地理空间情报 (GEOINT) 是关于地球上人类活动的情报 ，源自对图像和地理空间信息的开发和分析，这些信息描述、评估和直观地描绘地球上的物理特征和地理参考活动。美国法典中定义的地理空间情报 (GEOINT) 由图像、 图像情报 (IMINT) 和地理空间信息组成。

丁爸前期也给大家分享了不少地理空间情报相关的资料：

【资料】图像情报、地理空间情报

【资料】地理空间情报资料汇总

地理空间情报(GEOINT)可以通过有效使用多个和先进的传感器、多种类型的数据和信息(包括行动、规划、后勤等)，结合先进技术来创建动态的、可视化的交互式产品来呈现各类情报学科的分析结果，创建特定区域的动态态势感知地图。这种能力为作战人员、国家安全决策者、执法人员和情报服务人员提供了许多优势，使其能准确地定位活动和对象，评估和辨别事件的含义，并为决策者提供决策依据。

将各类情报分析与地理空间信息结合并使用可视化的方式进行展示越来越受到情报分析师和情报用户的青睐。昨天给大家推荐的文章【论文】空气污染与早期新冠肺炎发病关系的年度和日常评估:来自231个国家和地区的证据就是将环境污染数据、疫情数据与地理空间信息结合展示的案例。

今天丁爸再给大家分享搜集到的一些相关研究资料：

一、《利用谷歌地球引擎上的Landsat时间序列绘制自然环境中的人类干扰图》

探测时间序列内的突变是了解扰动的作用过程和驱动因素及其对环境的影响的关键。本文拟就细尺度土地覆被扰动的生态影响作进一步研究，以更好地了解细微分辨率扰动的空间和时间模式。例如，利用突变、季节性和趋势贝叶斯估计(BEAST)或其他变化检测算法，研究当地土地覆被变化对景观环境的影响，涉及生境破碎化、地表径流和溪流水质，以及入侵物种移动。

二、《基于深度学习的高分辨率航空图像屋顶类型分类》

随着计算机硬件和人工智能技术的发展，包括深度挖掘，图像特征可以自动提取。卷积神经网络(CNN)作为一种深度学习技术，也可用于图像分类任务，但需要大量的高质量训练数据来获得准确的结果。本研究利用高分辨率航空影像，生成屋顶型数据集，用于屋顶型自动分类任务。包括复杂屋顶、平屋顶、山墙屋顶、臀部屋顶、半腰屋顶和半腰屋顶。文中还建立了浅层CNN模型，并与不同预训练CNN模型进行了比较，研究了其预测性能。分类结果表明，该方法的初始结果是有希望的，但利用更多的数据可以进一步改进。

三、《利用航空影像和遥感影像及深度学习和细粒度注释的数据融合在全市范围内估算停车位》

新兴的交通管理技术、智能停车应用以及交通研究人员和城市规划人员都对关于城市停车位的细粒度数据感兴趣。然而，许多城市地区没有标准化、完整和最新的数据库。此外，手动数据收集昂贵且耗时。整个城市的航空图像不仅可以用来清点公共停车场和专用停车场，还可以用来清点路边停车场和私人财产上的停车场。为了真实地估算总停车位，通过根据停车场和道路识别分割停车场和道路，考虑所观察到的多功能交通区的使用。本文测试了不同的基于U-Net的体系结构来检测所有这些类型的可见业务区域。结合OpenStreetMap(OSM)中选定的上下文信息，使用新的大规模、高质量手工注释数据集来描述实际用作停车位。模型在停车区域分割上取得了良好的效果，与单独使用航空图像相比，在深度神经网络中OpenStreetMap(OSM)数据融合对多个交通区域同时提取有显著影响。

四、《使用差异裸露土壤指数在中美洲的滑坡检测》

统计数据显示，在2000年至2014年期间，滑坡造成近3万人死亡，400亿美元的经济损失。有几个因素影响滑坡的发生，包括自然引起的，如地面振动、地下水压力或野火，还有人类活动引起的，比如采矿、管道泄漏、建筑和土壤挖掘。由于人口增长、高山坡不稳定地区的城市化、森林砍伐和可能引发此类事件的极端天气现象增加，滑坡正在加剧,滑坡被视为一个重要的威胁。

在谷歌地球中使用差分裸土指数结合云计算进行光学图像分析是一种新颖的方法。在墨西哥瓦哈卡最近的一次滑坡事件中，应用这种方法，大约62%的滑坡被自动探测到，当然，这还有很大的改进潜力。包括NDVI值和考虑具有更高空间分辨率的图像可有助于加强滑坡检测。谷歌地球引擎中的滑坡检测已成为大数据处理和研究滑坡生成的一种有前途的方法。 

五、《用手机数据刻画市民职业和评估城市职业混合：一种新的时空分析框架》

手机数据是一种典型的大数据，具有探索人类移动性和个人肖像识别的巨大潜力。以往关于手机数据分类的研究只关注时空移动模式及其集群。本文基于手机APP(Application)的使用偏好，提出了一种将空间移动模式和非空间行为相结合的时空分析框架，通过手机数据刻画广州市中心市民的职业。提出了职业混合指数（OMI）来评估职业多样性的空间格局。

六、《自然和人为因素引起的土地退化时空变化：蒙古中部布尔干省个案研究》

土地退化和荒漠化已被列为干旱和半干旱地区的一个主要环境问题，这是一个取决于许多因素的综合概念。利用地理信息系统（GIS）探测早期土地退化是社会和环境的重要问题，遥感方法已被用于时空数据的解释。在这项研究中，对土地退化现状的评估受到自然和人类学原因的若干复杂影响。利用气候条件(温度和降水的植被生长季节)、土地利用类型(牧民住户、道路、农田、住区的季节性营地密度)和中分辨率成像光谱仪(MODIS)的植被产品数据，对蒙古布尔干省2000-2018年土地退化变化期进行了估算，并获取了近19年来影响土地退化的变化期。根据人类影响的空间格局，结合指标进行了土地退化预测。土地退化的主要指标之一是布尔干省畜牧业作为牧场使用的土地利用类型，过度放牧是土地退化最普遍的原因，特别是在牧民和牲畜的永久地点周围，影响中度或轻微退化的土地占研究总面积的72.78%。

七、《激光雷达三维点云深度学习方法鉴定古玛雅考古遗址》

机载光探测和测距（LIDAR）系统使考古学家能够捕捉人造景观的3D数据，其精确度达到难以到达和不可到达地区的考古遗址。但也伴随着大量的光探测和测距（LIDAR）数据，需要大量昂贵的体力劳动来解释和分析。为了应对挑战，研究者们探索了使用深度学习领域最新自动对象识别算法。然而，之前的研究仅使用2D数据的深度学习过程的探索，其中不包括使用可用的3D数据。本研究提供了关于使用基于深度倾斜的过程的知识，该过程可以从光探测和测距(LIDAR)生成的3D点云数据集对考古遗址进行分类。来自教科文组织洪都拉斯科潘世界遗产地的光探测和测距（LIDAR）数据被用作主要数据集，以比较使用2D和3D数据的深度学习模型的分类精度。结果表明，使用3D点云数据集的模型在识别玛雅考古遗址方面提供了最大的分类精度，同时需要较少的数据准备。此外，该研究有助于了解数据增强策略在处理小型3D数据集时的功效。

八、《多源数据逐步多元线性回归模拟土壤水分——在中国黄土高原地区的应用》

本研究的目的是将多源数据(中分辨率成像光谱仪(MODIS)和地形、土壤性质和气象数据)相结合，通过逐步多线性回归(SMLR)对2017年中国黄土高原500m空间分辨率下的相对土壤湿度(RSM)进行建模，以提高已公布的RSM的空间覆盖率。

其他还有：

九、《基于联合Sentinel-1/-2数据绘制优势叶类型--山地国家面临的挑战》

十、《基于点卷积神经网络的机载激光扫描点云分类》

十一、《基于无监督机器学习的莫桑比克OpenStreetMap内在质量评估》

十二、《建筑摄影测量：记录建筑环境的低成本图像采集方法》

十三、《利用端到端深度学习框架在极端事件中自动检测裂纹和剥落》

十四、《使用可解释的机器学习来获得对卫星图像中的荒野外观的新见解》

十五、《高分辨率卫星图像的三维处理》

十六、《基于GIS的COVID-19细粒度和详细数据的地理空间分析和制图策略》

十七、《基于GIS的希腊埃维亚岛新构造景观变形评价》

十八、《基于定向非平稳的地理加权回归法在地面PM2.5估算中的应用》

十九、《基于深度学习的高分辨率遥感影像土地利用制图研究进展》

二十、《基于物联网的实时地理信息点特征质量评估方法研究》

二十一、《街景图像在城市分析和GIS中的应用综述》

二十二、《利用标准化时间序列土地覆被图监测可持续发展目标指标“山地绿覆盖指数”及其对植被动态的敏感性》

二十三、《气候异常下早期作物类型制图》

二十四、《三维地表信息在遥感分类任务中的重要性》

二十五、《地理空间情报(GEOINT)基本原理》

二十六、《地理空间情报：华盛顿新兴产业政策案例》

二十七、《用数字工具记录历史石雕的三维保存状态》

上述原文PDF文档和机器翻译已上传小编知识星球

长按识别下面的二维码可加入星球

里面已有近千篇资料可供下载

越早加入越便宜

续费五折优惠