数字化测图实践与认识

随着测绘科学技术的发展，传统的模拟法测图方法已被数字化测图方法所替代。本文从数字化测图工作的外业、内业以及测量成果表现形式上，对数字化测图与模拟法测图的特点进行了对比分析；分析了数字化测图质量评价的内容和特点；结合数字化测图的工作实践，对数字化测图工作提出了几点有益的认识。     

兼顾面积属性与不确定性信息的样本点权重调整方法

样本点权重调整是遥感分类精度评价中样本点空间分配的关键环节。以北京市顺义区精度评价样本点为例,提出了一种兼顾面积属性与不确定性信息的样本点权重调整方法——模糊调整权重法,用于布设精度评价样本点。首先,构建用于表达不确定性信息的模糊中和指数及其权重,融合模糊中和指数权重和面积权重构建模糊调整权重,并计算各个分层的模糊调整权重结果,完成样本点特征空间分配;其次,设置不同梯度样本点集,结合平均最短距离最小化准则和空间模拟退火算法实现样本点地理空间优化布设;最后,构建权重调整效果评价指标,进行模糊调整权重效果评价,并与其他权重调整方法和未进行权重调整的布点方法进行对比分析。结果表明：顺义区不确定性大、中、小的层模糊调整权重分别为0.45、0.37、0.18,与面积权重相比,不确定性大的层权重显著增加、中层权重稍微增加、小层权重明显降低;5个不同数据集样本点权重调整的精度评价总体精度、相对精度、均方根误差和标准偏差结果分别为69.90%～73.48%、96.28%～99.82%、0.01和0.01;模糊调整权重布点方法评价效果优于面积权重、模糊中和指数权重、不确定性空间分层权重布点方法,以及空间...     

不同数据情境的耕地土壤重金属污染监测点位布设方法

利用基础数据指导监测点位布设成为近年来的研究热点。以北京顺义区重金属Cd污染监测为例,研究耕地土壤重金属污染监测在不同数据情境下的点位布设方法。首先划分了耕地土壤重金属污染监测的基础数据情境,其次探讨了点位布设方法的特点及适用数据情境,最后利用均匀变异指数和偏离指数评价点位布设的均匀性。研究结果表明：（1）存在“无历史,无辅助”、“无历史,有辅助”、“有历史,无辅助”、“有历史,有辅助”、“历史充足”5种基础数据情境,并分别推荐了系统/随机采样布局、无偏采样布局、加密采样布局、加密/无偏采样布局、去冗精化布点策略。（2）顺义区西部属于“无历史,无辅助”数据情境,采用系统采样布局;顺义区东部属于“历史充足”数据情境,采用去冗精化处理。顺义区的均匀变异指数由原始0.546下降到0.490,尤其是顺义区东部均匀变异指数下降到0.468,且偏离指数小于原始样本点布局,验证了不同数据情境的耕地土壤重金属污染监测点位布设方法的可操作性和可行性。该研究可为耕地土壤重金属污染监测点位布设方法的选择提供理论基础和技术支撑。     

基于多元统计分析的土壤铬含量高光谱估测模型

快速测定土壤重金属的含量,对防治土壤环境污染具有重要意义。本文以山东省烟台市的70个棕壤样本为研究对象,对室外光谱数据进行多种数学变换,根据极大相关性原则从光谱的一阶微分、对数倒数的一阶微分和倒数的一阶微分三种变换中选取5个波段作为反演因子,即:R_(1910.5)(一阶微分)、R_(674.1)(对数倒数的一阶微分)、R_(1609.4)、R_(1231.3)、R_(1127.3)(倒数的一阶微分),然后利用多元统计分析方法和BP神经网络方法分别建立土壤金属铬含量高光谱估测模型。实验结果表明,当利用多元统计分析方法建立估测模型时,14个检验样本的平均相对误差为4.906%,模型的决定系数R~2=0.971,其效果优于BP神经网络模型。研究表明,利用多元统计分析法建立土壤金属铬含量高光谱估测模型是有效的。     

我国研究生可持续创新能力培养影响因素调查与分析

针对我国研究生培养的现状,以可持续创新能力培养的视角开展问卷调查,统计分析我国研究生教育在创新基础、创新意识、创新思维、创新能力及可持续创新能力培养方面取得的成绩及其不足之处,并给出改进建议。结果表明,我国现阶段研究生创新教育已取得了巨大成就,但与我国可持续发展战略的要求相比还存在一定偏差。因此,应着力加强研究生创新基础、创新意识和创新思维培养,提高研究生创新能力的可持续性。根据调查发现的问题,给出了转变教育理念,提高重视程度;加大投入力度,完善科研条件;完善制度机制和培养体系;发挥导师引领作用,激发学生学习动力等建议。     

基于表层土壤光谱的耕层土壤有机质间接估测

为解决遥感技术在监测耕层土壤有机质方面的应用问题,利用表层土壤光谱对耕层土壤有机质含量进行估测。以山东省济南市章丘区的表层、耕层各76个土壤样本为研究对象,首先对表层光谱数据进行小波变换去噪、剔除异常样本等处理,然后对处理后的光谱反射率进行一阶微分等10种数学变换,在对数倒数一阶微分和对数一阶微分变换后的反射率数据中选取43个与土壤有机质含量相关系数较高的波段,通过主成分分析以累计贡献率大于90%的标准选取5个主成分作为反演因子,利用BP神经网络(BPNN)、支持向量机回归(SVR)和多元线性回归(MLR)方法建立耕层土壤有机质含量间接估测模型。结果表明,耕层土壤与表层土壤有机质含量之间决定系数R~2达到0.839,显著性P0.01,存在着较强的相关性BPN估测模型的精度最优,决定系数R~2为0.845,平均相对误差为7.642%,RMSE分别为1.622g·kg~(-1)。研究表明,利用表层土壤光谱信息间接估测耕层有机质含量是可行有效的,为耕层土壤有机质的估测问题提供了一种新思路。     

测绘类高等教育在人工智能时代的改革思考

当前,在人工智能浪潮的影响下,人工智能技术正在逐步渗入各行各业,也必将推动测绘类高等教育发生变革。本文从人工智能技术的发展历程出发,分析了人工智能对测绘和教育行业的影响,结合测绘类专业教育的现状,从培养理念、知识结构、教学方法和创新能力四个方面构建了人工智能时代测绘类专业的教育改革体系,为探索人工智能与测绘类高等教育的深层融合提供理论参考和经验借鉴。     

耕层土壤含水量间接光谱估测模型

为克服光学卫星遥感只能获取表层土壤光谱信息而不能用于直接估测耕层土壤含水量的局限性,建立基于表层土壤高光谱的耕层土壤含水量间接估测模型。以山东省济阳县85个潮土样本的含水量及高光谱数据为基础,根据表层与耕层土壤含水量的内在关系,建立耕层土壤含水量间接光谱估测模型。结果表明,表层土壤光谱反射率的对数变换效果较好,以1339、1457、1745、1969、1996 nm波段的对数变换值为估测因子,采用多元线性回归模型建立的表层含水量估测模型的决定系数为R ²=0.8911,平均相对误差为13.67%;土壤耕层与表层含水量之间存在着显著的相关性,R ²=0.8131;耕层土壤含水量间接光谱估测模型的精度较高,决定系数R ²=0.8138,平均相对误差为9.66%。研究表明,山东省济阳县潮土表层、耕层含水量之间存在着显著的相关性,利用表层土壤光谱间接估测耕层土壤含水量是可行有效的。     

基于CNN-FCM与光谱数据的土壤有机质高光谱估测

为克服卷积神经网络（CNN）拟合和估测精度不一定成正比的不足,提高土壤有机质估测精度,本文基于山东省济南市章丘区和济阳区的121个土壤样本的数据,首先对光谱数据进行预处理,然后建立土壤有机质高光谱CNN-FCM估测模型。结果表明：当CNN模型结构为一个3×3的卷积核,一个2×2的平均池化层,一个完全连接和输出层,FCM模型的模糊分类数为10,且使用线性函数建立融合模型时,模型估测精度最高,其中检验样本的决定系数R2为0.895,平均相对误差MRE为5.042%,均优于传统的BP、SVM和随机森林模型。研究表明,土壤有机质高光谱CNN-FCM估测模型是可行有效的。     

基于灰信息的土壤含水量高光谱灰色关联估测

针对光谱估测中的灰色不确定性,基于灰信息理论和山东省泰安市岱岳区的92个土壤样本数据,建立土壤含水量高光谱灰色关联估测模型。首先根据极大相关性原则选择光谱估测因子,并基于灰信息理论将各样本的光谱估测因子由小到大进行排序;然后利用灰色距离关联度构建土壤含水量高光谱灰色关联估测模型,并根据利用最少信息原理建立估测模型群;最后根据检验样本的平均相对误差和决定系数,对估测模型进行优化。结果表明,9个检验样本的平均相对误差为5.727%,决定系数R²=0.930,估测精度高于常用方法。研究表明本文提出的土壤含水量高光谱灰色关联度估测模型是可行有效的。