准确的水体提取对水资源保护、城市规划等方面具有重要的意义。然而,在遥感影像中,由于地物众多、环境复杂且不同水体可能具有不同形态、尺度及光谱特征,水体难免会与其他地物产生类内异质性及类间相似性。现有方法未充分探索边界线索...准确的水体提取对水资源保护、城市规划等方面具有重要的意义。然而,在遥感影像中,由于地物众多、环境复杂且不同水体可能具有不同形态、尺度及光谱特征,水体难免会与其他地物产生类内异质性及类间相似性。现有方法未充分探索边界线索以及未充分利用不同层之间的语义相关性及多尺度表达,导致从遥感影像中准确提取水体仍然是一项挑战性任务。针对这些问题,本文提出了一种边界引导与跨尺度信息交互网络(boundary guidance and cross-scale information interaction network,BGCIINet)用于遥感影像水体提取。首先,本文首次结合Sobel算子提出了一个边界引导(boundary guidance,BG)模块,该模块可以有效捕获低层次特征中的边界线索并高效嵌入解码器为其提供丰富的边界知识;其次,为了加强网络多尺度表达能力,促进层与层之间的信息交流,提出了一个跨尺度信息交互(cross-scale information interaction,CII)模块。在2个数据集上进行了广泛实验,结果表明:本文方法优于其他4种先进方法,在面对挑战性的场景时具有更丰富的边界细节及完整度,能够更好地应用于遥感影像水体提取并为后续研究提供方法借鉴。展开更多
近年来,人口空间化的方法理论愈趋成熟,但对人口空间化建模中变量参数的空间平稳性处理却鲜有人关注。以土地利用数据、夜间灯光数据和人口统计数据为数据源,提出一种基于半参数地理加权回归模型(semi-parametric geographically weight...近年来,人口空间化的方法理论愈趋成熟,但对人口空间化建模中变量参数的空间平稳性处理却鲜有人关注。以土地利用数据、夜间灯光数据和人口统计数据为数据源,提出一种基于半参数地理加权回归模型(semi-parametric geographically weighted regression,S-GWR)的人口空间化方法,并利用该模型在县级尺度进行常住人口空间化建模,最后以四川省为研究区进行比较论证。在分析变量特征的同时,利用S-GWR模型处理参数变量的空间平稳性,以提高人口估计的精度,最后生成四川省2010年1 km分辨率的人口空间分布图(spatial distribution of population,SDP)。结果表明,S-GWR模型的决定系数为0.903,比传统回归模型表现更好,模型拟合的效果更优。精度验证方面,通过2个常用的人口数据集进行精度对比验证;在县一级,研究区整体SDP的平均误差和每个区县的相对误差都接近于0,比其他2个数据集有更高的精度;在乡镇一级,SDP的平均相对误差、平均绝对误差和均方根误差分别为34.54%,5715.703人和12085.932人,均比其他2个数据集的误差更小,离散度效果更优;从乡镇准确估计个数来看,SDP准确估计的个数最多,达185个。因此,考虑参数的空间平稳性可以提高人口空间化的精度。展开更多
文摘准确的水体提取对水资源保护、城市规划等方面具有重要的意义。然而,在遥感影像中,由于地物众多、环境复杂且不同水体可能具有不同形态、尺度及光谱特征,水体难免会与其他地物产生类内异质性及类间相似性。现有方法未充分探索边界线索以及未充分利用不同层之间的语义相关性及多尺度表达,导致从遥感影像中准确提取水体仍然是一项挑战性任务。针对这些问题,本文提出了一种边界引导与跨尺度信息交互网络(boundary guidance and cross-scale information interaction network,BGCIINet)用于遥感影像水体提取。首先,本文首次结合Sobel算子提出了一个边界引导(boundary guidance,BG)模块,该模块可以有效捕获低层次特征中的边界线索并高效嵌入解码器为其提供丰富的边界知识;其次,为了加强网络多尺度表达能力,促进层与层之间的信息交流,提出了一个跨尺度信息交互(cross-scale information interaction,CII)模块。在2个数据集上进行了广泛实验,结果表明:本文方法优于其他4种先进方法,在面对挑战性的场景时具有更丰富的边界细节及完整度,能够更好地应用于遥感影像水体提取并为后续研究提供方法借鉴。
文摘近年来,人口空间化的方法理论愈趋成熟,但对人口空间化建模中变量参数的空间平稳性处理却鲜有人关注。以土地利用数据、夜间灯光数据和人口统计数据为数据源,提出一种基于半参数地理加权回归模型(semi-parametric geographically weighted regression,S-GWR)的人口空间化方法,并利用该模型在县级尺度进行常住人口空间化建模,最后以四川省为研究区进行比较论证。在分析变量特征的同时,利用S-GWR模型处理参数变量的空间平稳性,以提高人口估计的精度,最后生成四川省2010年1 km分辨率的人口空间分布图(spatial distribution of population,SDP)。结果表明,S-GWR模型的决定系数为0.903,比传统回归模型表现更好,模型拟合的效果更优。精度验证方面,通过2个常用的人口数据集进行精度对比验证;在县一级,研究区整体SDP的平均误差和每个区县的相对误差都接近于0,比其他2个数据集有更高的精度;在乡镇一级,SDP的平均相对误差、平均绝对误差和均方根误差分别为34.54%,5715.703人和12085.932人,均比其他2个数据集的误差更小,离散度效果更优;从乡镇准确估计个数来看,SDP准确估计的个数最多,达185个。因此,考虑参数的空间平稳性可以提高人口空间化的精度。
