摘要：道路信息自动化提取已经成为遥感领域热门的研究方向,而基于深度学习的遥感影像道路信息提取方法已经取得了许多成果。但由于受到网络中卷积和池化等操作的影响,基于深度学习的道路提取方法存在着空间特征和地物细节信息丢失等问题,造成许多误提现象。针对此问题,本文设计了一种改进的道路提取语义分割网络模型,该网络以改进的ResNet网络为主体,并引入坐标卷积和全局信息增强模块,用于增强空间信息和全局上下文信息的感知能力,突出道路边缘特征进而确保道路分类的精确性。本文方法在公开道路数据集和高分数据集上获得了显著的提取效果,与其它方法相比取得了明显提高;并且,在一定程度上减少了树木、建筑阴影等自然场景因素遮挡的影响,可以完整准确地提取出道路;此外,模型对多尺度道路也可以实现有效地提取。

摘要：提出了利用地图代数栅格路径距离变换原理求解欧氏障碍空间最短路径问题的方法(MA-ESPO),实现了二维障碍空间最短路径的一个栅格解法,并且把障碍物、源、汇图形都扩大到任意形态图形。给出了基于地图代数的障碍空间下距离变换方法(MA-DTO),其简便地生成了整个障碍空间所有点的趋源距离,从而成为E2生成所定义障碍空间下各任意形态图形的Voronoi图的实际方法。

摘要：清水廊道陆向缓冲带是截留陆域污染入河前的最重要生态屏障,评价其工程适宜性,不仅要体现出陆向缓冲带对外源污染物拦截效果以及所选缓冲带技术本身的特点,还要体现出污染物拦截技术对于清水廊道周边环境、社会和经济等方面综合影响。基于层次分析法,选取了18个评价指标,构建清水廊道陆向缓冲带工程适宜性评价体系,并对光明大堰河清水廊道陆向缓冲带污染拦截工程进行适宜性评价。结果表明:在所评价的8个河段中,非常适宜的河段占62.5%,适宜的河段占37.5%,河段总体处于污染拦截效果较好状态。基于层次分析法的清水廊道陆向缓冲带污染拦截工程评价方法可将河岸带的功能管理、植被及生态重建、土地利用、滨水区规划和设计融入工程评价中,为清水廊道工程的实施提供理论支撑和数据支持。

摘要：遥感时空信息融合需要其他时相的数据作为辅助,而现有的时空融合应用往往随机选用单时相或双时相辅助数据,从而导致融合结果并非最佳。单/双时相辅助数据中,哪种能获得更优的融合结果?如何选用单/双时相辅助数据进行最佳融合?这是目前研究中尚未探究的问题。针对此问题,该文对单/双时相辅助数据的融合结果进行了系统比较,总结了单/双时相辅助数据在不同时相变化特征下的适用规律。结果发现,当存在多个可供选择的辅助时相时,若预测时段内时相变化幅度基本均等,应优先选用双时相辅助数据进行融合;若时相变化幅度明显不等,应优先选用差异较小的单时相辅助数据进行融合。此外,为深入揭示时相差异与最优辅助时相的关系,该文对其进行了量化研究,提出了一种用于选取最优辅助时相的经验性方法。