几何语义一体化三维建筑物模型是智慧城市建设的重要基础数据，有利于促进建筑设施的精细化管理和智能化应用。当前基于点云的三维重建算法大多关注简单屋顶结构的几何模型构建，忽略了模型的语义表达，且基于数据驱动方法的重建结果容易受噪声影响，存在几何和拓扑错误。为了解决复杂屋顶高精度三维重建难题，本文提出一种基于3D基元拟合的复杂屋顶点云三维自动化重建算法。首先，设计了一套可参数化表达的建筑物3D基元库，包含简单和复杂屋顶。其次，通过点云分割和屋顶拓扑图比较来识别点云对应的基元类型。然后，提出了一种点云与3D基元整体拟合的目标优化函数，采用序列二次规划算法估计基元的正确参数。最后，利用城市地理标记语言（City Geography Markup Language, CityGML）构建几何、语义和拓扑一体化表达的三维模型。采用几种不同屋顶风格的建筑物点云数据进行实验，定性和定量对比分析结果表明本文方法能够高效生成几何和拓扑均正确的CityGML模型，对噪声和局部点云缺失具有一定的鲁棒性，有利于促进几何语义一体化建筑物模型快速自动化构建。
城市环境下的车载LiDAR点云在道路边界提取时容易受到路边车辆、行人遮挡等影响，而造成伪边界点的生成和边界线的不连续。本文发现利用高程标准差约束能够有效的处理该类问题。本文首先进行数据预处理，包括点云分段及地面点滤波、基于相邻点间距离将地面点整合成扫描线存储；其次基于扫描线建立连续双窗口，采用扫描线双向移动窗口法，构造双窗口之间高差、夹角值、高程标准差3种约束条件获取候选路坎点，并根据道路边界的连续性采用密度聚类中的DBSCAN算法聚类去噪，生成较为连续且精确的路坎边界点；最后对边界断点区域计算累计曲率值和距离来判断该位置是否为路口，若边界线断点为路口不进行连接，反之，视为车辆或行人遮挡导致的断点，采用二次多项式曲线填补拟合，获得边界的数学参数模型。实验结果表明，在存在较多遮挡的城市环境下道路边界提取精度能够达到80%以上。
针对海岛控制信息获取困难这一现实问题，提出一种基于ICESat-2 ATL08数据的海岛高程控制点提取方法。首先，通过水域掩膜标记与参考高程数据，去除数据中的海域点与粗差点，降低后续处理的数据量；然后，综合分析大气环境、信噪比、数据完整性等因素对高程值的影响，构建多参数约束初步筛选数据；最后，充分利用数据中的已有参数信息，结合控制点精度指标设计自适应地形阈值对高程控制点进行精细化提取。以波多黎各部分离岛及美属维尔京群岛高精度DEM（Digital Elevation Model）数据验证所提取高程控制点的准确性，实验结果表明：相较于原始数据，本文方法提取的高程控制点在平地、丘陵和山地区域的平均绝对误差与中误差分别从2.65 m/7.23 m、3.92 m/7.65 m、4.93 m/8.29 m减小为0.28 m/0.61 m、0.46 m/0.79 m、0.63 m/0.89 m；在保证精度的前提下，本文方法提取的高程控制点数量显著多于现有方法；利用本文方法，可从海岛区域提取一定数量、精度可靠的高程控制点，能为后续全球海图修测与质量控制提供有力数据支撑。
为解决基于机器学习的滑坡易发性建模存在的单模型分类能力弱和传统随机抽取非滑坡样本准确性不高的问题，本研究以三峡库区奉节县为例，应用优化的非滑坡样本和Stacking异质集成机器学习模型进行滑坡易发性建模研究。首先，基于地形、地质和遥感影像等数据提取16个评价指标并进行相关性分析，剔除高相关指标，构建易发性评价指标体系；其次，基于信息量模型提出非滑坡样本选取（Non-Landslide Sampling, NLS）指数；最后，应用NLS指数选取更高质量的非滑坡样本，并与滑坡样本组成训练集；采用随机森林(Random Forest, RF)，轻量级梯度提升树（Light Gradient Boosting Machine, LGBM），梯度提升决策树（Gradient Boosting Decision Tree, GBDT），以及以三者为基模型的同质（Boosting）和异质（Stacking）集成方法进行易发性建模。结果表明：应用NLS指数能选取得到质量更高的非滑坡样本，提升了易发性建模精度；Stacking异质集成机器学习模型的精度最高，为0.941，优于3个同质集成模型和3个单模型，表明异质集成算法能显著提升机器学习建模的性能，是一种可靠的滑坡易发性评价方法。本研究的结果将有助于提升区域滑坡灾害风险评估的精确度。
中亚降水数据存在缺失、地理偏差、分辨率低和采集难度大等问题。近年来，神经网络模型被广泛应用于降水降尺度研究。然而，由于山区自然环境复杂多变，普通神经网络模型的预测结果难以解释且适用性差。为此，本文以地理差异分析作为先验知识约束生成式对抗网络，构建一种新的降水降尺度模型，提高了阿姆河流域复杂环境下降水数据的空间分辨率和精度。首先，依据地形数据通过空间变形模型对输入的Climate Research Units Time Series (CRUTS)降水数据进行空间校正。然后，输入校正后的CRUTS降水数据、气温风速湿度等同化数据及遥感数据到条件生成式对抗网络，重建高分辨率降水数据。最后，考虑到山区降水的各向异性，尤其在地形复杂的上游区域，该模型基于气象站点的真值，对降水数据进行了反距离权重的地理差异分析。结果表明，基于地理差异约束生成式对抗网络的降水降尺度模型能够提升复杂环境降水数据的分辨率和精度。针对中亚阿姆河流域的实验表明，本方法可将CRUTS降水数据的分辨率由55 km提升至11 km，其R2值增加了0.34，均方根误差(RMSE)和平均绝对误差(MAE)分别减小19.4 mm和10.65 mm，偏差(Bias)也由原来的0.24降至0.08。本文为数据采集难、地形地貌复杂区域的降水数据空间分辨率的提高，提供了鲁棒性好、普适性强的方法和思路。
地学科学数据是地学科技文献重要的支撑材料，大量地学科技文献中包含着研究数据信息，而数据名称一般体现着数据的基本内容，是其中的核心信息。从地学科技文献中自动提取研究数据名称，对于促进优质地学数据共享、复现文献实验与结果以及实现科学数据与科技文献之间的关联具有重大意义，可在一定程度上解决当前地学文献中数据信息利用不充分的问题。本研究通过大量阅读地学文献，分析地学科技文献中描述数据来源信息段落的行文、结构特点以及数据名称的表述特征，在总结地学数据名称描述规律的基础上，提出了从地学科技文献中自动抽取地学数据名称的方法。该方法以数据类别特征词为规则触发词，利用正则表达式编写抽取规则，构建正则抽取规则库，从而完成对地学文献中数据名称信息的抽取。最后使用Java语言编写地学数据名称提取程序，以地学文献文本为实验数据材料，开展地学数据名称信息提取实验。实验结果表明，该方法可以有效地提取地学科技文献中的研究数据名称信息，准确率达到62%。
天文辐射指不考虑大气影响，落于地表的太阳辐射类型，亦是太阳能资源评估的重要背景。火星天文辐射及其时空分布特征的研究会为未来火星的探索提供助力，为火星太阳能资源的精细化利用和高效开发以及政府的科学决策提供基础数据。火星地形地貌错综复杂，其规模形态地球难以比拟，故而无法忽略地形对火星地表天文辐射的影响效果。然而，当下对火星天文辐射的计算和研究并未考虑火星实际地表的遮蔽效应且往往是从局部区域进行的研究。本文考虑纬度差异、时序更替的综合影响，以分辨率200 m的数字高程模型作为基本数据，提出了基于DEM计算火星天文辐射的理论模型，利用 Hadoop分布式集群提供的并行计算框架以10 min为一个时间单位精细模拟了考虑地形遮蔽影响的火星全球地表天文辐射空间分布。
地形破碎化是导致多山地区空间连通性和可进入性差的重要因素，严重制约了区域交通可达性和城乡一体化发展。研究以沟谷密集、地形高度破碎的黄土高原为例，基于DEM数据从整体破碎、正负地形和地形过渡构建地形破碎化指标体系，分别采用空间聚类方法AZP-SA（Automated Zoning Procedure-Simulated Annealing）和客观赋权方法CRITIC（Criteria Importance Though Intercrieria Correlation）生成县域地形破碎化空间分区和评价分级，探讨了黄土高原地形破碎化的空间异质性。研究结果表明：① 地形破碎化指标在空间上普遍表现为连片集聚分布特征，其中高程标准差、地形起伏度等指标的高值单元主要位于陇中高原和秦岭附近区域，低、中值单元主要分布在六盘山-渭河以北区域；② 黄土高原可划分为空间上连续的8个地形破碎化分区，面积最大的4个分区位于高原中部的陕北高原、吕梁山脉以及北部的鄂尔多斯高原等地区，占总面积比例为66.37%，呈倾斜“田”字型分布；其余分区位于高原西部和东南部边缘，面积较小、形状狭长，表明黄土高原地形破碎化的空间分异具有中心区简单、边缘区复杂的特点；③ 黄土高原地形破碎化程度可划分为5级，高破碎化区域占高原总面积的13%，主要分布在陇中高原和秦岭山脉北部，中等和较高破碎化区域面积占高原总面积的55%，主要分布在高原中东部的陕北高原和山西高原，地形破碎化呈现西部高、北部低的整体空间分布特征。本研究可为黄土高原城乡一体化发展政策的制定、交通基础设施规划提供一定的借鉴。
“公平性”是指社会成员之间权利或分配的公平程度，公平性对于交通规划具有重要的意义。公共出租汽车（含网约车和出租车）服务的公平性主要反映的是局部区域内人群能够享受与人群占比对等服务机会的水平，探索公共出租汽车服务的公平性，能够为优化城市公共出行中的个性化出行服务提供支撑。既有研究中对城市公共出租汽车服务的公平性关注较少，且有关公共服务公平性的度量主要基于静态人口分布进行度量，难以有效顾及城市人口动态对公平性度量的影响。为此，本文顾及动态人口分布数据，利用基尼系数与泰尔指数对仅巡游、仅网约与混合接单的3类接单方式的出租汽车服务的不平等公平性进行计算，结合城市功能区对区域不公平性的贡献进行了分析并提取了具备潜在不公平性的服务区域，以厦门市数据为例对方法进行了验证。结果表明：① 基于静态人口分布计算的厦门市公共出租汽车服务不公平性，相比于基于动态人口的计算结果平均高估27.28%；② 传统由城市交通公共服务机构运营的巡游车服务，其不公平性是由大型移动互联网平台负责运营的网约车服务的1.66倍，新兴移动互联网技术提升了城市公共交通服务的公平性；③ 不同类型城市功能区对公共出租汽车服务不公平性贡献存在差异，厦门市出租汽车的仅巡游车服务中，商业用地贡献了57.49%的总体不公平性，仅网约接单服务中，工业用地平均贡献35.07%的不公平性；④ 厦门市具有岛内和岛外的空间格局，潜在不公平载客服务区域在岛外分布的数量远高于岛内，其中载客服务水平较低但动态人口比例较高的区域较多，平均占比为82.96%；载客服务水平较高但动态人口较少的区域通常位于岛内的自然公园，载客服务水平较低但动态人口较高的区域通常位于岛外的火车站与工业园区。本文提出的研究方法和有关研究结果能够为城市公共出租汽车管理部门优化有关服务公平性提供参考。
遥感技术为监测煤矿粗放式开发利用导致的资源环境破坏提供了便利，而绿色发展理念视角下对煤矿资源及周边生态环境的监测对遥感技术进一步提出了识别内部精细类型、开展长时序格局演变的新要求。为此，本研究基于高分六号（GF-6）影像、Landsat系列影像和谷歌地球历史高分影像，在内蒙古典型煤矿区采用人机交互的方式提取了2007—2019年包含露天采矿场、覆煤区、排土场和复垦区4种类型的煤矿区空间范围数据，从煤矿开采与治理趋势和煤矿开采与治理对周边土地利用的影响2个方面对该煤矿区的时空格局演变展开分析。结果显示煤矿区在2010年以前处于集中开采阶段，对周围土地利用侵占的主要用地类型为草地，在2010年后逐渐开始开展治理工作，且2015年后治理趋势超过开采趋势，实现了从“先开采后治理”到“边开采边治理”的转变。研究表明结合多源遥感影像可以实现绿色发展理念视角下煤矿区含内部精细类型的长时序动态监测，开采与治理相关结论可以为政策实施的有效性评估和政策演进的优化调整提供技术支撑。
土壤湿度是气候系统中的关键因子，对农业管理、水资源管理和生态系统监测与评估等具有重要应用价值。遥感土壤湿度产品虽能提供大尺度范围的土壤湿度分布，但受限于较低的空间分辨率，难以满足实际应用的要求，对遥感土壤湿度产品的降尺度研究成为当前的热点之一。本文以0.25°分辨率的欧空局ESA CCI日土壤湿度为主要数据源，结合1 km分辨率的 MODIS下垫面数据、地形数据、气象数据等环境因子，构建随机森林降尺度模型，对我国西辽河流域2013—2020年CCI日土壤湿度产品进行降尺度，得到1 km分辨率的土壤湿度时空分布数据。研究发现：① 环境因子重要性分析表明，相对湿度和白天地表温度是影响土壤湿度变化最重要的2个因素，地形与位置因子的影响次之；② 利用研究区内22个站点的实测数据序列对随机森林降尺度模型性能进行验证，结果表明考虑多种环境因子（地表、地形和气象）的降尺度结果比仅考虑地表参数的降尺度结果的精度要高，每个站点的RMSE都在0.048 8 m3/m3以下，平均相关系数为0.497 3，BIAS绝对值在0.003 0~0.033 3 m3/m3，降尺度后的土壤湿度与原始CCI遥感土壤湿度的R2是0.52~0.84；③ 降尺度后的土壤湿度比站点实测土壤湿度时间序列的数值波动小，但二者有着相近的时间变化趋势。本研究构建的降尺度方法在提高遥感土壤数据空间分辨率的同时保留了原数据集的空间分布特征，能够满足实际应用对高分辨率土壤水分数据的需求，并为土壤湿度降尺度研究的环境因子选取提供参考。
目前水华已成为国内外一个重要的环境问题，单一的光学遥感方法难以实现精细化的水华预测。针对上述问题，本文以无人机多光谱影像、水质、水温及气象数据为数据源，首先通过像素匹配法（Matching Pixel-by-Pixel，MPP）反演水质参数及归一化植被指数（Normalized Difference Vegetation Index, NDVI）阈值法提取水华信息，然后基于地理加权回归（Geographically Weighted Regression, GWR）建立涵盖面积信息和位置信息的水华短时预测模型，并探讨了预测窗口尺寸对预测结果的影响。结果表明：① 本文方法可以实现精细化的水华短时预测，在应用中对水华面积预测精度达到96.19%，在水华空间分布的预测上对水华和非水华的总体分类精度均大于0.97，生产者精度、Kappa系数均大于0.5； ② MPP反演的总氮、总磷和溶解氧浓度与实测数据都有着较高的相关性，其决定系数R2分别达到0.89、0.85、0.89； ③ 不同尺寸的预测窗口直接影响预测结果精度，相比8×8、12×12、14×14，选用10×10预测窗口得到的总体分类精度、生产者精度、Kappa系数最高，分别为0.98、0.77、0.77。该模型可为短时水华预测提供借鉴，有利于水华监测、预测工作的进一步深入与完善。
高光谱影像标记样本的获取通常是一项费时费力的工作，如何在小样本条件下提高影像的分类精度是高光谱影像分类领域面临的难题之一。现有的高光谱影像分类方法对影像的多尺度信息挖掘不够充分，导致在小样本条件下的分类精度较差。针对此问题，本文设计了一种面向高光谱影像小样本分类的全局特征与局部特征自适应融合方法。该方法基于动态图卷积网络和深度可分离卷积网络，分别从全局尺度和局部尺度挖掘影像的潜在信息，实现了标记样本的有效利用。进一步引入极化自注意力机制，在减少信息损失的同时提升网络的特征表达，并采用特征自适应融合机制对全局特征和局部特征进行自适应融合。为验证本文方法的有效性，在University of Pavia、Salinas、WHU-Hi-LongKou和WHU-Hi-HanChuan4组高光谱影像基准数据集上开展分类试验。试验结果表明，与传统分类器和先进的深度学习模型相比，本文方法兼顾执行效率和分类精度，在小样本条件下能够取得更为优异的分类表现。在4组数据集上的总体分类精度分别为99.01%、99.42%、99.18%和95.84%，平均分类精度分别为99.31%、99.65%、98.89%和95.49%，Kappa系数分别为98.69%、99.35%、98.93%和95.14%。本文方法对应的代码开源于
城市植被在城市环境中起着举足轻重的作用，高效、准确的城市被信息提取是目前亟需解决的任务之一。针对研究中U-Net网络存在的深度较浅使得植被细节特征遗漏，小数量植被样本造成网络拟合表现不佳以及大量参数导致的网络运算负担过重等问题，本文在U-Net网络的基础上，利用可分离卷积、批量标准化层、Tanh激活函数，设计提出了一种Sep-UNet网络。基于GF-1D高分遥感影像，结合Sep-UNet与植被在近红外波段上最具标志性的光谱反射特性，进行了高分遥感影像城市植被信息提取的研究。结果表明：① 标准假彩色样本集的植被提取模型精度最佳，NDVI样本集次之，真彩色波段的最差；② Sep-UNet在验证样本集中提取城市植被信息的各项精度指标(ACC：0.9576，IOU：0.8938，Recall：0.9549)均优于U-Net(ACC：0.9389，IOU：0.7593，Recall：0.9405)，且明显优于SegNet (ACC：0.8897，IOU：0.8019，Recall：0.8867)，这表明本文做出的网络优化有利于城市植被信息的提取并取得了更好的精度；③ Sep-UNet模型在公园、建筑、云雾、城郊场景的植被提取结果表示，模型在验证样本集之外的影像上同样能够很好地执行城市植被信息的提取，近红外波段的引入也使得Sep-UNet模型具备更好的迁移性和泛化性。
全极化合成孔径雷达（PolSAR）通过主动收发不同极化方式的微波信号，可为全天时、全天候获取洪涝受灾信息提供有利的数据支持。然而，传统基于PolSAR影像的洪涝灾害监测方法受相干斑噪声影响严重，且洪涝灾害引发的变化类与非变化类的类别不平衡易导致灾害监测精度低。针对以上问题，本文提出了一种基于改进HLT与深度学习的双时相PolSAR洪涝灾害监测新方法。首先，通过构建一种顾及邻域信息的改进Hotelling-Lawley迹（HLT）统计量算子，减少PolSAR影像相干斑噪声及空间异质性对差异影像生成的影响；其次，为解决洪涝受灾区域变化类样本不足及变化类与非变化类不平衡的问题，引入双阶段中心约束FCM（TCCFCM）算法与深度卷积对抗生成网络（DCGAN）模型，形成一种稳健的洪涝灾害样本选择与扩充方法；最后，通过构建一种深度卷积小波神经网络（DCWNN）模型实现洪涝灾害精确监测。为了验证本文方法的可行性与鲁棒性，本文选取了2016年7月武汉梁子湖与严东湖洪涝灾害发生前后Radarsat-2影像进行实验。定性与定量评价结果表明：相对于传统的洪涝灾害监测方法，本文方法综合降低洪涝灾害监测的虚警率与漏警率分别为2%及1.5%左右，而监测洪涝灾害的总体精度与Kappa系数可分别提升3%及0.02左右，为相关部门应急救灾等工作提供技术支持。
