XiaoMi-AI文件搜索系统
World File Search System扫描的
机载激光扫描的滑坡检测无监督分类
摘要：山体滑坡是一种自然灾害，在世界范围内造成广泛的环境、基础设施和社会经济损失。由于难以识别，因此必须评估创新方法来检测预警信号并评估其敏感性、危害和风险。机载激光扫描数据的日益普及为现代山体滑坡测绘技术提供了机会，可以分析大片地形上的山体滑坡、山体滑坡易发区和山体滑坡疤痕区的地形特征模式。在本研究中，在华盛顿州的卡利昂海滩半岛测试了一种基于多个特征提取器和无监督分类的方法，特别是 k 均值聚类和高斯混合模型 (GMM)，以绘制滑坡和非滑坡地形。与独立编制的详细滑坡清单图相比，无监督方法正确分类了研究区域内多达 87% 的地形。这些结果表明：(1) 可以使用数字高程模型 (DEM) 和无监督分类模型来识别与过去深层滑坡相关的滑坡痕迹；(2) 特征提取器允许对特定地形特征进行单独分析；(3) 可以使用多个聚类对每个地形特征进行无监督分类；(4) 将记录的滑坡多发区与算法绘制的区域进行比较，表明算法分类可以准确识别发生深层滑坡的区域。本研究的结论可以总结为：无监督分类制图方法和机载激光雷达 (LiDAR) 得出的 DEM 可以提供重要的表面信息，可用作数字地形分析的有效工具，以支持滑坡检测。
关于水平扫描的概念和方法 - CORE
面向未来的技术分析方法在实现早期预警信号检测和主动政策行动方面可以发挥重要作用，这将有助于政策制定者和决策者在当今复杂且相互依存的环境中更好地做好准备。本文分析了“新兴科学技术问题扫描”项目中应用的不同水平扫描方法和手段。本文提供了比较分析以及对政策制定者在确定需要制定政策的领域时的需求的简要评估。本文认为，选择最佳的扫描方法和手段取决于背景和内容问题。同时，水平扫描过程、方法和结果中存在一些问题，从业者和政策制定者都应牢记这些问题。
机载激光扫描的潜力
从冰川高山高精度生成 DGM - 机载激光扫描的潜力 Dominik Lenhart1、Helmut Kager2、Konrad Eder3、Stefan Hinz1、Uwe Stilla3 1 慕尼黑工业大学遥感方法学主席 2 维也纳工业大学摄影测量与遥感研究所³摄影测量与遥感系，慕尼黑工业大学 摘要：机载激光扫描 (ALS) 提供了以高度自动化生成高精度数字地形模型 (DGM) 的可能性。虽然这项技术在农村和城市地区的准确性潜力已经在许多研究和应用中得到证明，但本文分析了这种记录方法在冰川高山中的准确性潜力。结果表明，通过同步条纹调整进行地理配准可以最大限度地减少相邻纵向条纹之间的差异，并将数据添加到几厘米的 GPS 护照信息中。例如，在雪面等光滑区域，内部精度为 5-8 厘米，在较粗糙的岩石区域，内部精度约为 17-30 厘米。除了高精度之外，数据集的点密度还提供了一个有趣的分析方面。例如，冰川舌区域的部分记录失败（由吸收和可能的定向反射引起）——这对于 DGM 来说本质上是负面的——开辟了新的调查可能性，例如当地的 S