摘要：全球变化科学领域面临着体量巨大、增量迅速、种类繁多的观测数据和模拟数据的挑战,亟需新的研究思路和技术手段,实现数据的有效管理和分析,提高科学发现的效率。本文建议围绕科学数据、科研过程、学科交叉和国际国内合作4条主线开展全球变化科学领域的信息基础设施研究。该项研究需要理解该领域不同学科方向的科学数据,挖掘它们在概念、空间、时间、量纲、格式、编码等方面的联系,建立统一的数据概念模型;需要分析该领域不同学科方向的研究全过程,分析不同过程、阶段之间的共性,建立统一的研究过程模型;需要在"数据-方法-模型-系统-标准"5个层面开展学科之间的共享和集成,建立统一的数据逻辑模型和物理模型、方法库、模型库、集成系统和标准体系;需要发展国际国内的合作伙伴,践行开放共享的共建方案。本文最后概要介绍了这一理念的GlobalChangeOne研究项目的总体设计,以及在遥感科学、生态科学、大气科学、地球系统模式、计算地球系统科学等学科方向的具体研究进展。该项研究有助于促进全球变化科学领域多学科间的交叉研究,有助于提高该领域的科学研究工作的效率,有助于建成全球变化与可持续发展研究全球共享的一体化基础平台。

摘要：星载激光测高仪通过接收经地表反射的微弱激光脉冲回波,计算卫星与地表的距离;结合卫星位置和姿态数据,生成激光脚点精确地理位置和高程结果。对于高程精度10 cm量级的对地观测激光测高仪,必须对影响严重的姿态角系统误差进行标定和校正。文中推导得出星载激光测高仪姿态角误差与已知地表先验信息相关联的数学模型,设计了利用大洋表面作为地表标定场,通过卫星姿态机动方式,最小二乘估计算法校正卫星在轨系统误差的具体方法。仿真结果表明,所设计的方法能够准确估计存在的姿态系统误差,即使大规模观测值丢失,估计偏差也小于5%。这种在轨运行系统误差的标定方法对于对地观测星载激光测高仪的姿态误差检校具有参考意义。

摘要：高精度的数字高程模型(digital elevation model,DEM)数据是流域水文分析应用的基础。美国地质调查局新发布了全球高分辨率数字高程数据产品,其空间分辨率为1″(约为30 m)。为评价该数据在流域水文分析中的适用性,以鹤壁汤河流域为实验区,以机载LiDAR DEM数据为参考,统计了SRTM(1″)数据的高程误差,分析了坡度、坡向、地表覆盖等对误差的影响;在基于地形的水文分析中,统计分析了SRTM(1″)数据误差对地形湿度指数、坡度坡长因子以及汇流动力指数等地形指数计算的影响;最后选取流域汇水区面积、最长水流路径长度、形状系数、弯曲度系数等流域特征参数对两种DEM数据提取结果进行了对比。研究表明SRTM(1″)DEM数据具有较高的精度,原始数据均方根误差为5.98 m,在消除平面位移误差后减小为4.32 m。基于地形的水文分析表明SRTM DEM与LiDAR DEM计算结果具有一定的差异,地形湿度指数平均值略高,坡度坡长因子和汇流动力指数平均值偏低,离散度偏小,这与SRTM DEM在微地貌以及高坡度地形区存在失真相关。两种DEM数据提取流域特征参数差异较小。上述研究表明SRTM DEM(1″)数据在流域水文分析中具有较大的应用潜力。

摘要：目前CNN成为计算机视觉领域,特别是目标对象检测技术的主流方法之一。自然场景中的文本信息与一般目标对象不同,目标检测算法对自然场景文本检测的鲁棒性差,检测结果中的细小文本区域容易漏检,狭长文本区域检测的完整性较差。针对这一问题,对自然场景文本信息特征分析,提出了一种基于级联CNN的自然场景文本检测方法。该方法利用检测模型尽可能地发现疑似文本区域,然后利用分类模型分类筛选出最终的文本区域。在SSD目标检测算法的基础上,设计一种适用于自然场景文本的检测模型;然后对检测模型得到的疑似文本区域使用非极大值抑制和融合操作,消除重叠检测对结果的影响;最后使用针对性训练的分类模型对得到的候选区域进行分类筛选,得到最终的检测结果。该方法在数据集ICDAR2013上的召回率、准确率和F值分别为0.77、0.81和0.79,对于自然场景图像的文本检测有着较强的鲁棒性,能够有效地检测到图中细小的文本区域,明显改善狭长文本区域检测不全的情况。

摘要：目的为了解决传统多尺度误差扩散半色调算法会导致半色调结果图像阶调变暗和边缘模糊的问题,提出一种顾及边缘信息的多尺度误差扩散半色调算法。方法根据当前像素邻域内像素点的处理状态,设计动态非时序误差扩散滤波器;利用图像局部平均灰度与空间变化率提取图像边缘信息,结合图像边缘信息与灰度信息确定半色调处理顺序。结果半色调处理结果视觉效果均匀,阶调信息和边缘结构信息与原图像一致性良好,峰值信噪比、加权信噪比和结构相似度分别提高了0.7～1.2 d B,0.9～1.5 d B,0.11～0.18。结论该算法解决了多尺度误差扩散算法的图像阶调变暗和边缘模糊的问题,有效提高了半色调输出质量。

摘要：遥感影像的监督分类算法在环境监测、地质调查等领域均有重要应用。本文利用最大似然(ML)分类器和支持向量机(SVM)分类器对土地利用和地表覆盖问题中地物类型的提取和识别进行研究,系统分析两种不同分类方法对地物分类结果的影响。通过选取Landsat LT5和LE7卫星遥感影像数据及定义训练样本,对比分析利用ML和SVM分类器的分类成果精度,其中Landsat LT5和ML、SVM组合的分类精度分别达94.64%和94.98%,而Landsat LE7和ML、SVM组合的分类精度则分别达97.63%和99.29%。研究表明,对于LT5影像,ML和SVM两种分类器的精度相当,而对于LE7影像,SVM分类器的精度明显高于ML分类器。

摘要：通过分析多源海洋数据特点和海洋综合管理应用优势,研究并论述构建多源海洋数据综合管理应用平台的架构解决方案。该方案提出平台整体设计采用四层架构(数据资源层、数据服务层、服务逻辑层和应用表现层),并针对功能应用模块设计基于C/S和B/S的混合架构方案并进行实现研究,使该平台系统成为集海洋数据信息管理、分析、计算和应用为一体的综合海洋业务服务平台。

摘要：文中以2007年第二次全国土地调查和2015年地理国情普查所提供高分辨率地表覆盖数据为主要信息源,采用地理信息系统技术和景观生态学数量分析相结合的方法对2007—2015年泽州猕猴自然保护区土地利用/覆被变化(LUCC)、景观格局变化及其驱动力进行研究分析。结果表明,近8年来,受人为、经济发展和政策因素影响,泽州猕猴自然保护区整体景观破碎度增强,形状更加规律化、简单化,景观分布聚集度变大,生态连通性增强,多样性减少。研究结果为泽州猕猴自然保护区生态系统的健康发展、生态环境的改善与经济社会的和谐发展提供参考。

摘要：目的精准预测建筑物沉降的规律及建筑物的变形。方法小波神经网络具有良好的时频局域化性质和神经网络的自学习功能。通过小波分解进行平移和伸缩变换后得到的级数,具有小波分解的一般逼近函数的性质,因此可以用来预报。回归分析的方法可以定量地分析出变型设计过程中设计变量与性能指标之间相互依赖的不确定关系,以此揭示出产品性能指标与影响其值变化的设计变量之间的内在关系。对回归分析模型和小波神经网络模型做简单介绍,以宿州市某建筑大楼的沉降点观测数据为例,对2种模型的预测结果进行检验,在变形监测中分析其精度和可行性。结果回归分析模型预测误差最大值为-0.4 mm,最小值为0.1 mm;小波神经网络模型预测误差最大值为-0.21 mm,最小值为-0.01 mm。结论通过实例证明了2种模型的可行性,为变形分析中将影响变形的直接因素纳入模型提供了一定的参考。由于不同建筑物的荷载情况等因素的差异,模型的运用可能有一定的局限性,仍需要大量的实例进行验证,在有些情况下需要将荷载因子进行变换,才能获得较好的拟合度。

摘要：利用GM(1,1)灰色系统预测原理,提出系统的设计思路及特点、同时结合五组实际观测数据,建立"GM(1,1)灰色系统预测模型沉降监测数据分析表",以按要求自动生成5组沉降还原数据,4组沉降预测数据,对模型的预测值与原始值进行绝对误差比较,生成曲线图,实现模型预测的计算及结果分析,来实现高效率的生产需要,给煤矿高层建筑物的稳定性提供科学的分析。