面向智能测绘培养目标的课程改革与实践——以南京信息工程大学数字摄影测量课程为例

近年来,众多智能化技术(如物联网、云计算、大数据)在测绘科学的渗透与集成加速了数字摄影测量学的理论和实践教学改革。本文以南京信息工程大学遥感与测绘工程学院的本科课程——数字摄影测量为例,简要概述了该课程的教学现状,提出了知识点间联系性差、课程内容陈旧、实践教学内容单调等问题,构建了金字塔式教学目标,创建了涵盖新技术的动态教学模块,最终形成以实例应用串联知识点的教学策略、以问题驱动的编程实践教学新模式等,实现本课程的初步改革。通过对比本校课程改革前后调查结果可知:课改对学生关于知识点的理解、编程开发、交流合作和文献检索等方面能力有显著帮助,不仅证明了课改的良好效果,也为其他同类课程教学改革提供了参考和借鉴。

基于金字塔语义token全局信息增强的高分光学遥感影像变化检测

针对复杂背景、光谱变化等因素导致高分辨率遥感影像中细小地物检测缺失,几何结构检测不完整等问题,本文联合卷积网络和Transformer网络优势,提出一种基于金字塔语义token全局信息增强的变化检测网络(PST-GIENet)。首先,利用无最大池化层的ResNet18网络提取多时相影像深度特征以构建融合特征,并采用联合注意力机制和深监督策略提高融合特征表达能力;然后,通过空间金字塔池化将影像特征表示为多尺度语义token,进而利用Transformer编码器和解码器对融合特征空间进行全局上下文建模;最后,通过逐层上采样解码器生成最终变化图。为验证本文方法有效性,采用LEVIR-CD、CDD和WHU-CD 3个公开变化检测数据集进行对比试验与分析,定量结果表明PST-GIENet在3个数据集中均取得最优精度指标,其F 1值分别达到91.71%、96.16%和94.08%。目视结果表明PST-GIENet可有效抑制复杂背景、光谱变化等因素干扰,显著增强网络对地物边缘结构和多尺度变化的捕捉能力,取得最佳目视效果。

基于珞珈一号夜光遥感数据的南京市夜间光污染监测

为获取城市内部精细的光污染分布特征,基于珞珈一号夜光遥感影像对南京市的夜间光污染进行监测。利用地表反射率与建筑覆盖度将珞珈一号的表观辐射亮度修正为地表入射亮度,结合实地观测照度构建多种经验模型计算南京市夜间照度,并基于计算得到的夜间照度分析南京市的夜间光污染分布状况。结果表明,三阶多项式模型精度最高,判定系数R^(2)为0.87,平均绝对误差为4.71 lx。南京市夜间照度在0~55 lx之间,空间分布差异性明显。总体而言,照度高值区域主要集中在主城区,由主城区向四周呈递减趋势;其中鼓楼区与秦淮区光污染最严重,超过70%的面积比例存在轻度以上光污染;郊区的光污染程度较弱,光污染最弱的三个区依次是高淳区、溧水区与六合区,存在光污染的面积比例不足4%。南京市部分区域表现出极高的照度(30 lx以上),这些区域包括大型商场、大型工厂、交通枢纽、道路以及部分住宅区,需要注意的是,除了交通枢纽和大型工厂附近几乎无居民区外,其他区域附近都存在较多的居民区。文章探索了基于珞珈一号遥感影像监测城市夜间光污染的方法,为南京市的光污染整治工作提供了数据支撑,也为其他地区的光污染监测提供了科学参考。

基于中分辨率成像遥感数据的毕拉河林场林火信息检测

利用中分辨率成像光谱仪(MODIS)时间序列数据进行森林火情监测的原理及通道特性进行分析,利用阈值算法提取火点信息作为鲁棒卫星技术(RST)算法阈值确定前提,结合2种算法对内蒙古大兴安岭毕拉河林场火灾进行火点信息的提取,提高火点信息算法精度;然后,基于确认的火点信息,结合局部变化检测指数(ALICE)和全球环境监测指数(GEMI)提取过火迹地信息。结果表明:结合2种算法确定新的阈值可以有效地提取森林火点信息,检测精度由高到低的顺序为基于连续日期均值算法和基于空间域均值算法、基于每月同期均值算法,基于连续日均值的RST算法更加适合林火信息检测;结合ALICE和GEMI提取过火迹地信息的方法可以检测出绝大部分过火迹地像元,检测精度较高。

基于OCO-2遥感数据的新疆维吾尔自治区大气XCO_(2)空间化研究

二氧化碳(CO_(2))是导致全球变暖最主要的温室气体,掌握准确的CO_(2)空间分布信息可以有效评估碳减排成效,对于推进碳达峰、碳中和工作具有重要意义。相比站点观测,碳卫星能够获取大尺度的CO_(2)分布信息,但是由于其幅宽较窄以及云覆盖的影响,大气CO_(2)卫星遥感数据存在大量缺值区域,不能获得空间连续的大气CO_(2)分布。以新疆维吾尔自治区为研究区,基于2019年OCO-2卫星大气二氧化碳柱平均干空气混合比(XCO_(2))数据,结合气温、地形、植被、大气NO_(2)浓度等相关变量,综合对比了多元线性回归(MLR)、地理加权回归(GWR)、支持向量机(SVR)、随机森林(RF)、极端梯度提升树(XGBoost)和极端随机树(ERT)等方法在生成大气XCO_(2)空间连续数据中的表现。交叉验证结果表明,RF、XGBoost和ERT这3种集成学习模型精度明显优于SVR、GWR和MLR模型,其中ERT模型精度最高,决定系数R^(2)为0.748,平均绝对误差σ_(MAE)为0.489×10^(-6)。基于ERT模型生成了新疆2019年逐月大气XCO_(2)空间连续数据,该地区大气XCO_(2)空间差异和季节变化都很明显。在空间分布格局上总体呈现与地形“三山夹两盆”相似的空间分布特征,裸地XCO_(2)年均值最高,林地和草原的XCO_(2)年均值最低;季节变化特征与植被生长周期相似,春冬季浓度较高,夏秋季浓度较低,最高值出现在4月,最低值出现在8月,不同土地覆盖类型的大气XCO_(2)季节变化与全区域类似,其中草原和林地的季节差异最大,裸地季节差异最小。该研究为基于碳卫星遥感数据生成时空连续的大尺度XCO_(2)数据提供了参考和借鉴。

基于GF-5B VIMI数据和SEBS模型的区域蒸散发遥感估算研究

蒸散发是全球水循环的关键部分,对水循环和能量平衡有显著影响。然而现有的蒸散发数据显示出其在时空分辨率上的局限性。为了解决这一问题,文章采用了结合“高分五号”B卫星全谱段光谱成像仪(GF-5B VIMI)高分辨率数据与SEBS模型的新方法。选择重庆市大渡口区作为研究区域,利用GF-5B VIMI影像数据和ERA5-land气候再分析数据集,对该区域的日蒸散发量进行估算,并分析其时空分布特征及不同下垫面的蒸散量。同时,探讨了蒸散发量与归一化植被指数NDVI之间的相关性。实验结果表明,SEBS模型估算结果与涡度相关仪观测数据具有良好的一致性,表现在决定系数R^(2)为0.764,均方根误差RMSE为0.348 mm/d。不同土地利用类型的日蒸散量中,水体蒸散量最大,裸地最小。日蒸散量与归一化植被指数之间的拟合相关系数R为0.908,决定系数R^(2)为0.824,这进一步验证了模型的有效性和适用性。该方法有效提高蒸散发的时空分辨率并为水资源的高效利用提供重要科学依据。

遥感图像农田识别的跨类别小样本分割方法

深度学习驱动的遥感图像语义分割方法依赖大量人工标记样本,且对未知任务泛化能力差,尤其是在类别体系不断更新的精细化语义分割任务中,未知类别(训练样本中不存在的类别)的识别精度亟待提升。基于此,本文面向多类农田类别,提出了一种跨类别小样本分割方法。该方法设计了一种双分支结构,即支持分支与查询分支,其中支持分支用于分割先验的提取,查询分支用于完成分割先验的传播,获取查询图像的分割结果。此外,该方法应用查询特征生成自支持查询原型,显著提高了原型的表达能力;在支持集和查询集之间引入原型对齐正则化机制,充分利用来自支持集的知识,提升了分割器的判别能力。试验同时引入高空间分辨率和高光谱图像土地覆盖数据集,对本文方法性能进行了充分验证。试验结果表明,相较于现有小样本分割方法,本文方法在小样本条件下能够获得更为优异的跨类别农田识别结果。

基于时序InSAR技术的南京市地铁沿线沉降监测分析

近年来南京市新增多条地铁线路,为探究地铁建设及运营中造成沿线及周边区域沉降的隐患问题,本文利用时序InSAR技术获取了南京市区沉降速率场、累计沉降量和沉降时间序列,并结合降水数据研究对沉降区的影响,对地铁线路的典型沉降区及其周围进行了详细分析。研究结果表明,南京市呈现不均匀沉降,位于长江漫滩区,集中在江宁区沿岸、建邺区、鼓楼区等市中心区域,其中浦口区中部沿岸沉降最为明显,年沉降量最高达-55.9 mm,面积约15.6 km^(2);地铁2、4、7、10号线部分线路沉降较为明显,以浦口区的定山大街与临江·青奥体育公园站为例,累计沉降量最高为-172.8 mm;南京市地铁沿线沉降速率与降水量存在关系,受强降雨影响,土壤中孔隙水和其中所含的气体孔隙压力增加从而影响沉降。

结合潮位与DEM的红树林遥感识别研究

以广西北部湾为研究区,针对潮位周期性变化导致稀疏低矮红树林难以被准确提取的问题,基于多潮位Landsat8 OLI图像和数字高程模型(DEM)数据,通过构建红树林识别决策树模型,并以支持向量机(SVM)为对照,评价结合潮位和DEM信息的决策树法提取红树林信息的可行性.研究结果表明:1)不同高度、不同密度以及不同潮位红树林之间光谱差异均较大,稀疏低矮红树林也与阴坡林地、水体-陆生植被混合像元光谱存在严重“异物同谱”效应;2)无论是基于低潮位、高潮位图像,还是多潮位图像,相比未区分高度和密度,在SVM中将细分为高密红树林和稀矮红树林,其总体精度(分为红树林和非红树林两类)可分别提高4.65、4.41和7.22个百分点;3)基于多潮位图像及DEM的决策树模型识别的总体精度和Kappa系数分别为98.80%和0.973,比SVM中最佳值分别高出1.62个百分点和0.035.因此,通过同时考虑红树林高度、密度、潮位和DEM等特征,可明显提高红树林遥感识别的精度.

地理信息系统GIS在城市测绘中的实施

本文旨在探讨地理信息系统(GIS)在城市测绘中的实施。首先介绍了GIS的概念和基本原理,然后讨论了GIS在城市测绘中的应用,包括地图制作、地理分析和空间数据管理等方面。此外,文章还分析了GIS在城市规划和土地管理中的作用,以及GIS未来在城市测绘领域的发展方向。通过对GIS在城市测绘中的实施进行深入研究,可以为城市规划和土地管理提供更准确、更可靠的数据支持,促进城市可持续发展。

联合UNet++和多级差分模块的多源光学遥感影像对象级变化检测

随着传感器技术的飞速发展,基于多源光学遥感影像的变化检测已成为遥感领域中的研究热点。由于传感器成像差异,同一景象在多源光学遥感影像中通常呈现出不同的表现形式,因此面临着更加突出的“伪变化”问题。为此,本文提出了一种联合UNet++和多级差分模块的多源光学遥感影像对象级变化检测方法。该方法首先提出了一种多尺度特征提取差分(multi-scale feature extraction difference,MFED)模块,以增强模型对“伪变化”的识别能力;在此基础上,利用UNet++网络输出的多尺度特征对变化区域进行多角度精细刻画,并提出了一种自适应证据置信度指标(adaptive evidence credibility indicators,AECI);最后结合影像分割与Dempster-Shafer(DS)理论设计了加权DS证据融合策略(weighted dempster shafer evidence fusion,WDSEF),从而实现了深度网络像素级输出至对象级结果的映射。通过对不同地区的4组高分多源光学影像数据集进行试验,并与多种先进的深度学习方法进行对比分析,结果表明:在不同空间分辨率和时相差异条件下,本文方法的总体精度(overall accuracy,OA)和F 1 score分别可达91.92%和63.31%以上,在目视分析和定量评价均显著优于对比方法。

基于Siam-UNet+ +的高分辨率遥感影像建筑物变化检测

针对同一区域前后时序的高分辨率遥感影像背景复杂、变化类别多样、目标变化检测时存在漏检和边界识别粗糙问题,提出了一种基于Siam-UNet++深度神经网络的高分辨率遥感影像建筑物变化检测算法。该算法采用UNet++作为骨干提取网络,在其编码器部分应用Siam-diff(Siamese-difference)结构提取前后两时序图像的变化特征,并在解码阶段的上采样和横向跳跃路径连接之后引入注意力机制,突出建筑物变化的特征,抑制网络对其他类别特征的学习;同时使用多边输出融合(multiple side-output fusion,MSOF)策略加权融合不同语义层次的特征信息,提高了建筑物变化检测的精度;最后采取滑窗的方法对大尺度遥感影像进行预测,减少拼接过程中变化结果图产生的空洞图斑。在大型建筑物变化检测数据集上的实验结果表明,该算法有效提升了建筑物的变化检测效果。

夜间光污染的遥感监测及防治措施浅析

夜间人工照明在给人们的生活生产带来诸多便利的同时,也产生了一系列生态影响,导致了夜间光污染这一新的环境问题。然而,目前对于夜间光污染的监测和防控还未得到重视。针对我国对生态环境保护和建设的新要求,简述了夜间光污染对于天文观测、人类身心健康、交通安全、生态系统和能源浪费方面的影响,列举了夜间光污染的监测方法,包括实地测量和卫星遥感监测。针对我国目前夜间光污染防治现状,提出了完善法律法规、开展监测和评价、健全监管体系、推动宣传和教育等方面的防治建议。

基于哨兵二号的大豆、玉米遥感识别——以江苏徐淮地区为例

本研究以哨兵二号影像为数据源,以江苏徐淮地区邳州市西南部作为研究区,开展大豆、玉米遥感识别研究。采用覆盖玉米和大豆主要生长期的多时相哨兵二号影像构建遥感特征参数数据集,包括12个光谱波段的反射率和47个植被指数,采用递归特征消除与随机森林、支持向量机相结合的算法开展特征参数优选,明确最优识别时相-特征参数组合,在此基础上,采用随机森林和支持向量机分类器进行分类,并比较分类精度。研究结果表明,利用特征参数优选方法提取最优特征参数组合,在保证总体精度的前提下能够减少特征参数数量;陆地水指数和倒数差值等植被指数是2种优选算法所提取出的共性特征参数;9月8日是研究区玉米和大豆遥感识别的最佳时相,总体精度和Kappa系数均为0.99。

基于堆栈稀疏自编码器的小麦赤霉病高光谱遥感检测

小麦赤霉病具有发病快、周期短的特点,利用深度学习特征提取方法建立病害严重度检测模型,可为小麦赤霉病的防治提供科学指导。研究于2018—2020年间采集3个品种小麦在扬花期、灌浆期和成熟期的麦穗高光谱数据,通过形态学处理去除麦芒,提取出麦穗光谱曲线,使用多源散射校正对光谱进行去噪处理,再采用堆栈稀疏自编码器(Stacked Sparse Auto-encoder,SSAE)提取小麦赤霉病的光谱特征,利用该特征分别结合Softmax分类器和偏最小二乘回归方法构建小麦赤霉病严重度判别和预测模型。通过预训练,具有12~6个神经元的双层SSAE模型表现较好,模型均方误差更低,而且各个病害等级的特征差异明显;以训练的SSAE模型提取的深度学习特征为基础分别建立赤霉病严重度等级判别模型和严重度预测模型,在严重度等级判别的分类结果中,模型的总体精度和Kappa系数分别为88.2%和0.84,其中“淮麦35”品种的总体精度最高;在严重度预测模型中,模型对所有品种测试集的预测决定系数和均方根误差分别为0.927和0.062,对各品种的预测决定系数均在0.95左右;相比常见的几种小麦赤霉病光谱指数,基于SSAE深度学习特征的赤霉病预测模型精度更高。高光谱遥感数据量大、光谱波段多,堆栈稀疏自编码器通过在自编码器模型中加入稀疏表示的限定条件,并增加隐含层数及隐含神经元数来构建更为复杂的模型,所提取的光谱特征更能全方面地体现小麦赤霉病的光谱特征,利用该特征构建的小麦赤霉病检测模型具有更高的精度,可为精准监测小麦赤霉病提供科学依据。

基于高分遥感数据的城市水系廊道生态系统服务价值评估--以北京中心地区水系廊道为例

城市内生态系统服务价值的评估是当前生态系统服务研究的热点之一,而城市中心地区的水系廊道所提供的生态系统服务价值的评估并没有引起应有的关注。尝试利用国产高分二号遥感数据,以北京中心地区水系廊道为例进行生态系统服务价值评价。研究结果表明,北京中心地区水系廊道的生态系统服务总价值约为34.42亿元,其中文化服务价值最高约24.42亿元。当前水系廊道整体的生态系统服务总价值偏低。由蓝绿带状空间组成的生态廊道通过合理的规划设计,具有为城市提供更优质服务的潜力。

基于SAR与光学遥感数据相结合的农作物种植类型识别研究

为了得到合适的遥感数据来获取植物的生长信息从而对农作物种植类型进行识别,以安徽省滁州市全椒县为研究区,选择SAR(GF-3)数据和光学遥感数据作为数据源,将SAR数据与光学数据进行融合,并把SAR数据分类结果、光学数据分类结果与融合后的数据结果进行对比分析,从而对农作物种植类型识别进行研究。通过分类结果数据对比三者数据发现,在农作物识别中,SAR数据能够很好地辅助光学影像用于农作物种植类型;SAR数据与光学遥感数据的融合对研究区的农作物有很好的识别效果。

基于TM遥感影像溢油识别方法的比较研究

为了及时掌握溢油信息,实现对溢油区域的高精度监测,采用平行管道法、最大似然法和支持向量机法3种监督分类方法识别两幅TM影像的溢油区域,分析各种分类法在溢油识别领域的差异和其适用范围,同时利用绿波段和反射红外波段的有效组合对溢油区域的范围加以确定。结果表明:支持向量机分类法在两景TM遥感影像溢油识别上的总体精度和Kappa系数均为最高,过分割误差与欠分割误差较低,且时间复杂度较为合理,能够对大面积溢油实现较好的监测。

城市街区尺度地表热环境遥感监测与分析

近年来对城市热环境的研究大多集中在大尺度或城市区域尺度上,基于街区尺度的热环境研究较少。本研究基于高空间分辨率的天宫一号热红外数据,利用JM&S(Jim?nez-Mu?oz&Sobrino)算法反演了南京部分地区地表温度,进而揭示了南京地区夜间地表热环境空间分布规律并分析了其与地表覆盖类型的关系,探讨了不同街区夜间地表温度的差异。研究结果表明,天宫一号具有热异常检测能力,能较好地体现街区尺度地表温度的空间异质性;南京夜间存在明显的城市热岛效应,热岛强度为2.6 K,局部热岛效应较为突出;受土地覆盖类型、人口、建筑等因素的影响,不同街区地表温度差异较为明显。

融合InSAR与信息量-层次分析耦合模型的西宁市地质灾害易发性评价

为准确高效地评估西宁市的滑坡易发区,为西宁市滑坡灾害预警及防治提供参考,本文首先采用SBAS-InSAR技术获取2018—2022年5年间西宁市地表形变信息;然后将获取的形变信息划分量级,作为易发性评价模型的一个评价因子,结合高程、坡度、地层岩性等7个评价因子,基于信息量-层次分析法耦合模型对研究区滑坡易发性进行了定量评价;最后利用已有地质灾害点数据集对评价结果进行验证。结果表明,本文所得的地质灾害易发性评价结果与已有地质灾害点的分布较为吻合,已有记录的地质灾害点聚集的区域绝大多数位于本文所划分区的中高易发区内。根据ROC曲线精度结果,耦合模型AUC值为0.91。可见,利用本文提出的方法进行灾害易发性评价是可行的,研究结果可为西宁市滑坡综合防治措施提供依据。