基于卫星遥感和GIS技术的水土流失动态监测体系研究

综合考虑影响水土流失的降雨量、土壤可蚀性、坡度、植被覆盖率、土训流失容许量和保护因子等,笔者提出建立基于GIS和遥感技术的水土汉失反演分析模型,实现水土流失的动态和快速监测预报,技术要点如下：1）遥感技术能实现高精度的植被覆盖率和土地利用现状制图,可满足中长期水土流失变化监测预报的数据要求。2）利用气象卫星数据可实现对雨量的短期预报监测,进而实现水土流失的短期快速预报和监测。3）在GIS支持下,利用土壤背景和数字地形模型可实现水土流失潜在可能性分析。4）利用GIS空间数据处理技术实现基于像素的地面逐点分析,满足对水土流失逐点定量分析的要求。     

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Webmap的杭州市土地价格变动研究

随着城市化的快速发展,城乡结合部土地利用问题日益突出.以杭州市为样本,基于土地城市化转变过程中地价形态的动态扩展模型,采用Webmap空间技术,研究了土地城市化转变过程中价格的空间复杂性及城市形态的应激反应,探讨杭州市土地城市化转变过程中价格机制的响应.结果表明,作为土地城市化的重要外生效应,地价与土地城市化转变之间存在相关性.研究结论对于促进农用地向非农用地的有序转化、规范和引导土地流转和转换、合理调整非农用地的内部结构,以及调控城市扩展和城镇数量等有一定的理论和现实意义.