基于Psi-Net深度学习网络的高空间分辨率遥感影像地块尺度的耕地提取

将语义分割和边缘检测深度学习网络结合,构建Psi-Net深度学习网络。结果表明,Psi-Net深度学习网络能有效识别耕地,绝大部分耕地被有效提取出来,正确率(Accuracy)为96.3%,生产精度(PA)为98.1%,用户精度(UA)为97.1%。Psi-Net深度学习网络在耕地地块边界识别时有了耕地范围的限定,减少对非耕地地块边界的识别,完备性为74.3%,正确性为80.2%,质量为62.8%。Psi-Net深度学习网络可以有效识别面状耕地范围,并且在耕地范围的限制下,提取的地块尺度耕地边界均落在耕地范围内,不会对耕地外的地块边界进行识别,有效减少了似地块边界提取噪声的影响。

基于SVM的多源信息复合的高空间分辨率遥感数据分类研究

遥感图像尤其是高空间分辨率(1—4m)遥感图像在土地利用和土地覆盖变化方面有着广阔的应用前景,传统高空间分辨率遥感图像信息提取方法存在精度和分类效率低的不足。本文提出的基于SVM的分类方法,复合光谱、纹理和结构信息等多源数据信息,对IKONOS高空间分辨率图像进行分类,并与最大似然法和单源数据(光谱)SVM分类结果进行定性和定量比较分析。研究结果表明,多源数据复合的SVM高空间分辨率遥感图像分类方法,能够有效解决单源数据信息图像分类效果破碎的问题;总精度达到68.38%,Kappa达到0.5993;对高维输入向量具有高的推广能力;比单源信息的SVM和最大似然方法图像分类精度更高,适合高空间分辨率遥感图像分类。

基于PLS算法的棉花黄萎病高空间分辨率遥感监测

棉花黄萎病危害程度大,发生范围广,已成为中国乃至世界上棉花主要病害之一。论文基于野外定位调查数据及高空间分辨率遥感影像,利用变量投影重要性(VIP)准则筛选最优变量,用偏最小二乘回归(PLS)方法建立棉花黄萎病病情严重度的定量估测模型,并利用已建立的估测模型和高分辨率IKONOS影像获取了不同病情严重度的空间分布图。研究结果表明:在所分析的13个遥感因子中,增强植被指数(EVI)、再归一化植被指数(RDVI)、全球环境监测指数(GEMI)、差值植被指数(DVI)、修改型土壤调整植被指数(MSAVI)、归一化植被指数(NDVI)为棉花黄萎病病情严重度遥感估测的敏感因子,能够有效估测棉花黄萎病病情严重度,其模型预测值与实测值间的R2、RMSE和RE分别为0.78、0.45、9.2%。论文利用PLS算法和高分辨率卫星影像实现了棉花黄萎病病情严重的遥感监测,研究结果对实现大范围农作物病虫害的遥感监测具有重要的参考价值。

基于高空间分辨率卫星遥感影像的围填海存量资源监测与评估研究——以营口市南部海岸为例

为详细掌握围填海存量资源状态,提高海域空间资源监管精细化水平,本文提出围填海存量资源概念,并将围填海存量资源划分为围而未填区域、填而未建区域、低密度建设区域、低洼坑塘、低效盐田和低效养殖池塘等6种类型,以及工业区、城镇区等围填海存量资源的消耗类型。在此基础上,采用高空间分辨率卫星遥感影像,建立了面向对象的围填海存量资源遥感影像分类提取方法与技术流程,构建了围填海存量资源指数,并以营口市南部海岸区域为例进行了实证研究。结果表明:(1)面向对象的围填海存量资源遥感影像分类提取方法能够精细地提取围填海存量资源信息,准确率达到90%以上;(2)填而未建区域、低效盐田、低效养殖池塘占研究区围填海存量资源总面积的62.51%,研究区围填海存量资源指数为0.49,但内部差异明显,北部区域为0.66,中部区域为0.44,南部区域为0.37。

融合形状和光谱的高空间分辨率遥感影像分类

提出了一种像元形状指数及基于形状和光谱特征融合的高(空间)分辨率遥感影像分类方法。形状和光谱是遥感影像纹理的具体表现形式,尤其在高分辨率影像中地物细节得到充分表达,相邻像元的关系及其共同表征的形状特性成为分类的重要因素。本文用像元及其邻域的关系来描述其空间结构,同时为了更全面地利用影像特征,提出了基于支持向量机的形状和光谱融合分类方法。实验证明,该方法计算简便且能有效表达高分辨率影像的地物特征,提高分类精度。

中国城市CO_2排放数据集研究——基于中国高空间分辨率网格数据

城市CO_2排放数据的可获取性和质量直接影响了城市碳排放的科学研究、低碳战略制定及公众对于城市低碳发展的监督和参与。数据缺乏和多源数据的不确定性大是中国城市CO_2排放核算和低碳城市规划面临的重要问题和挑战,而这些问题同时也导致中国低碳城市研究水平参差不齐。本研究使用自下而上建立的中国高空间分辨率网格数据(空间分辨率为1km),采用统一数据源和规范化、标准化数据处理方法,建立中国城市CO_2排放数据集,供研究者和决策者参考。城市CO_2排放计算借鉴国际上较为成熟和应用广泛的核算方法,包括范围1和范围2排放。以北京、上海、天津、重庆和广州5个典型城市的能源统计数据自上而下计算其CO_2排放作为参考水平,检验数据集的数值质量,结果显示5个城市的数据差异均不超过10%。中国城市CO_2排放整体呈现北方大于南方,东部高于中部和西部的空间格局。CO_2排放量较高的城市大多处于华北、东北以及华东沿海地区,西部地区城市CO_2排放量则较低。城市CO_2排放8个部门(工业能源、工业过程、农业、服务业、城镇生活、农村生活、交通、范围2排放)之间的相关性中,城镇生活和交通排放的相关性最高,并且呈现显著性(p<0.001),工业过程排放和服务业排放的相关性最弱且没有显著性。基于中国高空间分辨率网格数据的中国城市CO_2排放数据集的不断完善和发展,为中国城市CO_2排放研究奠定了重要的数据基础,为城市CO_2排放横向比较和对标工作提供了重要依据。

基于高空间分辨率的红树林卫星遥感监测技术进展

卫星遥感技术是红树林生态系统监测的重要手段。文章系统地总结了红树林的光谱特征,给出了目前应用于红树林生态监测的高空间分辨率卫星包括IRS-P6、SPOT-5、IKONOS、OrbView-3、QuickBird的主要技术参数以及它们在红树林遥感监测中的应用程度,叙述了目视解译法、波段组合法、图像分类法、专家分类法、模糊分类法和面向对象分类法等遥感监测技术方法在红树林的生态参数包括类外区分和类内区分、生物量和健康状况等的遥感提取的应用和精度对比情况。另外,对应用高分辨率卫星遥感资料监测红树林的技术发展趋势进行了讨论。

高空间分辨率遥感的单木树冠自动提取方法与应用

用高空间分辨率遥感影像对单木树冠进行自动提取和轮廓描绘,是获取森林信息的一种快速有效的方法,也是近年来林业遥感领域研究的热点。详细介绍了目前高分辨率遥感单木树冠信息自动提取的各种方法,包括局部最大值法、模板匹配法、谷地跟踪法、多尺度法、种子区域生长法、分水岭分割法、局部射线法,并对单木树冠提取在林业上的应用进行了探讨,最后结合国内外研究现状,对单木树冠自动提取的未来作了展望。

高空间分辨率遥感影像下的违法用地变化检测

遥感影像时间、空间分辨率的逐渐提高和图像识别技术的发展,使基于高分辨率遥感影像进行自动、准确、快速的违法用地检测成为可能。本文利用高空间分辨率遥感影像,提出了一种基于地物分布特性的违法用地变化检测方法,将违法用地判别特征知识融入变化检测模型,实现违法用地变化信息自动提取。选取广州市从化街口地区为研究区域,试验结果表明该方法能够辅助应用人员在大范围内快速地定位疑似违章用地图斑,提高生产效率,取得较好的应用效果。

CCD对高空间分辨率波前干涉检测的影响

推导并用实验验证了光强与入射波前在单位像元面积里成近似线性关系,从而得到入射波前经CCD采样后的功率谱密度(PSD)公式·根据该公式,模拟分析了影响CCD采集系统的系统传递函数的各个因素:入射波前、CCD的填充因子及CCD的曝光时间,得出了他们与系统传递函数的定性关系,并且通过实验明确CCD曝光时间对高空间分辨率波前检测不确定度的影响,为高空间分辨率干涉设计提供了理论依据·

基于高空间分辨率卫星遥感影像的砂质海岸空间整治效果分析——以营口月亮湾为例

采用2005年采集的SPORT5卫星遥感影像和2015年采集的GF-1卫星遥感影像,分别对2006-2014年之间营口月亮湾海岸空间整治项目实施前后的海岸景观格局进行监测,在此基础上构建了沙滩面积系数、适宜游乐水域指数、主体功能度指数、景观多样性系数、景观变化指数等评估指标,评估了营口月亮湾海岸空间整治效果。结果表明:营口月亮湾沙滩养护工程实施后沙滩面积大幅增加,沙滩面积系数为2.44,适宜游泳嬉水娱乐区面积略有增加,适宜游乐区指数为1.10。海岸空间整理工程实施使月亮湾海岸游乐功能分区明显,月亮湖公园、高尔夫休闲区、山海广场区、农业生态旅游度假区和滨海嬉水观光区主体功能度指数分别达到0.89、0.76、0.68、0.65和0.77。海岸景观美化工程整体改变了海岸景观格局,使各功能分区海岸景观多样性提高,海岸景观格局更为优化,总体景观多样性系数达到1.13,景观变化指数达到0.30。

基于高空间分辨率影像的林业小班遥感区划系统设计与实现

小班区划是森林资源调查中最主要的任务。为了减少小班区划工作量,提高工作效率以及保证小班区划的一致性,从功能需求角度,设计了一种基于高空间分辨率遥感影像进行林业小班区划的系统,并对系统各部分功能进行较为详细的设计与说明。开发并实现了遥感数据处理、多尺度分割和面向对象分类等关键技术,借助该系统,可以实现基于高空间分辨率遥感影像进行林业小班边界的内业自动生成,小班区划精度符合林业实际生产需求。目前,该系统已在重庆和海南等地推广应用。

高空间分辨率遥感环境制图的几个关键技术研究

在大量实际工作的基础上 ,分别对影像的空间分辨率和像素分辨率的选择 ,色彩的匹配与还原处理等具体技术问题进行了总结与讨论。实践证明 ,这些处理方法在具体的应用中取得了很好的效果。

山区月平均气温的高空间分辨率分布模型与制图

该文以浙江省仙居县气象站为基本站,对仙居县内8个气象哨的月平均气温进行了时间序列订正,建立气象哨月平均气温的短序列订正模型。用GPS实地获取的气象站(哨)的经度、纬度和海拔高度数据建立了月平均气温随纬度、海拔高度变化的回归模型。其次,利用1∶1万的地形图,建立仙居县1∶1万空间高分辨率的数字高程模型(DigitalElevationModel,简称DEM),从中提取纬度、海拔高度、坡度、坡向等地形要素,并结合浙江省仙居县9个气象站(哨)的月平均气温资料,利用GIS技术建立月平均气温空间分布模型,制作仙居县内月平均气温的高空间分辨率分布图。

高空间分辨率遥感影像的多智能体分割方法研究

提出一种基于多智能体的高空间分辨率遥感影像分割算法(high spatial resolution remote sensing imagesegmentation algorithm based on multi-agent theory,MARSS)。该方法在区域合并中结合了影像的光谱信息和形状信息,同时利用多智能体与图像环境交互性强,灵活性高,具有并行运算的优点,通过多个智能体控制不同区域的合并过程,能够使分割算法的全局合并控制更加优化。试验结果表明,该算法的分割效果要优于分形网络演化算法(FNEA)。

高空间分辨率影像和多光谱影像融合的研究

从卫星影像的成像过程出发 ,揭示了卫星影像所含信息的物理内涵 ,从频率域特性出发得出了高空间分辨率影像和多光谱影像可以融合的物理基础 ,为寻找一种较好的融合方法提供了理论依据。

高空间分辨率遥感图像分类的SSMC方法

近年来随着高空间分辨率遥感的发展,影像的空间细节描述能力得到提高,像元之间的空间相关性得到增强,使传统的遥感影像光谱分类方法面临着巨大的挑战。基于此背景,提出了高分辨率遥感影像分类的SSMC(spatial and spectralm ixed c lassifier)方法,旨在同时采用光谱和空间特征进行遥感影像分类。本文是基于SSMC方法的一个具体的实验,通过多尺度的空间金字塔构造每个像元的空间参数,整合影像的光谱信号和空间信息进行高分辨率遥感影像分类。实验结果证明,SSMC方法对于提高高分辨率遥感影像的分类精度具有积极的意义。

气象卫星高空间分辨率数据的云量计算与检验

该文利用国家卫星气象中心1998—2008年NOAA卫星的存档数据,在再定标和精定化等数据再处理基础上,利用自行研发的云检测算法及云量计算方法,生成空间分辨率为0.01°×0.01°、时间尺度为10年的逐日云量数据,并利用ISCCP和地面观测数据对计算得到的云参数进行数据质量评估。评估结果显示:利用NOAA数据的抽样云检测结果与ISCCP-DX数据相比,晴空像元检测率具有0.70左右的一致性;有云像元检测率具有60%左右的一致性。卫星计算的总云量与地面观测总云量间的月平均相关系数大于0.70。

面向对象的多尺度加权联合稀疏表示的高空间分辨率遥感影像分类

针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法。首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨率航空遥感数据集(WashingtonD.C.数据)验证该算法的有效性。试验结果表明,与SVM、像素级稀疏表示、单尺度和多尺度对象级稀疏表示和深度学习等算法相比较,本文算法获得了较高的OA和Kappa分类精度,提高了各个尺度地物的分类精度,有效抑止了地物分类结果中的椒盐噪声现象,同时保持大尺度地物的区域性和小尺度地物的细节信息。

高空间分辨率遥感影像融合方法探讨

针对高空间分辨率遥感影像特点,利用IHS变换、Brovey变换、PCA主成分变换、Gram_Schmidt变换以及Pansharp变换等五种融合方法对QuickBird影像进行了融合实验,并从目视效果、波谱剖面图以及定量分析三方面对融合后影像质量做出了科学的比较,结果表明Pansharp和Gram_Schmidt融合算法更适合高分辨遥感影像融合。