地理图斑智能计算及模式挖掘方法研究

在大数据时代,高分辨率对地观测技术实现了对地球表层地理现象和地理过程最为真实、量化、全面覆盖又快速更新的数据化记录,可为地理空间认知研究的新发展奠定时空信息聚合与挖掘计算的基准。地理图斑是影像空间映射到地理空间中对于地理实体的抽象化表达,是构建地理场景和承载地理空间各类信息进而开展模式挖掘的最小单元。本文以地理图斑为基本对象,通过分析其中视觉模拟、符号推测等几类机器学习的协同计算机制,从空间、时间与属性等维度构建了集“分区分层感知”、“时空协同反演”、“多粒度决策”三者于一体的地理图斑智能计算模型,并以在贵州息烽县、广西江州区开展的农业种植结构制图与规划决策为应用案例,探索了地理图斑分布、生长以及功能3种模式的挖掘方法,并进一步设计了动态视角下开展图斑动力模式挖掘的研究思路。     

贵州息烽温泉水文地球化学特征及地质成因研究

息烽温泉为贵州百年名泉,通过收集整理多年水质分析资料,系统阐述了温泉水文地球化学特征;采用同位素化学方法,分析了温泉补给来源、形成年龄及高程效应;利用Na-K-Mg三角图解判断温泉水属未成熟水,采用Si02地热温标法估算出温泉热储温度为101.92℃,热流体循环深度超过2 500m;在综合分析基础上,提出息烽温泉地热水循环于洋水背斜西翼深埋藏于地下的震旦系上统灯影组Zbdn、板溪群清水江组Ptbnbq地层中,热流体从南西向北东径流,在息烽温泉处受F1断裂阻隔而沿断层带上升,在"低势点"出露成泉的地质成因模式。     

利用混合光谱分解与SVM估算不透水面覆盖率

对比了线性混合光谱分解模型(SMA)与支持向量机(SVM)在TM影像上估算不透水面覆盖率(ISP)的精度,通过SVM模型拟合TM像元光谱特征与样本ISP间的关联而获得对未知像元ISP的估算能力。对于天津市主城区的TM影像,选择学校区、工矿区和住宅区的高分辨率影像分类结果作为训练样本(7020个)和验证样本(1500个),SVM模型的ISP估算均方差(15.4%)优于SMA估算结果(19.4%);在增加缨帽变化“绿度分量”及混合光谱分解“高反射率分量”作为SVM特征变量后,ISP估算精度提高为12%。研究结果表明：SVM模型能够拟合各像元光谱组分间非线性关系且具有较好小样本泛化的性能,适用于地面样本较少的大区域ISP制图;增加与ISP相关性大的光谱特征向量作为SVM输入能提供更多的区域地物空间分布信息,能够调整无样本的地表类型的ISP估算值,提高区域ISP估算的整体精度。     

“全域-局部”不透水面信息遥感分步提取模型

提出"全域-局部"遥感信息分布提取模型,通过计算和整合影像局部范围内的空间和光谱特征来优化全域上光谱混淆较大像元的提取精度。模型分为两个主要计算步骤:"全域"前分类与"局部"后分类;"全域"前分类将仅划分出满足一定精度阈值标准的像元,而"局部"后分类则在此部分分类结果基础上,进一步发掘和计算已分类像元所蕴含的信息来辅助对全域未分类像元的提取。在不透水面专题提取过程中,采用支持向量机SVM作为前分类器,通过控制精度阈值所对应的分类后验概率产生部分分类结果;采用调节最小距离分类器作为后分类器,根据一定的权重整合像元局部范围内的空间与光谱信息,代替了传统的全域光谱信息来优化分类。实验采用TM5影像以及所对应的NLCD(National Land Cover Data)标准不透水面产品作为测试集,"全域-局部"模型对应单一SVM模型的提取精度由80.31%提高为82.73%,局部后分类器精度较单一SVM模型由54.27%提高到59.94%。实验证明该模型具有较明显的精度提升且能够较好地解决不透水面与裸土混淆的问题,并得到空间形态上更为完善的不透水面提取结果。     

北京市平原区土壤中硒的含量和分布

通过对北京平原土壤硒含量调查和研究,发现北京平原分布有高硒土壤,其特征为沿平原区西部山前断续出现,在北京市区零星分布。表层土壤硒含量为0.04～5.26 mg/kg,平均值为0.20 mg/kg,深层土壤硒含量为0.043～0.22mg/kg,平均值为0.081 mg/kg,总体趋势是硒在表层土壤富集;各类岩石中以炭质页岩中含硒量最高,北京西部富硒炭质页岩的风化可能为平原区土壤硒的来源。相关性分析表明,土壤中Se与有机质呈正相关性,有机质对表层土壤Se具有强烈的吸附与固定作用。     

大兴安岭中北段莫尔道嘎地区含矿斑岩的锆石U-Pb年龄、Hf同位素特征及成矿意义

处于大兴安岭中北段额尔古纳地块的莫尔道嘎地区发育大量花岗质岩石,本文报道了该地区与斑岩钼矿有关的花岗斑岩、花岗闪长斑岩的锆石U-Pb年龄、Hf同位素特征。锆石的LA-ICPMSU-Pb年龄测试结果显示,太平川含矿斑岩体的形成年龄分别为183.6、193.7和199.1Ma,表明花岗岩主要形成于早侏罗世,可能代表蒙古-鄂霍茨克洋闭合阶段的岩浆侵入事件。锆石的Hf同位素研究显示,3件含矿斑岩样品锆石εHf(t)分别为-3.2～0.4、-3.1～1.8和-3.7～-1.1,两阶段模式年龄分别为1322、1276和1394Ma,岩浆起源于中新元古代增生的地壳物质。结合额尔古纳地块已有的花岗岩锆石Hf同位素资料,认为额尔古纳地块在中新元古代曾发生过地壳增生,增生的地壳物质于早侏罗世发生熔融,形成花岗质岩浆并成矿。太平川含矿斑岩具有与乌奴格吐山含矿斑岩相似的大地构造背景、岩石地球化学特征和岩石年龄,推测太平川斑岩钼矿的成矿年代大致在195～180Ma。     

阴影辅助下的面向对象城市建筑物提取

分析高分辨率遥感影像城市建筑物提取的难点,探讨建筑物阴影与建筑物之间的关系,提出一种阴影辅助的建筑物提取方法:首先在高分辨率影像中提取出建筑物阴影对象,通过建筑物与其阴影的空间关系特征分离相互连接的建筑物对象并确认漏提取的建筑物对象,从而提高了建筑物的提取精度;将该方法运用于Quick Bird影像的建筑物提取实验中,取得理想的实验效果.     

青坪特长隧道穿越区岩溶地下水系统研究

青坪特长隧道为贵州省一拟建高速公路控制性工程,穿越泥高向斜地质条件极复杂区,岩溶发育强烈,地下河、岩溶塌陷及隧道涌水等问题急需解决。隧道附近有一座库容700多万方青坪水库,隧道施工会否对水库产生影响,是各方重点关注的问题。以地下水系统的角度对泥高向斜蓄水构造进行研究,旨在对高速公路通过青坪台地段路线方案进行优化。     

融入边界特征的遥感影像多尺度分割

以往的遥感影像多尺度分割方法对边界特征分析运用较少,为此提出了融入边界特征的多尺度加权聚合遥感影像分割方法(edge-incorporated multi-scale image segmentation by weighted aggregation,EIMSSWA)。首先,检测影像梯度特征生成边界图;然后,在基元合并过程中计算相邻基元间公共边界的多种统计特征,并将其同基元的其他区域特征相结合,优化基元间的相似性度量,提高影像多尺度分割结果的精度;最后,通过e Cognition软件的多尺度分割、基于加权聚合的影像分割(segmentation by weighted aggregation,SWA)和EIMSSWA等3组实验来验证方法的分割精度。结果表明,EIMSSWA方法能够取得更高精度、更合理的影像分割结果。     

LSTM支持下时序Sentinel-1A数据的太白山区植被制图

植被分类是森林资源调查与动态监测的基础与前提。当前植被分类研究大都利用光学遥感影像,然而,光学遥感成像易受到云雨覆盖的影响,难以构建完整时间序列,植被分类精度有限。微波遥感具有全天时全天候、时间序列完整的优势,在植被调查与分析中具有巨大的应用潜力。本文利用2018年Sentinel-1A微波遥感时间序列数据和深度循环网络方法,对秦岭太白山区的森林植被进行分类制图。首先利用Sentinel-2光学影像与数字高程数据对研究区进行多尺度分割;然后将处理后的时间序列Sentinel-1A数据空间叠加到分割地块上,构建地块的多元时间序列曲线;最后利用深度循环网络提取与学习多元时间序列的时序特征并分类。实验结果表明：① 与传统机器学习方法（如RF、SVM）相比,本文提出的深度循环网络方法的分类精度提高10%以上;② 在Sentinel-1A微波极化特征组合中VV+VH表现最好,与VV+VH+VV/VH极化特征组合的精度相近;③ 使用全年的时间影像构建时间序列分类精度最高,达到82%。研究表明,利用深度循环网络与时间序列Sentinel-1A数据的方法能够有效提高植被分类的精度,从数据源与分类方法上为森林植被分类研究提供了新的思路。