一种景观指数的GPU并行算法设计

钟艾妮, 常栗筠, 马云龙, 亢孟军, 毛子源

钟艾妮, 常栗筠, 马云龙, 亢孟军, 毛子源. 一种景观指数的GPU并行算法设计[J]. 武汉大学学报 ( 信息科学版), 2020, 45(6): 941-948. DOI: 10.13203/j.whugis20190095
引用本文: 钟艾妮, 常栗筠, 马云龙, 亢孟军, 毛子源. 一种景观指数的GPU并行算法设计[J]. 武汉大学学报 ( 信息科学版), 2020, 45(6): 941-948. DOI: 10.13203/j.whugis20190095
shu
ZHONG Aini, CHANG Lijun, MA Yunlong, KANG Mengjun, MAO Ziyuan. A GPU-Based Parallel Algorithm for Landscape Metrics[J]. Geomatics and Information Science of Wuhan University, 2020, 45(6): 941-948. DOI: 10.13203/j.whugis20190095
Citation: ZHONG Aini, CHANG Lijun, MA Yunlong, KANG Mengjun, MAO Ziyuan. A GPU-Based Parallel Algorithm for Landscape Metrics[J]. Geomatics and Information Science of Wuhan University, 2020, 45(6): 941-948. DOI: 10.13203/j.whugis20190095
shu

一种景观指数的GPU并行算法设计

  • 1.

    武汉大学资源与环境科学学院, 湖北 武汉, 430079

  • 2.

    智慧感知与智能计算研究所, 湖北 武汉, 430079

基金项目: 国家重点研发计划（2017YFB0503500）。
详细信息
    作者简介:

    钟艾妮,硕士,主要从事空间分析与可视化的研究。ainy_zhong@whu.edu.cn

    通讯作者:

    亢孟军,博士,副教授。 E-mail:mengjunk@whu.edu.cn

  • 中图分类号: P208

A GPU-Based Parallel Algorithm for Landscape Metrics

  • 1.

    School of Resource and Environmental Sciences, Wuhan University, Wuhan 430079, China

  • 2.

    Institute of Smart Perception and Intelligent Computing, Wuhan University, Wuhan 430079, China

Funds: The National Key Research and Development Program of China(2017YFB0503500).
More Information
    Author Bio:

    ZHONG Aini, master, majors in geographic information processing and visualization.ainy_zhong@whu.edu.cn

    Corresponding author:

    KANG Mengjun ,PhD, associate professor. E-mail:mengjunk@whu.edu.cn

摘要

    摘要
  • 摘要: 空间数据量的迅猛增长给传统单机模式的空间分析软件带来了巨大挑战，如景观格局分析软件FRAGSTATS已无法处理省级尺度的高分辨率土地覆盖数据。在两次遍历连通域标记算法的基础上，充分利用单机图形处理器的并行运算特性，提出一种改进的景观指数并行算法。该算法针对斑块尺度的斑块周长、斑块面积景观指数指标，实现了大规模区域景观指数的高效运算。应用该算法及串行算法，对不同分辨率下的土地利用分类栅格图像进行斑块尺度景观指数计算，结果表明，在大数据量的情况下，该算法能够大幅度提高景观指数的计算性能，相较串行算法效率提升了5倍，为海量数据的景观分析提供了更好的选择。
    Abstract: Massive spatial data poses increasing challenges to traditional analysis software. For example, landscape pattern analysis software FRAGSTATS has been unable to process provincial-level high-resolution land cover data. Based on Two-Pass connected component labeling algorithm, this paper provides an improved parallel algorithm with GPU programming to solve the landscape metrics computation problem about massive land use data. This parallel algorithm for massive landscape metrics calculation takes full advantage of a general computer, and focuses on patch perimeter and area calculation. It can also accelerate computation speed by multithreading and iteration times reduction to decrease computation time than traditional serial algorithms. We apply the proposed algorithm and serial algorithm to calculate landscape metrics of the land use classification raster images at different resolutions under patch scale.The experiment result shows great improvement of calculation performance of landscape metrics, and the efficiency has been improved by 5 times comparing with the serial algorithm, which proves that our proposed algorithm is a better choice for landscape analysis of massive data.
    • HTML全文

  • 图  1   第一次遍历中的邻域扫描模板

    Figure  1.   Scanning Mask in First Pass

    下载: 全尺寸图片 幻灯片

    图  2   本文算法流程图

    Figure  2.   Flowchart of Our Proposed Algorithm

    下载: 全尺寸图片 幻灯片

    图  3   等价标识记录示意图

    Figure  3.   Diagram of Equivalent Marking Recording

    下载: 全尺寸图片 幻灯片

    图  4   第一次遍历过程

    Figure  4.   Process of the First Scanning

    下载: 全尺寸图片 幻灯片

    图  5   边缘扫描模板

    Figure  5.   Scanning Mask in Margin Processing

    下载: 全尺寸图片 幻灯片

    图  6   第二次遍历过程

    Figure  6.   Process of the Second Scanning

    下载: 全尺寸图片 幻灯片

    图  7   本文算法在不同线程数下的计算时间

    Figure  7.   Computation Time of Our Proposed Algorithm Under Different Threads

    下载: 全尺寸图片 幻灯片

    图  8   本文算法各部分的耗时

    Figure  8.   Computation Time of Three Parts of Our Proposed Algorithm

    下载: 全尺寸图片 幻灯片

    表  1   实验数据信息

    Table  1   Experimental Data Information

    实验数据 图像分辨率/像素 大小 备注
    data_1 256×256 12 KB 建设用地的二值栅格图像
    data_2 2 515×1 578 448 KB 多值土地利用分类栅格图像，包含8类用地类型
    data_3 4 784×6 825 128 MB 多值土地利用分类栅格图像，包含8类用地类型
    data_4 5 741×8 190 130 MB 多值土地利用分类栅格图像，包含8类用地类型
    下载: 导出CSV

    表  2   FRAGSTATS、串行算法及并行算法耗时比较

    Table  2   Comparison of Computation Time of FRAGSTATS, Serial and Parallel Algorithms

    实验数据 图像分辨率/像素 Fragstats软件耗时/ms 串行算法耗时/ms 本文算法耗时/ms 加速比R
    data_1 256×256 3 100 16.0 12.9 1.24
    data_2 2 515×1 578 9 500 406.1 250.6 1.62
    data_3 4 784×6 825 5 330 3 143.5 1 311.6 2.39
    data_4 5 741×8 190 13 440 4 473.5 760.1 5.88
    下载: 导出CSV
    • 参考文献(26)
  • [1] 彭建, 王仰麟, 张源,等. 土地利用分类对景观格局指数的影响[J]. 地理学报, 2006, 61(2):47-58 http://d.old.wanfangdata.com.cn/Periodical/dlxb200602005

    Peng Jian, Wang Yanglin, Zhang Yuan, et al. Research on the Influence of Land Use Classification on Landscape Metrics[J]. Acta Geographica Sinica, 2006, 61(2):47-58 http://d.old.wanfangdata.com.cn/Periodical/dlxb200602005
    [2] 陈文波, 肖笃宁, 李秀珍. 景观指数分类、应用及构建研究[J]. 应用生态学报, 2002, 13(1):121-125 doi: 10.3321/j.issn:1001-9332.2002.01.027

    Chen Wenbo, Xiao Duning, Li Xiuzhen. Classification, Application, and Creation of Landscape Indices[J]. Chinese Journal of Applied Ecology, 2002, 13(1):121-125 doi: 10.3321/j.issn:1001-9332.2002.01.027
    [3] 刘家福, 王平, 李京, 等. 土地利用格局景观指数算法与应用[J]. 地理与地理信息科学, 2009, 25(1):107-109 http://d.old.wanfangdata.com.cn/Periodical/dlxygtyj200901028

    Liu Jiafu, Wang Ping, Li Jing, et al. An Algorithm for Land-Use Pattern Index and Its Application[J]. Geography and Geo-information Science, 2009, 25(1):107-109 http://d.old.wanfangdata.com.cn/Periodical/dlxygtyj200901028
    [4] 罗名海, 蒋子龙, 程琦, 等. 地理国情在武汉市土地资源承载力评价中的应用[J]. 武汉大学学报·信息科学版, 2018, 43(12):2317-2324 doi: 10.13203/j.whugis20180389

    Luo Minghai, Jiang Zilong, Chen Qi, et al. Carrying Capacity Evaluation of Land Resources in Wuhan Based on the Geographical Condition Monitoring[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12):2317-2324 doi: 10.13203/j.whugis20180389
    [5]

    Mcgarigal K S, Cushman S, Neel M, et al. FRAGSTATS:Spatial Pattern Analysis Program for Categorical Maps[OL].http://www.umass.edu/landeco/research/fragstats/fragstats.html, 2002
    [6]

    Dillencourt M B, Samet H, Tamminen M. A General Approach to Connected-Component Labelling for Arbitrary Image Representations[J]. Journal of the ACM, 1992, 39(2):253-280 doi: 10.1145/128749.128750
    [7]

    Christophe F, Jens G. Two Linear Time Union-Find Strategies for Image Processing[J].Theoretical Computer Science, 1996, 154(2):165-181 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=8c93f9f1d9c94d7b538da10fa7ac1274
    [8]

    Chang Fu, Chen Chunjen, Lu Chijen. A Linear-Time Component-Labeling Algorithm Using Contour Tracing Technique[J]. Computer Vision and Image Understanding, 2004, 93(2):206-220 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=3e1c9d3e432f10bdbd28e750d1ceda6b
    [9]

    Wu K, Otoo E, Suzuki K. Optimizing Two-Pass Connected-Component Labeling Algorithms[J]. Pattern Analysis & Applications, 2009, 12(2):117-135 http://d.old.wanfangdata.com.cn/NSTLQK/NSTL_QKJJ0211764717/
    [10]

    He L, Ren X, Gao Q, et al. The Connected-Component Labeling Problem:A Review of State-of-the-Art Algorithms[J]. Pattern Recognition, 2017, 70:25-43 doi: 10.1016/j.patcog.2017.04.018
    [11]

    Manohar M, Ramapriyan H K. Connected Component Labeling of Binary Images on a Mesh Connected Massively Parallel Processor[J]. Computer Vision Graphics & Image Processing, 1989, 45(2):133-149 https://www.sciencedirect.com/science/article/abs/pii/0734189X89901291
    [12]

    Celebi M E. A Simple and Efficient Algorithm for Connected Component Labeling in Color Images[C]. SPIE Electronic Imaging Conference, San Francisco, California, USA,2012
    [13]

    Zhao Xiao,He Lifeng, Yao Bin, et al. A New Connected-Component Labeling Algorithm[J]. IEICE Transactions on Information & Systems, 2015, 98(11):2013-2016 https://www.researchgate.net/publication/324927491_A_New_Connected-Component_Labeling_Algorithm
    [14] 沈夏炯, 王晶晶, 范家铭,等. MGSI-8CA标记算法[J]. 计算机工程与应用, 2013, 49(20):126-139 doi: 10.3778/j.issn.1002-8331.1303-0116

    Shen Xiajiong, Wang Jingjing, Fan Jiaming, et al. Labeling Algorithm of 8-Adjacent Connecting Area for Massive Gray Scale Images[J]. Computer Engineering and Applications, 2013, 49(20):126-139 doi: 10.3778/j.issn.1002-8331.1303-0116
    [15]

    Gupta S, Palsetia D, Agrawal A, et al. A New Parallel Algorithm for Two-Pass Connected Component Labeling[C]. 28th IEEE International Parallel & Distributed Processing Symposium, Phoenix,Arizona, USA,2014
    [16] 马益杭, 占利军, 谢传节, 等. 连通域标记算法的并行化研究[J]. 地理与地理信息科学, 2013, 29(4):67-71 http://d.old.wanfangdata.com.cn/Periodical/dlxygtyj201304015

    Ma Yihang, Zhan Lijun, Xie Chuanjie, et al.Parallelization of Connected Component Labeling Algorithm[J]. Geography and Geo-information Science, 2013, 29(4):67-71 http://d.old.wanfangdata.com.cn/Periodical/dlxygtyj201304015
    [17] 刘洋, 关庆锋. 景观指数的并行计算方法[J]. 地球信息科学学报, 2017, 19(4):457-466 http://d.old.wanfangdata.com.cn/Periodical/dqxxkx201704003

    Liu Yang, Guan Qingfeng. A Parallel Algorithm for Landscape Metrics[J]. Journal of Geo-information Science, 2017, 19(4):457-466 http://d.old.wanfangdata.com.cn/Periodical/dqxxkx201704003
    [18] 关雪峰, 曾宇媚. 时空大数据背景下并行数据处理分析挖掘的进展及趋势[J]. 地理科学进展, 2018, 37(10): 1314-1327 http://d.old.wanfangdata.com.cn/Periodical/dlkxjz201810002

    Guan Xuefeng, Zeng Yumei. Research Progress and Trends of Parallel Processing, Analysis, and Mining of Big Spatiotemporal Data[J]. Progress in Geography, 2018, 37(10):1314-1327 http://d.old.wanfangdata.com.cn/Periodical/dlkxjz201810002
    [19] 杨靖宇, 张永生, 李正国,等. 遥感影像正射纠正的GPU-CPU协同处理研究[J]. 武汉大学学报·信息科学版, 2011, 36(9):1043-1046 http://ch.whu.edu.cn/article/id/645

    Yang Jinyu, Zhang Yongsheng, Li Zhengguo, et al. GPU-CPU Cooperate Processing of RS Image Ortho-Rectification[J]. Geomatics and Information Science of Wuhan University, 2011, 36(9):1043-1046 http://ch.whu.edu.cn/article/id/645
    [20] 董路明, 张斌, 赵学胜. 一种基于GPU Tessellation的地形无缝绘制算法[J]. 武汉大学学报·信息科学版, 2017, 42(3):402-407 doi: 10.13203/j.whugis20140850

    Dong Luming, Zhang Bin, Zhao Xuesheng. A Seamless Terrain Rendering Algorithm Based on GPU Tessellation[J]. Geomatics and Information Science of Wuhan University, 2017, 42(3):402-407 doi: 10.13203/j.whugis20140850
    [21] 刘金硕, 李扬眉, 江庄毅, 等. 基于PMVS算法的大规模数据细粒度并行优化方法[J]. 武汉大学学报·信息科学版, 2019, 44(4):608-616 doi: 10.13203/j.whugis20160186

    Liu Jinshuo, Li Yangmei, Jiang Zhuangyi,et al. Fine-Grained Parallel Optimization of Large-Scale Data for PMVS Algorithm[J]. Geomatics and Information Science of Wuhan University, 2019, 44(4):608-616 doi: 10.13203/j.whugis20160186
    [22]

    Hawick K A, Leist A, Playne D P. Parallel Graph Component Labelling with GPUs and CUDA[J]. Parallel Computing, 2010, 36(12):655-678 doi: 10.1016/j.parco.2010.07.002
    [23]

    Kalentev O, Rai A, Kemnitz S, et al. Connected Component Labeling on a 2D Grid Using CUDA[J]. Journal of Parallel & Distributed Computing, 2011, 71(4):615-620 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=8a541419c1bfc05cda81b66bfec27cdf
    [24]

    Komura Y. A Generalized GPU-Based Connected Component Labeling Algorithm[J]. Journal of the Association for Computing Machinery, 2016, 39(2):253-280 https://www.researchgate.net/publication/299462450_A_generalized_GPU-based_connected_component_labeling_algorithm
    [25] 覃方涛, 房斌. GPU加速的二值图连通域标记并行算法[J]. 计算机应用, 2010, 30(10):2774-2786 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=jsjyy201010057

    Qin Fangtao, Fang Bin. GPU Accelerated Parallel Labeling Algorithm of Connected-Domains in Binary Images[J]. Journal of Computer Applications, 2010, 30(10):2774-2786 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=jsjyy201010057
    [26] 王泽寰, 赖俊杰. 一种改进的图像连通区域标记的并行算法及其在GPU上的实现[C].全国高性能计算学术年会,广州,2014

    Wang Zehuan, Lai Junjie. An Improved Parallel Connected Component Labeling Algorithm and Its GPU Implementation[C].HPC China, Guangzhou, China,2014
    • 相关文章
    • 施引文献(71)

  • 期刊类型引用(46)

    1. 刘春雷，张媛静，陆晨明，李亚松，李剑锋. 基于时序InSAR的九龙江河口地区地面沉降时空演变规律及成因分析. 应用海洋学学报. 2024(01): 116-125 . 百度学术
    2. 陈瑞瑞，孙颢月，朱紫若，蒋雪中，陈沈良，陈静. 黄河三角洲地面沉降研究进展与未来展望. 海岸工程. 2024(01): 1-23 . 百度学术
    3. 赵凤阳，周吕，魏玉业. 融合改进鲸鱼算法解缠的梧州市地面沉降InSAR监测. 遥感信息. 2024(01): 52-58 . 百度学术
    4. 侯永浩，张兴，李晓民，李宗仁. SBAS-InSAR技术在地质灾害调查中的应用. 北京测绘. 2024(10): 1477-1481 . 百度学术
    5. 柳新强，姜刚，刘军峰，贺国伟. PS-InSAR和SBAS-InSAR的地表沉降监测对比研究——以雄安新区为例. 工程勘察. 2023(01): 62-67 . 百度学术
    6. 曾敏，皮鹏程，赵信文，陈松，彭红霞，侯清芹，孙慧敏，薛紫萱. 基于PS-InSAR的珠江口典型填海造地区地面沉降时空特征研究. 华南地质. 2023(01): 116-126 . 百度学术
    7. 李文慧，王志伟，赵月，王翔. 基于SNAP-StaMPS方法的高速公路沿线地面沉降监测. 测绘工程. 2023(03): 36-43 . 百度学术
    8. 周定义，左小清，赵志芳，喜文飞，葛楚. 基于SBAS-InSAR和改进BP神经网络的城市地面沉降预测. 地质通报. 2023(10): 1774-1783 . 百度学术
    9. 刘泽洲，卢才武，章赛，李萌，和郑翔. 基于多阈值目标提取的时序InSAR矿区地表沉降监测研究. 中国矿业. 2022(08): 79-85 . 百度学术
    10. 王新田，刘增珉，陈建忠，梁菲，孟萌，李天鹤. 山东省地表形变InSAR监测与分析. 测绘通报. 2022(S2): 130-134 . 百度学术
    11. 邓晓景，曲国庆，张建霞，席换，王晖. 融合升降轨PS-InSAR东营市地面沉降监测. 山东理工大学学报(自然科学版). 2021(01): 10-16 . 百度学术
    12. 杨利，薛东剑，王海方，付林，张婷. 五龙沟矿区时序InSAR地表形变监测. 中国矿业. 2021(03): 107-112 . 百度学术
    13. 程琳琳，杨玉曼，李月颖，孙梦尧，王振威，焦路尧. 矿业型村镇转型期发展问题分析与策略研究：以北京市门头沟区为例. 中国矿业. 2021(03): 101-106 . 百度学术
    14. 王辉，曾琪明，焦健，陈继伟. 结合序贯平差方法监测地表形变的InSAR时序分析技术. 北京大学学报(自然科学版). 2021(02): 241-249 . 百度学术
    15. 付云霞，管勇，王晓丹，王建收，尹政，周晓雪，王青，徐美君. 大型河口三角洲地面沉降机制研究——以黄河三角洲为例. 海岸工程. 2021(02): 83-95 . 百度学术
    16. 关金环，高明亮，宫辉力. 首都国际机场区域差异性沉降原因探讨. 测绘科学. 2021(09): 67-75 . 百度学术
    17. 柴华彬，胡吉彪，耿思佳. 融合实测数据的地表沉降SBAS-InSAR监测方法. 煤炭学报. 2021(S1): 17-24 . 百度学术
    18. 程霞，张永红，邓敏，吴宏安，康永辉. Sentinel-1A卫星的黄河三角洲近期地表形变分析. 测绘科学. 2020(02): 43-51 . 百度学术
    19. 卢旺达，韩春明，岳昔娟，赵迎辉，周格仪. 基于Sentinel-1A数据的天津地区PS-InSAR地面沉降监测与分析. 遥感技术与应用. 2020(02): 416-423 . 百度学术
    20. 向淇文，潘建平，张广泽，徐正宣，张定凯，涂文丽. 基于SBAS技术的川藏铁路折多山地区地表形变监测与分析. 测绘工程. 2020(04): 48-54+59 . 百度学术
    21. 张金盈，崔靓，刘增珉，王新田，林琳，徐凤玲. 利用Sentinel-1 SAR数据及SBAS技术的大区域地表形变监测. 测绘通报. 2020(07): 125-129 . 百度学术
    22. 狄桂栓. 基于InSAR技术的黄河三角洲区域地表形变浅析. 地理空间信息. 2020(09): 106-109+8 . 百度学术
    23. 高辉，罗孝文，吴自银，阳凡林. 基于时序InSAR的珠江口大面积地面沉降监测. 海洋学研究. 2020(02): 81-87 . 百度学术
    24. 韩红花. 黄河三角洲区域地表形变监测研究. 山东国土资源. 2020(11): 69-72 . 百度学术
    25. 夏元平，陈志轩，张毅. 南昌市地面沉降InSAR监测及影响因子分析. 测绘科学. 2020(11): 115-122+129 . 百度学术
    26. 贺跃光，肖亮. 某水溶开采矿区短基线集InSAR高相干点探测. 中国锰业. 2019(01): 89-93 . 百度学术
    27. 张静，丁黄平，刘纯，谢文然，时雨. 基于InSAR技术的盘锦地区地面沉降研究. 世界地质. 2019(02): 574-580 . 百度学术
    28. 韩红超，符华年，张文峰，温浩. InSAR、水准多维沉降监测体系建设及应用研究. 测绘通报. 2019(S1): 236-241 . 百度学术
    29. 师芸，李伟轩，唐亚明，席磊，孟欣. 时序InSAR技术在地球环境监测及其资源管理中的应用:以交城-清徐地区为例. 武汉大学学报(信息科学版). 2019(11): 1613-1621 . 百度学术
    30. 杨帆，王道顺，张磊，张子文. 基于时序InSAR的隧道工程形变监测与分析. 测绘与空间地理信息. 2019(10): 1-4 . 百度学术
    31. 黄洁慧，谢谟文，王立伟. 基于SBAS-InSAR技术的白格滑坡形变监测研究. 人民长江. 2019(12): 101-105 . 百度学术
    32. 黄洁慧，谢谟文，王立伟. 基于差分干涉合成孔径雷达技术的米林滑坡形变监测. 科学技术与工程. 2019(25): 7-12 . 百度学术
    33. 李锁乐，吴宏安，张永红，康永辉，左振华. 包头市地面沉降高分辨率时序InSAR监测. 测绘科学. 2018(09): 76-80 . 百度学术
    34. 杨帆，张磊，张子文，赵增鹏. 利用短基线集InSAR技术监测抚顺市地面沉降. 测绘通报. 2018(03): 84-88 . 百度学术
    35. 张静，冯东向，綦巍，周雪，赵玉星. 基于SBAS-InSAR技术的盘锦地区地面沉降监测. 工程地质学报. 2018(04): 999-1007 . 百度学术
    36. 贺晓阳，赵盟，程存付. 小基线集技术在矿区地表形变监测中的应用. 河南科技. 2018(13): 97-98 . 百度学术
    37. LIU Xiao，LIU Jie，FENG Xiuli. Inversion and Prediction of Consolidation Settlement Characteristics of the Fluvial Sediments Based on Void Ratio Variation in the Northern Modern Yellow River Subaqueous Delta, China. Journal of Ocean University of China. 2018(03): 545-554 . 必应学术
    38. 李达，邓喀中，高晓雄，牛海鹏. 基于SBAS-InSAR的矿区地表沉降监测与分析. 武汉大学学报(信息科学版). 2018(10): 1531-1537 . 百度学术
    39. 张炜，张伟胜，张东升，胡文敏，孙毓言，唐佳佳. 采动覆岩活动规律的“空-地”监测技术. 中国矿业大学学报. 2018(06): 1212-1223 . 百度学术
    40. 王小侣. 水电站大坝400V备自投改造研究. 河南科技. 2018(19): 90-91 . 百度学术
    41. 张磊，杨帆，李超飞，赵增鹏，张子文. 宁波地面沉降的短基线集监测与分析. 测绘科学. 2017(12): 77-82 . 百度学术
    42. 陈继伟，曾琪明，焦健，赵斌臣. Sentinel-1A卫星TOPS模式数据的SBAS时序分析方法——以黄河三角洲地区为例. 国土资源遥感. 2017(04): 82-87 . 百度学术
    43. 王萍. 沉降观测技术在高层建筑施工中的应用. 建材与装饰. 2017(35): 19-20 . 百度学术
    44. 史秀保，徐宁，温浩，李春进. 一种小基线地表形变监测精度评价方法. 测绘通报. 2016(08): 70-73+91 . 百度学术
    45. 于丹，杨子玉，庄岩，于均园. 时序分析法在沈阳地铁二号线变形预测的应用. 沈阳建筑大学学报(自然科学版). 2016(03): 453-458 . 百度学术
    46. 王霖郁，李辉. 一种枝切法和质量图相结合的InSAR相位解缠算法. 应用科技. 2016(05): 49-53 . 百度学术

    其他类型引用(25)

    • 资源附件(0)
图(8)  /  表(2)
计量
  • 文章访问数: 
  • HTML全文浏览量: 
  • PDF下载量: 
  • 被引次数: 71
出版历程
  • 收稿日期:  2019-04-06
  • 发布日期:  2020-06-04

目录

摘要
HTML全文
    参考文献(26)
    相关文章
    施引文献(71)
    资源附件(0)

    /

    返回文章
    返回

    版权所有 © 2013 《武汉大学学报·信息科学版》编辑部

    地址：武汉大学文理学部本科生院楼北5楼邮政编码：430072

    电话：027-68778465,68788631E-mail:whuxxb@vip.163.com

    我要投稿

    投稿攻略

    联系我们

    二维码

    本系统由北京仁和汇智信息技术有限公司开发  百度统计