摘要：极艰险区域具有地形起伏极大、地理环境复杂和永久散射体稀少的特点,为此文章设计了一种改进的SBAS-InSAR技术进行地表形变监测。文章先从相干性、振幅离差指数、形变速率三个方面获得候选的永久性散射体点,之后辅以光学影像精选出最终的永久性散射体点,将其作为轨道精炼控制点引入SBAS-InSAR解算过程,最终完成了研究区的地表形变监测。通过对比分析常规的PS-InSAR技术与SBAS-InSAR技术,该技术在极艰险区域具有良好的应用价值。

摘要：针对复杂艰险地区修建道路时,地质岩性难以现场获取的问题,该文利用ASTER多光谱遥感影像,研究和设计了一种顾及植被覆盖的复杂艰险地区多光谱遥感岩性信息识别提取方法。该方法根据植被覆盖情况先分类后进行岩性识别:对中高植被覆盖区进行植被信息的抑制处理,再对中低植被覆盖区采用主成分分析法进行岩性信息提取;对低植被地表裸露区域采用端元提取、光谱角填图的方法进行岩性信息的提取。最后将岩性识别提取结果与现场地勘结果进行对比验证。结果表明该方法进行岩性信息提取结果与已有的现场勘察结果基本一致,具有重要的参考和应用价值。

摘要：不稳定斜坡地表形变预测对于滑坡灾害防治和预警具有重要意义。现有监测手段覆盖范围小、成本高,相关预测方法局限于单点预测,对历史数据量要求较高。针对上述问题,本文采用小基线集合成孔径雷达干涉测量(SBAS⁃InSAR)技术进行不稳定斜坡地表形变监测,设计了一种结合InSAR反演结果和门控循环单元(GRU)神经网络的不稳定斜坡地表形变预测方法。首先使用SBAS⁃InSAR技术对研究区域进行地表形变监测,然后利用获取到的时序形变反演结果,建立GRU模型进行形变规律学习,最后开展不稳定斜坡地表形变预测。试验结果表明,该方法对不稳定斜坡地表形变的预测平均绝对误差为0.678 mm,平均绝对比例误差为2.7%,相比于传统的支持向量回归(SVR)模型,预测效果提升超过30%,工程应用潜力较大。

摘要：地表变化检测是遥感大数据应用的重要内容,为此以植被区域为研究对象,结合相关系数和特征分析提出图斑级自动变化检测应用方法并研发软件。该方法结合光谱和纹理特征构建地物相关系数,采用相似性度量方式进行植被区域的变化检测;然后通过分析植被与其他地物类型之间的光谱差异,选择红光波段比值进行伪变化去除;最后基于.NET框架和ArcGIS Engine二次开发组件库,设计研发了一款变化检测工具软件。导入实验数据进行变化检测,实验结果表明软件的变化检测达到94.3%的正确率和8.5%的漏检率,相对人工交互解译,软件自动化水平较高。研究结果表明所提方法和软件具有良好的应用价值。

摘要：为了便于在工程施工和运营管理中监控、追踪和管理建筑物部件,根据建筑物编码规则设计出建筑物部件二维码。以二维码作为建筑物部件的物流信息载体,并基于Android平台研发了移动端的追踪管理APP。试运行结果表明,该APP能够有效实现对建筑物部件的追踪管理,提高建筑物部件管理的信息化水平、保障工程施工质量。