数字孪生城市通常以实景三维模型为空间数据体,并集成各类传感器的物联感知数据,实现虚实融合目的。作为最常用的传感器类型之一,将城市中的视觉传感器与虚拟的实景三维模型准确地配准是数字孪生城市应用的关键,但是现有方法获取的户外6DOF位姿精度通常不足,致使视觉传感器配准精度不高。本文提出了一种结构语义辅助约束的数字孪生场景虚实配准方法,从图像中提取出包含结构语义信息的铅垂线,并生成虚拟场景的透视图和逆深度图,在逆深度和结构语义的约束下,准确地恢复传感器位姿,实现视觉传感器图像在虚拟场景空间中的融合配准。通过试验证明,该方法可以有效对初始位姿进行优化,进而提高数字孪生城市中视觉传感器的配准精度。
人口在空间上分布的差异较大,统一的格网尺度只能按照一种格网尺度体现人口空间分布,对不同区域更密集或更稀疏人口的空间化表达较差,为了更精准地表达人口空间分布,本文提出一种依据多指标分析的适宜格网尺度确定方法,构建以形心差异距离为创新的指标体系,结合空间适宜度、数值适宜度和空间关系适宜度,利用空间自相关、变异系数与地理探测器模型从空间和数值的角度上摆脱了景观指数自身存在的尺度效应问题。根据各指标特征点变化分析确定各指标下适宜格网尺度阈值,然后采用相对误差绝对值的验证方法,计算与真实人口数值的相对误差绝对值的几何平均值来验证指标分析结果,确定人口格网较适宜尺度。本文将首都经济圈唐山市古冶区作为实证分析区,根据指标体系分析的实验结果表明:随着格网尺度的增大,人口斑块集聚聚类间的差异逐渐变小,其分布形态表现性变差,且人口格网的总体表现能力随尺度增大逐渐降低;从空间适宜度、分布形态适宜度、数值适宜度和空间关系适宜度4个角度进行特征点变化分析,确定90 m、100 m为较适宜格网尺度,在该尺度下进行人口空间化可以得到质量较好的数据结果。通过验证分析可知,该研究区下的人口空间化较适宜格网尺度确定方法存在一定的科学性及合理性。
地貌识别已经成为地貌学研究的关键一环,而基于集水区的地貌单元研究成为了地貌识别领域的研究热点。前人的研究衍生出以下新的问题,能否从基于局部集水区地貌的特征对大尺度地貌类型进行识别,对何种地形描述方法适应性更强等。由此本文选取岩溶地貌、黄土地貌、冰缘地貌、风成地貌、流水地貌这五种代表中国主要地貌类型的样区,引入复杂网络理论方法,以复杂网络指标、地形指标为基本数据源,使用LightGBM、XGBoost、RF 3种典型机器学习方法对中国主要地貌类型进行自动识别的研究。实验结论如下:集水区复杂网络结构和地形特征都对地貌具有一定的解释力和识别效果,总体识别精度分别为77.5%和72.5%,在本文选取的地貌类型中,LightGBM、XGBoost、RF 3种机器学习方法对冰缘地貌的识别精度最高,最高可达100%;2种地貌描述方法结合的地貌识别效果相较单一地貌描述方法具有显著提高,总体精度比单一复杂网络指标和单一地形指标,分别提高了5%和10%;同时LightGBM对于复杂网络量化因子和地形指标特征集的结合具有更好的适应性,总体精度可达82.5%。总体而言,本研究工作拓展了基于集水区地貌识别方法的应用区域和应用范畴,为基于集水区的地貌识别研究提供了新的思路。
地形音乐,是以地形特征线为研究对象,用可听化形式描述地形起伏形态。本文以地形音乐为切入点,实现对流域地形特征线形态的建模及量化表达,从而探讨了黄土高原地形空间分异特征及规律。基于30 m分辨率的DEM数据,本文选取了均匀分布在陕北黄土高原的53个典型流域为测试样区,综合乐理知识、数字地形分析以及地统计学理论,以流域边界剖面线为切入点,实现对地表形态的数字化表达;运用克里金插值法构建地形音乐指标的空间分异图,从而进一步分析地形的空间分布格局和特征。在此基础上,进一步探讨了陕北黄土高原的地形音乐指标的空间分布以及与传统指标进行对比分析。研究结果表明地形音乐指标能够从多角度定量描述和揭示地形的空间分布特征:① 跳进指标与地形起伏度相关系数为-0.486,从地势起伏程度定量描述和揭示地形的空间分布特征;② 级进指标与坡度相关系数为-0.328,从地形倾斜程度定量描述和揭示地形的空间分布特征;③ 模进指标与剖面曲率相关系数为-0.309,从地形变化程度定量描述和揭示地形的空间分布特征。本文拓展了数字地形分析的研究范围,促进了乐理理论与地貌学研究的结合,揭示出地形音乐相关研究方法的方法在地貌学领域的应用范畴区别于传统方法,以新视角审视黄土高原的地形空间分异特征和内在机理,从可听化角度加深了对黄土高原地形空间分异发育过程和内在机理的认识。
受植被遮挡影响,卫星遥感技术获取的全球数字高程模型(Digital Elevation Model,DEM)在林区难以准确描述真实地表形态,且在不同林区类型表现出不同系统偏差。为提高林区DEM精度,本文提出了一种顾及高程自相关的后向传播神经网络(Back Propagation Neural Network,BPNN)模型。该模型首先对训练区高程点拟合最优半变异函数以确定其变程,并将距离目标点变程以内的高程点作为高程自相关最优邻域,然后将地形因子(坡度、坡向、地形起伏度)、植被因子(植被高度、植被覆盖度)以及变程范围内高程点作为影响因子,DEM与对应LiDAR(Light Detection And Ranging)DEM高程差作为预测值,构建并训练BPNN模型,最后用训练好的模型修正测试区DEM。为了验证模型的实用性和高效性,本文以4种林区(常绿阔叶林、常绿针叶林、混交林、落叶阔叶林)DEM为研究对象,分别训练BPNN模型。同时,将修正结果与4种模型进行比较,包括综合利用4种林区类型数据训练的BPNN模型(BPNN-T)、没有使用地形因子的BPNN模型(BPNN-W)、没有顾及高程自相关的BPNN模型(BPNN-R)和多元线性回归模型(Multiple Linear Regression,MLR)。对上述4个林区的DEM(包括SRTM1、AW3D30、TanDEM-X(TDX)90)修正结果表明:① 与修正前相比,采用顾及高程自相关的BPNN模型显著提高了4种林区DEM精度,使其平均误差(Mean Error,ME)降至0~1 m,均方根误差(Root Mean Square Error,RMSE)降低了46%~70%; ② 修正前、后TDX90误差受坡向影响显著,AW3D30其次,SRTM1最小;修正前、后DEM的RMSE均随坡度和地形起伏度的增加而增大;③ 修正前DEM误差随植被高度和植被覆盖度的增加而增大,修正后该规律消失,表明BPNN有效消除了植被对DEM精度影响;④ 5种模型中,顾及高程自相关的BPNN预测效果最优,BPNN-T略次之,MLR和BPNN-W次之,BPNN-R效果最差。因此,充分考虑地形因子并分别对4种林区类型构建高程自相关训练模型可显著提高DEM精度。
滑坡灾害成因复杂,滑坡易发性评估对灾害预警与防控管理具有重要意义。由于以往易发性制图研究中未顾及土地利用变化因素,本文提出考虑土地利用动态变化的滑坡易发性评估因子组合。采用滑坡频率比定量衡量土地利用变化与滑坡发育的相关关系,并基于逻辑回归模型(Logistic Regression, LR)对比引入土地利用变化因子前后的模型预测效果。在此基础上,构建决策树(Decision Tree, DT)、梯度提升树(Gradient Boosting Decision Tree, GBDT)与随机森林(Random Forest, RF)模型,利用AUC等指标对模型预测性能进行对比分析。最后以福建省三明市为研究区,以整个福建省为验证区,开展滑坡易发性评估研究。研究表明:土地利用变化因子与滑坡发育之间具有更强的关联特征,在滑坡易发性评估中引入动态变化因子具有必要性。RF模型比DT与GBDT具有更高的预测精度与准确率。滑坡高易发区主要分布在三明市西部与中部地区,该区域土地利用变化程度较大、受人类活动影响大;低易发区基本位于人类活动影响较小的高海拔区域。本研究为滑坡易发性评估提出一种新的研究角度,为探究人类对灾害形成的影响提供帮助。
本文针对采用传统LOD生成算法快速渲染大范围三维地质模型时连续性差的问题,提出一种消除三维地质模型边界裂缝的锁边LOD方法。① 使用多级图划分算法并通过并行计算将网格分块问题快速转化为图分区问题,根据空间相邻关系将三角网格划分为一系列大小相近的集群和集群组; ② 基于二次误差测量的网格简化算法锁定集群组边界进行简化以生成更高层级的LOD数据,在简化时通过增加边界边权值实现集群组的锁边简化,自下而上地构建起不同级别集群和集群组的依赖关系; ③ 有效生成模型各级LOD渐进数据块,并采用分页机制编码数据块。本文使用基于钻孔数据所构建的三维地质模型,对模型执行集群和集群组的划分、约束外边界的网格简化等操作来构建LOD,并对LOD数据进行编码。实验结果表明本文方法可生成各级简化率约为50%的LOD以消除三维地质模型高低精度数据块之间的裂缝,实现了三维地质模型可视化时较好的连续性表达,为地下空间透明化和大范围地质模型可视化提供支撑。
金融网络的发展深刻改变了城市间的知识溢出形式并进一步影响着城市经济增长水平,关于金融网络外部性的研究逐渐成为金融地理学的研究热点。本文基于2005—2020年中国金融行业企业的总部分支机构数据,运用社会网络分析及递归思想测算金融网络中心性并分析其时空分布格局,同时运用OLS模型分析金融网络中心性对中国城市经济增长的影响机理,研究发现:① 2005—2020年中国金融网络中心性呈现“核心—边缘”分布格局,但是金融网络的空间集聚程度在缩小;② 金融网络的发展除了能够缓解融资约束之外,在网络外部性影响下,金融网络通过促进知识溢出等影响城市经济增长;;网络链接规模更大、可达性更好的城市具有更高的经济增长水平,空间溢出效应更加依赖于网络邻近性而非“场所空间”中的区位优势;③ 金融网络中心性促进资源溢出的程度呈现空间异质性,扮演“知识守门人”角色的核心地位城市能够从网络链接中获得更大的收益。未来应高度重视金融网络建设,充分发挥金融网络对中国城市经济增长的驱动作用。
宁夏作为我国首批完成生态保护红线划定的省份,近四分之一的国土被纳入生态保护红线,显著提升了其北方生态安全屏障的能力。为了评估宁夏生态保护红线对生态安全屏障的贡献,以及为干旱半干旱区域制定生态保护措施提供理论参考,本文基于当量因子法和2米分辨率的土地利用数据,构建了宁夏生态系统服务价值基础当量表,分析了宁夏2018—2020年生态资产存量与生态系统服务价值量变化。结果显示: ① 2020年全区生态资产存量共计332.11万hm2,主要由森林、草地及湿地三部分组成,提供生态系统服务价值约为889亿元,2018—2020年宁夏生态系统服务价值增长1.06亿元;② 生态保护红线以不到1/4的国土面积提供了全区1/3以上的生态系统服务价值,并在评估期内贡献63%价值增长量(0.67亿元);③ 草地是生态系统服务价值的提供主体(52%价值总量),但仅约31%位于红线范围内,同时面临存量减少、沙化退化等问题,合理提高草地存量与质量是未来宁夏生态系统服务价值提升的关键;④ 建议遵循生态系统内在机理,围绕区域主导生态功能和生态系统结构特征,因地制宜系统开展生态保护修复。
粤西是我国甘蔗三大主产区之一,开展粤西甘蔗种植分布遥感提取,分析甘蔗种植区分布时空特征,对制定甘蔗种植管理政策、优化甘蔗生产布局、推进甘蔗集约化生产具有重要价值。本文协同Landsat遥感时间序列数据和甘蔗种植面积统计数据,利用时间加权的动态时间规整(TWDTW)模型,分别获取2000、2008、2020年甘蔗种植空间分布信息;基于核密度估算方法分析甘蔗种植区的空间聚集特征;采用景观格局分析方法,分析甘蔗种植斑块的空间分布特征;结合DEM数据,分析甘蔗种植区的地形特征。研究表明,① 协同遥感时序和统计数据,基于TWDTW模型可实现较高精度的甘蔗识别,2000、2008、2020年3年平均甘蔗制图精度达87.62%;② 粤西甘蔗主要分布在湛江市遂溪县、雷州市、徐闻县,遂溪县和雷州市甘蔗种植区呈现多中心、高密度聚集的发展趋势;③ 2000—2020年遂溪县和雷州市的甘蔗种植斑块平均面积增大、斑块密度降低、聚集指数增长,表明发生了较显著的甘蔗种植布局调整,甘蔗生产呈现集约化、规模化趋势;④ 遂溪县和雷州市甘蔗大多种植在地势平坦的区域,具有较大的机械化作业潜力。
在山地丘陵等地物破碎度较高的地区,分辨率大小对地表覆盖产品质量的影响更大。为此,本文以GlobeLand 30和WorldCover产品的耕地为例,引入信息熵对多源地表覆盖产品进行了一致性分析。首先,计算研究区耕地对应原始影像不同波段的信息熵,以反映单一耕地类的总体不确定性;其次,为了描述影像局部区域的不确定性分布,构建局部信息熵;最后,对两产品的不确定性分级叠加,进行一致性分析。结果表明:① 信息熵可以在产品空间分布的基础上更加细致的反映耕地内部的不确定性变化情况,直观的看出难以判定类别的区域分布;② 30 m分辨率的GlobeLand 30产品耕地总体不确定性大于10 m分辨率的WorldCover产品。从不确定性分布情况来看,两产品不确定性较大的地区主要围绕耕地与其他地物的交错地区,其混合像元更多,地物类别模糊,不确定性更大;③ 对于两产品不确定性的叠加结果,分辨率差异带来的耕地不确定性差异分别为蓝波段34.54%、绿波段51.13%、红波段46.03%、近红外波段61.48%;④ 对于两产品空间分布不一致的地区, GlobeLand 30产品的不确定性也更大,即受到分辨率的影响较大。
遥感几何光学模型利用传感器视场内植被、土壤组分随着光照与观测几何的变化模拟冠层多角度反射率。在近地遥感中,向下观测相机图像中的光照土壤、阴影土壤、光照植被和阴影植被这4种像元类型(称为植被几何光学四分量,简称四分量)是几何光学模型的重要输入参数。本文基于低成本成像传感器的RGB图像,提出一种结合光照信息和多尺度图像分层模型的K-均值四分量提取算法(MSI-Kmeans),首先通过综合利用颜色指数构成聚类空间,之后利用图像的光照分量和阴影分量子图分别构建多尺度图像分层模型,再在多尺度图像分层模型中进行K-均值聚类得到植被分量和土壤分量结果,最后将得到的四分量结果组合输出,从而实现植被几何光学四分量提取。对不同自然光照条件下获取的52幅多种植被冠层图像进行实验,结果表明:① 在与多种常见算法的精度比较中,本文方法在四分量的分类中制图精度与用户精度均表现良好,综合评价Kappa系数最高(0.82);② MSI-Kmeans算法在不同冠层覆盖度和太阳高度角连续变化的条件下均可得到良好稳定的分类效果,具有应用于长期植被监测和单日内连续监测植被四分量变化的潜力。本算法的优势在于提高了阴影分量的分类精度和解决了高植被覆盖度下四分量的提取问题,后续的改进方向在于减小计算代价,提高算法在复杂场景下的适用性。本文研究成果对于利用数字相机进行植被几何光学四分量的提取和植被结构参数的估计具有较为重要的理论与应用价值。
卷积神经网络已广泛应用于遥感影像场景分类任务,然而优秀的模型体量大,无法部署到资源受限的边缘设备中,直接应用现有的知识蒸馏方法压缩模型,忽略了场景数据的类内多样性和类间相似性。为此,本文提出一种类中心知识蒸馏方法,旨在获得一个紧凑高效且精度高的遥感影像场景分类网络。首先对预训练的教师网络进行微调,然后基于设计的类中心蒸馏损失将教师网络强大的特征提取能力迁移到学生网络,通过约束师生网络提取的同类特征分布中心的距离完成知识的转移,同时在蒸馏过程中结合真值标签训练,最后学生网络单独用于预测。实验在4个数据集上与8种先进的蒸馏方法在不同训练比率、不同师生架构下进行了比较,本文方法均达到最高分类精度。其中,在训练比率为60%的RSC11、UCM、RSSCN7及AID数据集中,相比于性能最好的其他蒸馏方法,师生网络属同系列时分类总体精度分别提升了2.42%、2.74%、2.95%和1.07%。相似技术对比实验及可视化分析进一步证明了本文方法优异的性能。本文所提出的类中心知识蒸馏方法更好地传递了复杂网络所提取的类内紧凑、类间离散的特征知识,提高了轻量网络分类的性能。
随着无人机技术的逐渐成熟,越来越多的领域开始引入无人机执行任务。无人机具有使用成本低,环境适应能力强等优点,但其能够顺利执行空中任务的前提是对自身位置的准确定位。传统导航技术主要依赖GNSS,但GNSS存在不稳定、易受干扰等缺点,易出现无人机无法利用GNSS进行定位的情况,即GNSS拒止环境。针对GNSS拒止环境下无人机的导航定位问题,基于已知的卫星正射影像,提出了一种综合利用卫星影像局部和全局深度学习特征的无人机视觉检索定位方法。首先将ConvNeXt作为主干网络,与广义平均池化相结合组成检索特征提取算法,用于提取卫星和无人机影像的全局特征。针对检索定位的任务设计了考虑影像间重叠面积的三元损失函数,训练特征提取算法。然后根据全局特征对一定范围内的卫星影像进行检索。最后为了进一步提高检索得到目标影像的准确率,利用深度学习局部特征进行匹配重新排序。论文建立了面向无人机检索定位任务的训练和试验数据集,试验结果表明,对于完全重叠无人机模拟影像检索不同季节卫星影像,本文方法平均准确率达到90.9%,平均耗时2.22 s。在无人机实拍影像测试中准确率为87.5%,基本能够满足无人机导航定位需求。
多光谱LiDAR系统可同时提供目标地物的三维空间和光谱的信息,为地物识别、土地覆盖分类以及场景理解提供了便利。针对目前大规模多光谱LiDAR点云几何信息挖掘不充分与数据处理效率低问题,本文提出一种利用局部点云几何信息增强特征的端到端连续核点卷积网络—特征增强核点卷积网络的机载多光谱LiDAR点云分类方法。该网络是一个编解码结构,网络结构中结合随机采样与最远点采样快速处理大规模多光谱LiDAR点云,保证采样效率的同时减少随机采样导致的关键几何结构信息缺失。为提高多光谱LiDAR点云数据语义信息表达,设计了基于连续可变卷积的增强卷积模块,在聚合局部特征的同时,利用邻近点与中心点的位置关系增强赋予核点的局部特征;最后结合加权标签平滑损失与Lovasz-Softmax损失进一步提升多光谱LiDAR点云分类性能。通过对加拿大Optech 公司的Titan多光谱LiDAR点云数据集的实验表明,本文所提出的特征增强核点卷积网络的综合精度、macro-F1指数和mIoU值分别为96.80%、88.51%和83.42%,相较于同类型网络在多光谱LiDAR点云分类性能上具有一定优越性;使用格网采样与KD-Tree结合更好地保留原始点云的几何特征;在单批次65 536个点情况下,点云采样时间较同类多光谱LiDAR点云分类网络减少28261.79 ms,实现快速处理海量点云。实验结果证明了特征增强核点卷积网络在多光谱LiDAR点云分类任务上的潜力。