基于瓦片结构的GIS中拓扑关系的建立

本文简要讨论了一种ＧＩＳ空间数据管理的新方法，重点讨论了在使用新方法管理空间数据后，如何建立拓扑关系。方法就是对单个瓦片进行处理，建立各瓦片内部的拓扑关系，然后建立相邻瓦片之间的对应关系。以瓦片、专题图、工作区为对象，采用面向对象的程序设计方法建立数据结构和数据模型。     

基于火场感知的车载前线指挥系统

利用信息化手段对各类设备、人员装备等实施植入改造,采用面向对象的封装功能设计,构建火场前线感知的信息对象。基于4G通信技术实现指挥车为中心的网络环境,接收、管理、调度前线单兵图传、无人机侦查、火险因子采集、人员队伍定位等感知信息,并通过设计开发车载前线感知及调度系统实施火场前线的调度指挥及侦查联动。     

基于框架理论的变电站操作票自动生成系统

介绍了一种基于框架理论的变电站操作票自动生成系统。该系统用框架知识表示法来描述电力系统的设备参数，建构了一个直观的、层次分明的数据结构。通过融合框架理论于面向对象的语言VC 中，开发出了一个集通用、实用、智能于一体的操作票专家系统。     

猪场生产管理系统的设计与实现

养猪业是我国农村经济支柱产业,随着猪场管理的集约化程度不断得到提高,对生产过程的优化和管理提出了更高的要求.将信息技术应用到猪场生产管理中对提高猪场的生产管理水平、降低生产成本,提高经济效益具有重要意义.为此,在对猪场业务进行深入分析的基础上,提出了猪场生产管理系统设计框架,把该系统划分为生猪管理、猪舍管理、用户管理、成本管理4大部分,并采用自顶向下的模块化的设计和面向对象的程序设计方法开发了一套完整的信息系统.     

融合光谱混合分解与面向对象的土地利用/覆被分类

错综复杂的土地利用模式和破碎的地物斑块制约了土地利用/覆被分类的精度和效率。一方面,混合像元模糊了地物的光谱信息,影响了分类精度。另一方面,如何高效利用地物的光谱、形状和纹理特征是当前土地利用/覆被分类的研究热点。为了提高基于遥感技术的土地利用/覆被分类精度,该研究基于Sentinel-2A遥感影像,开展融合光谱混合分解与面向对象的土地利用/覆被分类研究。首先,基于地物的光谱、形状和纹理特征,在3个分割尺度通过NDWI（Normalized Difference Water Index)、NDVI（Normalized Difference Vegetation Index）、SBL（Soil Background Level）等8个特征参数构建了不同地物信息的提取规则。其次,利用光谱混合分解模型提取研究区基质（SL;岩石和土壤）、植被（GV;光合作用叶片）和暗色物质（DA;阴影和水）3类通用端元。最后,尝试融合3端元光谱特征优化地物信息提取规则。研究结果表明：1）基于构建的光谱、形状和纹理的地物信息提取规则,使用模糊函数、阈值法进行土地利用/覆被分类,获得了较高的分类精度,总体精度为80.83%,Kappa系数为0.76。2）融合3端元的光谱特征的提取规则将分类精度提升至90.00%,Kappa系数提升至0.88。3）具有明确物理意义的3端元的融入增强了像元内各组分信息的差异性,弥补了传统光谱指数对植被与土壤间的亮度信息解析度不足的缺陷。该方法能充分利用影像的光谱信息,是一种由易到难、对不确定因素进行逐层剥离的土地利用/覆被信息提取技术。因此,对中高分辨率的多光谱遥感影像十分友好,在土地利用/覆被的精细化分类中有较大应用潜力。     

基于厘米级无人机影像的水土保持措施精准识别

基于厘米级高分辨率无人机影像,应用面向对象方法(Object-Based Image Analysis, OBIA)对吉林省伊通县椽子沟流域的横坡改垄、地埂植物带、生态恢复乔木林、生态恢复草地等水土保持措施进行自动精准识别。应用超绿指数(Excess Green Index,ExG)、超红指数(Excess Red Index,ExR)、归一化差异指数(Normalized Difference Index,NDI)等光谱指数,形状的主方向、形状指数等形状特征,均值(Mean)、方差(Variance)、对比度(Contrast)等纹理特征进行措施的特征提取。结果表明:研究区水土保持措施识别的总体精度可达91.24%,Kappa系数为0.87;对垄台、垄沟等线性水土保持措施总体精度可达72.33%,Kappa系数为0.63。基于厘米级无人机影像,应用面向对象方法基本可实现对黑土区水土保持措施的精准识别,也可对垄台垄沟等线性措施进行自动识别,研究结果可为水土保持措施实施范围及完好程度的动态监测提供参考依据。     

面向对象的湖北省土地覆被变化遥感快速监测

为了快速监测湖北省土地覆被变化,以HJ-CCD、TM以及ETM影像为数据源,探索出了集成面向对象技术与"3S"技术的中尺度土地覆被变化遥感流程和方法。该方法首先基于HJ-CCD影像和面向对象技术进行2010年湖北省土地覆被信息的提取,并用野外采样点对结果进行验证。在保证高精度的情况下利用向量相似性函数对湖北省2000－2005年以及2005－2010年进行变化检测,从而获得2个变化时期影像的变化区域,然后利用面向对象技术中的最邻近分类器对变化区进行自动化分类。最后分别将2期的变化结果与未变化结果融合后获得湖北省2000年、2005年和2010年的土地覆被图,在GIS中处理后建成县、市、省3级行政级别的湖北省土地覆被变化本底数据库。试验表明分类结果的总体精度为93.24%,Kappa系数为0.914;2000－2005年与2005－2010年变化检测的总体精度分别为90.88%和90.75%。同时研究发现景观破碎的地区应用面向对象技术有一定的局限性。     

西藏地区生产建设项目扰动地表遥感监测方法与监管应用

西藏地区地域辽阔,生产建设项目类型多样,覆盖范围广,传统的现场调查方法难以满足区域性水土保持监管工作的需求。应用高分一号卫星影像,选择西藏地区生产建设项目扰动范围广的区域,在面向对象分类方法的基础上,开展生产建设项目地表扰动范围提取的技术研究,生产建设项目扰动区的提取精度达到83%以上。将提取结果应用于区域生产建设项目水土保持监管工作中,发现2014—2016年,扰动面积的扩大区域主要集中于在建矿山项目区。     

甘蔗收获机智能设计知识表达及知识库系统开发

针对甘蔗收获机领域知识匮乏、重用、共享性差的问题, 通过研究该领域知识的特点,综合利用与或树产生式规则、框架和面向对象的方法表达该领域中的模糊知识及创新性知识, 通过与数据库软件的有效集成,创建智能设计知识库系统,通过对知识库的管理实现知识的获取和维护。     

基于无人机LiDAR的天然林与人工林林隙提取

为研究主动遥感进行森林地物分类和林隙提取的效果,分别在天然林和人工林中比较了无人机激光雷达(Li DAR)数据的阈值法、逐像元法和面向对象法3种方法的分类精度和适用性。选取天然林(黑龙江省哈尔滨市帽儿山林场)和人工林(内蒙古自治区赤峰市旺业甸林场)两处试验区,应用阈值法、逐像元法和面向对象法3种方法,对两个试验区采集的无人机Li DAR数据进行林隙、非林隙、其他类型划分。研究结果表明,面向对象法在天然林和人工林试验区中的分类精度和Kappa系数均最高,天然林为82. 43%、0. 73,人工林为91. 74%、0. 88;逐像元法次之,天然林为76. 62%、0. 64,人工林为78. 68%、0. 68;阈值法的分类精度和Kappa系数差异较大,在天然林中的精度极低,为50. 54%、0. 27,人工林的精度较高,为79. 12%、0. 69。面向对象法和逐像元法在天然林和人工林普遍适用,均可以达到理想的分类精度和Kappa系数。阈值法在天然林的精度较低,更适合于人工林的分类,即林分高度趋于一致,且建筑、道路等其他类型干扰较少的区域。天然林的最佳分类方法为面向对象法,人工林的最佳分类方法为阈值法。