空间数据挖掘与信息共享教育部重点实验室(福州大学)

合集下载

基于J2EE的空间数据挖掘系统设计与实现

基于J2EE的空间数据挖掘系统设计与实现涂建东;陈崇成;黄洪宇;张群洪【期刊名称】《计算机应用》【年(卷),期】2005(025)003【摘要】在分析空间数据挖掘特点的基础上,充分集成空间数据仓库技术、空间数据挖掘技术以及空间信息表达等技术,设计了一个基于J2EE的空间数据挖掘原型.重点介绍该原型系统的功能框架与体系结构、空间关联规则挖掘模块、挖掘结果的可视化表达模块的设计和实现办法.最后给出系统以某市土地利用现状数据集为例的空间关联规则挖掘结果界面.结果表明该系统可较好地满足可靠性、扩展性、可用性等业务需要.【总页数】4页(P710-712,716)【作者】涂建东;陈崇成;黄洪宇;张群洪【作者单位】福州大学,数据挖掘与信息共享教育部重点实验室,福建,福州,350002;福州大学,福建省空间信息工程研究中心,福建,福州,350002;福州大学,数据挖掘与信息共享教育部重点实验室,福建,福州,350002;福州大学,福建省空间信息工程研究中心,福建,福州,350002;福州大学,数据挖掘与信息共享教育部重点实验室,福建,福州,350002;福州大学,福建省空间信息工程研究中心,福建,福州,350002;福州大学,数据挖掘与信息共享教育部重点实验室,福建,福州,350002;福州大学,福建省空间信息工程研究中心,福建,福州,350002【正文语种】中文【中图分类】TP392【相关文献】1.空间目标数据挖掘分发系统设计与实现 [J], 赵海涛;闫世强;黄晓斌;胡磊2.基于J2EE的基础化学网络虚拟实验系统设计与实现 [J], 凌育赵; 凌蔚鹏; 吴晓天; 刘佩珊3.基于J2EE的高校设备信息管理系统设计与实现探究 [J], 张荣辉4.基于J2EE平台的堤防工程信息管理系统设计与实现 [J], 张清明;金锦;王荆;汪自力5.可视化交互空间数据挖掘原型系统设计与实现 [J], 贾泽露;刘耀林;张彤因版权原因，仅展示原文概要，查看原文内容请购买。

武夷山国家公园生态系统服务价值评估

武夷山国家公园生态系统服务价值评估沈若兰;肖桂荣【期刊名称】《生态科学》【年(卷),期】2023(42)2【摘要】武夷山国家公园作为全国十个国家公园之一,是全球生物多样性保护的关键地带,它保存了地球同纬度最完整最典型的中亚热带原生性森林生态系统,对其进行生态系统服务价值评估,不仅为国家公园原真性和完整性的保护提供基础,也为国家公园的建设和发展提供数据支撑和决策支持。

利用千年生态系统评估方法和改进的当量因子法,将武夷山国家公园服务功能分供给服务、调节服务、支持服务和文化服务四大类及食物生产、原料生产、气体调节等九小类服务功能。

再根据研究区的实际情况修订当量因子表,结合计算出的武夷山国家公园标准当量的价值量以及土地利用情况,评估出武夷山国家公园生态系统服务价值。

结果表明:武夷山国家公园生态系统服务价值高达67.18亿元;就生态系统而言,所提供的服务价值从高到低依次为:森林(66.58亿元)>水体(0.31亿元)>草地(0.23亿元)>农田(0.034亿元)>湿地(0.026亿元)>裸地(0.001亿元);就生态系统服务类别而言,其服务价值从高到低依次为:调节服务(34.02亿元)>支持服务(20.32亿元)>供给服务(7.86亿元)>文化服务(4.98亿元)。

经验证,该研究方法及成果合理适用,为我国国家公园体制建立提供了一套生态系统服务价值计算模式。

【总页数】8页(P58-65)【作者】沈若兰;肖桂荣【作者单位】福州大学空间数据挖掘与信息共享教育部重点实验室;卫星空间信息技术综合应用国家地方联合工程研究中心;数字中国研究院(福建)【正文语种】中文【中图分类】F062.2【相关文献】1.生态系统服务功能价值评估的指标构建分析——以南山国家公园为例2.基于游客感知的生态系统服务社会价值评估——以钱江源国家公园为例3.甘肃省祁连山国家公园生态系统服务价值评估4.青海省祁连山国家公园生态系统服务价值评估研究5.三江源国家公园生态补偿适度标准评估——基于生态系统服务价值供给的视角因版权原因，仅展示原文概要，查看原文内容请购买。

基于CatBoost的福州市山火风险评估研究

基于CatBoost的福州市山火风险评估研究
于欣;江洪;林静;徐加其
【期刊名称】《海南大学学报（自然科学版）》
【年(卷),期】2024(42)2
【摘要】以植被、地形、气象、人为活动4类共23个山火影响因子为基础,构建特征数据集并基于CatBoost集成学习方法构建了福州市日度山火风险评估模型.研究表明:2010—2021年福州市山火的发生具有空间聚集性,且山火发生次数存在显著下降趋势;福州市山火的发生受归一化植被指数的影响最大,其次是气象、地形及人为活动因子;集成学习方法对福州市山火预测精度普遍较高,CatBoost山火预警模型在概率预测及火点识别等方面均优于目前常用的RF和XGBoost模型,AUC 为0.928,基于该模型得出福州市山火风险由其东北、西南部向中心降低,罗源县、连江县、闽清县、永泰县山火风险相对较高,福州市区山火风险相对较低.本研究可实现福州市山火风险等级评估,对福州市开展针对性山火防控管理工作具有一定参考价值.
【总页数】12页(P174-185)
【作者】于欣;江洪;林静;徐加其
【作者单位】福州大学空间数据挖掘与信息共享教育部重点实验室(福建)
【正文语种】中文
【中图分类】TP79;S762.2
【相关文献】
1.输电线路山火故障风险评估模型及评估方法研究
2.基于GIS的城市内涝成因分析及风险评估研究——以福州市主城区为例
3.基于Lasso和CatBoost融合模型的信用风险评估研究
4.基于RS和GIS的长白山火山灾害风险评估研究
5.基于KMV-CatBoost增强的企业信用债券违约风险评估模型
因版权原因，仅展示原文概要，查看原文内容请购买。

基于Louvain算法的图数据三维树形可视化

基于Louvain算法的图数据三维树形可视化林定;徐颖;黄国新;陈崇成【摘要】提出一种图数据的三维树形可视化方法,基于Louvain算法对图数据中的复杂的网络关系进行层次聚类,利用三维树形映射表达聚类结果,直观展示隐含于图数据中的结构关系,通过在三维场景中旋转、缩放、移动、拾取高亮等交互操作多视角地展示数据.集成开源图数据库Neo4j研发原型系统,并开展案例数据实验.实验结果表明,该方法不仅能够简洁灵活地展示图数据的总体层次结构,还能够多样化地表达数据细节,为利用虚拟现实技术探索图数据的潜在信息提供有效的技术支持.%Graph visualization as an effective technology to understand the graph structure and reveal hidden self-organi-zation is of great significance.Meanwhile,detecting hierarchical community structures in contact graph data may give reorganizational insight of complex network relationships.This paper introduces a Neo4j-based implementation of Lou-vain method to produce multi-level clusters,and a prototype system for graph visualization.In the system,the hierarchical structure data are mapped to a 3D botanical tree,and provide the flexible,intuitive operation to explore the potential infor-mation.Visual analysis of experimental results show that the proposed method not only exhibits sophisticated hierarchical community structures clearly,but also displays the data details variously.As a result,the method which is applied virtual reality technique provides strong technical support for graph mining.【期刊名称】《计算机工程与应用》【年(卷),期】2018(054)007【总页数】6页(P96-101)【关键词】图数据;层次社区结构;三维可视化;Neo4j【作者】林定;徐颖;黄国新;陈崇成【作者单位】福州大学空间数据挖掘与信息共享教育部重点实验室,福州350116;福州大学地理空间信息技术国家地方联合工程研究中心,福州350116;福州大学空间数据挖掘与信息共享教育部重点实验室,福州350116;福州大学地理空间信息技术国家地方联合工程研究中心,福州350116;福州大学空间数据挖掘与信息共享教育部重点实验室,福州350116;福州大学地理空间信息技术国家地方联合工程研究中心,福州350116;福州大学空间数据挖掘与信息共享教育部重点实验室,福州350116;福州大学地理空间信息技术国家地方联合工程研究中心,福州350116【正文语种】中文【中图分类】TP3911 引言图将实体及其关系抽象为节点与边的集合，可以用来描述事物之间的复杂联系[1]。

空间信息资源交换服务平台研究

ＩｏｍｔｎＳａｉ，ＭｉｉｒｏｄｃｔｎｕｈｕＵｉｒｔＦｚｏ５０３ｈａｎｒａｉｈｒｇｆｏｎｎｔＥｕａｉ，Ｆｚｏｎｖｓｙｕｈｕ３００，Ｃｉ）ｓｆｙｏｅｉ，ｎ
ＡｂｔａｔＴｅｐｐｒｐｏｏｅｏｕｉｎｏｐｔｌｉｆｒｔｎｓｒｉｅｐａｏｏｅｉｎｌｓａｉｌｉｆｒａｉｎｓａｓｒｃ：ｈａｅｒｐｓｄａｓｌｔｆｓａｉｎｏｍａｉｅｖｃｌｔｒｆｒｒｇｏａｐｔｎｏｔｈ — ｏａｏｆｍａｍｏｒｇｉｃｓｅｈｌｔｒｎｔｅｃｎｅｔｎｈｒｈｔｃｕｅｗｉｈｂｓｄｏｃｎｒ／ｒｎ．ｎ ” ｎｈｃｅｉ，ｄｓｕｓｄｔｅｐａｆｍｉｈｏｃｐｉ，ｔｅａｃｉｔｒｈｃａｅｎ“ ｅｔｆｏｔｅｄ，ａｄｔｅｓｈｍｅｎｏｏｅｅ
第２５卷第５期
２００８年１Ｏ月
测绘科学技术学报
ＪｕｎｌｏｏｔｓＳｉｎｅａｄＴｃｎｌｇｏｒａｆＧｅｍａｉｃｅｃｎｅｈｏｏｙｃ
Ｖｏ＿５Ｎｏ５ｌ２．（０８０－３８０１７－３８２０）５０６－４
空间信息资源交换服务平台研究
涂平，吴升
（福州大学福建省空间信息工程研究中心空间数据挖掘与信息共享教育部重点实验室，福建福州３００）５０３
摘要：出一种区域空间信息共享的解决方案—— 空间信息资源交换服务平台，提对其概念、基于“中心／前置 ”

一种应用大津法的自适应阈值水体提取方法

一种应用大津法的自适应阈值水体提取方法袁欣智;江洪;陈芸芝;汪小钦【摘要】针对基于单一阈值的大范围水体提取同时存在着漏提与误提的局限性,提出了基于大津法的局部范围阈值自适应确定的方法.通过分析水体与其背景地物的光谱特征,发现归一化水体指数(Normalized Difference Water Index,NDWI)直方图呈现明显的双峰分布,对NDWI使用大津法可以较准确地自动计算出水体与非水体的阈值.在初始阈值提取的水体信息的基础上,通过窗体提取局部范围的水体及其背景并进行局部自适应阈值的计算,实现自适应阈值水体信息的提取.使用环境小卫星影像对闽江流域进行水体提取实验,结果表明该方法可实现大范围水体快速提取,提取精度为95.25％,较全局统一阈值提取精度提高5.25％,并能在一定程度上消除地形阴影与建筑物等的影响,对细小水体的提取精度有所提高.【期刊名称】《遥感信息》【年(卷),期】2016(031)005【总页数】7页(P36-42)【关键词】自适应阈值;水体提取;大津法;归一化水体指数;HJ-1 A/B星【作者】袁欣智;江洪;陈芸芝;汪小钦【作者单位】福州大学空间数据挖掘和信息共享教育部重点实验室,福州350002;福建省空间信息工程研究中心,福州350002【正文语种】中文【中图分类】TP391快速、准确地从卫星遥感影像中提取水体信息已经成为水资源调查、水资源宏观监测及湿地保护的重要手段[1]，在水质监测、流域综合治理与水利规划方面有着重大意义。

近年来，针对不同遥感数据源水体提取方法上有一定的研究进展，沈占锋[2]等采用高斯归一化水体指数(Gaussian Normalized Water Index，GNDWI)实现了Landsat卫星遥感影像河流的精确提取；吴春花等[3]对ASTER影像提出了一种基于投票法融合的水体提取方法，改善了常规水体提取方法在提取狭小水体和弱化阴影影响的局限性；胡卫国等[4]以ZY-1 02C星图像为数据源，在归一化植被指数和归一化差异水体指数的基础上提出决策树水体信息提取方法有效地消除薄云对水体提取结果的影响。

基于平行坐标的多维数据交互可视化方法——以日晷晷影位置数据为例

基于平行坐标的多维数据交互可视化方法——以日晷晷影位
置数据为例
谢妮;雷德龙
【期刊名称】《福建电脑》
【年(卷),期】2013(029)011
【摘要】本文基于平行坐标法对整点时刻的日晷晷影位置数据开展多维交互可视化分析,综合运用平行坐标、散点图、数据表格等可视化方法辅助解释或挖掘隐藏在整点时刻日晷晷影位置数据内部的模式、特征和规律.应用结果表明,平行坐标法对具有多维特征的整点时刻的日晷晷影位置数据具有良好的交互可视效果,对日晷建造过程中日晷晷影位置的合理确定有一定的辅助作用.
【总页数】4页(P11-14)
【作者】谢妮;雷德龙
【作者单位】福州大学福建省空间信息工程研究中心空间数据挖掘与信息共享教育部重点实验室福建福州350002;福州大学福建省空间信息工程研究中心空间数据挖掘与信息共享教育部重点实验室福建福州350002
【正文语种】中文
【相关文献】
1.基于平行坐标的多维复杂数据可视化方法研究 [J], 刘荷花;贾进文;史忠森;张泽春
2.一种基于平行坐标系的流转数据可视化方法 [J], 张元鸣;高亚琳;蒋建波;陆佳炜;
徐俊;肖刚
3.基于VaR技术的多维数据交互可视化研究 [J], 陈式座;樊明辉;关玉梅
4.基于平行坐标的可视化多维数据挖掘的研究 [J], 路燕梅
5.基于数据相似度的多维海洋数据交互式集成可视化 [J], 聂俊岚;陈贺敏;张继凯;郭栋梁
因版权原因，仅展示原文概要，查看原文内容请购买。

基于多源同步数据的闽江下游悬浮物定量遥感

［(］演 2
术的发展，许多学者开展了基于实测光谱数据的悬
［) ? ("］浮物遥感研究，但它们大多用于研究湖泊水域，
而对内陆河流则鲜有报道 2 另外，同时采用实测光谱数据和遥感卫星数据来进行水质研究的则更少，少量的此类研究由于实测光谱、卫星数据和地面水质采样数据三者的不同步，而使其实用效果大打折扣 2
;?@! " 图! 研究水域及采样点位示意 A0B 2CDE?1@ 3CF 23G%?F% E03FH 0HF0 01% 3CF E03FH 205BI?1@ ID=03?D12
个过程，首先通过高精度 678 获取一定数量的野外控制点（6J7），然后，利用这些 6J7 对 &’’* 年的影像进行几何精校正 ! 校正采用二次多项式变换和最邻近像元法重采样，校正误差 KA8 满足小于 ’(, 个像元的精度要求 ! 辐射校正：影像的辐射校正是为了消除大气及其它因素的影响 ! 目前，常用的大气校正模型因需要各种难于获取的同步大气参数，而难于付诸实
]FB2 $’， NF2 ’ 环境科学 $##) 4DU2 ， @N]X[^N1@N0=* 4YX@NY@ " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " 第 $’ 卷第 ’ 期 $##) 年 ’ 月

Astar 算法

图３Ａ＊算法应用于最优路径搜索３．２Ａ＊算法应用于最优路径搜索
路径搜索除了考虑距离因素外，有时还要考虑可通行性、障碍物、通行耗费等因素。Ａ＊算法同样可以应用到此类问题的求
参考文献：１．ＺｈａｎＦＢ．ＴｈｒｅｅＦａｓｔｅｓｔＳｈｏｒｔｅｓｔＰａｔｈＡｌｇｏｒｉｔｈｍｓｏｎＲｅａｌＲｏａｄＮｅｔｗｏｒｋｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＧｅｏｇｒａｐｈｉｃＩｎｆｏｒｍａｔｉｏｎａｎｄＤｅｃｉｓｉｏｎＡｎａｌｙｓｉｓ，１９９７，１（１）：６９－８２．２．刘学锋，孟令奎，李少华，等．基于栅格ＧＩＳ的最优路径分析及其应用［Ｊ］．测绘通报，２００４（６）：４３－２４．３．ＮｉｌｓｓｏｎＮＪ．Ｐｒｉｎｃｉｐｌｅｓｏｆａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ［Ｍ］．ＮｅｗＹｏｒｋ：ＴｉｏｇａＰｕｂｌｉｓｈｉｎｇＣｏ，１９８０．４．ＣｈａｏｑｉｎｇＹｕ，ＪａｙＬｅｅ，ＭａｎｄｙＪ．Ｍｕｎｒｏ－Ｓｔａｓｉｕｋ．Ｅｘｔｅｎｓｉｏｎｓｔｏｌｅａｓｔ－ｃｏｓｔｐａｔｈａｌｇｏｒｉｔｈｍｓｆｏｒｒｏａｄｗａｙｐｌａｎｎｉｎｇ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＧｅｏｇｒａｐｈｉｃａｌＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ（ＩＪＧＩＳ）．２００３，１７（４）：３６１－３７６
基于以上思想，将上述算法过程可以用流程图表示如下：
图１Ａ＊算法流程图
３．Ａ＊算法应用于路径搜索
３．１Ａ＊算法应用于最短路径搜索
Ａ＊算法或各种改进的Ａ＊算法常应用于各种路径搜索中。
Ａ＊算法有其固有的优点，即如果最优路径存在且估价函数可

基于网格的最优网格数据过滤机制研究及实现

，ＬＨＡ的一个重要特征
ｌ引言
高层体系结构（ｉｅｅＡｃｉｃｕｅＨｇＬｖｌｒｈｔｔｒ）的提出标志着ｈｅ分布交互式仿真技术从刚开始仿真间缺少互操作性及可重用性的阶段，发展到了一个可以将单个仿真应用连接起来构
，
ｍｅｈｎｓａｉｓｔｅｐｒｏｅｏｅｄｔｉｒｕｉａａｅｎｅｌｃｅｗｒｙｅｕｉｇｔｅｑａｔｙｃａｉｍｒｌｅｕｐｓｆｈａａｓｂｔｎｍｎｇｍｅｔｎｔａｎｔｏｋｂｄｃｎｕｉｅｚｈｔｄｔｉｏｉｈｏｌｒｈｎｔ
（福州大学福建省空间信息工程研究中心、数据挖掘与信息共享教育部重点实验室，福建福州３００）５０２摘要：该文总结了高层体系结构（Ｌ／Ｔ）ＨＡＲＩ中数据分发管理（ＤＤＭ）目前常用的几种机制，并分析对比了它们各自的优缺点。在此基础上给出了基于网格技术的最优网格的数据过滤机制（ｅｔｒ —ＢｓｄＦｌｒｇ的实现方法，出了它的理Ｂｓ —Ｇｉｄａｅｉｉ）ｔｎｅ给论模型及其计算公式，并将这种数据过滤机制运用于森林协同灭火子系统中。通过试验验证，最优网格数据过滤机制实现了高层体系结构中数据分发管理在局域网上数据过滤的高效性，效地减少了网络的冗余负载量提高了带宽的有效利用，有进而满足了交互仿真的实时性与逻辑正确性。关键词：高层体系结构；运行支撑环境；数据分发管理；网格；最优网格
ｃｍｐｒｈｉｄａｔｇｓａｄｄｓｄａｔｇｓｈｎａｄｔｉｔｂｔｏｔａｅｙｉｐｏｏｅｏａｅｔｅｒａｖｎａｅｎｉａｖｎａｅ．Ｔｅａａｄｓｒｕｉｎｓｒｔｇｒｐｓｄ，ａＤＤＭｄｌａｄｉｓｍｏｅｍｅｎｔｅＢｅｔ・ｉｉｅｎｃａｉｍｓｄｖｌｐｄａｄｔｅｗａｆｈｗｏｃｍｐｔｒｔｅａｐｏｒｔｉｅｏｉｄ — ｈｓ・ＧｒＦｌｒｇｍｅｈｎｓｉｅｅｏｅｈｙｏｏｔｏｕｅｈｐｒｐａｅｓｚＧｒ — ｄｔｉｎｉｆＣｌｉｉｅ．Ｔｅｉｌｒｎｃａｉｍｓｕｅｏｈｙｔｍｏｅｔｆｅｆｈｉｇｅｌｓｇｖｎｈｎｔｓｆｔｉｇｍｅｈｎｓｉｓｄｆｒｔｅｓｓｅｏｆｒｓｒｇｔ．Ｔｈｏｇｈｅｔｔｉｈｉｅｆｉｉｎｒｕｈｔｅｔｓｈｓ

手机用户od数据获取与流向模式提取

F福建电脑U J I A N C O M P U T E R福建电脑2016年第1期0引言当今社会，交通管理模式开始从供给型逐渐向需求型进行转变，因此精确把握城市居民的出行特征对交通规划设计和管理起着重要作用。

居民出行OD 信息可以用来揭示土地利用，公交线路管理等方面的规律，并且在实际的交通规划模型中也有以OD 数据为输入的案例。

传统的居民出行调查主要以人工方式进行抽样问卷，这种方式的缺点是抽样率低并且成本高，数据的处理周期相对较长。

在当今世纪，随着手机市场的广泛普及以及手机定位技术的发展，通过海量手机定位数据分析居民出行特征和分布规律成为可能[1]。

随着智能手机的长足发展，多姿多彩的高端手机服务逐渐贴近居民的日常生活，同时基于手机定位数据的用户出行信息获取采集技术也受到研究者的关注。

国内外的许多学者也较早地开始关注该技术的广泛应用，并且针对手机定位展开许多研究。

国外方面，文献[2]提出了能够识别用户停留点的方法，并且以观众作为实验样本测试用户的出行特征和规律。

文献[3]利用移动手机的定位数据分析居民出行特征并建立居民出行特征表和建立城市间交通规划模型。

文献[4]开发一种基于手机数据的智能工具来帮助城市权威机构可视化地探索市民的移动规律和优化公共交通。

国内方面，杨飞[5]在2007年通过手机定位平面坐标对用户进行追踪的方式获取居民运动状态分析活动位置的集中特征得到出行OD 数据。

张新虎[6]等分析了通过手机定位方式提取OD 数据的研究，并总结当前研究中存在的问题并指出了未来研究方向。

扈中伟[7]通过采集的手机数据分析居民出行特征并展开OD 分布分析。

张惠[8]等通过对手机信令数据进行处理提取手机用户的出行时间特点，出行次数和出行速度特点以用于评估城市的总体交通水平，为交通规划提供指导。

已有的文献大多注重针对理论方面的研究，通常是利用小样本数据或者仿真数据。

本文基于某手机运营商网络获取的手机定位数据建立了居民出行OD 数据提取与分析的方法，解决了数据处理过程中的关键技术并以某市为例，对数据处理结果展开分析。

三维园林植被景观构建与虚拟展示

三维园林植被景观构建与虚拟展示周向戈;唐丽玉;彭先敏;陈崇成【摘要】绿地系统具有生态、文化、社会和审美的多重功能,由于植物形态结构复杂多样,城市规划中尚未有系统、定量化的设计.利用虚拟现实、虚拟植物和地理信息系统等新技术,提出了参数化虚拟植被景观规划设计和虚拟展示的概念模型,集成了参数化植物建模方法和植物空间布局方法.结合园林绿地实例,根据参数化植物建模方法,获取绿化植物形态结构参数,建立各种植物造型的三维模型;采用参数化描述植物空间布局的规则,基于Open Scene Graph(OSG)图形渲染引擎,集成Oculus rift虚拟现实设备,实现三维园林植被景观的虚拟构建及展示.以某大学为例,验证了整体方案的有效性.【期刊名称】《计算机工程与应用》【年(卷),期】2019(055)007【总页数】7页(P234-240)【关键词】三维场景;园林景观;虚拟现实;三维建模;虚拟展示【作者】周向戈;唐丽玉;彭先敏;陈崇成【作者单位】福州大学空间数据挖掘与信息共享教育部重点实验室,福州 350116;福州大学地理空间信息技术国家地方联合工程研究中心,福州 350116;福州大学空间数据挖掘与信息共享教育部重点实验室,福州 350116;福州大学地理空间信息技术国家地方联合工程研究中心,福州 350116;福州大学空间数据挖掘与信息共享教育部重点实验室,福州 350116;福州大学地理空间信息技术国家地方联合工程研究中心,福州 350116;福州大学空间数据挖掘与信息共享教育部重点实验室,福州350116;福州大学地理空间信息技术国家地方联合工程研究中心,福州 350116【正文语种】中文【中图分类】TP391.91 引言图1 系统概念模型园林植被景观的虚拟展示可利用虚拟现实（Virtual Reality，VR）技术超越时间和空间的限制，打破虚拟仿真与现实场景之间的固有隔阂，对三维地理场景、园林景观设计方案的科学性和艺术性进行全方位、无限制的观察、体验和评价。

福州市大气污染空间分布特征分析

收稿日期:２０１８－０３－１２ꎻ修订日期:２０１９－０１－０９基金项目:国家自然科学基金资助项目(４１４０１０５２)ꎻ国家科技支撑计划基金资助项目(２０１３ＢＡＣ０８Ｂ００)ꎻ福建省教育厅基金资助项目(ＪＡＴ１７００６１)作者简介:梁娟珠(１９７８ )ꎬ女ꎬ福建福清人ꎬ助理研究员ꎬ博士ꎬ主要研究方向为ＧＩＳ空间分析ꎮ调查与评价福州市大气污染空间分布特征分析梁娟珠ꎬ周俊佳(福州大学空间数据挖掘与信息共享教育部重点实验室ꎬ福建㊀福州㊀３５０００２)摘㊀要:利用２０１５年福州主城区６个大气国控点的６种主要大气污染物逐时监测数据㊁气象数据及空间基础数据等ꎬ通过增设站点后进行空间插值的方法分析大气污染物浓度的空间分布特征ꎮ结果表明:福州市大气中ＰＭ２.５㊁ＰＭ１０最高值分别为３５.５７μｇ/ｍ３和６２.３５μｇ/ｍ３ꎬ高浓度区域集中在主城区中心和近郊区ꎬ其中台江区污染程度相对较高ꎻＯ３最高值为９４.８５μｇ/ｍ３ꎬ较高浓度主要集中在晋安区内海拔较高的森林地区ꎻＣＯ㊁ＳＯ２和ＮＯ２最高浓度低于一级标准浓度限值ꎬ高浓度区域分布在主城区中心ꎮ㊀关键词:大气污染物ꎻ空间分布特征ꎻ空间插值ꎻ福州中图分类号:Ｘ５１㊀㊀㊀文献标志码:Ｂ㊀㊀㊀文章编号:１００６－２００９(２０１９)０２－００３０－０５ＳｐａｔｉａｌＤｉｓｔｒｉｂｕｔｉｏｎＣｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＡｉｒＰｏｌｌｕｔａｎｔｉｎＦｕｚｈｏｕＬＩＡＮＧＪｕａｎ￣ｚｈｕꎬＺＨＯＵＪｕｎ￣ｊｉａ(ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｐａｔｉａｌＤａｔａＭｉｎｉｎｇ＆ＩｎｆｏｒｍａｔｉｏｎＳｈａｒｉｎｇｏｆＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎꎬＦｕｚｈｏｕＵｎｉｖｅｒｓｉｔｙꎬＦｕｚｈｏｕꎬＦｕｊｉａｎ３５０００２ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｂａｓｅｄｏｎｔｈｅｍｏｎｉｔｏｒｉｎｇｄａｔａｏｆ６ｐｏｌｌｕｔａｎｔｓｆｒｏｍ６ｎａｔｉｏｎａｌｓａｍｐｌｉｎｇｓｉｔｅｓꎬｔｈｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｄａｔａａｎｄｂａｓｉｃｓｐａｔｉａｌｄａｔａｉｎｔｈｅｍａｉｎｕｒｂａｎａｒｅａｏｆＦｕｚｈｏｕｉｎ２０１５ꎬｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｐｏｌｌｕｔａｎｔｓｗｅｒｅａｎａｌｙｚｅｄｂｙｕｓｉｎｇｓｐａｔｉａｌｉｎｔｅｒｐｏｌａｔｉｏｎｍｅｔｈｏｄａｆｔｅｒａｄｄｉｎｇｍｏｒｅｓｉｔｅｓ.ＲｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｍａｘｉｍｕｍｏｆＰＭ２.５ａｎｄＰＭ１０ｗｅｒｅ３５.５７μｇ/ｍ３ａｎｄ６２.３５μｇ/ｍ３ꎬｒｅｓｐｅｃｔｉｖｅｌｙ.Ｔｈｅａｒｅａｓｏｆｈｉｇｈｃｏｎｃｅｎ￣ｔｒａｔｉｏｎｗｅｒｅｉｎｔｈｅｃｅｎｔｒａｌｃｉｔｙａｎｄｔｈｅｓｕｂｕｒｂｓ.ＴｈｅｐｏｌｌｕｔｉｏｎｉｎＴａｉｊｉａｎｇｄｉｓｔｒｉｃｔｗａｓｒｅｌａｔｉｖｅｌｙｓｅｒｉｏｕｓ.Ｔｈｅｍａｘ￣ｉｍｕｍｏｆＯ３ｗａｓ９４.８５μｇ/ｍ３ꎬａｎｄｔｈｅｈｉｇｈｃｏｎｃｅｎｔｒａｔｉｏｎａｒｅａｗａｓｍａｉｎｌｙｉｎｈｉｇｈａｌｔｉｔｕｄｅｆｏｒｅｓｔｉｎＪｉｎａｎｄｉｓ￣ｔｒｉｃｔ.ＴｈｅｈｉｇｈｅｓｔｃｏｎｃｅｎｔｒａｔｉｏｎｓｏｆＣＯꎬＳＯ２ａｎｄＮＯ２ｗｅｒｅａｌｌｂｅｌｏｗｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｓｔａｎｄａｒｄｌｉｍｉｔｓｏｆｆｉｒｓｔｇｒａｄｅꎬａｎｄｔｈｅｈｉｇｈｃｏｎｃｅｎｔｒａｔｉｏｎａｒｅａｗａｓｉｎｃｅｎｔｒａｌｃｉｔｙ.Ｋｅｙｗｏｒｄｓ:ＡｉｒｐｏｌｌｕｔａｎｔｓꎻＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃꎻＳｐａｔｉａｌｉｎｔｅｒｐｏｌａｔｉｏｎꎻＦｕｚｈｏｕ㊀㊀大气环境污染严重危害人类健康ꎬ给市民的生活和出行都带来诸多不利影响[１－２]ꎮ环境污染是许多国家在城镇化进程㊁工业化发展过程中不可避免的问题ꎮ在此背景下ꎬ大气环境污染问题一直是众多学者的研究热点ꎬ在污染物时空分布[３－５]㊁污染物之间的关系[６－８]㊁污染物的影响因素[９－１１]㊁大气区域分布[１２－１４]等方面进行了大量研究ꎮ然而ꎬ对区域内大气污染物浓度变异情况研究较少ꎬ针对福州地区污染物分布特征的研究也较少ꎮ由于城市污染物种类㊁污染程度的独特性[１５]ꎬ要控制大气污染ꎬ了解城市大气污染物的时空特征[１６]就显得格外重要ꎮ今利用２０１５年福州主城区主要大气污染物逐时浓度数据ꎬ对福州市区大气污染物空间分布特征开展研究ꎬ为管理部门有针对性地进行大气污染防控与治理提供支持ꎮ１㊀材料与方法１.１㊀研究区概况福州市地处我国东南沿海ꎬ全市地貌类型以丘０３第３１卷㊀第２期环境监测管理与技术２０１９年４月陵㊁低山为主ꎬ大致呈半环状分布ꎬ西部以山地为主ꎬ东部以丘陵为主ꎮ在该市主城区内布设有６个大气国控监测站点ꎬ分别为鼓山㊁快安㊁师大㊁五四北路㊁杨桥西路㊁紫阳ꎬ点位分布见图１ꎮ图１㊀福州市主城区大气监测站点分布Ｆｉｇ.１㊀ＤｉｓｔｒｉｂｕｔｉｏｎｏｆａｉｒｑｕａｌｉｔｙｍｏｎｉｔｏｒｉｎｇｓｉｔｅｓｉｎｔｈｅｍａｉｎｕｒｂａｎａｒｅａｏｆＦｕｚｈｏｕ１.２㊀数据资料使用监测数据来自福建省生态环境厅网站发布的２０１５年福州市６个大气国控点监测的大气污染物ＣＯ㊁ＳＯ２㊁ＮＯ２㊁Ｏ３㊁ＰＭ２.５㊁ＰＭ１０连续逐小时数据ꎮ使用的其他数据还包括:①数字高程模型(空间分辨率为３０ｍ)ꎻ②卫星遥感数据ꎬ采用２０１４年分辨率为３０ｍ的Ｌａｎｄｓａｔ－８ＯＬＩ数据ꎻ③加油站分布数据ꎬ利用百度地图经纬度拾取系统获取整个福州主城区的加油站数量及坐标经纬度ꎻ④福州主城区道路数据ꎬ利用ＯｐｅｎＳｔｒｅｅｔＭａｐ获取福州主城区的路网数据ꎮ１.３㊀研究方法对监测数据缺失值采用相邻均值填充ꎬ采用Ｏｒａｃｌｅ１１ｇ数据库系统对数据进行整理统计ꎬ采用ＡｒｃＧＩＳ软件进行空间分析操作与专题图表输出ꎬ通过ＳＰＳＳ１８.０软件进行相关性分析ꎮ２㊀结果与讨论空间插值结果的精度取决于模型对因素空间分布特征的反映ꎬ不同模型算法只是从不同途径对该分布特征的逼近[１７]ꎮ对于监测站点较少或稀疏区域的大气污染浓度模拟无法摆脱采样率过低㊁数据缺失所造成的较大误差与不确定性ꎬ通过不舍弃原有监测站点数据ꎬ在研究区内生成虚拟监测站点ꎬ利用特征影响因子推算虚拟站点数值进行空间插值分析是目前比较有效的方法[１８]ꎮ２.１㊀大气环境污染插值站点建立对于大气环境插值站点的建立ꎬ文中假设其为均匀分布在研究区内ꎮ因此ꎬ首先要确定各站点之间距离ꎬ通过对研究区内实测站点各大气污染物浓度作地学统计分析ꎬ确定２ｋｍ为比较合适的抽样间隔ꎮ对研究区内实测站点生成以２ｋｍ为半径的圆形影响区ꎬ统计相邻站点距离ꎬ作最小距离相邻站点之间连接线ꎬ然后根据中垂线原理ꎬ作连接线的中垂线ꎬ接着作圆心在中垂线上临近圆形影响区半径为２ｋｍ的外切圆ꎬ取该外切圆圆心为插值站点位置ꎬ以提高站点分布的均匀度ꎬ进而提高局部估计的精度ꎮ反复进行上述步骤ꎬ直至将研究区域铺满插值站点ꎬ见图２ꎮ由此ꎬ在研究区内增加了１６个插值站点ꎬ加上原有６个实测站点ꎬ研究区内共有２２个大气环境实测及插值站点ꎮ图２㊀研究区内大气插值站点建立Ｆｉｇ.２㊀Ｅｓｔａｂｌｉｓｈｍｅｎｔｏｆｉｎｔｅｒｐｏｌａｔｉｏｎｓｉｔｅｓｉｎｔｈｅｓｔｕｄｙａｒｅａ２.２㊀多元逐步回归模型在完成插值站点建立与布局的基础上对其污染物浓度进行计算ꎬ建立多元回归模型模拟研究分析ꎮ通过比较向前引入法㊁向后剔除法和逐步回归分析这些最优回归方程的方法发现ꎬ逐步回归分析方法克服了变量多重共线性和解释的优良有效性ꎬ在筛选变量方面较为理想ꎮ２.３㊀大气环境污染影响因子相关分析城市大气环境污染受很多因子的影响ꎬ主要有以下几类:①近地污染物排放情况ꎬ排出量㊁排放高度㊁排放方式㊁排出物特征ꎻ②气象因素ꎬ风向㊁风速㊁气温㊁湿度㊁降雨量ꎻ③地形地貌ꎬ海拔高度㊁植被覆盖度㊁建筑物密度㊁路网密度ꎮ由于研究区尺度较小ꎬ同一时间各插值站点之间的气象条件差异不大ꎬ故在空间分布分析时忽略１３气象因子ꎮ由于城市内加油站数量较多ꎬ并且连续不断向外排放污染物ꎬ是城市ＰＭ２.５污染的来源之一ꎬ故将其纳入影响因子中ꎮ除此之外ꎬ路网密度的高低反映了车流量的多少ꎬ而汽车尾气是城市中主要污染源之一ꎬ海拔高度㊁建筑物密度和植被覆盖度则影响了大气污染物的扩散速度ꎮ因此ꎬ从城市大气环境质量的众多影响因子中选取５个影响因子:海拔高度(ｘ１)㊁植被覆盖度(ｘ２)㊁建筑物密度(ｘ３)㊁路网密度(ｘ４)㊁加油站数量(ｘ５)ꎬ其中ｘ１通过ＤＥＭ数据获取ꎬｘ２㊁ｘ３通过遥感影像分类图计算获取ꎬｘ４为单位面积(站点影响区)路网长度ꎬ各单位面积内的影响因子信息见图３ꎮ根据上述影响因子之间的相关系数矩阵可以发现ꎬ各影响因子之间共线性并不是很强ꎬ故不将影响因子舍弃ꎬ将其全部纳入回归模型的备选因子中ꎮ各影响因子之间的相关系数均达到显著性水平ꎮ２.４㊀大气环境污染模型的建立通过相关系数矩阵发现ꎬ有少数污染物浓度与图３㊀单位面积内各影响因子信息Ｆｉｇ.３㊀Ｉｎｆｏｒｍａｔｉｏｎｏｆｅａｃｈｉｎｆｌｕｅｎｃｅｆａｃｔｏｒｐｅｒｕｎｉｔａｒｅａ影响因子之间相关系数的显著性水平不高ꎮ在建立大气污染物浓度回归模型中ꎬ根据自变量对因变量作用的显著程度ꎬ假设已有３个自变量(ｘｉꎬｘｊꎬｘｋ)引入回归方程ꎬ利用逐步回归思想ꎬ逐一引入或剔除影响因子ꎮ最终根据系数Ｒ２㊁调整确定系数Ａｄｊ－Ｒ２和统计量Ｆ值确定各污染物浓度的影响因子ꎬ并建立回归模型ꎬ见表１ꎮ表１㊀各污染物回归方程①Ｔａｂｌｅ１㊀Ｒｅｇｒｅｓｓｉｏｎｅｑｕａｔｉｏｎｏｆｅａｃｈｐｏｌｌｕｔａｎｔ①污染物回归方程Ｒ２Ａｄｊ－Ｒ２ＳｉｇＣＯ０.８７６－０.０９９ｘ２－０.３２２ｘ３－０.０６９ｘ４＋０.００４ｘ５０.９５６０.９３２０.００２ＳＯ２２１.３６６－１６.６５４ｘ２－１３.７５６ｘ３－４.２６８ｘ４－０.２０６ｘ５０.９７４０.９６３０.０４７ＮＯ２３４.２８－０.０１９ｘ１－９.９９９ｘ２＋３.０６８ｘ３０.９８７０.９６７０.０２０Ｏ３５５.２６６＋０.０６９ｘ１－５.５０７ｘ３－１６.４１８ｘ４０.９９６０.９９００.００６ＰＭ２.５６４.６５３－４０.４７１ｘ２－３３.１７３ｘ３－９.１５１ｘ４－０.３１２ｘ５０.９８８０.９４１０.０２４ＰＭ１０４４.１４１－０.２１ｘ１＋１６.４５９ｘ３＋１３.９６９ｘ４０.９７３０.９３３０.０４０①回归分析的显著性检验Ｓｉｇ值均<０.０５ꎮ㊀㊀为了判断模型的准确度ꎬ今利用实测站点各污染物年均值数据对模型进行检验ꎬ结果见表２ꎮ由表２可知ꎬ用多元逐步回归模型进行大气污染物浓度的预测具有较高的精度ꎬ最大相对误差仅为５.０６％ꎬ体现了回归模型在预测方面的优势ꎮ表２㊀回归模型误差检验Ｔａｂｌｅ２㊀Ｅｒｒｏｒｔｅｓｔｏｆｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ污染物监测值ρ/(μｇｍ－３)模拟值ρ/(μｇｍ－３)相对误差/％ＣＯ７１０６９０－２.８２ＳＯ２６.０６６.０３－０.５０Ｏ３５５.４７５５.４６－０.０２ＮＯ２３０.２４３１.７７５.０６ＰＭ２.５２８.７６２８.７６０ＰＭ１０５２.９３５２.９５０.０４㊀㊀利用建立的回归方程计算插值站点各污染物的浓度ꎬ对研究区２０１５年大气污染物浓度进行空间插值分析ꎬ并对各插值方法的不同模型或参数下的空间插值分析结果采用交叉验证的方式进行检验ꎬ以其误差大小来评定插值模型的精度优劣ꎮ２.５㊀优化前后最优空间插值方法对比根据空间插值分析的交叉验证结果ꎬ确定增加插值站点后相对最适合各污染物浓度空间插值分析的插值方法(见表３)ꎬ并将其交叉验证的结果与增加模拟站点前作对比ꎬ结果见图４(ａ) (ｃ)ꎮ由表３可知ꎬ增加插值站点前后除ＰＭ２.５外ꎬ其余污染物相对最优插值方法均不相同ꎬ说明插值对象的因素改变后ꎬ适合该对象的最优插值方法也随之改变ꎬ应当采取交叉验证的方式选择相对最优的２３㊀㊀㊀表３㊀增加模拟站点前后各污染物相对最优的插值方法Ｔａｂｌｅ３㊀Ｒｅｌａｔｉｖｅｌｙｏｐｔｉｍａｌｉｎｔｅｒｐｏｌａｔｉｏｎｍｅｔｈｏｄｆｏｒｅａｃｈｐｏｌｌｕｔａｎｔｂｅｆｏｒｅａｎｄａｆｔｅｒｔｈｅａｄｄｉｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｔｅ污染物ＣＯＳＯ２ＮＯ２Ｏ３ＰＭ２.５ＰＭ１０前ＩＤＷ(ｐ＝３)ＯＫ(ｓｐｈｅｒｉｃａｌ)ＩＤＷ(ｐ＝２)ＩＤＷ(ｐ＝１)ＯＫ(ｓｐｈｅｒｉｃａｌ)ＩＤＷ(ｐ＝１)后ＳＰＬＩＮＥ(ｗ＝１)ＩＤＷ(ｐ＝２)ＳＰＬＩＮＥ(ｗ＝５)ＳＰＬＩＮＥ(ｗ＝５)ＯＫ(ｓｐｈｅｒｉｃａｌ)ＳＰＬＩＮＥ(ｗ＝５)图５㊀福州市各污染物质量浓度空间分布Ｆｉｇ.５㊀ＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｍａｓｓｃｏｎｃｅｎｔｒａｔｉｏｎｏｆｅａｃｈｐｏｌｌｕｔａｎｔｉｎＦｕｚｈｏｕ图４㊀增加插值站点前后交叉验证结果Ｆｉｇ.４㊀Ｒｅｓｕｌｔｓｏｆｃｒｏｓｓｖａｌｉｄａｔｉｏｎｂｅｆｏｒｅａｎｄａｆｔｅｒｔｈｅａｄｄｉｔｉｏｎｏｆｉｎｔｅｒｐｏｌａｔｉｏｎｓｉｔｅ插值方法ꎮ由图４可见ꎬ在增加插值站点后ꎬ从各验证参数来看ꎬ平均误差(ＭＥ)和平均绝对误差(ＭＡＥ)基本上有所下降ꎬ并且拟合系数(ＩＯＡ)有所改善ꎮ总体而言ꎬ在增加插值站点后对污染物浓度插值方法进行交叉验证ꎬ虽然还存在着ＭＥ和ＭＡＥ相对较大及ＩＯＡ相对较低的情况ꎬ但是与增加插值站点之前相比ꎬ插值精度有明显提高ꎮ２.６㊀实例分析为了比较直观地了解各大气污染物浓度在区域内的空间分布特征ꎬ通过增加插值站点的方式ꎬ采用逐步多元回归模型估计插值站点的大气污染浓度值ꎬ使用交叉验证的方式评选出相对适合该污染物浓度的空间插值分析方法进行插值分析ꎮ福州主城区各污染物质量浓度空间插值分析结果见图５(ａ) (ｆ)ꎮ根据«环境空气质量标准»(ＧＢ３０９５２０１２)规定的各污染物(Ｏ３为日最大８ｈ平均ꎬ其他为２４ｈ平均)一级和二级标准限值ꎬ由图５可见ꎬＣＯ㊁３３ＳＯ２㊁ＮＯ２㊁Ｏ３质量浓度在研究区内均低于其一级标准限值ꎬＰＭ２.５最大值为３５.５７μｇ/ｍ３ꎬ略高于一级标准限值ꎬＰＭ１０最大值为６２.３５μｇ/ｍ３ꎬ低于二级标准限值ꎮ从总体看ꎬ各污染物污染程度较低ꎬ研究区内主要污染物为ＰＭ１０ꎮ由图５可见ꎬ在研究区内ＣＯ浓度的空间差异并不明显ꎬＣＯ浓度在鼓楼区内相对最高ꎬ鼓楼区是福州市的政治㊁经济和文化中心ꎬ较多的机动车是导致该区域ＣＯ浓度高于其他区域的原因之一ꎬ而马尾区和仓山区近郊的ＣＯ浓度则相对较轻ꎻＳＯ２浓度在研究区内的空间差异较为明显ꎬ福州主城区北部地区明显要低于南部地区ꎬ各区域最大质量浓度为１０.３１μｇ/ｍ３ꎬ低于一级标准限值５０μｇ/ｍ３ꎻＮＯ２在研究区内最大质量浓度为３６.９７μｇ/ｍ３ꎬ低于一级标准限值８０μｇ/ｍ３ꎬＮＯ２浓度由高到低为台江区>仓山区>鼓楼区>马尾区>晋安区ꎻＯ３浓度在研究区内空间差异比较明显ꎬ大致从西南部到东北部逐渐升高ꎬ高浓度区域主要集中在海拔相对较高的晋安区内ꎻＰＭ２.５浓度在研究区内的分布情况与Ｏ３相反㊁与ＳＯ２相似ꎬ南部地区明显高于北部地区ꎬ在研究区内最高的质量浓度为３５５７μｇ/ｍ３ꎬ略高于一级标准限值ꎬ位于仓山区的城乡结合部ꎬ建筑粉尘是导致该区域内颗粒物ＰＭ２.５高的原因之一ꎻＰＭ１０在研究区内的浓度差异不如ＰＭ２.５明显ꎬ该污染物为２０１５年福州主城区的首要污染物ꎬ从其分布特征来看ꎬ位于福州主城区中心区域的台江区几乎全部处于ＰＭ１０二级标准范围内ꎬ位于北部的晋安区污染物浓度相对较低ꎬ该地区与大片植被区域接壤ꎬ很好地降低了ＰＭ１０浓度ꎮ３㊀结论通过增加插值站点ꎬ结合多元回归模型进行空间插值研究分析福州主城区大气污染物的空间分布特征ꎬ结果发现:(１)ＣＯ㊁ＳＯ２㊁ＮＯ２㊁Ｏ３浓度在研究区内均低于一级标准限值ꎬＰＭ２.５略微高于一级标准限值ꎬＰＭ１０浓度偏高ꎬ是主要污染物ꎮ(２)从区域分布看ꎬＣＯ㊁ＮＯ２浓度在研究区内空间差异并不明显ꎬＳＯ２㊁Ｏ３㊁ＰＭ２.５㊁ＰＭ１０浓度空间差异较为明显ꎮ(３)从各行政区的污染分布看ꎬ台江区附近污染程度相对较高ꎬ主要是由其地理位置和气象因素所致ꎮ在大气污染防治过程中应充分考虑污染物的空间分布特征ꎬ对重点污染区域采取特殊方法ꎬ使得大气治理取得更好的效果ꎮ[参考文献][１]㊀ＥＮＧＬＥＲＴＮ.Ｆｉｎｅｐａｒｔｉｃｌｅｓａｎｄｈｕｍａｎｈｅａｌｔｈａｒｅｖｉｅｗｏｆｅｐｉｄｅｍｉｏｌｏｇｉｃａｌｓｔｕｄｉｅｓ[Ｊ].ＴｏｘｉｃｏｌｏｇｙＬｅｔｔｅｒｓꎬ２００４ꎬ１４９(１－３):２３５－２４２.[２]㊀ＭＲＡＩＨＩＲꎬＨＡＲＩＺＩＲꎬＭＲＡＩＨＩＴꎬｅｔａｌ.ＵｒｂａｎａｉｒｐｏｌｌｕｔｉｏｎａｎｄｕｒｂａｎｄａｉｌｙｍｏｂｉｌｉｔｙｉｎｌａｒｇｅＴｕｎｉｓｉａｓｃｉｔｉｅｓ[Ｊ].ＲｅｎｅｗａｂｌｅａｎｄＳｕｓｔａｉｎａｂｌｅＥｎｅｒｇｙＲｅｖｉｅｗｓꎬ２０１５ꎬ４３:３１５－３２０. [３]㊀黄巍ꎬ龙恩深.成都ＰＭ２.５与气象条件的关系及城市空间形态的影响[Ｊ].中国环境监测ꎬ２０１４ꎬ３０(４):９３－９９. [４]㊀李国翠ꎬ王建国ꎬ连志鸾.石家庄大气污染与沙尘天气的关系分析[Ｊ].气象与环境学报ꎬ２００７ꎬ２３(２):１－５. [５]㊀杨叶ꎬ郑刘根ꎬ程桦.淮南市大气颗粒物污染特征研究[Ｊ].环境监测管理与技术ꎬ２０１７ꎬ２９(１):１６－２０.[６]㊀ＫＡＮＧＣＭꎬＡＣＨＩＬＬＥＯＳＳꎬＬＡＷＲＥＮＣＥＪꎬｅｔａｌ.Ｉｎｔｅｒｌａｂｃｏｍ￣ｐａｒｉｓｏｎｏｆｅｌｅｍｅｎｔａｌａｎａｌｙｓｉｓｆｏｒｌｏｗａｍｂｉｅｎｔｕｒｂａｎＰＭ２.５ｌｅｖｅｌｓ[Ｊ].ＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙꎬ２０１４ꎬ４８(２０):１２１５０－１２１５６.[７]㊀ＫＥＵＫＥＮＭＰꎬＭＯＥＲＭＡＮＭꎬＶＯＯＧＴＭꎬｅｔａｌ.Ｓｏｕｒｃｅｃｏｎｔｒｉ￣ｂｕｔｉｏｎｓｔｏＰＭ２.５ａｎｄＰＭ１０ａｔａｎｕｒｂａｎｂａｃｋｇｒｏｕｎｄａｎｄａｓｔｒｅｅｔｌｏｃａｔｉｏｎ[Ｊ].ＡｔｍｏｓｐｈｅｒｉｃＥｎｖｉｒｏｎｍｅｎｔꎬ２０１３ꎬ７１(２):２６－３５. [８]㊀隋平ꎬ冯宏芳ꎬ王宏ꎬ等.海西城市群灰霾天气特征及其影响因子分析[Ｊ].环境科学与技术ꎬ２０１３ꎬ３６(７):５３－５７. [９]㊀冯宏芳ꎬ隋平ꎬ邱丽葭.福州市污染物浓度时空分布及影响因子分析[Ｊ].气象科技ꎬ２００３ꎬ３１(６):３５６－３６０.[１０]姜迪ꎬ李聪.南京市区ＰＭ２.５扩散与气象条件的关系[Ｊ].环境监测管理与技术ꎬ２０１６ꎬ２８(１):３６－４０[１１]赵晨曦ꎬ王云琦ꎬ王玉杰ꎬ等.北京地区冬春ＰＭ２.５和ＰＭ１０污染水平时空分布及其与气象条件的关系[Ｊ].环境科学ꎬ２０１４ꎬ３５(２):４１８－４２７.[１２]ＭＡＴĚＪÍＣ㊀㊀㊀㊀㊀㊅ＥＫＬꎬＥＮＧＳＴＰꎬＪＡＮ㊀㊀㊅ＯＵＲＺ.ＡＧＩＳ￣ｂａｓｅｄａｐｐｒｏａｃｈｔｏｓｐａｔｉｏ￣ｔｅｍｐｏｒａｌａｎａｌｙｓｉｓｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｐｏｌｌｕｔｉｏｎｉｎｕｒｂａｎａｒｅ￣ａｓ:ａｃａｓｅｓｔｕｄｙｏｆＰｒａｇｕｅｓｅｎｖｉｒｏｎｍｅｎｔｅｘｔｅｎｄｅｄｂｙＬＩＤＡＲｄａｔａ[Ｊ].ＥｃｏｌｏｇｉｃａｌＭｏｄｅｌｌｉｎｇꎬ２００６ꎬ１９９(３):２６１－２７７. [１３]孟健ꎬ马小明.Ｋｒｉｇｉｎｇ空间分析法及其在城市大气污染中的应用[Ｊ].数学的实践与认识ꎬ２００２ꎬ３２(２):３０９－３１２. [１４]李淑婷.成都市大气环境污染时空特征分析及质量评价[Ｄ].成都:电子科技大学ꎬ２０１２.[１５]ＲＯＤＲÍＧＵＥＺＭＣꎬＤＵＰＯＮＴ￣ＣＯＵＲＴＡＤＥＬꎬＯＵＥＳＬＡＴＩＷ.Ａｉｒｐｏｌｌｕｔｉｏｎａｎｄｕｒｂａｎｓｔｒｕｃｔｕｒｅｌｉｎｋａｇｅｓ:ｅｖｉｄｅｎｃｅｆｒｏｍＥｕｒｏｐｅａｎｃｉｔｉｅｓ[Ｊ].ＲｅｎｅｗａｂｌｅａｎｄＳｕｓｔａｉｎａｂｌｅＥｎｅｒｇｙＲｅｖｉｅｗｓꎬ２０１６ꎬ５３:１－９. [１６]ＷＡＮＧＧＬꎬＸＵＥＪＪꎬＺＨＡＮＧＪＺꎬｅｔａｌ.Ａｎａｌｙｓｉｓｏｆｓｐａｔｉａｌ￣ｔｅｍ￣ｐｏｒａｌｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｍａｉｎｃａｕｓｅｏｆａｉｒｐｏｌｌｕｔｉｏｎｉｎＢｅｉｊｉｎｇ￣Ｔｉａｎｊｉｎ￣Ｈｅｂｅｉｒｅｇｉｏｎｉｎ２０１４[Ｊ].ＭｅｔｅｏｒｏｌｏｇｉｃａｌａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓꎬ２０１６(１):３４－４２.[１７]张健.南京市大气环境污染点源数据的空间插值方法[Ｄ].南京:南京信息工程大学ꎬ２００９.[１８]卢毅敏ꎬ岳天祥ꎬ陈传法ꎬ等.中国区域年降水空间分布高精度曲面建模[Ｊ].自然资源学报ꎬ２０１０ꎬ２５(７):１１９４－１２０５.４３。

复杂地形下无人机倾斜摄影技术的校园三维实景建模

复杂地形下无人机倾斜摄影技术的校园三维实景建模①亓信玖1, 黄风华2, 李传林1, 林国滨2, 曹　俊21(福州大学数字中国研究院(福建) 空间数据挖掘与信息共享教育部重点实验室, 福州 350108)2(阳光学院空间数据挖掘与应用福建省高校工程研究中心, 福州 350015)通讯作者: 黄风华摘　要: 针对无人机倾斜摄影技术在复杂地形条件下三维实景建模的可行性及其精度是否满足实际大比例尺测量要求的问题, 本文以福州市马尾区阳光学院校园为例, 采用大疆经纬系列无人机搭载云眼系列五镜头相机的方式完成测区倾斜影像数据的采集. 采用实时动态(Real-Time Kinematic, RTK)连接千寻CORS 账号的量测方式完成测区控制点的采集. 利用Bentley 公司的实景建模软件ContextCapture 对外业采集的数据进行内业处理, 得到了该校园的高分辨率的三维实景模型、数字表面模型(DSM)和真正射影像(TDOM), 并对三维模型进行精度分析. 为了保证模型的精度, 实验过程中通过布设较多控制点, 分块航测, 提高航向和旁向重叠度来提高模型精度. 实验结果表明, 与地面实测数据相比, 采用上述技术所建立的校园三维实景模型的平面位置中误差和高程中误差均小于5 cm,满足实际大比例尺测量的要求, 可为后期校园三维实景模型的二次开发提供重要的数据支持.关键词: 无人机倾斜摄影技术; CORS; 三维实景模型; DSM; TDOM引用格式: 亓信玖,黄风华,李传林,林国滨,曹俊.复杂地形下无人机倾斜摄影技术的校园三维实景建模.计算机系统应用,2021,30(2):110–116./1003-3254/7633.html3D Campus Scene Modeling Based on UAV Tilt Photography in Complex TerrainQI Xin-Jiu 1, HUANG Feng-Hua 2, LI Chuan-Lin 1, LIN Guo-Bin 2, CAO Jun 21(Key Laboratory of Spatial Data Mining & Information Sharing of Ministry of Education, Digital China Research Institute (Fujian),Fuzhou University, Fuzhou 350108, China)2(Fujian Provincial Universities Engineering Research Center of Spatial Data Mining and Application, Yango University, Fuzhou 350015, China)Abstract : This study takes the campus of Yango University in Mawei District, Fuzhou City as an example to study the feasibility and accuracy of 3D modeling of UAV tilt photography in complex terrain. It adopts DJI Matrice series of UAVs carrying cloud eye series of five-lens cameras to collect tilt image data in the survey area. A real-time kinematic instrument connects Qianxun CORS account to complete the acquisition of control points in the survey area. With ContextCapture, a real-world modeling software of Bentley company, the data collected from the external operation is processed for internal operation. Consequently, the high-resolution 3D scene model, Digital Surface Model (DSM) and True Digital Orthophoto Map (TDOM) of the campus are obtained, and the accuracy of the 3D model is analyzed. In order to ensure the accuracy of the model, the experiment improves the accuracy of the model by setting more control points, making sub-regional aerial survey, and improving the overlap of heading and the side direction. Experimental results reveal that the mean square error of the plane position and the mean square error of the elevation of the 3D real scene model are less than 5 cm, which can meet the requirements of large-scale measurement and provide important data计算机系统应用 ISSN 1003-3254, CODEN CSAOBNE-mail: Computer Systems & Applications,2021,30(2):110−116 [doi: 10.15888/ki.csa.007633] ©中国科学院软件研究所版权所有.Tel: +86-10-62661041① 收稿时间: 2019-12-17; 修改时间: 2020-01-14; 采用时间: 2020-04-17; csa 在线出版时间: 2021-01-27110support for the secondary development of the 3D real scene model of the campus in the later stage.Key words: tilt photogrammetry technology of Unmanned Aerial Vehicle (UAV); Continuously Operating Reference Stations (CORS); 3D real scene model; Digital Surface Model (DSM); True Digital Orthophoto Map (TDOM)近些年, 无人机倾斜摄影测量技术是国内外测量领域中发展应用起来的一项高新技术, 已成为摄影测量领域中一个新的研究热点[1]. 该技术主要用于三维实景模型的生产. 随着“数字校园”、“智慧校园”的出现,各大高校争相开展相应课题, 其中三维实景模型是校园智慧建设的亮点之一[2].传统的三维模型构建主要是利用影像或规划图作为底图, 利用三维建模软件结合人工收集到的二维平面和高程数据完成三维模型的构建. 常见的三维建模软件有3DMAX、AutoCAD、SketchUp、CityEngine 等. 通过传统方法生成的三维模型不仅需要耗费大量的人力与财力, 而且由于缺少必要的纹理等信息, 从而导致质量和真实感较差, 不能真实反映复杂地物形状,与现实世界反差较大, 难以满足大区域三维城市的应用[3]. 相对于传统的三维模型来说, 三维实景模型具有不受模型形状的限制、模型真实、生成速度快、应用领域广泛等特点.目前该技术在大比例尺地形图测绘、三维建模、城市规划、国土管理、文物遗产保护等多个领域都得到了广泛应用[4–6]. 本研究以阳光学院马尾校区为例, 研究无人机倾斜摄影测量在复杂地形条件下三维实景模型的方法, 并且检验其精度是否满足实际测量需求的问题.1 无人机倾斜摄影测量技术与空中三角测量1.1 无人机倾斜摄影测量技术无人机倾斜摄影测量技术是指在无人机这一飞行平台上面搭载一台或多台传感器同时从多个角度采集影像, 从而获取地物信息的技术. 与传统的摄影测量相比, 它突破了传统的垂直拍摄获取正射影像的束缚, 可对同一地物同时从多个倾斜角度摄影, 从而能够快速、高效、大视角地获取更加客观丰富的侧面纹理等信息用于三维实景建模. 近年来, 众多学者对无人机倾斜摄影技术进行了研究. 倾斜摄影测量的发展, 国外比国内早了很多, 国外已经经历了十几年的发展历程[7,8],应用比较广泛, 甚至发展到了室内三维建模. 国内倾斜摄影发展也就8年左右的历史, 2010年在中国测绘科学院刘先林院士的带领下研制出了第一台倾斜相机SWDC-5[9]. 中海达公司自主研发并生产了一款八旋翼的无人机测量系统OS-M8[10]. 上海航测和中测新图推出了AMC580和TOPDC-5倾斜相机, 国产倾斜相机航摄仪得到了一次快速发展[11]. 总之不管硬件还是软件目前国内与国外都有一定差距, 特别是软件. 当前倾斜摄影相机主流为5镜头(其中包括4个倾斜镜头和1个垂直镜头). 本文采用的就是基于五镜头的无人机航空摄影来完成三维实景模型的构建.简而言之, 无人机倾斜摄影测量技术就是无人机技术与倾斜摄影技术的完美结合. 该技术主要包括飞行平台、多镜头倾斜传感器、地面操作控制系统3个部分. 无人机倾斜摄影技术还可以与其他技术相结合来完成人们更高的需求,应用前景广泛. Stöcker等[12]以西班牙安达卢西亚的案例研究了无人机航测在沟渠测量中的应用. Sun等[13]利用无人机倾斜摄影技术与BIM技术及VR技术相结合, 通过虚拟体验来模拟看房系统. 孙少楠等利用无人机倾斜摄影技术与BIM技术相结合实现了在水利工程地形中的应用[14].1.2 空中三角测量摄影测量的主要任务是最大限度地减少外业工作,因此提出解析空中三角测量这一概念. 空中三角测量俗称空三平差, 根据平差中采用的数学模型, 空中三角测量可分为航带法、独立模型法、光束法三种方法.空三平差是数字摄影测量中通过少量野外控制点对测区内的控制点加密从而获取影像加密点平面位置和高程的重要方法[15]. 该方法同样也适合倾斜摄影测量. 相对于传统摄影测量, 多镜头倾斜摄影计算量较大, 计算过程比较复杂. 无人机倾斜摄影测量系统获取的影像空三平差以原始POS数据和野外测定的控制点为基础, 采用严密的数学公式, 按照最小二乘法原理, 平差计算出摄影测量中所需加密点的三维坐标及其定向参数, 同时建立控制点、连接点以及POS辅助数据的多视角影像的联合结算, 进一步保障平差结果的精度. 因2021 年第 30 卷第 2 期计算机系统应用111此空三平差在摄影测量中占有十分重要的位置.常见的空三软件很多, 如Inpho、Smart3D PhotoScan、Altizure等. Bentley ContextCapture(原Smart3D, 以下简称CC)是一套实景三维自动建模系统. 它可以自动创建真实的三维模型, 自动化程度非常高, 是目前市场上用的比较多的软件. 此外它还具备高兼容性, 能对各种对象各种数据源进行精确无缝重建. CC有两个版本, 一个普通版ContextCapture, 一个中心版Context-Capture Center, 后者可以进行集群处理, 也就是在主机上能够同时分配多个任务节点给副机同时并行计算,因此计算效率大大提高. 本研究采用的就是中心版本.通过多台计算机建立集群的方式, 同时高效地处理数据量较大的倾斜影像数据.2 无人机倾斜摄影三维实景建模流程2.1 技术流程本文具体的校园三维实景建模的技术流程如图1.图1 校园三维实景建模的技术流程整个三维实景建模的流程主要分为外业数据采集和内业数据处理两个部分. 主要的设计思路: 外业数据采集主要是根据航测区域概况制定航测技术方案来完成. 采集的外业数据包括影像数据、POS数据、控制点数据. 通过该技术采集带的外业数据也称倾斜数据.倾斜数据是带有空间位置信息的可量测影像数据, 通过内业处理软件处理能同时输出DSM、TDOM、DOM、DLG等多种成果[16]. 内业数据处理主要是利用CC对外业采集到的数据进行处理. 主要步骤包括数据预处理、空中三角测量、多视影像密集匹配、构建TIN三角网、自动纹理映射、生产三维实景模型等. 然后对生产的三维实景模型进行精度分析, 满足精度要求的就是所需要的三维实景模型, 否则的话继续数据预处理, 再提交空中三角测量直到满足所需要的精度为止.为了达到精度要求, 实验过程中通过布设较多控制点,分区航测, 使用较高的航向和旁向重叠度来提高模型精度.2.2 航测区域概况阳光学院马尾校区坐落于福建省福州市马尾区卧龙山上, 位于东经119°37′, 北纬25°29′, 学校占地面积约为1 km2, 建筑面积37万平方米. 测区以校园建筑为主, 由于校园坐落于山上地形起伏较大, 最高点与最低点的落差在180 m左右. 对于地形起伏较大的地貌, 如用传统的人工测图, 外业的工作量相当大,并且有好多地段存在安全隐患, 人员和仪器根本无法到达; 然而普通航测法又很难达到大比例尺地形图精度要求, 因此考虑采用无人机倾斜摄影测量技术.2.3 外业数据的采集本次选取的测区范围约为1 km2, 地形起伏较大.针对航测区域的大小、地形等特点, 本文采用多旋翼大疆经纬系列无人机M600Pro (一台六旋翼的无人机)为飞行平台, 云眼系列APS-130五拼相机(半画幅)为多镜头倾斜传感器. 表1为相关具体参数.为了提高模型的精度且不影响成果的质量, 本研究对区域进行分块, 分成南北两块. 航测规划软件此次我采用大疆自主开发的DJI GS Pro. 具体无人机航线规划如图2所示.通过航测规划软件DJI GS Pro连接无人机M600Pro,在软件里面添加一个五镜头APS-130相机并设置对应参数. 根据研究区域的环境等情况, 此次航线规划设计的航带为S形线路. 主要参数设置: 航高130 m, 旁向重叠度80%, 航向重叠度80%, 拍照模式等距间隔拍照, 拍照间隔2 s, 相机朝向平行于主航线, 主航线角度0°, 边距0 m. 由软件计算得知飞行速度8 m/s, 分辨率2 cm. 此次航测南测区获得航片4910张(每个镜头982张), 北测区获得航片5555张(每个镜头1111张),共航片10 465张.计算机系统应用2021 年第 30 卷第 2 期112表1 飞行平台和倾斜传感器的详细参数飞行平台(六旋翼)飞行速度: 最大飞行速度65 km/h(无风环境)正射镜头焦距: 25 mm (1个)飞行高度: 最大飞行海拔高度2500 m倾斜镜头焦距: 35 mm (4个)最大升降速度: 上升5 m/s, 下降3 m/s传感器长/短边: 23.5 mm/15.6 mmGPS模块: 3套IMU和GNSS模块像片长/短边: 6000 pix/4000 pix工作环境: −10 ℃至40 ℃主距: 25 mm(a) 北部测区(b) 南部测区图2 无人机航线规划本文POS数据是通过大疆M600Pro飞控导出来的, 由于大疆飞控自身的局限性, 需要我们对导出来的POS数据进行筛选. 剔除多余的POS. 最终得到南测区982个POS数据,北测区共1111个POS, 共2093个POS数据.本文控制点数据是采用G P S-R T K连接千寻CORS账号的量测方式完成采集. 首先在奥威互动地图APP中提前划分好测区范围, 并在其中布设控制点,然后到实地寻找合适位置布设控制点. 根据测区的大小、地理位置、精度等因素, 共布设61个控制点(38个像控点, 23个检查点). 坐标系采用CGCS2000,中央经度120°, 3°分带, 高斯-克吕格投影. 像控点之间的布设间隔在200 m左右, 均匀分布于整个测区. 航测开始前,通过铺设红白或红黄相间的标靶, 通过中海达RTK连接千寻定位系统完成像控点、检查点的采集.控制点的测量方式如图3所示.(a) 控制点测量分布(b) 实际测量图3 控制点的测量方式2.4 内业数据处理外业数据采集获取后, 首先需要对获取的数据进行预处理, 主要包括POS数据的筛选、照片的匀光匀色处理等. 然后再导入到CC进行内业数据处理.通过CC软件对采集到的影像数据、POS数据、控制点数据进行内业处理, 主要的处理流程包括添加影像照片、导入POS数据、刺像控点、空中三角测2021 年第 30 卷第 2 期计算机系统应用113量、多视影像密集匹配、构建TIN 三角网、自动纹理映射、提交生产三维实景模型项目、提交生产TDOM 及DSM 项目等; 像控点的选刺需要手动选择并输入实测坐标, 像控点的残差越小, 正射影像的精度越高, 建立出来的三维实景模型质量越高. 分成南北两个区域的空三结果如图4所示, 合并后整个测区空三加密计算结果如图5所示.(a) 北部区域(b) 南部区域图4 南北两个区域的空三结果图5 合并后整个测区的空三结果2.5 项目成果通过CC 软件对采集到的数据完成处理之后, 最终生成了三维实景模型. 校园的部分三维实景模型如图6所示.在生成三维实景模型后, 对空三后的数据重新提交新的项目, 生成许多格式为TIFF/GeoTIFF 的文件,将生成的文件导入ARCGIS 中, 此处使用ArcGIS10.5中的“镶嵌至栅格”功能进行拼接. 生成的TDOM 和DSM 如图7、图8所示.图6 校园的部分三维实景模型图7 测区的部分TDOM图层yg_dsm 值高：213.063低：27.5341图8 测区的部分DSM2.6 三维模型精度分析为了检验无人机倾斜摄影测量的三维模型成果精度, 利用航测之前采集到布设在测区分布均匀检查点,与生成三维模型中相对应位置的点进行对比, 从而完成该模型的精度评定. 表2是同位置三维模型采集点与检查点的对比.利用外业采集的检查点坐标(作为真值)与三维模型中对应位置的坐标(作为观测值)通过下列中误差计算公式得到坐标中误差如下:计算机系统应用2021 年第 30 卷第 2 期114式中Dx、Dy表示X、Y方向的中误差; Dxy表示平面位置中误差; Dz表示高程中误差.通过表2对三维实景模型上采集的23个检查点进行统计, 经计算可知X方向、Y方向的中误差分别约为3.03 cm, 3.06 cm. 平面位置中误差约为4.31 cm. 高程中误差约为2.88 cm. 满足实际大比例尺1:500测量的需求.表2 同位置三维数字地面模型采集点与检查点对比表点号检查点的实测值模型中检查点的坐标真误差x y z x y z|△x||△y||△z|0444 661.4562 877 543.031102.063444 661.482 877 543.07102.060.0240.0390.003 1444 728.8712 877 580.62198.124444 728.862 877 580.6198.150.0110.0110.026 2444 477.7472 877 651.694101.693444 477.722 877 651.67101.700.0270.0240.007 3444 310.2752 877 726.975102.757444 310.272 877 726.94102.730.0050.0350.027 4444 280.3912 877 641.032104.749444 280.352 877 641.01104.750.0410.0220.001 5444 297.8962 877 531.17587.253444 297.872 877 531.1987.250.0260.0150.003 6444 163.3592 877 486.97692.877444 163.392 877 486.9592.900.0310.0260.023 7444 105.6572 877 556.87292.823444 105.692 877 556.8792.850.0330.0020.022 8444 173.3992 877 650.809113.921444 173.382 877 650.83113.930.0190.0210.009 9444 092.4622 877 754.423115.276444 092.422 877 754.42115.340.0420.0030.064 10444 143.5472 877 849.877139.499444 143.522 877 849.79139.460.0270.0870.039 11444 237.0152 877 908.872140.591444 237.032 877 908.83140.520.0150.0420.071 12444 385.8532 877 921.056131.162444 385.872 877 921.03131.170.0170.0260.008 13444 345.8432 877 817.76109.838444 345.832 877 817.73109.860.0130.0300.022 14444 621.2432 877 559.579102.491444 621.272 877 559.61102.490.0270.0310.001 15444 603.8112 877 637.762117.179444 603.772 877 637.76117.170.0410.0020.009 16444 489.4402 877 759.452122.839444 489.382 877 759.42122.810.0600.0320.029 17444 586.7562 877 759.336138.408444 586.792 877 759.31138.410.0340.0260.002 18444 697.2782 877 866.878150.606444 697.252 877 866.85150.580.0280.0280.026 19444 512.6072 877 894.48158.585444 512.632 877 894.47158.610.0230.0100.025 20444 590.2052 877 950.634163.776444 590.222 877 950.61163.770.0150.0240.006 21444 686.2512 877 759.005138.521444 686.302 877 759.02138.530.0490.0150.009 22444 209.9162 877 578.57196.315444 209.892 877 578.5496.370.0260.0310.0553 结论与展望该研究首先利用大疆M600Pro搭载五镜头相机采集获取了阳光学院校区的影像数据, 通过GPS-RTK连接CORS账号的量测方式完成了像控点和检查点的采集, 再结合M600Pro飞控导出的POS数据. 利用这些数据经过CC软件处理之后, 获得了该区域高分辨率的三维实景模型、TDOM、DSM. 表明了无人机倾斜摄影技术在复杂地形条件下构建三维实景模型具有可行性, 此外通过模型的精度分析, 得到了三维实景模型的平面位置和高程中误差均小于5 cm, 满足大比例尺1:500的实际测量需求. 为后续三维模型的二次开发提供了数据支持. 但是该研究通过增加像控点来提高三维模型的精度, 还存在相当的局限性. 控制点多的话误差也会积累, 不一定能提高模型精度. 在实际的生产处理过程中, 受无人机等设备、大气环境及软件算法等因素, 无人机的飞行姿态, 照片的质量等都会影响模型的精度. 此外得到的三维实景模型还比较粗糙, 对于遮挡比较严重的地方没有进一步精细化. 希望在以后的学习过程中, 可以进一步对模型的精细化、单体化、多元数据融合及三维模型的二次开发进行更深层次的研究.参考文献丁志广, 严新生, 陈辉光. 无人机倾斜摄影用于江门市快速三维建模的探讨. 城市勘测, 2016, (4): 72–78. [doi: 10.3969/j.issn.1672-8262.2016.04.016]1陈优良, 周亦明, 兰小机, 等. 基于无人机倾斜摄影的校园三维模型构建. 江西理工大学学报, 2019, 40(3): 14–21.2谭仁春, 姚岚. 城市三维快速建模方法探讨. 测绘科学, 2015, 40(5): 136–138.3田野, 向宇, 高峰, 等. 利用Pictometry倾斜摄影技术进行全自动快速三维实景城市生产——以常州市三维实景城市生产为例. 测绘通报, 2013, (2): 59–62, 66.4徐思奇, 黄先锋, 张帆, 等. 倾斜摄影测量技术在大比例尺地形图测绘中的应用. 测绘通报, 2018, (2): 111–115.5杨国东, 王民水. 倾斜摄影测量技术应用及展望. 测绘与空62021 年第 30 卷第 2 期计算机系统应用115间地理信息, 2016, 39(1): 13–15, 18. [doi: 10.3969/j.issn.1672-5867.2016.01.004]Rau JY, Chu CY. Photo-realistic 3D mapping from aerialoblique imagery. International Archives of thePhotogrammetry, Remote Sensing and Spatial Information Science-ISPRS Arvchives, 2010, 38(2): 110–115.7Nils K. Oblique aerial photograph: A status review.Photogrammetric Week, 2009, 20(5): 119–125.8闫利, 费亮, 叶志云, 等. 大范围倾斜多视影像连接点自动提取的区域网平差法. 测绘学报, 2016, 45(3): 310–317,338. [doi: 10.11947/j.AGCS.2016.20140673]9马晨, 杨辽, 池梦群, 等. 非量测相机倾斜航空影像空三加密精度评价. 遥感信息, 2015, 30(6): 71–75. [doi: 10.3969/j.issn.1000-3177.2015.06.014]10孙宏伟. 基于倾斜摄影测量技术的三维数字城市建模. 现代测绘, 2014, 37(1): 18–21. [doi: 10.3969/j.issn.1672-4097.112014.01.006]Stöcker C, Eltner A, Karrasch P. Measuring gullies bysynergetic application of UAV and close range photo-grammetry—A case study from Andalusia, Spain. CATENA,2015, 132: 1–11. [doi: 10.1016/j.catena.2015.04.004]12Sun TW, Xu ZH, Yuan JY, et al . Virtual experiencing andpricing of room views based on BIM and oblique photogrammetry. Procedia Engineering, 2017, 196: 1122–1129. [doi: 10.1016/j.proeng.2017.08.071]13孙少楠, 张瑞, 于景波, 等. 倾斜摄影技术与BIM 技术结合在水利工程地形处理中的研究. 中州大学学报, 2018,35(6): 100–105, 127.14姚国标. 倾斜影像匹配关键算法及应用研究. 测绘学报,2015, 44(3): 354. [doi: 10.11947/j.AGCS.2015.20140548]15顾广杰, 张坤鹏, 刘志超, 等. 浅谈无人机倾斜摄影测量技术标准. 测绘通报, 2017, (S1): 210–213.16计算机系统应用2021 年第 30 卷第 2 期116。

马尾松LAI与植被指数的相关性研究

马尾松LAI与植被指数的相关性研究傅银贞;汪小钦;江洪【期刊名称】《国土资源遥感》【年(卷),期】2010(000)003【摘要】以福建省永安市区为研究区,计算IRS-P6(LISS-III)多光谱数据的DVI、EVI2、MSAVI、NDVI、RDVI、RVI及TNDVI等7种植被指数,并与使用LAI-2000测量的马尾松叶面积指数(LAI)建立相关关系,分析植被指数对马尾松LAI的影响.从决定系数(R2)和标准误差两个方面对基于不同植被指数的LAI反演模型进行定量分析,反演模型包括线性模型、二次曲线模型、幂函数曲线模型和指数曲线模型4种.结果表明,马尾松LAI与植被指数呈指数曲线相关或幂函数曲线相关.反演马尾松LAI,最佳的统计模型是指数曲线模型和幂函数曲线模型,较佳植被指数为TNDVI、NDVI和RVI,其指数曲线模型和幂函数曲线模型拟合的R2均高于0.76,且验证结果R2均高于0.84,但RVI指数反演的模型标准误差相对较大.总体而言,TNDVI和NDVI的指数曲线和幂函数曲线模型对马尾松LAI具有较好的预测性.【总页数】6页(P41-46)【作者】傅银贞;汪小钦;江洪【作者单位】福州大学空间数据挖掘与信息共享教育部重点实验室,福州大学福建省空间信息工程研究中心,福州,350002;福州大学空间数据挖掘与信息共享教育部重点实验室,福州大学福建省空间信息工程研究中心,福州,350002;福州大学空间数据挖掘与信息共享教育部重点实验室,福州大学福建省空间信息工程研究中心,福州,350002【正文语种】中文【中图分类】TP79【相关文献】1.基于植被指数比较的湿地区域LAI遥感估算研究 [J], 凌成星;鞠洪波;张怀清;孙华2.基于多角度植被指数的马尾松林LAI反演方法 [J], 王卿;刘健;余坤勇3.基于多角度植被指数的马尾松林LAI反演方法 [J], 王卿;刘健;余坤勇;;4.基于新型植被指数的冬小麦LAI高光谱反演 [J], 束美艳;顾晓鹤;孙林;朱金山;杨贵军;王延仓;张丽妍5.波段宽度对利用植被指数估算小麦LAI的影响 [J], 黄婷; 梁亮; 耿笛; 李丽; 王李娟; 王树果; 罗翔; 杨敏华因版权原因，仅展示原文概要，查看原文内容请购买。

基于雷达植被指数的水土流失区植被覆盖度估测

基于雷达植被指数的水土流失区植被覆盖度估测何海燕;凌飞龙;汪小钦;梁志锋【摘要】植被覆盖度是描述水土流失程度的重要指标。

像元二分模型假设一个像元代表的信息来自土壤和植被2部分，植被信息占整个像元面积的百分比为植被覆盖度。

对Radarsat-2数据进行极化分解，得到反映植被疏密程度的雷达植被指数，结合像元二分模型估测植被覆盖度。

将基于雷达植被指数的像元二分模型应用于水土流失重点治理区域———福建省长汀县河田镇，并以高分辨率光学影像WorldView-2计算的植被覆盖度作为参考，结合无人机高分影像和实地考察资料对结果进行精度验证。

结果表明，估测结果与验证数据具有较好的相关性(R2>0.8)，表明该模型可以用于植被覆盖度的估测；完全基于雷达数据估测植被覆盖度的算法，克服了南方多云雨地区数据不易获取的困难，有助于对水土流失的连续监测。

%Fractional vegetation coverage ( FVC) is one of the important indicators for describing the extent of water and soil loss. Dimidiate pixel model assumes that a pixel value is only contributed by vegetation and non -vegetation. Fractional vegetation coverage is defined as the area ratio of vegetation. In this study, Radar vegetation index ( RVI) was first derived from Radarsat-2 data by polarimetric decomposition. The FVC was estimated from RVI based on dimidiate pixel model. Then this model with RVI was applied to Hetian area in Changting county of Fujian Province. Finally, the authors verified the results with a reference FVC, which was calculated from the high resolution WorldView-2 image and ground-truth data by field work. The results correlate well to the reference data with R2 over 0. 8. The result suggests that it is promising to use dimidiate pixelmodel with RVI to estimate FVC from Radarsat-2 polarimetric data. The method completely based on Radar data has solved the problem of the difficulty in obtaining data in Southern China and is also helpful to monitoring water and soil loss continuously.【期刊名称】《国土资源遥感》【年(卷),期】2015(000)004【总页数】6页(P165-170)【关键词】植被覆盖度;雷达植被指数;像元二分模型;极化分解;长汀县【作者】何海燕;凌飞龙;汪小钦;梁志锋【作者单位】福州大学空间数据挖掘与信息共享省部共建教育部重点实验室，福州350002;福州大学空间数据挖掘与信息共享省部共建教育部重点实验室，福州350002;福州大学空间数据挖掘与信息共享省部共建教育部重点实验室，福州350002;福州大学空间数据挖掘与信息共享省部共建教育部重点实验室，福州350002; 航天天绘科技有限公司，西安 710000【正文语种】中文【中图分类】TP790 引言植被覆盖度(fraction of vegetation coverage，FVC)指植被在地面的垂直投影面积占统计区总面积的百分比［1－2］。

城市居民活动轨迹日间稳定性分析——以西宁市为例

2097-3012(2023)04-0605-09 Journal of Spatio-temporal Information 时空信息学报收稿日期: 2023-07-10；修订日期: 2023-10-09基金项目: 国家自然科学基金项目（42201500）；福建省中央引导地方科技发展专项（2020L3005）；教育部重点实验室开放基金项目（2022LSDMIS03）作者简介: 赵志远，研究方向为人群动态观测与应用建模等。

E-mail:**************.cn城市居民活动轨迹日间稳定性分析——以西宁市为例赵志远1,2，杨红1,2，杨喜平31. 福州大学数字中国研究院（福建），福州 350003；2. 空间数据挖掘与信息共享教育部重点实验室，福州 350003；3. 陕西师范大学地理科学与旅游学院，西安 710119摘要：针对基于轨迹数据分析人类移动特征忽略日间稳定性的问题，本文以西宁市为例构建个体活动轨迹日间稳定度量方法，分析居民活动轨迹日间稳定性及其分布特征。

研究表明：①不同类型天之间，居民总体有54.5%的时间位于同一位置；②工作日的日间稳定性较高；活动位置稳定性在一天中的凌晨最高，晚上次之；③青少年人群活动轨迹日间稳定性最高，高出稳定性最低的中年人群14%；④女性在工作时间活动轨迹日间稳定性略高于男性，在休息日白天有较男性更加多样化的活动位置；⑤街道尺度下，近郊区城市居民活动轨迹日间稳定性低于城中心和远郊区。

关键词：西宁；手机位置数据；日间稳定性；个体活动轨迹；人群出行特征差异引用格式：赵志远, 杨红, 杨喜平. 2023. 城市居民活动轨迹日间稳定性分析——以西宁市为例. 时空信息学报, 30(4): 605-613Zhao Z Y , Yang H, Yang X P. 2023. Analysis of inter-day stability of urban residents’ activity trajectories: A case study of Xining. Journal of Spatio-temporal Information, 30(4): 605-613, doi: 10.20117/j.jsti.2023040161 引言信息和通信技术的快速发展为人类活动位置观测提供了新途径，以手机位置数据、带地理位置标记的社交媒体数据等为代表的大规模人群位置感知数据，有力支撑了人类移动特征和活动模式挖掘的理论与方法的研究（González 等，2008；Song 等，2010；罗茜和焦利民，2023）。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

空间数据挖掘与信息共享教育部重点实验室（福州大学）
开放基金管理暂行条例
第一条为规范空间数据挖掘与信息共享教育部重点实验室（以下简称重点实验室）开放基金的使用与管理，参照《教育部重点实验室访问学者专项基金管理办法》制定本办法。

第二条开放基金所需经费主要从重点实验室依托单位拨发的运行经费中列支。

第三条开放基金用以资助经重点实验室学术委员会批准的开放课题。

第四条重点实验室设立办公室负责发布基金课题指南和受理基金申请等日常管理工作。

第五条开放基金资助对象
开放基金资助对象的可以是：
（1）凡具有中级职称以上（含中级职称）的国内外教学科研人员（含在职博士生）、博士后研究人员、以及在生产应用部门的科技工作者均可申请本重点实验室开放基金；
（2）根据工作需要，应本实验室主任邀请来室参加项目研究的人员；
（3）在职的博士研究生（需要导师推荐）；
（4）自带项目和经费来重点实验室工作的科研人员。

第六条开放基金申请
重点实验室按年度受理申请者提出的开放基金申请，每年受理一次，受理时间为5月1日至7月30日，遇有特殊情况可以随时申报。

符合条件的申请者，须按申请书格式认真填写开放课题申请书（或通过计算机网络远程申请），用计算机打印后提交。

申请书格式模版可从重点实验室网站下载。

每年10月以前由重点实验室学术委员会主任召集学术委员会会议，对各项开放课题申请进行评审，确定资助课题及经费额，遇特殊情况不能召开会议时，可采用通讯方式进行评审。

资助者每年9月前由重点实验室发出通知，获准资助的课题负责人凭通知办理有关手续。

第七条开放基金使用范围
（1）与获资助项目直接相关的研究费用，如材料费、加工费、实验费、水电费、差旅费、消耗品购置费、小型仪器添置费等。

（2）与获资助项目直接相关的学术活动费，调研费，资料、论文的打印复制费等。

（3）客座人员来室的交通、住宿及生活补贴等费用。

（4）实验室公共性开支、大型设备的维护运转费、业务管理费（不超过基金总额10%）。

（5）研究工作人员的岗位补贴、科研津贴等。

（6）项目机动费（不超过基金总额10%）。

第八条开放基金使用及管理办法
（1）课题完成期限一般为2年（具体期限按获准资助课题的任务书规定为准），必须持续较长时间的重大课题，可分阶段申请。

经费支持额度原则上为2-4万元，资助课题经费一次核定，分期下拨。

（2）实行课题负责制。

课题负责人负责研究工作组织、经费使用和成果提交。

每个获准课题，经费的使用权由课题负责人掌握，限额使用。

征得课题负责人同意可由重点实验室统筹协调若干科技人员配合课题研究工作。

（3）项目经费的60%拨到课题负责人依托单位，由课题负责人按依托单位的财务管理规定使用。

课题经费的40%为申请者在本实验室内的实验费和来实验室工作期间的生活补助（按福州市出差补贴标准发给）。

项目承担者在本实验室工作时限以已批准的课题所需为准。

重点实验室为承担者提供必要的工作条件，并在生活上尽力提供便利。

承担者工资、奖金由依托单位支付。

（4）开放基金年度拨款在课题执行期内可跨年度使用。

课题结束后所余经费、原材料、仪器器材等一律上交实验室，重点实验室将根据结余情况给予课题组成员适当奖励。

（5）如检查发现开放基金课题中断或无法进行，课题负责人未按规定提交
执行情况报告等，经实验室主任会议讨论通过后，可以中断该项目开放基金的使用或取消原批准的经费，并将情况报学术委员会。

（6）对于违反开放基金管理条例的经费开支，重点实验室有权制止并追究当事人责任。

第九条开放基金课题和成果管理
（1）凡由本重点实验室资助的开放基金课题，课题经批准后，应按要求填写“开题登记表”；每年初根据研究计划，申报来实验室的工作计划，经重点实验室统筹安排后，通知来重点实验室工作的具体时间（与实验室对接教师具体商议）；年终填报“年度计划执行情况报告” ,按课题性质不同，同时提交学术论文、研究报告或实验工作阶段小结。

（2）课题结束后，必须向重点实验室提交研究工作总结、学术论文或报告、课题工作过程中的原始资料、档案及目录。

（3）重点实验室每年举行一次学术委员会会议或通讯会议，检查开放基金课题研究工作进展。

课题结束后，由重点实验室学术委员会对其完成情况进行评议，作为实验室资料归档。

（4）重点实验室办公室负责检查开放课题进展执行情况，发现未完成计划或原课题有问题时，要及时向实验室主任报告，重点实验室有权暂时中止或取消该基金课题资助。

（5）重点实验室每年评选出一项特别优秀的研究成果，并纳入下一次资助计划，优先获得滚动资助。

（6）鼓励外单位与我室有关研究人员联合申请本重点实验室开放基金课题，研究成果共享。

（7）获重点实验室基金资助的开放课题，至少应发表SCI收录学术论文2篇，并且在发表文章时应注明“空间数据挖掘与信息共享教育部重点实验室（福州大学）”开放基金资助。

论文发表后应送复印件2份到实验室秘书处。

对于以实验室为第一完成单位的论文，实验室将根据《实验室科技成果奖励办法》给予奖励。

（8）本重点实验室资助的研究课题或与本重点实验室合作研究的课题或项目，其研究成果由本实验室和课题负责人依托单位共享；自带经费来本实验室研
究的课题，研究成果属于课题负责人依托单位，成果上报或发表文章时，以注明或以致谢形式说明得到本实验室的协助。

（9）对于课题执行良好，并符合下列条件者，将在继续申请时给予优先资助：获得国家自然科学基金、国家重大科技专项、重点研发任务项目或课题资助者；以本重点验室名义发表高水平论文、国际学术会议或国内一级学会会议特邀报告者；与本重点实验室合作获省部委二等奖以上的主要贡献者。

（2004年9月制定，2016年3月30修订）。