自动化监测系统在深基坑监测中的可靠性分析     

王宇  王鹏  李铭  于峰 《测绘与空间地理信息》2019,42(3)

深基坑监测对于城市工程的安全建设具有重要的指导意义。为了探究自动化监测系统在城市深基坑监测中的可行性,根据全站仪的测量原理利用Matlab进行三维仿真,从理论上证明了自动化监测系统的平面精度能够达到规范要求。采用尺度变形分析及水平位移对比分析,论证了在城市深基坑监测中利用自动化监测系统进行水平位移监测的可靠性。  相似文献   

青藏高原月NDVI时空动态变化及其对气候变化的 响应     

郑海亮  房世峰  刘成程  吴金华  杜加强 《地球信息科学学报》2019,21(2):201-214

青藏高原脆弱的高寒植被对外界干扰十分敏感,使其成为研究植被对气候变化响应的理想区域之一。青藏高原气候变化剧烈,在较短的合成时间研究气候变化对植被的影响十分必要。因此,本文利用GIMMS NDVI时间序列数据集,研究了1982-2012年青藏高原生长季月尺度植被生长的时空动态变化,探讨了其与气温、降水量和日照时数等气候因子的响应关系。结果表明：在区域尺度上,除8月外,其他各月份植被均呈增加趋势,显著增加多发生在4-7月和9月;大部分月份的NDVI增加速率随着时段的延长显著减小,表明NDVI增加趋势放缓;在像元尺度上,月NDVI显著变化的区域多呈增加趋势,但显著减少范围的扩张多快于显著增加。4月和7月植被生长主要是受气温和日照时数共同作用,6月和9月受气温的控制,而8月则主要受降水量的影响。长时间序列NDVI数据集的出现为采用嵌套时段研究植被生长变化趋势奠定了前提,而植被活动变化趋势的持续性则有助于形象表征植被活动变化过程、深入理解植被对气候变化的响应和预测植被未来生长变化趋势。由此推测,青藏高原月NDVI未来增加趋势总体上趋于缓和,但在像元尺度显著变化的区域趋于增加。  相似文献   

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究     

符海月  张祎婷 《地球信息科学学报》2019,21(7):1132-1142

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。  相似文献   

矿山地质环境评价中最佳评价尺度确定方法的研究及应用     

陈钰嘉  田淑芳 《现代地质》2020,34(3):626-634

矿山地质环境的评价对于矿产资源的开发利用、矿山环境的恢复治理有重要意义,在评价工作中最佳评价尺度的确定有助于提高评价结果的精确性和统一性。本次研究从矿山地质环境的评价内容出发,提出一种最佳评价尺度的确定方法。在不同尺度下,将评价区域按照边界划分成网格评价单元,通过定量化评价指标的尺度效应表现(异质性、一致性、信息量、破碎度),求出其随尺度变化的拟合函数,进而建立最佳评价尺度函数,并求出其评价适宜区间和最佳评价尺度。将该方法应用到福建省龙岩市新罗区、三明市大田县矿山地质环境评价中,得到新罗区和大田县的最佳评价尺度适宜区间分别为[997.8 m,1 194 m]、[955.5 m,1 297.8 m],最佳评价尺度分别为1 049.6 m、1 182.1 m。在该评价尺度区间内,所得到的评价结果基本一致,并且在最佳评价尺度下评价结果的效果更好,从而证明了该方法的可行性。研究表明,最佳评价尺度函数受到研究区范围、评价内容分布情况、自然地理情况等因素的综合影响。该研究成果可以为矿山地质环境评价工作中评价尺度的确定提供理论依据。  相似文献   

尺度政治视角下的新安江流域生态补偿政府主体博弈     

任以胜  陆林  虞虎  朱道才 《地理学报》2020,75(8):1667-1679

流域生态补偿是中国跨区域生态治理和自然区域保护的一项重要经济、社会、环境政策,涉及区域利益主体权益差异与协调、区域生态协同发展和合作模式构建等方面,是一个典型的地理学研究命题。本文将制度粘性引入到尺度政治理论中,剖析新安江流域生态补偿政府主体的博弈行为,探究不同政府主体的博弈特征和博弈机制。结果表明:中央政府、省级政府、市级政府等不同层级政府主体经历了竞争博弈、合作博弈和竞合博弈3个阶段,构建政府利益共同体能够推进流域生态补偿建设,中央政府的“适度介入”是开展跨省流域生态补偿的关键;流域生态补偿制度从“垂直”模式向“垂直—水平”模式的变迁过程中存在明显的制度粘性,政府主体利用政策革新和社会参与等制度约束稀释制度粘性,重塑流域生态补偿制度;尺度转换是推动新安江流域生态补偿的核心机制,政府主体通过重新分配权力和资本、嵌入非正式约束塑造流域生态补偿话语体系,推动新安江流域生态补偿由“强国家—弱社会”向“强国家—强社会”结构模式的转变。研究结果能够为构建跨区域流域生态补偿机制提供理论支撑,为合理评价和指导流域生态补偿实践、促进流域经济社会协调可持续发展提供科学依据。  相似文献   

轨道尺度亚洲气候演化机理的数值模拟:历史与展望     

石正国  雷婧  周朋  任鑫 《第四纪研究》2020,(1):8-17

轨道尺度亚洲气候演化是古气候热点问题之一,其变化过程和机理对理解当前全球变暖下亚洲气候变化具有重要参考意义。最近几十年,基于黄土、石笋、湖泊等载体的轨道尺度亚洲气候重建研究获得显著进展,气候演化历史的基本框架已被构建,不同区域和指标记录之间的差异暗示了气候演化机理的复杂性。数值模拟作为研究气候动力学的重要工具之一,在轨道尺度亚洲气候变化中也得到广泛应用和快速发展。基于此,本文尝试对最近十数年轨道尺度亚洲气候演化机理的数值模拟研究做一简单总结和梳理。目前的数值模拟尚未对地质记录给出的各种变化特征、区域差异等现象,尤其是东亚夏季风的黄土和石笋差异、季风和干旱气候的耦合关系等,给出合理解释。因此,在未来工作中亟须涵盖多轨道旋回的高分辨率瞬变试验,结合良好定年的重建记录,以期对轨道尺度亚洲气候变化机理获得更深入完整的认识。  相似文献   

一种多层特征融合的道路场景实时分割方法     

周继苗  李必军  陈世增 《测绘通报》2020,(1):10-15

道路场景理解是自动驾驶领域中重要模块之一，它可以提供关于道路更丰富的信息，对于建立高精度地图和实时规划都具有重要作用。其中，语义分割可以为图像每个像素赋予类别信息，是自动驾驶场景理解中最常用的方法。但是，目前常用的语义分割算法在速度和精度上大都不能达到很好的平衡。本文在MobileNetV2的基础上，提出了一种多层次特征融合的方法，使得网络可以在实时运行的同时保证精度满足实际应用的需求，并在Cityscapes数据集上进行了试验验证和分析。  相似文献   

移动轨迹的尺度特征     

刘民士  龙毅  孙勇 《测绘通报》2020,(4):134-138

移动轨迹是移动对象在地理空间环境中移动而留下的痕迹。移动轨迹数据是一类特殊的地理时空数据，它具有时间尺度、空间尺度和语义尺度特征。本文首先分析了轨迹数据的空间尺度特征与时间尺度特征，建立了轨迹空间尺度与时间尺度转换关系式；然后论述了轨迹的语义内涵和语义尺度特征，将轨迹语义分为移动对象语义、地理空间环境语义、采集设备语义、移动方式语义，并从地理空间环境语义的角度分析了轨迹的语义多尺度；最后探讨了轨迹语义尺度与时空尺度之间的一致性关系。  相似文献   

复杂卫星图像中的小目标船舶识别   总被引：1，自引：1，他引：0  

姚红革  王诚  喻钧  白小军  李蔚 《遥感学报》2020,24(2):116-125

船舶作为海上的重要目标,实现对船舶自动识别有重要的意义。针对卫星图像中云雾、海岸背景等复杂海情对船舶识别带来的干扰,以及小目标船舶高漏检率问题,本文提出一种多尺度深度学习模型训练策略,在此基础上构建了一种船舶识别的深度学习网络,该网络可分为多尺度训练、特征提取、生成目标建议区域、船舶分类这4个部分。首先,采用多尺度的训练策略,将多尺度的船舶样本送入网络中进行训练,这样在训练样本中加入了大量小目标船舶的样本,使网络充分提取到小目标船舶的特征;其次,通过卷积神经网络对目标船舶进行特征自适应提取;然后,目标区域建议网络可依据卷积神经网络提取到的特征,在图像中找到感兴趣目标区域,即框定船舶的位置;最后,通过多个全连接层的组合,将高维特征映射到一个4元组中,再运用分类函数输出每一类船舶的概率值,概率值最大的则为该船舶的类别。同时为解决云雾遮挡和海岸背景的干扰,采用了一种负样本增强学习的方法,在样本数据集中加入了大量只含有云雾和海岸背景的图片,进行负样本扩充,增强网络模型对云雾及海岸背景的特征学习能力,以此解决复杂海情的影响。实验结果表明,所提方法有效解决了复杂海情条件下的船舶识别难,以及小目标船舶识别难的问题,实现了复杂海情条件下的船舶识别。同时,与现有成熟的深度学习目标识别算法相比,本文算法的精确度和召回率分别提升了6.98%和18.17%,所训练的模型具有良好的泛化能力和鲁棒性。  相似文献   

基于深度残差网络的机载LiDAR点云分类     

赵传  郭海涛  卢俊  余东行  张保明 《测绘学报》2020,49(2):202-213

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。  相似文献