卫星遥感水利应用进展与展望

监测感知数据是构建数字孪生水利体系的基础,卫星遥感是重要的监测感知手段。随着我国航天事业的蓬勃发展,依托国家科技重大专项、国家重点研发计划等科研项目开展技术攻关,以及国家防汛抗旱指挥系统工程等重大项目的推广应用,水利部构建了“采存算用全自主、遥感处理全链条、主要业务全覆盖、应用服务全贯通”的卫星遥感水利应用技术体系。卫星遥感技术在数字孪生水利数据底板建设、流域防洪、水资源管理与调配、河湖管理、水土保持、水利工程监测监管等业务工作中得到了广泛应用,发挥了显著成效。未来将从持续拓展卫星遥感影像资源、深度融合人工智能技术、强化“天空地”协同监测融合应用等方面,推动卫星遥感水利应用,赋能水利业务。

遥感技术新进展赋能水利行业应用

随着遥感技术的不断发展和水利信息化进程的加快,水利遥感有了飞速的发展,与水利现代化发展同步。目前,遥感技术在水利行业的应用范围非常广,在为水利高质量发展提供有力支撑和强力驱动的数字孪生水利建设中发挥了重要的作用。近十多年来,快速发展的遥感技术为提升水利遥感应用能力提供了强有力的支撑,具体表现在数据源的丰富化和多源化、数据获取的速度和效率显著提升、定量估算与反演精度大大提高、专题信息可获得性不断增加、数据处理和信息提取的智能化水平取得长足进步。介绍了遥感技术发展赋能水利遥感应用领域的现状和前景展望,为遥感技术赋能水利新质生产力提供参考。

基于HRNet和自注意力机制的多源遥感影像水稻提取

为了提高协同光学和雷达影像提取水稻的精度,该研究通过改进深度学习网络HRNet,提出一种多级特征融合的框架方法,改进后的MSATT-HRNet模型综合利用欧空局哥白尼项目哨兵1号(Sentinel-1)的双极化合成孔径雷达(synthetic aperture radar,SAR)影像和哨兵2号(Sentinel-2)多光谱光学影像,提取了湖南省长沙市望城区水稻种植区域。针对HRNet网络的改进主要包括两部分:1)设计了通道注意力机制与最大池化组成的卷积组用于提取SAR特征,同时将自注意力模块嵌入HRNet基础特征提取模块中用于提取多光谱光学影像的特征;2)为了探索双模态特征之间的内在互补关系,设计了由通道注意力与空间注意力组成的特征融合模块。研究针对改进模型进行了消融试验,并将MSATT-HRNet与其他常用深度学习方法(MCANet、Deeplabv3、Unet)进行了比较。结果表明,该研究提出的多源数据融合方法能够利用不同数据源的互补优势。水稻种植区域提取结果的总体精度、Kappa系数分别达到97.04%和0.961,与MCANet、Deeplabv3、Unet相比,总体精度分别提高6.90、2.67和2.98个百分点,Kappa系数分别提高0.055、0.025和0.030。证实了该方法可以有效提高水稻的判别精度。研究通过深度学习技术与遥感影像的耦合,为南方多云雨地区水稻制图提供了一种可行的选择。

遥感在高原湖泊蓄水量估算的应用研究

青藏高原湖泊众多,水资源开发利用与保护是推进我国生态文明建设的关键要素。以萨利吉勒干南库勒湖为研究区,采用高分二号遥感数据,利用可见光同时具水体穿透力和湖底反射特性,通过水深实地测量,建立湖水深度与绿波段之间的模型,生成湖底地形,水深反演模型平均绝对误差为0.23 m,相对误差均为2.84%。采用GIS水淹分析建立湖泊面积与蓄水量间的数学关系,估算当前萨利吉勒干南库勒湖蓄水量为6.179×10^(8)m^(3)。结果表明:结合野外实测数据,高分二号遥感数据能够较精细地反映湖泊湖底地形结构和纹理,能够满足对湖泊蓄水量估算需求,为水资源利用与保障、高原湖泊研究等提供数据支持。

遥感技术在洪涝灾害防御中的前沿应用与面临挑战

及时全面掌握洪涝发生的关键信息是洪涝灾害防御的基础,将遥感技术与传统监测技术相结合,形成“天空地”一体化的立体监测体系,可以实现宏观观测与重点监测的互补与协同,有利于洪涝灾害的监测、预报和预警,显著提高洪涝灾害防御能力。遥感技术可应用于水体提取、水位测算、降水测量、流量估算、洪涝模拟、灾害损失估计等,但在监测数据可用性、监测方法有效性等方面还有很多问题需要解决。

水生态环境遥感监测研究进展

水环境污染是影响全球水安全的突出问题之一。我国水资源分布、水资源利用和水环境差异十分明显,科学进行水生态环境监测、评估和规划,以遥感为代表的空间信息技术是必不可少的手段。分析了水生态环境存在的问题和传统监测方法的局限性,阐述了遥感技术在广域、连续和实时数据获取方面的优势,综述了遥感技术在水生态遥感监测、水环境参数遥感反演、面源污染遥感估算、重要引调水工程水生态环境监测以及突发污染事件响应中的应用进展,并展望了以流域为单元的水生态环境系统性治理、新型水生态环境遥感器技术与平台、多源数据融合与跨尺度监测以及“天空地”一体化水质监测体系的发展趋势。遥感技术发展日新月异,在水生态环境保护与管理中也必将大有作为。

母亲河复苏行动河湖遥感监测分析

遥感监测技术弥补了传统监测手段的不足,为母亲河复苏行动实施与监管提供了强有力的技术支撑。纳入水利部《母亲河复苏行动河湖名单(2022—2025年)》的有79条河流、9个湖泊,共88条(个)河湖。对比分析母亲河复苏行动实施前(2021年4月)和母亲河复苏行动实施后(2024年4月)的遥感监测影像,结果表明:全线有水河流从27条增至48条;存在断流的河流从52条、断流河长1339 km减少至31条、断流河长582 km;9个湖泊水面面积从390 km^(2)增加至417 km^(2)。总体分析,88条(个)河湖复苏行动后总有水河长9379 km、水面面积1348 km^(2),较复苏行动前同期分别增加756 km、211 km^(2)。在分析遥感监测数据基础上,提出以遥感监测推动母亲河复苏行动的建议。

引入上下文信息和Attention Gate的GUS-YOLO遥感目标检测算法

目前基于通用YOLO系列的遥感目标检测算法存在并未充分利用图像的全局上下文信息,在特征融合金字塔部分并未充分考虑缩小融合特征之间的语义鸿沟、抑制冗余信息干扰的缺点。在结合YOLO算法优点的基础上提出GUS-YOLO算法,其拥有一个能够充分利用全局上下文信息的骨干网络Global Backbone。除此之外,该算法在融合特征金字塔自顶向下的结构中引入Attention Gate模块,可以突出必要的特征信息,抑制冗余信息。另外,为Attention Gate模块设计了最佳的网络结构,提出了网络的特征融合结构U-Net。最后,为克服ReLU函数可能导致模型梯度不再更新的问题,该算法将Attention Gate模块的激活函数升级为可学习的SMU激活函数,提高模型鲁棒性。在NWPU VHR-10遥感数据集上,该算法相较于YOLOV7算法取得宽松指标mAP^(0.50)1.64个百分点和严格指标mAP^(0.75)9.39个百分点的性能提升。相较于目前主流的七种检测算法,该算法取得较好的检测性能。

双清一号(珞珈三号01星)多模式成像样例数据集

针对当前多数高分辨遥感卫星面向用户服务存在获取数据种类单一问题,该文公开了双清一号(珞珈三号01星)多模式成像样例数据集,涵盖了面阵推扫、面阵推帧和视频凝视等多种成像模式,包含城市、水体、山区、机场等不同目标区域的典型数据样本。该数据集由信号数据解码、Bayer插值、相对辐射校正、几何定位、视频稳像和3维重建等步骤处理构建;同时,对在轨定标、兴趣区产品快速生产、高清视频几何稳像和多角度3维重建等关键算法做了深入探讨和研究。最后,对样本数据集从图像标准产品、凝视视频产品和实景3维产品等3个方面进行了可视化展示和定量化精度评价。

多源遥感数据在战场环境智能态势感知的现状及展望

面对复杂战场环境信息的快速变化,及时全面准确地掌握复杂战场环境态势,是未来打赢信息化战争的前提条件。为了探索多源遥感数据对战场环境态势感知的发展方向,基于广泛调研战场环境态势感知的遥感需求,首先对战场环境态势智能感知的概念和内涵进行了阐述,然后对多源遥感数据的处理与战场态势感知应用现状进行概述,分析了遥感在战场态势智能感知面临的挑战,最后提炼总结了遥感在战场态势感知的进展和发展趋势。遥感为战场环境态势感知提供多种观测数据,遥感与人工智能算法结合可以为军事战场环境态势感知提供多种应用,为指挥人员决策提供数据支持,但仍然存在大量挑战需要解决。在分析现阶段成果和面临挑战的基础上,提出了遥感在战场环境智能态势感知的前瞻,指出了基于遥感的深度学习可解释性和智慧战场是遥感在战场智能态势感知发展所面临的困难。

深度卷积网络在航空高光谱岩性识别中的应用——以塔木素铀矿床北部地区为例

岩矿信息识别是高光谱遥感在地质勘探领域的主要应用方向。传统高光谱遥感方法尽管在矿物识别中取得了良好效果,但对于岩性识别存在瓶颈。深度学习是当前人工智能领域的研究热点,卷积神经网络是适用于图像识别的重要网络架构。以巴音戈壁盆地西部塔木素铀矿床北部区域为试验区,以SASI航空高光谱影像为数据源,将深度卷积神经网络引入航空高光谱遥感岩性识别,测试和评估其应用效果。基于预处理后的SASI航空高光谱影像,以试验区地质图及野外调查为参考,制作了8类样本,包括:印支期花岗岩、华力西晚期花岗岩、华力西晚期花岗闪长岩、华力西中期石英闪长岩、石炭系碎屑岩、中下侏罗统火山凝灰岩、第四系沉积物和绢云母化蚀变岩。构建了基于光谱特征的一维卷积神经网络、基于图-谱联合特征的一维+二维卷积神经网络和三维卷积神经网络3种模型结构,分别进行模型训练、测试和试验区岩性分类应用。模型测试结果表明:一维卷积神经网络、一维+二维卷积神经网络和三维卷积神经网络的总体精度分别为82.13%、86.46%和90.90%。通过评价分析三种卷积神经网络模型的岩性分类识别结果,三维卷积神经网络的识别结果与真实参考最为接近,对试验区各类岩性的区分识别效果最优,一维+二维卷积神经网络的识别效果次之,表明利用卷积神经网络引入高光谱图像空间信息,进行图-谱特征的联合挖掘,有利于提高影像的识别精度和实际应用效果。同时,一维卷积神经网络和一维+二维卷积神经网络的识别结果因航空高光谱影像拼接后的条带效应,影响了它们的实际应用效果,而三维卷积神经网络较好地克服了这种影响,表明其对于大面积航空影像处理具有相对较好的应用前景。

航空高光谱遥感技术在铀矿找矿中的典型应用——以新疆雪米斯坦地区为例

高光谱遥感技术是地质矿产勘查领域的重要新技术、新方法。近些年,航空高光谱遥感技术及其在铀矿找矿中的应用得到核地质系统的重视并开展深入研究。在分析前人铀矿找矿思路基础上,阐述了CASI/SASI航空高光谱遥感技术在新疆雪米斯坦地区的铀矿找矿新思路及其典型应用效果。首先深入剖析了白杨河铀矿床及其周围的航空高光谱遥感特征,识别了铀矿床产出的区域热液活动中心、铀成矿高铝绢云母蚀变等区域找矿关键要素,提出“区域热液活动中心识别-铀矿化航空高光谱蚀变组合发育地段确定-蚀变、构造、有利岩性等要素复合地段优选”的航空高光谱遥感铀矿找矿新思路;然后根据全区的航空高光谱遥感信息进行了找矿远景区筛选和野外查证,新发现了铀矿化异常。新发现的铀矿化异常地段航空高光谱遥感特征明显,地表铀异常显著,控矿断裂构造发育,地质环境有利,铀矿找矿前景良好。其是笔者对如何充分挖掘高光谱遥感铀矿找矿信息,提升高光谱遥感技术更好服务铀矿找矿应用效果的深入思考与探索,也是在地表岩石裸露程度良好的地区利用高光谱遥感技术直接寻找热液型矿产的良好例证,希冀为广大地质工作者开展找矿方法创新和应用提供参考。

基于Transformer和动态3D卷积的多源遥感图像分类

多源遥感数据具有互补性和协同性,近年来,基于深度学习的方法已经在多源遥感图像分类中取得了一定进展,但当前方法仍面临关键难题,如多源遥感图像特征表达不一致,融合困难,基于静态推理范式的神经网络缺乏对不同类别地物的适应性。为解决上述问题,提出了基于跨模态Transformer和多尺度动态3D卷积的多源遥感图像分类模型。为提高多源特征表达的一致性,设计了基于Transformer的融合模块,借助其强大的注意力建模能力挖掘高光谱和LiDAR数据特征之间的相互作用;为提高特征提取方法对不同地物类别的适应性,设计了多尺度动态3D卷积模块,将输入特征的多尺度信息融入卷积核的调制,提高卷积操作对不同地物的适应性。采用多源遥感数据集Houston和Trento对所提方法进行验证,实验结果表明:所提方法在Houston和Trento数据集上总体准确率分别达到94.60%和98.21%,相比MGA-MFN等主流方法,总体准确率分别至少提升0.97%和0.25%,验证了所提方法可有效提升多源遥感图像分类的准确率。

基于YOLOv5s的改进实时红外小目标检测

针对红外图像分辨率低、背景复杂、目标细节特征缺失等问题,提出了一种基于YOLOv5s的改进实时红外小目标检测模型Infrared-YOLOv5s。在特征提取阶段,采用SPD-Conv进行下采样,将特征图切分为特征子图并按通道拼接,避免了多尺度特征提取过程中下采样导致的特征丢失情况,设计了一种基于空洞卷积的改进空间金字塔池化模块,通过对具有不同感受野的特征进行融合来提高特征提取能力;在特征融合阶段,引入由深到浅的注意力模块,将深层特征语义特征嵌入到浅层空间特征中,增强浅层特征的表达能力;在预测阶段,裁减了网络中针对大目标检测的特征提取层、融合层及预测层,降低模型大小的同时提高了实时性。首先通过消融实验验证了提出各模块的有效性,实验结果表明,改进模型在SIRST数据集上平均精度均值达到了95.4%,较原始YOLOv5s提高了2.3%,且模型大小降低了72.9%,仅为4.5 M,在Nvidia Xavier上推理速度达到28 f/s,利于实际的部署和应用。在Infrared-PV数据集上的迁移实验进一步验证了改进算法的有效性。提出的改进模型在提高红外图像小目标检测性能的同时,能够满足实时性要求,因而适用于红外图像小目标实时检测任务。

融合注意力和扩张卷积的遥感影像道路信息提取方法

针对高分辨率遥感影像语义分割存在地物边缘分割不连续、道路及背景特征复杂多样导致道路提取分割精度不高的问题,提出了一种融合双通道注意力和扩张卷积的遥感影像道路信息提取语义分割网络(A 2DU-Net)。首先,在特征提取部分引入坐标注意力(coordinate attention,CA)模块,捕捉道路位置、方向和跨通道信息,精确定位道路信息。其次,针对网络对细节特征丢失的敏感问题,在编码器的末端利用不同扩张率的空洞卷积构建多尺度特征融合的空洞空间金字塔池化模块(multi-scale Atrous spatial pyramid pooling module,MASPPM)来获得更大的感受野,提高网络性能。最后,为了避免U-Net中纯跳跃连接在语义上不相似特征的融合,在编码器和解码器的跳跃连接之间增加了双通道注意力机制来实现门控筛选,抑制非目标区域的特征,提高网络的分割精度。实验在公共道路数据集Massachusetts上对网络模型进行测试,OA(准确率)、交并比(IoU)、平均交并比(mIoU)和F1等评价指标分别达到98.07%、64.39%、81.20%和88.67%。与主流方法U-Net和DDUNet进行比较,mIoU分别提升了3.07%、0.22%,IoU分别提升了1.98%、0.52%。实验结果表明,所提出的方法优于所有的比较方法,能够有效提高道路分割的精确度。

基于对抗生成的轻量化红外图像增强网络

目前,红外成像技术在医学、安保、环境监测、军事探测等方面获得了广泛应用。然而,由于低成本红外成像设备的固有缺陷及大气环境对热辐射传导的影响,导致其采集的图像亮度较暗、细节模糊、对比度低,影响后续图像语义分析及目标检测识别等任务。传统基于模型的红外图像增强方法常需利用图像先验信息,模型参数与场景相关,模型泛化能力不强;基于深度学习的红外图像增强算法有助于增强红外图像质量,但结构冗余,不利于边缘端部署。生成对抗网络(GAN)可以通过判别器和生成器两个网络的轮流对抗训练显著提升红外图像增强效果,但网络训练参数量大,边缘端部署占用资源多,运算复杂度高。本文设计了一种基于对抗生成的轻量化红外图像增强网络,通过在GAN模型的基础上增加多层次特征融合结构并设计多尺度损失函数,提升了特征提取效率并减少了网络层数,在提升图像质量的同时提高了增强效率,利于算法的边缘端部署。实验表明,本文方法在同等参数量下,通过添加多层次特征融合结构和多尺度损失函数,兼顾了图像的全局和局部特征,保证了细节信息不丢失,在提高网络性能的前提下未明显增加计算复杂度;在红外图像增强效果相当的情况下,模型参数量降低75.0%,边缘端设备推断时间降低32.07%。

基于向量叉乘标签分配的遥感图像目标检测算法

近年来遥感图像目标检测受到了广泛的关注,主流的遥感图像目标检测器通过预设锚框与真实框之间的交并比(IoU)进行正负样本的划分。为了解决基于IoU的标签分配方法在遥感图像小而密集目标中存在复检和漏检的问题,本文提出了一种基于向量叉乘标签分配的遥感图像目标检测算法YOLOXR。首先,提出了一种标签粗分配策略,通过向量叉乘的方法判断特征图的像素点是否在旋转目标内或者目标中心点附近的旋转正方形框内,从而确定其是否为候选正样本。其次,为了降低边缘低质量候选正样本对标签分配的影响,提出了旋转中心度量方法,通过向量叉乘判断像素点距离中心点的远近程度进而赋予不同的权重。最后,基于最优传输的方法(sim OTA)选取真实框和样本点的最优匹配对,使得总体代价最小,进而为旋转目标分配合适的标签。此外,为了解决旋转IoU损失不可导以及Smooth L1损失难以权衡旋转框各个参数的问题,通过计算真实框和预测框二维高斯分布的Kullback-Leibler散度(KLD)来替代IoU。在公开的遥感图像目标检测数据DOTA、HRSC 2016和UCAS-AOD上的大量实验表明,所提方法优于目前绝大多数旋转目标检测算法。

基于混沌理论与DNA动态编码的卫星图像加密算法

针对卫星图像在传输、存储过程中涉及的信息安全问题,该文提出一种新型的基于混沌理论与DNA动态编码的卫星图像加密算法。首先,提出一种改进型无限折叠混沌映射,拓宽了原有无限折叠混沌映射的混沌区间。之后,结合改进型Chebyshev混沌映射与SHA-256哈希算法,生成加密算法的密钥流,提升算法的明文敏感性。然后,利用混沌系统的状态值对Hilbert局部置乱后的像素进行DNA编码,实现DNA动态编码,解决了DNA编码规则较少所带来的容易受到暴力攻击的弱点。最后,使用混沌序列完成进一步混沌加密,从而彻底混淆原始像素信息,增加加密算法的随机性与复杂性,得到密文图像。实验结果表明,该算法具有较好的加密效果和应对各种攻击的能力。

新工科背景下通信电子线路基础实验课程改革探索

针对目前通信电子线路实验内容设置单一、教学手段不够丰富、教学效果不够理想等问题,提出了以任务为主线、以教师为主导、以学生为主体的实验模式,并融入联想、启发、任务驱动、项目类比等多种教学方法。以高稳定度LC正弦波振荡器的设计为例,设计了“基本”“进阶”“扩展”3种实验任务与内容,以多样化“套餐”满足学生对于实验的不同需求;在一块电路板上实现克拉泼、西勒和并联型晶体振荡器电路,使学生更容易掌握3种电路的区别与联系;采用了项目类比教学法,通过本实验使学生掌握解决典型通信工程问题的流程与科学方法;任务引入与思政环节巧妙结合,树立学生科学兴国的意识,增强民族自豪感。

基于偏振编码图像的低空伪装目标实时检测

偏振可以提高无人机的自主侦察能力,但易受到探测角度和目标材质的影响,从而降低偏振检测的鲁棒性。为此,提出一种基于偏振图像的低空伪装目标实时检测算法YOLO-P,采用融合多偏振方向信息的编码图像作为输入,应用三维卷积模块提取不同偏振方向图像之间的联系特征;引入特征增强模块对多层次特征进行进一步增强;采用跨层级特征聚合网络,充分利用不同尺度的特征信息,完成特征的有效聚合,最终联合多通道特征信息输出检测结果。构建包含10类目标的低空伪装目标偏振图像数据集PICO(Polarization Image of Camouflaged Objects)。在PICO数据集上的实验结果表明,新方法可以有效检测伪装目标,mAP_(0.5:0.95)达到52.0%,mAP_(0.5)达到91.5%,检测速率达到55.0帧/s,满足实时性要求。