在节点级别揭示图的关联趋势。针对这一问题,本文提出了一种以节点为中心的关系边聚类与可视化算法。首先使用方向聚类算法实现隶属于同一个节点的连边的聚类,本文提出的方向聚类方法速度约是K-means算法的13倍,约是DBSCAN算法的6倍,然后对各个连边实现控制点的内插,在此基础上使用FR模型使得控制点位移,并通过弯曲度控制防止“过度弯曲”情况的出现,最后调整边的透明度,使得可视化的结果突出显示边靠近端点处的部分。实验结果表明,本文NCEB算法的幅面载负量L和中点距离变化量△d的约为FDEB算法的二分之一,证明本文算法可以将捆绑位置从边的中间部位移动到节点端,不仅解决了传统边捆绑算法造成的二次视觉混乱问题,而且使得节点周围的连边分布趋势清晰可读,且视觉负载大大降低,有效减少了视觉误差和信息误判。
噪声信息具有空间传播和随距离衰减变化的特征,采用三维动态可视化形式表达噪声地图可以体现该特征。本文针对噪声的空间分布与强度变化提出一种噪声地图表达的方法,基于Bertin符号参量分析,以具有高度可变的方柱并配以深浅变化的颜色作为噪声符号,动态传递噪声信息。为进行多尺度地图展示,在不同地图等级下设有相应细节层次的符号尺寸和定位排列方式。噪声地图以Web端Mapbox为展示平台,基于交通噪声模型和GPS轨迹数据,对上海黄浦区某区域一时间段内的噪声情况进行模拟表达,实现噪声数据的立体动态化显示。三维动态的表达扩展了噪声数据的表现维度,多维度、多参量的立体动态符号不仅可准确刻画噪声的分布,而且从视觉观感上提高了受众的兴趣度和专注度,这为研究噪声的热点分布、传递趋势等空间规律提供了可视化参考。
采用GRNN（Generalized Regression Neural Network）和RF（Random Forest）2种机器学习方法构建土壤有机质预测模型,以提高稀疏样本情况下的土壤有机质估算精度。依据北京市大兴区农用地2007年的土壤有机质采样数据,按MMSD准则（Minimization of the Mean of the Shortest Distances）抽稀为8种不同采样密度的样本（分别为2703、1352、676、339、169、85、43、22个样本）,分别采用GRNN、RF和Ordinary kriging对各采样密度下的未知采样点进行预测,采用交叉检验的方式验证各采样密度下未知样点的预测精度。随着采样点密度的下降,样点间的空间自相关性逐渐减弱,半变异函数的拟和精度变差,预测点结果误差增大,预测的置信度降低。当抽稀到43个和22个采样点时,样点间的空间自相关性接近歼灭,半变异函数的决定系数较低且残差较大。普通克里格受到采样点数量和采样密度、样点的空间结构的影响比较明显,其预测精度随采样点数量的下降而下降。在85个采样点及以下时,其预测值与观测值之间没有显著的相关性。GRNN和RF的预测精度受采样密度的影响不大,其预测精度在一个较小的范围内波动,其预测值围绕观测值在一定阈值空间内震荡波动,具有较好的相关性,在85个及以下的采样密度时,预测精度相对普通克里格有较大的提升。普通克里格法不适合在稀疏样本条件下空间插值计算,尤其是在空间自相关性比较弱的情况下。机器学习模型能充分学习土壤间环境信息、样点空间邻近效应信息,兼顾属性相似性和空间自相关,具有更好的稳定性和适应性,不容易受到采样点数量、构型和采样密度等因素的影响,即使在采样点空间自相关性很弱的情况下也能做出稳定预测精度。
产草量是衡量草原生产力和诊断草原健康状况的指标,是草地资源管理的重要依据。近年来,遥感数据结合地面实测数据建模已成为产草量估算的重要手段。充足的实测样点信息是产草量遥感建模估算的基础。受境外采样多重因素的制约,蒙古国产草量估算研究中无法获取足够且分布均匀的实测样点,估产模型的精度受到影响,这一问题目前尚未发现有好的解决方法。本研究选取中蒙铁路沿线（蒙古段）两侧200 km缓冲区作为研究区,针对产草量遥感估算中野外样点稀少且分布不均的问题,引入P-BSHADE方法,基于多年NDVI数据和获取的少量地面实测样点数据,考虑草地分布的非均匀性以及样点之间的相关性,对均匀分布的模拟样点处的产草量数据进行插值实验。结果显示,P-BSHADE法的插值效果优于Kriging法,可得到均匀分布于研究区的样点。基于以上实测样点和插值样点,结合NDVI、EVI、PsnNet 3种植被指数进行遥感建模,最优模型精度达到80%,精度优于已有相关研究。选取其中最优的基于NDVI的指数模型对研究区2000—2019年产草量进行反演,获得的产草量空间格局与年际变化与已有研究结果趋势吻合,进一步印证了结果的可靠性和插值方法的可行性。本研究通过插值的方式改善数据源从而提高估算模型精度是一种全新的思路与尝试,对于“一带一路”等境外区域资源环境监测具有借鉴意义。
本文结合2003—2018年中国土地市场网的土地出让数据,利用核密度分析、冷热区分析和空间可视化等方法,对土地出让空间分布、出让土地来源和用途等要素进行对比研究,总结出中国地级市土地出让的空间结构分布特征。研究结果显示：① 2003—2013年全国土地出让增速明显,2013年后土地出让总量增速放缓,但土地出让收入在持续增长,土地出让整体呈现出“量变到值变转化”的特征;② 2003—2018年用地出让构成变化趋势为：道路与交通设施用地、绿地与广场用地出让占比增长较为明显,居住用地、商业用地、公共管理与公共服务设施用地出让占比稳定,工业用地、物流仓储用地和公用设施用地出让占比增速开始放缓,并呈现出收缩趋势;2003—2018年土地出让来源差异显著,主要来源于新增建设用地,对存量用地的再开发利用率较低,盲目的外向扩张不利于新型城镇化建设;③ 2003—2018年土地出让呈现出“点-线-面”的空间演变特征,形成了多核心、层级分明的圈层空间结构,展现出“核密度重心由北向南、由西向东转移”、“核心城市高度集聚、外围城市密集、区（县）稀疏”的空间演进特征;其中,不同用地也呈现出不同的空间演进特征：工业用地出让增速由东北地区向全国扩张后,逐步向华东沿海城市收缩,并呈现出“由一般城市到省会城市,再到其周边城市”的空间演变特征;居住用地出让面积由省会城市带动周边城市增长,增长到一定程度,逐渐向华南和华东中心城市收缩;商业用地出让较为稳定,未出现收缩现象、增速较为均衡;其他建设用地出让面积分布覆盖范围较均衡,也反映出全国基础设施建设土地资源配置比较均衡。
城镇化是地区经济发展和社会进步的重要标志,研究城镇化水平对城镇科学发展和政府高效决策具有重要意义。夜间灯光数据包含了人类活动和经济社会发展等信息,弥补了指标法的不确定性和滞后性等不足,可以更加直观地反映城镇化水平,为城镇化研究提供了新的思路。现有的研究,已经有用夜间灯光数据分析宏观尺度的城镇化水平,但由于DMSP-OLS数据和NPP-VIIRS数据的时间范围均较短,且2种数据的时间尺度不连续,且空间分辨率和辐射分辨率不一致,因此目前主要集中于使用一种夜间灯光数据研究城镇化水平,且研究的时间跨度较短。此外,虽然已有研究表明,大尺度的社会经济活动与夜间光照情况有较强的相关关系,但在较小尺度下,这种相关性受地区经济发展以及灯光数据分辨率的影响较大,对估算精度有更高的要求,因此需要使用实际数据证明使用夜间灯光数据估算县级城镇化水平的合理性。本文使用DMSP_OLS和NPP_VIIRS夜间灯光数据,估算了2006—2015年安徽省县级尺度城镇化水平,为夜间灯光数据在长时间序列的城镇化研究中提供理论支撑。首先分别计算DMSP-OLS和NPP-VIIRS平均夜间灯光指数,以NPP-VIIRS灯光指数为自变量,以DMSP-OLS灯光指数为因变量,对2012年和2013年的2种灯光指数年数据进行曲线拟合,建立2种灯光数据的对应关系,得到2006—2015年安徽省各区县的DMSP-OLS平均夜间灯光指数;然后从人口、经济、社会生活和农业机械化4个方面选取城镇化指标,使用层次分析法计算基于统计数据的城镇化水平;最后将灯光指数与基于统计数据的城镇化水平进行相关性分析和线性回归分析,讨论了安徽省各区县灯光指数和基于统计数据的城镇化水平的时空分布的异同点,分析了同时使用两种灯光指数估算长时间序列城镇化水平的合理性。研究结果显示,灯光指数和基于统计数据的城镇化水平在县级尺度上具有高度相关性,相关系数为0.91（P<0.05）,线性回归的拟合优度R2=0.82。灯光指数和基于统计数据的城镇化水平的时空分布基本一致,空间上,安徽省城镇化水平整体分布不均衡,呈现出东高西低的规律;时间上,2006—2015年城镇化水平呈现逐年增长的趋势,合肥市辖区、马鞍山市辖区等发达城区的城镇化水平增长速度较快,而霍丘县、寿县等经济欠发达地区增长较缓慢。
当前城镇开发边界的制定与已有基本农田和生态保护红线存在较大的龃龉,在新的国土空间规划体系下,需要科学划定县域合理的城镇开发边界以实现国土空间的可持续开发利用。对此,本文提出了基于三线协调和FLUS-UGB的城镇增长边界划定方法,以江苏省丰县为研究案例,在对其2011—2017年土地利用进行模拟和验证的基础上预测了至2035年的多情景土地利用变化,结合耕地保护与生态控制背景,最终确定城镇增长边界。结果表明：① 2017年丰县土地利用模拟的总体精度达到94.7%,Kappa系数为0.895,模拟精度较高。② 基准情景下,城镇用地呈现“摊大饼”的空间扩张趋势。在耕地保护与生态控制背景下,城镇呈“放射式”向外有序扩张。③ 预测2035年丰县城镇用地开发边界面积为80.29 km2,2017—2035年共17年增长幅度达到69.07%。明确划分城镇开发边界能够有效避免城镇用地对永久基本农田和重要生态用地的侵占,从而实现城镇扩张、永久基本农田和重要生态用地保护三者之间的良好空间协调。
随着地球观测进入大数据时代,传统的数据管理技术已经难以适应大数据需求, Open Data Cube （ODC）作为新型的开源的地球观测数据管理与分析平台,适合进行时间序列数据的高性能计算和探索性数据分析,是亚大区域综合地球观测系统AOGEOSS的重要技术支撑平台。但当前ODC对国产卫星影像支持不友好,缺乏自动化管理和数据组织工具,使用ODC进行国产卫星影像数据管理的技术不成熟。因此,本文以高分一号卫星影像为例,通过开发ODC_GFTool中间件和自定义高分卫星影像产品格式探索ODC框架下国产影像数据自动化管理流程,最后以鄱阳湖为试验区,进行了基于ODC框架的水体提取应用实验,论证了ODC框架下国产卫星数据存取的可行性,研究结果表明相较于传统的数据处理工具ODC具有明显的效率优势,能够为AOGEOSS基础设施建设和国产卫星影像数据管理提供一定的参考。
针对机载点云与航空影像配准精度受点云密度影响较大的问题,本文提出一种交叉点结构特征约束下的机载点云影像配准方法。该方法充分利用激光测距精度较高这一优势,采用点云中的平面结构对影像区域网进行绝对定向约束。首先,利用POS辅助平差后的影像内外方位元素和影像交叉点结构匹配结果,以反投影距离为测度,按照最小二乘准则交会得到交叉点物方结构;然后,在LiDAR点云中自动探测交叉点结构的同名LiDAR平面点;最后,进行交叉点结构特征约束下的航空影像联合区域网平差,得到精确的相机内参数和影像外方位元素。实验结果表明,本文方法在平面和高程方向上均可达到1~2个像素的配准精度。与基于建筑物角特征的配准方法相比,有效克服了点云密度对配准精度的影响,当点云密度较低时,本文方法依然可以取得较高的配准精度。
针对合成孔径雷达干涉技术中对流层延迟误差会影响DEM精度的问题,提出采用小波多尺度相关性分析方法来减弱与高程相关的对流层延迟误差的影响,来提高合成孔径雷达干涉DEM的估计精度。该方法基于小波多分辨率分析理论,根据差分干涉相位不同组成的频率特性,利用小波分解重构均方根误差变化率确定分解层数,降低地形残差相位、噪声相位等对大气延迟误差相位估计的干扰,提取对流层延迟误差相位所在频带;然后结合对流层延迟误差相位和雷达坐标系下的DEM在不同尺度上的相关性定权并进行降权处理,重构解缠差分干涉图,改正差分干涉相位中与高程相关的对流层延迟的影响。采用本文方法对覆盖河南义马地区的2景ENVISAT ASAR数据进行处理,得到对流层延迟误差改正后的差分干涉图,估计的与高程相关的对流层延迟相位,与地形变化情况吻合。将对流层延迟误差改正后的干涉图用于DEM高程估计,结果显示本文方法重建的DEM与Aster GDEM的标准差由30.7 m提高到26.37 m,提高了InSAR DEM估计精度。
针对目前国产卫星对气溶胶遥感监测应用较少的情况,本研究综合暗象元和SARA算法优势,基于FY-3D MERSI2数据构建了一套气溶胶光学厚度(Aerial Optical Depth, AOD)快速遥感反演方法。首先,引入了传统暗象元算法中的地表反射率经验关系,然后利用AERONET长时间序列的地基观测数据,构建了红波段和蓝波段气溶胶光学厚度、不对称因子和单次散射率之间的关系,最后利用MOD04和AERONET的AOD产品对研究反演结果进行了验证和评估分析。结果发现：① 本研究反演的AOD不仅保持了与MODIS的气溶胶产品空间分布的一致性,而且合理地呈现了AOD的高值分布,改进了MOD04气溶胶产品在云和亮目标方面反演缺失问题;② 利用AERONET地基观测结果对本研究获取的MERSI2的AOD反演结果进行了对比分析,发现二者具有较高的线性相关性,蓝波段AOD线性相关系数超过0.85;③ 利用MERSI2数据完整地捕捉到了2018年3月9—14日京津冀及周边区域的一次重污染过程中气溶胶时空分布变化情况,这也说明了FY3D卫星具备良好的气溶胶遥感监测能力,为我国灰霾监测和预警提供参考依据。本研究对大力发展国产卫星在大气环境遥感的应用有重要参考意义。
榆树疏林是浑善达克沙地中一种特殊的植被类型,它对于维持区域生态系统稳定具有重要意义,在防风固沙、涵养水源、调节气候等方面发挥着重要的作用。本文利用无人机影像与GF-2影像,对高分辨率数据源中榆树疏林的两种自动识别方法进行了研究。在面向对象方法中,首先通过计算影像对象的局部方差变化率得到了最佳分割尺度;其次采用随机森林算法对初选特征的重要性进行排序,并删除无关特征;最后分别对支持向量机（SVM）、随机森林（RF）、深度神经网络（DNN）3种分类器进行参数寻优与榆树疏林提取。此外,在ENVI5.5中基于TensorFlow框架,利用U-Net构建深度学习模型对榆树疏林进行了提取,并与面向对象方法进行对比。结果显示：① 通过面向对象方法过程的优化,最终的识别精度较以往研究有所提升,GF-2影像中SVM总体精度为90.14%,RF总体精度为 90.57%,DNN总体精度为91.14%;无人机影像中SVM总体精度为97.70%, RF与DNN总体精度为97.42%。② 深度学习方法中,GF-2影像的总体精度为91.00%,无人机影像的总体精度达到了98.43%。研究结果说明在榆树疏林提取中,无人机影像具有更高的空间分辨率,更丰富的纹理、形状等信息,能达到比GF-2影像更高的精度。面向对象方法对于2种影像都有较高的适用性;深度学习的方法在本文中更适用于无人机影像,它可以有效地减少无人机影像中的错分现象。
中国北方草原区生产力在区域碳水循环、农牧业发展中举足轻重。归一化植被指数（Normalized Difference Vegetation Index,NDVI）广泛应用于生产力的计算,然而目前来源众多的NDVI数据反映中国北方草原植被时空动态的一致性仍未可知。本研究利用2000—2015年3个来源NDVI数据集（MODIS NDVI、GIMMS NDVI和SPOT NDVI）并以国际上公认的数据准确性较高的MODIS NDVI为基准对比分析了中国北方草原区NDVI时空动态的一致性,并选取适宜的NDVI产品揭示研究区NDVI长期的时空格局。结果表明：整个中国北方草原区以及部分草原类型（高寒草甸、高寒草原、高寒荒漠、温带荒漠草原）GIMMS NDVI和MODIS NDVI 2套数据集无论是数值范围,还是年际波动和变化趋势具有较高一致性（二者在高寒草甸、高寒草原、高寒荒漠、温带荒漠草原的相关系数分别为0.60、0.47、0.51、0.74）,而SPOT NDVI数值远高于其他2个数据集,尤其是在青藏高原草原区,SPOT NDVI数值每年较另外两套数据集约偏高0.15,表明该区域使用SPOT数据应慎重。部分温带草原类型（典型草原和草甸草原）GIMMS NDVI和SPOT NDVI数据集在年际波动以及变化趋势上具有较高的一致性（相关系数分别为0.85和0.60）,但温带草原区3种数据集NDVI数值范围整体相差不大,小于0.06。基于上述结果,本研究进一步采用时间序列最长且与MODIS NDVI一致性最好的GIMMS NDVI分析了研究区NDVI的时空动态,发现1982—2015年中国北方草原区NDVI整体呈增加趋势,25%的区域达显著水平（p<0.05）,主要集中在温带草原区;高寒草原区NDVI大部分区域变化不显著且有一定比例的区域NDVI呈显著下降趋势。本研究可以为模型数据集选择和预测中国北方草原区植被对未来气候变化的响应提供科学依据。
