排序方式： 共有373条查询结果，搜索用时 31 毫秒
71.
伴随新型城镇化进程的不断推进,城市群已经成为地区社会经济发展的重要核心。大数据时代的到来促使新兴时空大数据在城市/城市群建设与管理中发挥着重要作用,并成为当前学术界的研究热点。大数据挖掘技术与融合分析技术将成为未来研究城市群的重要方法。本研究总结归纳了时空大数据在城市群建设与管理中的应用研究进展,对常见城市群时空大数据类型、获取方法和分析技术进行分类整理,并对基于资源调查和多源时空数据分析的城市/城市群研究进展进行分析,特别是对时空大数据及其技术在城市群建设与管理中的主要研究展开归类分析,认为目前时空大数据在城市群建设与管理应用领域主要涉及5大方向：城市群空间界定与发展监测、交通网络监测、关联性分析与功能布局评价、产业协同分析和环境监测与评估。最后,本文分析了现阶段时空大数据在城市群建设与管理应用中的发展瓶颈,提出了相关对策建议,并对未来研究发展趋势提出了展望。 相似文献
72.
2013年—2017年主要农业区秸秆焚烧时空特征及影响因素分析 总被引：1，自引：0，他引：1
中国作为农业大国，每年面临大规模的露天秸秆焚烧现象，近十几年来，秸秆焚烧在突发和极端雾霾事件中发挥了显著的作用，导致大气能见度下降，危害人类健康。本文为探究中国“大气十条”实施第一阶段（2013年—2017年）以来中国秸秆焚烧时空变化情况，并探究秸秆禁烧政策对秸秆焚烧时空变化的影响，借助2013年—2017年Terra、Aqua卫星MODIS热异常产品，利用土地利用与覆盖变化数据，通过提取白天农田范围内的热异常点，获取全国范围秸秆焚烧结果，分析了2013年—2017年秸秆焚烧时空变化特征，并深入讨论了全国和区域禁烧政策对秸秆焚烧治理的影响，有助于为今后针对重点焚烧区制定相关政策提供科学依据。研究结果显示“大气十条”颁布之后5年期间全国秸秆焚烧年总量呈先增加后减小的总趋势，最低值2016年比最高值2014年降低34.48%，2017年较2013年秸秆焚烧数量减少的区域面积约为增加区域面积的2倍。秸秆焚烧治理成效最为显著的为河南省、安徽省和湖北省，其中，河南省在严格的禁烧政策、集中约谈、经济处罚、推广秸秆综合利用产业等多种措施共同影响下，2016-06和2016-10两个秸秆焚烧高峰期的秸秆焚烧数量分别较2015年同期下降86.66%和98.93%，且后期未出现反弹。黑龙江省虽然在一定程度上控制了秋季秸秆焚烧情况，但由于秸秆产量大且缺乏处理手段，会导致次年春季出现大规模反弹，并未从根本上解决秸秆焚烧控制问题。因此，除了进一步强化秸秆焚烧重点区域和重点时段禁烧措施，不断提高禁烧监管水平，还必须鼓励秸秆还田，秸秆能源化，提高秸秆综合利用率，“禁”“用”结合、因地制宜，形成管控秸秆焚烧的长效科学措施。 相似文献
73.
针对传统或流行的基于时间序列的预测模型,探索出一种适用于网格化城市管理的成体系的案件预测方法。分别采用博克斯-詹金斯法、Auto-ARIMA以及LSTM模型,对近几年北京市6个城区各站点网格化管理问题案件数量进行预测,通过对比不同模型方法间准确度和实用性,以MAPE为精度评价指标,分析各个模型应用在城市网格化问题预测方面优势与劣势。研究发现,Auto-ARIMA适合进行对网格化管理问题数量趋势预测,博克斯-詹金斯法在解决滞后性问题中预测准确率很高,但由于预测流程烦琐,因此实用性较差,LSTM预测效果相对准确且平稳,可以在样本输入量、参数以及自身架构上进行进一步优化。 相似文献
74.
针对地震活动性研究对空间可视化软件的应用需求,研制了基于Web服务的地震活动性分析平台。设计了系统的体系结构,采用开源的WebGIS服务器Geoserver和OpenLayers客户端技术,实现了WebGIS服务与Web服务的集成。系统在B/S模式下工作,用户通过浏览器使用系统提供的服务,提供交互式图形用户界面,地图配置选项,区域选择工具、测距工具等。支持对地震进行空间和时间维度的分析,实现了地震、断层、政区等多种地理要素的空间可视化;利用WebGL技术实现了断层的3D模拟;支持多种地震参数时间序列分析方法;提供对图层进行配置、控制、选区和测量的功能接口;提供了丰富的交互式属性查询接口。 相似文献
75.
地理世界中存在一类具有产生、发展和消亡的地理现象/对象,综合对地观测技术和多源信息获取技术的发展提升了获取这种动态地理现象的能力。现行的地理时空分析方法以点、线、面、体为基本单元,以数据获取尺度为分析尺度,割裂了地理现象的时间连续性,限制了地理时空动态的分析能力。把产生、发展和消亡的动态演变抽象为地理过程,从演变过程的尺度,提出一种新的地理时空分析方法。首先,提出“地理过程—演变序列—时刻状态”的分解抽象和逐级包含的地理时空过程语义,并基于“节点—边”的图思想建立地理时空过程图表达方法和存储模型,实现地理对象（节点）和对象演变行为（边）一体化表达和存储;其次,以地理过程为基本单元,设计“地理状态对象提取—演变序列追踪—过程对象重构”的过程对象提取方法,并基于节点的出度（该节点引起其他节点变化的边的个数）和入度（其他节点引起本节点变化的边的个数）实现过程对象演变行为的识别;再次,以地理过程为分析尺度,拓展时空邻域为过程邻域、时空相似性为过程相似性,设计面向过程的地理时空挖掘方法,开展地理对象及其演变行为的时空模式挖掘;最后,以1950—2019年月尺度的太平洋海洋表面温度异常变化过程对象... 相似文献
76.
基于高分辨率遥感影像的建筑物提取一直是研究的热点问题,深度学习的深层次特征提取方法,非常适合高分辨率影像中建筑物的提取,但使用深度学习提取建筑物时,大多以改变网络结构为主进行算法优化,很少与其他方法结合。本文研究在改进深度学习网络结构的基础上,结合影像模糊度约束增强、形态学建筑指数约束增强等方法,对建筑物提取方法进行更全面更有针对性的改进。本文主要改进内容为：① 提出PwDeepLab网络,该网络基于DeepLab v3+网络结构,在特征融合方式和损失函数等方面进行了改进。② 提出模糊度约束方法,在固定影像块大小的情况下,通过影像模糊度约束对影像进行上采样增强。③ 提出形态学指数约束方法,通过形态学建筑物指数（MBI）约束范围拉伸增强的方法,在较少改变原始影像特征的情况下,突出建筑信息。本文在Massachusetts数据集和武汉大学的Satellite Dataset Ⅱ(East Asia) 数据集上进行验证, 2个数据集的主要建筑类型存在较大区别。本文提出的方法在2个数据集上的精度相对于DeepLab v3+分别提高了10.9%和3.8%,相对于U-Net分别提高了10.0%和9.6%。实验结果表明本文提出的方法对建筑物提取效果有明显提升,且具有很好的鲁棒性和通用性。 相似文献
77.
自“一带一路”倡议提出以来,中国企业在“一带一路”沿线国家投资、承建了大量基础设施项目,这些项目在促进当地经济发展的同时,不可避免地给当地生态环境带来一定的影响。目前国内主要采用统计调查等方法进行监管,缺乏直接的境外工程监管手段。遥感技术能为境外工程项目监管提供新方法、新手段,但地面调查数据难以获取是境外项目监管面临的重要问题。针对该问题,本文以迪拜哈翔清洁能源电站项目为例,结合遥感技术（RS）和地理信息系统（GIS）的优势,提出了一种境外工程的遥感监管方法。① 针对生态环境影响和工程建设进度两项监测内容,建立了遥感监测技术指标体系;② 基于2016—2018年30 m 分辨率的Landsat 8影像和0.5 m分辨率的WorldView-2影像,利用像元二分模型原理、基态修正模型等方法,从植被覆盖度变化、生态空间占用、自然保护区域影响、工程设施建设、施工附属设施变化5个方面对项目生态环境影响和建设进度情况进行监测;最后通过时序影像和监测产品对比,分析了工程建设对生态环境的影响和工程建设进度情况。结果表明：① 该方法能反映工程在建设过程中对周围生态环境的影响,能准确地监测出迪拜哈翔清洁能源电站的建设进度,对“一带一路”其它境外项目建设的监管具有重要参考意义;②项目建设后无大面积植被覆盖度降低的现象,植被覆盖度总体由低区间向高区间转化;③ 项目施工占用沙地1.4780 km2,港口建设填海面积达0.1246 km2,0.0604 km2的湿地被改为施工沉淀池,没有占用耕地;④ 通过转移海底珊瑚、设置防淤帘、预留海龟产卵通道等措施有效地减少了该项目对Jebel Ali海洋生态保护区的影响;⑤ 工程设施和附属设施建设进展明显,建筑面积增加了0.14 km2,港口建设围堰总长达3.785 km。 相似文献
78.
珊瑚礁对于海洋生态环境研究具有重要意义,通过分析珊瑚礁底栖物质的分布及健康状况,可以对珊瑚礁生态环境进行评估。本文提出了一种基于面向对象的图像分类方法,通过试验确定不同地貌的最优分割尺度,其中陆地和深海的最优分割尺度为150,各类底栖物质的最优分割尺度为30。以Sentinel-2A卫星遥感影像为例,提取海南三亚珊瑚礁自然保护区的珊瑚礁底栖物质,并使用混淆矩阵对提取结果进行精度评估。结果表明,底栖物质提取总体分类精度为87.91%,Kappa系数为0.83。面向对象分类方法可有效结合珊瑚礁底栖物质的纹理特征和光谱特征,并充分利用遥感影像不同波段的组合特性,可为三亚珊瑚礁保护管理提供方法支撑。 相似文献
79.
滑坡作为一种危害极大的自然地质现象,严重威胁着人民的生命财产安全。因此,科学、准确地评价滑坡体的易发性至关重要。随着机器学习的发展,基于机器学习的滑坡易发性评价逐渐成为研究热点。而在真实情况中,滑坡区域与非滑坡区域面积占比悬殊,这使得机器学习模型的应用存在较严重的样本不均衡问题。本文采用样本敏感性分析方法,综合多个机器学习模型在不同比例的正负滑坡样本集上的表现,以获取最均衡滑坡样本集;并在此样本集基础上采用深度随机森林模型,在示范研究区开展滑坡易发性评价。最终的评价结果接近真实分布,表明本文方法具有较好的有效性。 相似文献
80.
在国土资源监测、森林资源调查等多个领域中,基于遥感影像的分类技术受到了广泛应用。在利用传统分类器对地表覆盖分类提取中,地形效应是制约分类精度提升的一种因素,其影响可通过适当的校正模型减弱,且已证明地形校正能够对分类精度的提升起到积极作用。相比于传统分类器,基于深度学习理论的深度神经网络分类器具有深层特征学习和表达的优势,在图像分类领域兴起并逐渐用于土地覆盖分类且取得了不错的精度提升。本文初步探究了地形校正在利用深度神经网络分类器U-Net进行地表覆盖分类时对分类精度的影响情况。以Landsat 8 OLI 30 m影像为数据源,结合GDEM_V2 30 m地形数据,在GlobeLand 30和全国30 m森林分类结果的基础上,利用U-Net深度神经网络分类器实现了山区地表覆盖分类提取,并就不同训练样本获取方式及不同精细程度分类体系下地形校正前后的分类精度做了对比分析。分类结果表明：（1）规则网格裁切和坡向辅助裁切这两种训练样本获取方式下,地形校正后的分类精度较校正前不变或有极小幅度的降低,降低范围在0.9%—1.39%;（2）在对更精细的森林类型分类中,地形校正后的分类精度较校正前下降了1.66%。本文初步探究得到：在规则网格裁切和坡向辅助裁切这两种训练样本获取方式及不同精细程度的分类体系下,地形校正均未能提高U-Net深度神经网络分类器的分类精度。 相似文献