|
2 ]3 e, F0 Q, A' q5 ` 《武汉大学学报•信息科学版》是由武汉大学主办、国内外公开发行的测绘专业学术期刊 ，创刊于1957年。主要刊登摄影测量学与遥感、大地测量学与导航、地图学与地理信息等相关的学术论文。
4 z9 z6 u; ~1 F% v. M6 j8 q8 d 收录本刊论文的国内外著名检索系统和数据库有EI、Scopus、CSA、JST、SA等，以下7篇文章是本杂志刊登的2022年第10期综述文章合集。
% ~# {+ L# [1 b+ M4 r 想要免费获取该期刊最新文章or征稿信息
' X$ H, \5 |) X9 k5 F. s8 N 也可戳头像私聊添加小助手进学者交流群哦~ ) T8 [# Y" ~/ z* `* R
01 土地利用优化配置建模研究进展与展望 ) ^4 Y Q; T" U) C/ l1 }
刘耀林1, 2, 3, 4, 仝照民1, 4, 刘岁1, 4, 黄丹1, 4
# D+ B2 s- w' e) j7 Y 1.武汉大学资源与环境科学学院
# D: a/ k9 F" M9 _' {$ S7 Q 2.武汉大学地理信息系统教育部重点实验室机构 8 f+ u6 W5 F- T+ |
3.地球空间信息科学协同创新中心 ; J! \/ H" @* W0 v3 @1 h
4.自然资源部数字制图与国土信息应用重点实验室
1 v, | r: F; |4 Q 土地利用优化配置是解决土地资源供需矛盾、协调社会经济发展与生态保护的重要技术手段，也是土地资源可持续利用需要解决的关键问题之一。随着空间模拟和智能优化技术的发展，土地利用优化的理论基础和方法体系也在不断更新。 在文献计量的基础上，系统总结了国内外土地利用优化配置的驱动理论和方法，重点分析了空间模拟优化模型和智能寻优模型在土地利用优化配置建模应用中的进展和存在的问题，对土地利用优化配置未来的发展和面临的挑战进行了讨论和展望，提出自然与人文过程的耦合驱动、多模型的空间化协同、大数据知识挖掘方法的嵌入和数字孪生技术的支撑，应是土地利用优化配置领域下一阶段的研究方向。
" O9 h9 |) e, G# e8 w! b( X+ ^/ m 02地图综合智能化研究的发展与思考 武芳1 ,杜佳威1, 2, 钱海忠1, 翟仁健11.信息工程大学地理空间信息学院
! Q& z$ e7 K% h7 j 2.航天工程大学航天指挥学院 + w0 l/ S( V9 N" i' u
地图综合是地图制图和多尺度空间数据变换的核心与关键技术。20世纪60年代以来，数字地图数据的自动综合研究逐渐展开并取得了长足的进步，囿于人工智能技术的限制，地图综合的智能解决方法虽有不少成果，但距离真正的智能化、实用化仍有一定的距离。
$ g# g& Z* H. x9 D" Z: ~ 近年来，以深度学习为代表的人工智能技术应用于诸多研究领域并取得显著成效，地图综合的智能化研究也有诸多新的尝试。 首先，在归纳自动地图综合研究模式的基础上，阐述了智能地图综合研究的必要性；然后，结合人工智能发展历程回顾智能地图综合研究，梳理和分析了基于传统机器学习与基于深度学习的智能地图综合研究现状，并归纳了地图综合智能化研究的主要方法；最后，围绕地图综合智能化研究中的几个热点问题，探讨了智能地图综合的发展趋势。2 t2 D/ }& P& T
03地震大地测量确定凹凸体
+ B M, W! N% f0 B# @, A 研究进展与展望 " p6 l, r. [6 `
许才军1, 2, 3 , 王晓航1, 温扬茂1, 2, 3, 李伟4 ; J; q0 c: Q" n
1.武汉大学测绘学院
& Y+ v8 O5 M9 S 2.自然资源部地球物理大地测量重点实验室 % I, o7 b. M) g3 \% a( p
3.武汉大学地球空间环境与大地测量教育部重点实验室机构 2 w: m1 G8 B+ X) }8 M, v
4.兰州交通大学机构测绘与地理信息学院 - f# z) F4 m# p- l6 W' D
介绍了凹凸体、障碍体及其震源模式相关概念，综述了地震大地测量确定凹凸体的研究进展，主要从介质结构分布（高强度异常体）、地震活动性分析和断层滑动特性三个方面探讨凹凸体确定的技术与方法，并分析了存在的问题。 对活动断层凹凸体分布的精细确定研究进行了展望，今后的研究重点是开展大地测量数据联合反演确定凹凸体分布、联合大地测量与地震、地球物理数据确定凹凸体分布以及基于机器学习方法进行凹凸体分布确定。7 q/ `! \7 l& |+ S
04城市场景智能手机GNSS/MEMS融合车载高精度定位 ! V" \ o& U9 @( j! S$ j) Z$ E
张小红1, 2 , 陶贤露1, 王颖喆1, 刘万科1, 朱锋1
. J Y$ c/ I- e/ ]# \ 1.武汉大学测绘学院
6 w7 A% @4 v& q# y2 V( C+ f 2.武汉大学中国南极测绘研究中心 7 I3 N0 u: I5 O9 L* m6 Q+ k
智能手机凭借其普遍性、便携性和低成本等优势，已成为大众用户导航与位置服务的主流终端载体，其多频多系统GNSS（全球导航卫星系统）观测值的开放进一步激发了手机高精度定位的研究。 E/ _5 S9 x1 ^" n" y0 O
然而，受限于消费级GNSS器件性能，手机卫星观测值呈现出信号衰减严重、伪距噪声大、粗差周跳多等问题;并且受城市复杂环境影响，手机GNSS定位的连续性、可靠性也难以保证。 9 e7 a3 @; @( C. G# x" d
提出了一种城市场景手机GNSS/ MEMS（micro-electro mechanical system）融合的车载高精度定位方案。首先，构建了速度约束的GNSS差分定位模型;然后，通过手机内置MEMS与车辆运动约束，在挑战环境下进行GNSS/MEMS融合精密定位。 实验结果表明，在开阔和树荫场景下，速度约束方法可达到分米至米级定位精度，相比于常规方法分别提升了35.2%和78.9%;在高架场景下，GNSS/MEMS融合定位的精度和连续性均提升显著;在隧道场景下，MEMS推算位置累积约为2.5%。实验结果初步表明，手机GNSS具备开阔环境下的车道级定位能力，手机GNSS/MEMS融合可提升城市复杂环境下车载定位的精度和连续可用性。+ m) T; B7 H! g( R5 N6 n- B% @
05近海海平面变化成因分析 " l+ X v5 {/ [# V( Z
徐天河1, 杨元元2, 穆大鹏1, 尹鹏1
8 ?. v( w v( y9 k8 H5 \" p5 T 1、信息工程大学地理空间信息学院 3 e @' a* e& P7 t. ?; R. U' y
近海海平面上升直接威胁人类生存，分析其成因不仅具有重要科学意义，而且能够为应对海平面上升提供相应策略。
+ w: x# H; k# _; ~ C T 使用卫星测高、时变重力以及浮标观测研究2002—2020年近海300 km内海平面变化成因。由于时变重力在近海受到较为严重的泄漏误差影响，使用时变重力约束解模拟陆地质量变化对海洋质量的泄漏，其线性趋势约为0.68 mm/a。在季节和非季节尺度上，时变重力和浮标观测解释了卫星测高的结果，证明近海海平面平衡方程在季节和非季节时间尺度上能够被闭合。 在长期变化趋势方面，卫星测高显示近海平面上升速率为3.32±0.45 mm/a，而时变重力与浮标观测之和的速率为2.25±0.51 mm/a，两者之间存在约1 mm/a的速率差。鉴于该速率差高于估计的不确定度，认为当前在闭合近海海平面平衡方程长期趋势方面仍存在不小挑战，一方面近海比容实测数据较为稀少，很可能低估了长期趋势变化；另一方面，不完善的泄漏误差改正和陆地垂直运动改正也会影响近海海平面长期趋势变化( h" A6 V- `) S7 t) ]3 V
06利用经优化的边界条件开展黄海海州湾潮汐场模拟
* ]# h; E i0 z' p* L- M 黄辰虎1, 2, 翟国君2
1 O8 M9 l. z+ ^/ B# ^5 s$ B5 u 1.国防科技大学智能科学学院
5 ]: P7 L2 \: q8 G0 h3 j 2.天津海洋测绘研究所 ! Q E* T/ `2 y% X- i: U8 B/ ?+ b
受海底地形、开边界驱动水位及底摩擦系数等边界条件的共同影响，当前中国沿岸和近海潮汐场模拟的精度仍显不足。
" \: h0 n% Q3 f# h6 d- r$ C, {: @ 利用精度和分辨率较海图高一级别的水深数据、包含长周期天文气象分潮Sa的由12个主分潮组成的开边界驱动水位及顾及水深空间变化的底摩擦系数等经优化的边界条件，运行二维潮汐数值模式2D-MIKE21，开展黄海海州湾潮汐场模拟。 结果表明，天文潮模拟值与海州湾周边6个验潮站1年潮汐表相比，12个主分潮综合预报误差为5.52 cm；与中国海域现有潮汐模型CST1中24个随机点位相比，12个主分潮综合预报误差为7.10 cm。天文潮模拟值和CST1预报值二者与海州湾周边2个验潮站近1个月实测值相比，前者中误差要小于后者。这为在沿岸及近海开展面向海洋测绘应用的潮汐场模拟提供了新思路，同时也表明通过数值模拟的方式构建天文气象分潮Sa是可行的。
: _7 p" q& e' [+ v- `! p 07结合季节调整和NAR神经网络的流域地下水储量预测 * R3 K5 X/ Y( D- \+ O* ~) q
王杰龙1, 杨玲1, 陈义1, 沈云中1
# |9 v- Y9 M8 g7 a 1.同济大学测绘与地理信息学院 - ?$ d: Q0 @3 i( r$ K
利用重力场恢复与气候实验卫星反演的陆地水储量和全球陆地数据同化系统（global land data assimilation system，GLDAS）水文模型，从流域降雨分布信息出发，结合季节调整技术和非线性自回归（non-linear autoregressive，NAR）神经网络对流域地下水储量变化进行预测，并与未经过季节调整的NAR神经网络、自回归（autoregressive, AR）模型以及季节性自回归差分移动平均（seasonal autoregressive integrated moving average, SARIMA）模型进行对比分析。 以长江流域、勒拿河流域、鄂毕河流域以及叶尼塞河流域为例，结果表明，经过季节调整后的流域降雨和地下水分别服从独立分布和一阶自回归模型，为NAR神经网络时延数的确定提供了新的途径。经过季节调整后的NAR神经网络的预测结果在4个流域的模型表现优于传统的AR模型和SARIMA模型，均方根误差在1 cm以内，相关系数超过0.96。结合季节调整和NAR神经网络提高了流域地下水储量预测精度，减少了训练参数，加快了神经网络的收敛速度。
. |, K' D9 [6 {( T8 A4 w/ b4 j) x! k% K# Q0 d- ]( f( r2 ]0 Q
5 g. q1 M, N- u5 v- n+ l; x3 i7 j: h; \. o) P# a) |
1 q9 A8 R6 i6 f# y# r! g1 a
| 
