随着大数据时代的来临,多源大数据正在兴起,数据驱动研究范式与地理学日益融合。基于个体行为的地理空间大数据可提供对海量个体行为模式的观察,从而实现“由人及地”的社会感知,支持城市管理、交通、公共卫生等不同应用。本文从应用角度,以地理空间大数据为重点,梳理其支持的6种应用范式,按照层次从低到高依次为描述时空分布、识别异常对象、发现普适规律、揭示关联关系、预测未来趋势及优化空间决策。其中,第1个方向是对地理现象和地理要素时空特征的简单刻画;第2~4个方向则注重探寻时空分布特征背后的规律和机理;最后两项,则是在决策层面提供支持。继而,本文指出大数据应用中数据获取、分析方法和应用目标3方面的问题。
面对大面积、高密度的制冰排管,平行度、翘曲度数据的提取存在检测精度低、数据覆盖不全面的问题。本文结合多棱镜靶球的三维激光采集方式,提出多站点云光束法全局配准方法,使用半径约束的随机抽样一致性球拟合法方法提取靶球中心,利用各测站点云原点绝对坐标、标靶中心相对坐标与标靶中心绝对坐标之间的坐标转换关系,采用光束法全局求解所有测站的位置与姿态参数,完成场馆点云的全局配准。试验采用国家速滑馆扫描数据进行验证。结果表明,点云匹配后内符合精度为2.6 mm,外符合精度为1.9 mm,相比于现有方法,本文方法取得了更高的采集精度。
时空异常探测是地理空间数据挖掘的核心技术之一,可为深层揭示地理过程演化机理提供关键突破口。在大数据与人工智能技术的推动下,从数据驱动向知识驱动转变是地理大数据时空异常智能探测的发展趋势。本文系统梳理了时空异常探测研究的发展历程与主流研究思路,剖析了数据、信息与知识间的辩证关系,并从“地理变量、空间基底、时空关系、知识类型”四位一体的视角构建了时空知识的统一描述框架。进而,结合案例阐述了时空知识与时空异常的“双向驱动”内涵,提出了“时空知识关联建模→时空异常智能识别→时空知识动态更新”的时空异常智能探测实现路径,支撑时空异常可靠探测与时空知识可信服务。
针对建筑物变化检测中深度学习方法严重依赖大量高成本高难度的像素级标注样本进行模型训练的问题,本文提出一种基于图像级标注样本的高分辨率遥感建筑物弱监督变化检测方法MDF-LSR-Net。该方法首先提取双时相多尺度差异特征,并对多尺度差异特征进行渐进式融合,利用充分融合后的多层次多尺度差异特征来生成变化热力图;然后,利用低层融合差异特征的局部空间相似性来优化初始的变化热力图,进一步增强热力图中变化区域的完整性和准确性;最后,基于高质量的变化热力图训练最终的变化检测模型。在公开的建筑物变化检测数据集WHU和LEVIR上的多组试验结果表明,本文方法能够获取更加完整且准确的变化热力图,从而使得基于此训练的变化检测模型也取得更高的检测精度,其中最终的变化检测模型在WHU数据集上的IOU和F1值分别可达65%和79%以上。
本文基于椭球谐分析,提出了超高阶地球重力场模型构建的局部积分改进迭代法和全球积分改进迭代法,解决了传统的局部积分改进法存在的局限性,有效提高了改进模型在中国地区的适用精度。选择EGM2008、EIGEN-6C4地球重力场模型作为初始模型,利用中国及周边地区最新的5'×5'实测格网平均重力异常数据,构建了DQM2022系列超高阶地球重力场模型,其完全阶次均为2190。采用地面实测重力异常、GNSS/水准、天文大地垂线偏差等数据对改进模型进行精度评估。结果显示:①相对于初始模型,改进模型表示中国地区重力场的精度显著提高,重力异常精度提高了2.4~2.8 mGal,高程异常精度提高了1.0~2.4 cm,垂线偏差精度提高了0.07″~0.15″;②在表示中国地区重力场时,基于EIGEN-6C4初始模型构建的改进模型精度最高,高程异常精度约为10.6 cm,垂线偏差精度约为2.1″。
近些年来,基于接收信号强度指示(RSSI)测距的研究受到了广泛的关注,特别是在物联网和室内定位领域。精准的距离估计是基于测距方法实现高精度定位的基础,但由于存在测量噪声和多路径效应的影响,RSSI信号具有很强的波动性,从而导致RSSI与空间真实物理距离之间的映射关系具有不均匀的特点。为了增强RSSI与真实物理距离之间的映射关系,提高RSSI测距的精度,本文基于反向传播(BP)神经网络和灰狼优化(GWO)算法,提出了一种基于GWO-BP神经网络的RSSI测距算法。GWO算法相比于粒子群优化算法(PSO)、遗传算法(GA)、差分演化(DE)、进化编程(EP)、进化策略(ES)具有更快收敛速度和更强稳定性的特点。此外,本文通过开发的手机软件采集实测数据,通过在两个不同的环境内进行试验。结果表明,基于路径损耗模型(PLM)测距的均方根误差(RMSE)分别为2.218、2.059 m,传统BP神经网络测距算法的RMSE分别为1.541、1.551 m,基于GA算法优化BP神经网络测距算法的RMSE分别为1.269、1.201 m,本文提出的GWO-BP神经网络测距算法的RMSE分别为1.054、0.833 m;结果表明本文算法测距精度更高,稳健性更好。
智慧城市建设中CORS位置服务的海量、隐私及高可靠性成为重要发展趋势。本文介绍了基于PPP-RTK技术体系的城市CORS增强定位服务,推导了城市CORS增强精密单点定位的公式,给出了城市CORS增强定位参数的可估形式及其在用户端的适用方法。结合广州CORS实时数据,验证了PPP-RTK服务的有效性。试验表明PPP-RTK用户端平面首历元即可收敛到厘米级,高程7个历元左右可收敛到厘米级,并且PPP-RTK增强定位参数SSR2OSR与短基线RTK性能大体相当,可支撑海量用户的监测需求。车载试验全程保持优于0.5 m车道级的三维精度,表明PPP-RTK定位能够满足多元化高可靠性定位。
探索精细化的土地利用碳收支核算方法,分析当前低碳国土空间格局状况,对于推动土地低碳利用并助力实现“双碳”目标具有重要现实意义。本文基于地理大数据精细化核算了2008—2020年中国土地利用碳收支,并对其时空趋势特征进行分析。研究结论如下:①从时序上看,土地利用碳排放逐年上升,碳汇量年度变化较小;其中,建设用地是土地利用最大的碳源;农业用地已实现碳达峰;生态用地碳汇量目前仅能抵消7%左右的碳排放;土壤碳库多数年份表现为净碳损失。②从空间上看,空间集聚特征明显,锁定效应较强;碳排放总量方面,建设用地碳排放高值城市多以资源型、经济发达城市为主;农业用地碳排放高值区主要分布在粮食主产区;生态用地高碳汇区主要分布在“胡焕庸线”两侧及东南地区;土壤碳库碳损失量整体上东部较高,西部较低;③基于土地利用分析城市碳达峰状态,结果表明碳达峰在任何类型城市都有可能实现,主动达峰、被动达峰、平台期、未达峰城市数量分别占比10%、5%、31%及54%,城市层面的碳达峰压力仍然巨大。未来可以基于地理大数据,推动土地资源的精细化管理,针对不同地区、不同用地类型碳收支情况制定低碳土地利用转型策略,助力实现低碳国土空间优化与碳中和。
高精度的海底地形图对于地球科学研究有着重要意义,由于直接的海深测量难以进行高密度全球覆盖,因此利用重力数据预测海底地形成为非常有效的方法。当前重力预测海底地形的方法有频率导纳法、重力地质法、解析迭代法等,但都存在一定的问题。本文针对解析迭代算法中难以处理的远区地形和深部密度异常的低频影响,应用移去-恢复方法对这些低频影响进行剔除。结合现有海深模型,通过仿真试验,讨论了分离低频影响的方法与相应的精度,结论如下:对于在移去-恢复方法中使用的初始海深模型,在海面上剔除掉重力异常的低频影响后,反演解算得到的海深结果均较初始海深模型的精度有所提高,验证了移去-恢复方法在利用重力异常数据反演海底地形的有效性。本文选取了中国南海12.87°N—13.87°N,113.65°E—114.65°E区域,利用移去-恢复方法解算了其下方的海底地形,将解算结果与NGDC的实测海深数据进行比较,预测结果的均方根误差为90.3 m,相对误差可达2.11%。这为利用高精度重力数据,通过解析迭代算法改善船测稀疏区域的海深数据提供了可能。
利用卫星测量塔将水下定位转换为水上定位是国内外沉管隧道管节定位的主要方法。然而,测量塔变形和管节变形的耦合影响定位精度,且无法适应大水深安装对接。本文提出了一种水下主动光源编码合作靶标摄影测量管节对接定位方法,利用主动光源增加光学作用距离,抑制后向散射,靶标编码克服悬浮颗粒、浮游生物影响。结合透射光分离成像和折射率作为未知参数的测量平差,克服水体浑浊和折射率诱导的光学畸变对水下摄影测量的影响。通过在待沉管节对接端两侧顶部安装摄影测量系统,已沉管节对应位置安装合作靶标并贯通测量确定其在施工坐标系的位置和姿态,通过后方交会计算得到待沉管节在施工坐标系的位置,与需要沉放到的理论位置对比,生成待沉管节位姿调整信息辅助对接。深中通道和大连湾沉管隧道工程应用表明,管节对接线形精度达到2 cm和100 m,为未来大水深沉管隧道建设提供关键技术支撑。
实景三维和数字孪生已成为桥梁运维和管理的重要基础,然而面对桥梁的复杂几何结构,现有三维建模方法存在原始数据采集量大、建模效率低、模型细节缺失或变形等问题。对此,本文研究了一种基于3D高斯辐射场的桥梁实景三维重建方法。利用3D高斯函数对采集图像生成的稀疏点云构建高斯辐射场,并基于随机梯度下降对辐射场参数进行自适应优化,通过可微光栅渲染对三维模型进行实时可视化,从而实现高质量桥梁三维重建和渲染。试验探讨了不同图像分辨率,以及各项参数变化对桥梁建模的影响,并与传统方法作对比,为进一步针对桥梁的应用提供理论和技术支撑,推动桥梁复杂结构的高效、准确实景三维重建。
遥感影像在获取过程中会经常受到条带噪声的污染,降低遥感影像的视觉效果,对影像解译和反演等处理产生不利影响。当前一些主流的基于变分的条带噪声去除方法,虽然可以去除条带噪声,但是往往也会导致影像细节信息的严重丢失。基于上述问题,本文提出了一种基于细节信息约束的遥感影像条带噪声去除模型(DISUTV)。在DISUTV模型中,将所提出的基于双边滤波器与正交子空间投影的细节信息分离算子与单向全变分正则化项、群组稀疏正则化项及单向全变分正则约束项进行了有效结合,并采用交替方向乘子法对其进行求解,用于从条带噪声影像中获取不含有细节信息的高精度条带噪声。利用模拟数据与真实数据对本文方法的条带噪声去除能力、细节信息保持能力及稳健性进行了验证并与现有前沿方法进行了比较。试验结果表明,本文方法在去除条带噪声的同时能更好地保留影像的细节信息,并且呈现出了较好的定性与定量结果。
针对街景影像目标的智能化提取难题,本文提出了一种基于混合智能的街景影像知识提取方法(K-CAPSNet)。首先,在现有全景分割网络的基础上,同时关注街景影像的通道信息和空间信息,发展了一种联合注意力机制的全景分割网络,以提高目标分割精度;其次,将人们在生产、生活中形成的街景知识融入街景影像认知过程,借助先验知识设置目标标记阈值,对分割结果进行优化;然后,进一步根据街景影像先验知识验证街景目标之间的拓扑关系并利用深度信息进行空间关系知识挖掘;最后,采用语义模板对街景目标类型、数量及空间关系进行描述和表达。试验表明,相较于基线网络,本文方法在全景分割质量和识别质量方面都有明显提升,较好地实现了对街景影像知识的提取与表达。
深度学习方法支持下的建筑物形状认知成为地图制图等领域研究的热点,利用深度学习的特征挖掘能力,可以提取形状的嵌入表示,支撑制图综合、空间查询等应用场景。本文以建筑物数据为例,构建了一种融合全局特征和图节点特征的建筑物形状分类的图谱卷积神经网络模型。首先,在建筑物加权图基础上分别以建筑物4个宏观形状特征、边界顶点的多阶局部和区域结构特征生成形状的融合描述;然后,利用图谱卷积神经网络提取多层次形状信息,通过融合不同层的图表示结果生成特征编码用于形状分类。试验结果表明,相较对比方法,本文方法能够更有效地区分不同建筑物的形状类别,且生成的特征编码具有良好的形状区分度。
随着安全监测智能化时代的到来,隧道环境下监测点定位测量相关研究逐渐向全天候和全天时等方向发展。针对隧道监测点定位时存在实时性较差且测量周期长等问题,同时易受灰尘和照明等因素影响,本文引入具有较高距离与速度分辨率的毫米波雷达开展隧道监测点高精度定位研究,提出一种基于多台毫米波雷达联合测距的定位方法。首先,在快速傅里叶变换提取测距信息的基础上,提出采用线性调频Z变换细化频谱并结合相位差对测距值进行精化,保障测距精度稳定在毫米级;然后,针对传统测距雷达仅能获取一维径向形变的弊端,采用多台毫米波雷达同步观测,建立多机联合定位函数模型,构建了一种顾及单次观测雷达脉冲测量精度差异和先验距离的随机模型;最后,通过隧道试验验证了测距与定位算法精度。结果表明,在无其他干扰的情况下,本文提出的基于线性调频Z变换的相位差法测距精度能达到0.3 mm,算法计算效率较已有方法提高50倍。待测目标稳定的情况下,本文多机联合定位方法X方向精度为2.7 mm,Y方向为0.6 mm,受隧道高度的影响,Z方向精度略低,为6.6 mm。待测目标微动的情况下,该方法能准确探测微小形变,满足监测点全天候、全天时、高精度的实时定位测量需求,并有望在工业结构变形监测中得到应用。
本文针对传统地理网格数据剖分的重力场模型构建在高纬度区域出现数据冗余的问题,将分层等积等纬度像素化(HEALPix)网格结构引入地球重力场解算中,提出了利用二十面体HEALPix(ico_HEALPix)网格的超高阶地球重力场建模方法,实现了全球3600阶次球谐位系数的高效构建,同时针对ico_HEALPix网格在球谐分析过程中法矩阵不是严格块对角化结构的问题,设计了迭代算法,有效提高模型构建的精度。试验表明,ico_HEALPix网格数据在数据量小于地理网格500万的前提下,通过迭代方法构建的全球地球重力场模型精度可达到优于地理网格的效果,球谐位系数误差阶RMS提升1~2个数量级,还解决了地理网格南北极点畸变和数据冗余的问题,提高了网格的数据利用率。