随着航空航天技术的不断发展，对于机载自主完好性监测方法的需求日益增加。通导融合是一种先进的监测技术，结合通信导航和传感器融合的优势，具有广泛的应用前景。为了提高飞行器的自主完好性监测性能，该文提出了一种基于通导融合的机载自主完好性监测方法，并介绍了通导融合技术的基本原理和特点。通导融合技术通过将通信导航和传感器融合，可以充分利用两者的信息，提高飞行器的自主完好性监测能力，其优势包括对多种传感器的数据融合，对不同类型信息的互补性，以及对传感器故障的容错性。通过获取通信导航数据和传感器数据，并建立通导融合模型对融合后的数据进行实时监测，从而检测飞行器是否存在故障或异常情况。根据监测结果采取相应的措施，保障飞行器的安全运行。

针对相对封闭、磁干扰等特殊环境下传感器应用受限,导致爬壁机器人自主定位误差随时间累积的问题,该文提出并实现了一种基于外部RGB-D相机和惯性测量单元(inertial measurement unit,IMU)组合的爬壁机器人自主定位方法。该方法采用深度学习和核相关滤波(kernelized correlation filter,KCF)组合的目标跟踪方法进行初步位置定位;在此基础上,利用法向量方向投影的方法筛选出机器人外壳顶部的中心点,实现机器人定位中的位置定位。推导了机器人底盘法向量、横滚角与航向角的定量关系,设计了串联的扩展Kalman滤波器(extended Kalman filter,EKF)计算横滚角、俯仰角和航向角,实现机器人定位中的姿态估计。实验结果表明:该方法使爬壁机器人位置定位误差小于0.02 m,姿态估计的航向角和横滚角误差小于2.5°,俯仰角误差小于1.5°,有效地提高了爬壁机器人定位精度。

湖南省森林资源丰富,但森林质量不高,抗逆能力较差,林地干旱及其次生灾害已成为湖南林业发展的重大威胁。文中通过多源遥感数据融合模型(STARFM模型与SADFAT模型)将高时间分辨率的MODIS数据和高空间分辨率的LANDSAT数据进行融合,从融合后的影像中提取地表温度(LST)与植被指数(NDVI)2个林地干旱因子,构建温度-植被干旱指数模型(TVDI),利用模型对湖南省2016年6—8月森林生长季每月3天的林地干旱进行了反演,绘制了林地干旱专题图,并对湖南省夏季干旱分布情况进行了分析,为准确、快速地对湖南省林地干旱进行监测和预警提供了一种科学方法。

【目的】小麦倒伏严重影响小麦光合及成熟进程，进而造成小麦减产及品质下降。为快速精确获取倒伏信息，评估无人机遥感监测小麦倒伏的能力，构建小麦倒伏监测模式，为灾情评估、保险理赔及灾后补救提供技术支持。【方法】利用近地无人机获取包含红、绿、蓝、红边和近红外5个多光谱波段图像，经过预处理飞行高度50 m的小麦冠层图像，得到分辨率为1.85(cm/像素)的数字正射影像图（DOM）和数字表面模型（DSM），从中提取光谱特征、高度特征和光谱纹理共3类特征信息；采用支持向量机（SVM）和随机森林（RF）2种分类器对6种不同特征集组合进行倒伏分类比较，使用准确率（Acc）、精确率（Pre）、召回率（Re）和调和平均数（F1）以确定较优的特征组合和分类器；同时使用3种不同的特征集筛选方法（套索算法Lasso、随机森林递归算法RF-RFE和Boruta算法）对优化的特征子集进行综合评价，确立适宜的倒伏分类评价方法。【结果】单一特征的光谱和纹理及其组合对小麦倒伏的分类评价结果较差，“椒盐现象”严重，在此基础上融合DSM信息的分类精度显著提高。采用随机森林分类器对光谱特征、纹理特征和高度特征进行特征集组合，小麦倒伏识别的分类准确率最高达91.48%。为减少特征集变量数量，采用3种特征优化方法，与筛选得到的全特征集、Lasso算法、RF-RFE算法相比，基于Boruta算法得到的优化特征子集分类精度更高，整体稳定性更好，从含有DSM的3种特征组合均值来看，总体分类精度和Kappa系数分别提高了0.17%和0.01（全特征集）、2.45%和0.05(Lasso)、2.87%和0.05(RF-RFE)。其中，光谱-纹理-DSM组合效果最好，总体分类精度达92.82%,Kappa系数达0.86。【结论】Boruta算法有效优化光谱-纹理-DSM组合的特征子集数量，让更少的特征参量参与分类，且获得较高的分类精度，确立了精确监测小麦倒伏的多特征组合-Boruta-RFC技术融合模式，为小麦灾情评估及补救措施制定提供参考。

第一次全国地理国情普查于2015年完成,其成果已在"多规合一"、城市规划实施监管、环境保护与治理、自然资源资产负债表编制等多个领域得到应用。基础性地理国情监测是基于地理国情本底数据库,利用多期遥感影像、基础测绘成果、经济社会专题数据,综合运用现代测绘技术,对国土疆域内的地表自然、人文地理要素进行定量化、动态化、空间化的监测,形成反映各类资源的空间分布及其发展变化规律的监测数据、

职业教育大量产教融合相关政策的出台,促进了对政策执行成效监测的需求,教育行政部门和少数第三方组织已经着手进行了相关监测工作,但是存在第三方监测机构比较缺乏,监测体系不完善,企业没有完全纳入监测范围,监测活动的科学性有待提升等问题。有必要明确监测工作的主体和客体,增强政策执行成效和监测工作的科学性,构建有效的产教融合政策执行成效监测体系。

针对当前水果冷链物流对温度要求极高,现有的监测系统又存在难以判断无效传感器,从而影响系统检测精度的问题,提出了在对系统采集的数据进行处理时采用一种新型的数据融合方法,该方法运用容许函数剔除疏失误差,然后再对容许度较高的数据采用正交基函数神经网络进行融合。实验结果表明,该方法能有效克服当前监测系统中所存在的问题,并可获得比常规的平均值法更高的监测精度。

［目的］通过机载遥感影像对普洱山区进行植被分类研究，为山区森林经营规划与可持续经营方案的制图提供高效应用途径。［方法］将２０１４年４月航拍的机载ＡＩＳＡ ＥＡｇｌＥ ＩＩ高光谱和ｌＩ ＤＡＲ同步数据融合，利用点云数据提取的数字冠层高度模型（ＣＨＭ）得到树种的垂直结构信息，结合经过主成分分析（ＰＣＡ）的高光谱降维影像，选用支持向量机（ＳＶＭ）分类器进行分类。［结果］普洱市万掌山实验区主要树种分为思茅松、西南桦、刺栲、木荷等。融合影像数据分类的总体精度和ＫＡＰＰＡ系数分别为８０．５４％、０．７８，比单一高光谱影像数据分类精度分别提高６．５５％、０．０８，其中主要经营树种思茅松的制图精度达到了９０．．．．

外来流动人口与本地人口的社会融合是构建城市和谐社会的根基。流动人口的住房与社区选择不仅关系切身福利,也是其社会融合程度的重要体现。文章基于2014年中国流动人口动态监测数据,通过构建多维度合成的社会融合指标,采用克服内生性偏误的联立方程模型,分析了社会融合对流动人口居住选择行为的影响。研究发现,社会融合对流动人口的居住选择的影响显著,即更好的社会融合会增加流动人口住房自有的概率、提高流动人口居住在正规社区的概率或增加其住房消费水平。研究结果可为改善流动人口的社会融合、优化居住资源的空间配置以及引导流动人口合理的居住选择提供依据。

外来流动人口与本地人口的社会融合是构建城市和谐社会的根基。流动人口的住房与社区选择不仅关系切身福利,也是其社会融合程度的重要体现。文章基于2014年中国流动人口动态监测数据,通过构建多维度合成的社会融合指标,采用克服内生性偏误的联立方程模型,分析了社会融合对流动人口居住选择行为的影响。研究发现,社会融合对流动人口的居住选择的影响显著,即更好的社会融合会增加流动人口住房自有的概率、提高流动人口居住在正规社区的概率或增加其住房消费水平。研究结果可为改善流动人口的社会融合、优化居住资源的空间配置以及引导流动人口

【目的】白粉病严重危害小麦生长及制约产量形成,确立实时监测小麦白粉病的多源数据融合方法,为精确防控及保证国家粮食安全提供技术支撑。【方法】在小麦开花和灌浆期,使用同时搭载多光谱仪和热成像仪的六旋翼无人机作为遥感数据获取平台,通过ENVI软件从小麦白粉病遥感影像中提取植被指数、纹理特征以及冠层温度信息,进而利用多元线性回归(MLR)、后向传播神经网络(BP)、随机森林(RF)、极限学习机(ELM)算法将植被指数(VIs)、纹理特征(TFs)和温度特征(T)进行结合,以构建小麦白粉病病情指数的监测模型。【结果】无论是单数据源建模,还是多数据源建模,随机森林(RF)的精度均高于其他模型;3种数据源中植被指数的RF模型(VIs-RF,R~2=0.667,RMSE=5.712,RPD=1.572)更适宜白粉病监测,其次是温度特征(T-RF,R~2=0.559,RMSE=6.563,RPD=1.430),而纹理特征(TFs-RF,R~2=0.495,RMSE=7.014,RPD=1.348)效果最差;多数据源协同建模间比较,RF协同植被指数和纹理特征的模型R~2为0.701(VIs&TFs-RF,R~2=0.701,RMSE=5.308,RPD=1.724),仅比VIs-RF模型R~2提升5.101%,RMSE降低7.073%,RPD提高9.672%,而RF协同植被指数和温度特征模型(VIs&T-RF)以及协同3种数据源模型(VIs&TFs&T-RF)的精度分别为R~2=0.750,RMSE=4.704,RPD=1.912和R~2=0.820,RMSE=4.677,RPD=1.996,较VIs-RF模型R~2分别提升12.453%和23.181%,RMSE分别降低17.640%和18.113%,RPD分别提高21.667%和26.981%。同时对不同模型进行10折交叉验证,进一步证实了RF模型在多数据源融合建模中性能稳定,估算效果最好。【结论】采用多数据源协同建模能够提升小麦白粉病遥感监测精度,研究结果为实现大面积高精度遥感监测作物病害状况提供了思路与方法。

【目的】在Google Earth Engine(GEE)云平台上借助其强大的计算和数据存储能力，融合多源遥感数据对森林林龄进行遥感反演和动态监测。【方法】融合2017—2023年间Sentinel-1、Sentinel-2及高程数据，通过随机森林（Random forest,RF）分类获取土地覆盖信息，并进一步提取森林的分布和面积，同时构建时间序列植被指数来准确提取森林变化区域。基于森林资源清查数据和融合的多源遥感数据，在GEE上构建RF回归、分类回归树（Cart）以及梯度提升回归树（Gradient tree boost,GTB）3种回归模型，用于杉木组、马尾松组、毛竹林、硬阔叶树组以及其他类树种组的2018年林龄遥感反演，并估算出2017年和2023年的林龄信息，以揭示林龄和龄组在2017—2023年的动态变化情况。【结果】1)2017—2023年，研究区森林面积的整体变化总计113.93 km~2，此间森林的减少和更新并存，其空间分布特征呈现出明显的区域差异。具体而言，森林面积变化多发生于靠近城区和低海拔地区，且靠近城区的森林面积减少往往不再恢复至森林；2）在5种不同树种组构建的3种模型中，RF回归模型的林龄反演结果最佳，平均R~2为0.845，平均RMSE为5.32 a，其中毛竹林反演精度最高，R~2为0.863,RMSE为2.411 a;3)2017—2023年，研究区林龄在40 a以下的森林由54.59%减少至51.06%，其中龄组变化最显著为杉木组成熟林，面积增加了38.88%。【结论】在GEE上融合多源遥感数据进行林龄反演和动态监测具有重要的应用潜力，本研究结果可为使用云平台及哨兵系列卫星数据对森林资源长时间序列的林龄反演和动态监测的应用提供参考和借鉴。

在我国信息化高速发展和互联网应用技术日渐成熟的时代,基于传统媒体、数字化新媒体尤其是自媒体,海量的网络信息成为科技舆论的聚集地和发散地,不良科技舆情引起的突发事件容易对社会造成负面影响。通过对科技舆情的传播特征进行深入研究,对科技舆情的监测现状进行梳理,通过典型案例分析得出科技舆情的正能量引导及应急方法,总结经验,以期提高科技舆情突发事件的应急处理能力。

本文在研究国内外房地产预警监控理论和实践成果的基础上,选取了房地产预警系统的指标体系;尝试用GA-BP算法预测成都市2007年的有关房地产数据,并通过黄色预警方法中应用较广泛的统计预警法,对成都市房地产市场的综合情况进行评价。

【目的】利用国产合成孔径雷达（ＳＡＲ）系统（ＣＡＳＭＳＡＲ）获取的机载Ｐ－波段全极化ＳＡＲ（ＰｏｌＳＡＲ）数据，分析ＳＡＲ对森林地上生物量（ＡＧＢ）的响应与地形的关系，建立融合地形因子的高精度多项式模型，以提高森林ＡＧＢ的估测精度。【方法】首先以基于机载激光雷达（ｌｉ ＤＡＲ）数据得到的研究区坡度分布图与结合实测样地ＡＧＢ数据得到的森林ＡＧＢ分布图作为参考数据进行系统抽样，分析森林ＡＧＢ与Ｐ－波段ＰｏｌＳＡＲ后向散射强度的关系以及不同坡度下二者的相关性变化；然后利用ｌｉ ＤＡＲ得到的高精度数字高程模型（ＤＥＭ）结合机载Ｐ－波段的轨道数据计算当地入射角，进而建立以后向散射强度、当地入射角以及雷达．．．