基于属性权重优化算法的土地利用绩效评价及差异分解分析

为了解土地利用绩效现状,探究区域间绩效的差异特征,以31个省域2011—2015年的数据为研究对象,从土地利用结构、经济社会效益和生态可持续性3个角度构建绩效评价指标体系,用综合主客观赋权的属性权重优化算法确定指标权重,运用改进的TOPSIS模型测度绩效值,并用泰尔指数组间分解法定量分析区域内和区域间差异对总绩效差异的贡献度。结果表明：按三大地带分组时,东部差异对总体差异贡献最大,西部次之,中部最小;按六大常规分类分组时,华北、华东地区对总体差异贡献较大,东北、西北地区贡献较小;按九大土地利用分类分组时,京津冀鲁区、苏浙沪区对总体差异贡献较大,青藏区、东北区、晋豫区、湘鄂皖赣区贡献较小。总体上,绩效越高的省域对差异贡献越大,绩效越低的省域对差异贡献越小,且各区域间的差异格局长期存在。     

基于GPU加速的遥感影像金字塔创建算法及其在土地遥感影像管理中的应用

摘要：为提高单个计算节点创建影像金字塔的速度,本研究首先将GPU并行技术用于加速影像重采样算法.影像重采样算法是影像金字塔创建算法的核心步骤,由于金字塔创建过程中数据量会不断发生变化,而数据量的大小直接影响GPU重采样算法效率.提出了一种基于阈值的金字塔遥感影像创建算法,算法将GPU并行与CPU串行遥感影像重采样算法结合,在创建影像金字塔时,依据阈值动态选择不同的重采样算法,并将本算法应用到土地遥感影像金字塔管理中.实验采用大小为10371×7945的24位遥感影像进行测试,结果表明：①基于GPU的并行重采样算法的速度最快,是基于CPU串行重采样算法的10倍;②采用本文算法创建金字塔速度是ArcGIS9.3创建金字塔速度的3倍以上.     

大数据量遥感图像处理系统算法模块的设计及实现

介绍了一个采用自顶向下、逐步细分的结构化软件设计方法,以Visual C++6.0为软件开发平台设计并实现的自主版权的大数据量遥感图像数字处理系统的算法模块的设计、结构,以及系统实现中采用的关键技术.提出了美国ERDAS图像处理系统在滤波算法的图像边界处理及图像处理后象元值超限处理两方面的不足,同时提出并实现了新的优化方法.实践证明在这两方面的优化更有利于图像分析和信息提取.     

一种基于影像块组织的遥感数据分布式存储方法

云存储是解决动态增长的海量遥感数据产品存储管理难题的有效手段.针对云存储在遥感数据存储领域中存在的问题,提出了一种基于影像块组织的遥感数据分布式Key-Value存储模型,解决了分布式文件系统存储大规模影像块效率低下的问题,使遥感数据云存储具备了空间区域访问特性;结合开源分布式文件系统HDFS,实现了影像数据的分布式高效存储与空间区域检索.实验与分析表明,系统在多用户并发连接情况下可以维持较高的吞吐率,同时具备良好的可伸缩性和稳定性.     

基于邻域总变分和边缘检测的遥感影像道路提取

针对道路提取的同物异谱和同谱异物难题,提出了一种基于邻域总变分和边缘检测的遥感影像道路提取方法,先对原始影像进行邻域总变分分割,提取出影像中具有均匀材质的地物,并采用Canny边缘检测方法获得原始影像的边缘数据;然后将边缘数据和分割结果融合,使均匀材质区域中的非道路地物和道路分离;最后采用多方向结构进一步提取狭长并具有一定宽度的道路.实验证明本文提出的道路提取方案能同时提取影像中光谱略有差异的道路,能有效剔除和道路黏连在一起的同谱异物地物,并能提取具有一定弯度的道路.     

基于遥感影像的嘉兴市城市扩张与驱动力分析

在当前高速城市化的背景下,为及时了解嘉兴市的城市发展现状,使用遥感手段提取各时间段内城市的建设区域,并分析了扩张过程的时空特征,再结合社会经济数据探究了城市扩张的驱动力因素.结果表明：嘉兴市在1993~2013年间城市扩张明显,扩张速度和强度先增后减,扩张方向由西北转向南,扩张模式经历了“主动型-被动型-稳定型”的转变过程,扩张合理性较差,城市扩张速率高于人口增长速率,扩张驱动因子主要为经济发展、产业结构调整和人口增长.     

一种基于影像块组织的遥感数据分布式存储方法

云存储是解决动态增长的海量遥感数据产品存储管理难题的有效手段．针对云存储在遥感数据存储领域中存在的问题,提出了一种基于影像块组织的遥感数据分布式Key-Value存储模型,解决了分布式文件系统存储大规模影像块效率低下的问题,使遥感数据云存储具备了空间区域访问特性;结合开源分布式文件系统HDFS,实现了影像数据的分布式高效存储与空间区域检索．实验与分析表明,系统在多用户并发连接情况下可以维持较高的吞吐率,同时具备良好的可伸缩性和稳定性．     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。     

遥感技术在孝丰-三门湾活动断裂调查中的应用——以杭州地区为例

遥感技术可以在宏观上对活动断裂及其构造特征进行全面的解译和识别．在区域遥感影像图制作和地质解译的基础上，采用增强和融合等图像处理方法，提高了遥感影像清晰度和解译精度，同时结合野外调查、测量以及断裂活动年代样品的采集和测定，对孝丰-三门湾断裂进行了详细的研究，查明了它的空间展布，并鉴定了活动时代和运动性质．研究结果表明，孝丰-三门湾断裂在杭州地区以挤压逆冲运动为主，兼有左旋走滑运动，并在各个地段和各个时期表现形式截然不同，影响了杭州南部地区地层沉积和构造演化．该断裂对杭州地区历史地震和现代地震具备一定的控制作用，可能在晚更新世以来有过活动．     

基于改进兴趣度度量与Apriori算法的交通事故多发点成因分析

人、车、路、环境和交通管理构成了道路交通系统,造成道路交通事故的原因是综合、复杂的。正确快速地分析事故成因,有助于提升交通管理水平,减少交通事故的发生。近年来,关联规则模型及其扩展在事故多发点成因分析中备受关注。针对关联规则分析中传统的兴趣度度量方法和Apriori算法的局限,考虑小概率因子对交通事故的影响,提出了改进的交通事故多发点成因分析方法,明确评价因素和结果之间的关联程度,提高挖掘效率。基于浙江省某市交通事故数据,结合人、车、环境与时空因素对方法进行了验证,并对方法的分析效率和结果的有效性进行了讨论。