“数据挖掘技术”课程教学改革与探索--以北华航天工业学院电子与通信工程专业研究生“数据挖掘技术”课程教学为例

数据挖掘技术是其他领域开展科学研究的重要技术之一,作为研究生课程应该注重能力的培养。就研究生培养层面突出我校航天特色,产、学、研式的项目实例提高了研究生动手和实践能力。分组讨论、团队合作完成项目等多种教学方法的运用使教学过程气氛活跃、高效。注重能力培养的同时不忘思政教育和社会正能量的传递。灵活的课程考核有助于研究生实践、科研和自我能力的展现,师资、教学资源及硬件设施和企业实习基地各方面均为“数据挖掘技术”课程实施提供了保障。

基于光学卫星遥感的云分类研究进展

云类型产品在气象预报、气候变化、灾害监测与预警等众多领域都具有非常重要的应用。近年来随着卫星技术的发展,光学卫星遥感因其空间覆盖范围广、观测频率高和空间分辨率高等优势,成为云分类研究的重要数据源,基于光学卫星遥感的云分类也取得了一系列研究成果。本文首先简要介绍用于云分类的光学遥感卫星及其传感器。随后,系统阐述了近20年国内外基于光学卫星遥感的云分类研究进展,根据分类方法的原理和复杂度,主要分为基于简单线性关系、数理统计和机器学习算法的三种云分类方法。最后,分析了基于光学卫星遥感云分类研究存在的问题并展望了未来研究方向,期望为国产卫星云分类研究与应用提供参考。

基于改进HRNet的遥感影像冬小麦语义分割方法

冬小麦在影像中呈现田块碎小且分布零散等空间特征,同时影像包含的复杂地物对冬小麦识别造成干扰,易出现识别精度低且边界分割模糊等问题。为及时准确获取大范围冬小麦空间分布信息,该研究以高分二号卫星影像作为数据源,提出一种CAHRNet(change attention high-resolution Net)语义分割模型。采用HRNet(high-resolution Net)替换ResNet作为模型的主干网络,网络的并行交互方式易获取高分辨率的特征信息;联合OCR(object-contextual representations)模块聚合上下文信息,以增强像素点与目标对象区域的关联性;3)引入坐标注意力(coordinate attention)机制,使网络模型充分利用有效的空间位置信息,以保留分割区域的边缘细节,提高对分布零散、形状多变的冬小麦田块的特征提取能力。试验结果表明,在自制的高分辨率遥感数据集上,CAHRNet模型的平均交并比(mean intersection over union,MIoU)和像素准确率(pixel accuracy, PA)分别达到81.72%和97.08%,MIoU相较U-Net、DeepLabv3+分别提高了9.09、2.44个百分点;PA相较U-Net、DeepLabv3+分别提高6.80、1.59个百分点,说明CAHRNet模型具有较高的分割识别精度,可为进一步准确获取冬小麦作物分布信息提供技术支撑。

基于遥感数据的县域土地利用模拟及经济效益评价——以河北省巨鹿县为例

将空间地理信息模型与经济社会统计模型相结合,已成为区域经济研究中的热点领域,其成果能够为地方提升土地利用效益、实现产业布局优化提供科学参考。本文以河北省巨鹿县为研究区域,以2010-2018年卫星遥感影像和经济社会统计数据为基础,对巨鹿县的土地利用时空变化进行了分析,建立了交通因素驱动下的土地利用模型,对2022年当地“自然发展”、“耕地保护”和“水域保护”三种假设情境下的土地利用进行模拟预测,并对土地利用经济效益开展分析评价。本文认为,当地工矿企业用地扩大和林地增加是模拟中出现的主要特征,“自然发展”情境的经济效益值显著高于其他两种情境,但是保护式发展模式下,将第一、三产业有机融合,走特色农业发展之路是当地的一个可取思路。

一种联合空间变换和置换注意力机制的近岸水产养殖区信息提取方法

为解决水产养殖区遥感提取过程中近岸坑塘养殖目标和网箱养殖目标地物背景复杂,受房屋、植被、海水和船只等干扰提取精度较低等问题,提出了一种联合空间变换和置换注意力机制的近岸水产养殖区信息提取方法SA-STN-Net,选取海南省文昌市八门湾和万宁市坡头港为研究区域,先利用光谱特征和纹理特征构建水产养殖目标先验知识,然后在U-Net模型基础上联合空间变换网络(spatial transformer network,STN)和置换注意力机制(shuffle attention,SA),用于增强养殖目标空间特征、减少复杂地物的干扰并聚焦近岸水产养殖区域。结果表明:与原始U-Net模型相比,SA-STN-Net模型的总体提取精度和平均交并比提高了3.3%和5.7%;与当前较为先进的A2fpn、Swin-Transformer和Dc-Swin等深度学习分割算法相比,SA-STN-Net模型具有更好的分割性能,F 1分数分别提高了6.7%、4.2%和7.2%。研究表明,本文提出的SA-STN-Net模型能适应近岸水产养殖目标地物背景复杂的情况,可对近岸养殖目标进行有效提取,本研究结果可为近岸规划与管理部门提供技术支持。

基于夜光数据的大气遥感研究进展

随着美国国防气象卫星(DMSP)、苏奥米国家极地轨道伙伴卫星(Suomi NPP)等一系列夜间微光遥感卫星的发射,夜间微光遥感得到越来越多的学者关注。国内外学者不断探索微光数据在定量遥感中的应用,但基于夜光数据的大气遥感研究成果的系统性整理和总结的研究却相对较少。基于此,对过去20年基于夜间微光数据在大气遥感中的研究进行了全面的综述。从微光成像仪辐射定标、微光辐射传输模型以及基于微光数据的大气参数研究三个方面总结归纳了夜间微光卫星遥感定量化研究的进展,梳理了微光数据在大气遥感研究中的应用现状与特点,以期为夜间微光数据在大气遥感的深入研究中提供有价值的参考。

森林地上生物量遥感估算方法

生物量是林业和生态应用研究的重要信息,森林生态系统地上生物量估算的遥感技术引起了国内外学者的广泛关注。总结与探讨不同数据源与估算方法能够为森林地上生物量的估算提供指导。本文首先总结并探讨单传感器遥感数据,包括光学遥感、合成孔径雷达与激光雷达数据在森林地上生物量估算中的应用,以及协同使用多源遥感数据估算森林地上生物量的优势;然后论述森林地上生物量估算的传统模型估算法与机器学习估算方法(决策树法、K最近邻法、人工神经网络、支持向量机、最大熵)。多源遥感数据集成能够结合不同数据的优势,能够为森林地上生物量估算提供丰富的特征信息,结合机器学习估算方法,是提高森林地上生物量估算的准确性的发展趋势。

“双碳”背景下青藏高原大气CO_(2)浓度特征分析

青藏高原是我国重要的生态安全屏障,对我国南北两地气候有重要的平衡作用。大气CO_(2)含量升高导致的全球气候变暖一直是国际上关注的热点环境问题。为了深入了解青藏高原碳源、碳汇情况,基于温室气体观测卫星(Greenhouse Gases Observing SATellite,GOSAT)反演的CO_(2)干空气柱平均摩尔分数(column-averaged CO_(2)dry air mole fraction,XCO_(2)),利用经验贝叶斯克里金法对GOSAT数据进行插值处理,获得最终的青藏高原各地区XCO_(2)数据集,进而从时间变化、空间分布、空间变化等方面对2010—2019年青藏高原地区大气CO_(2)浓度的时空变化特征进行分析。结果显示:2010—2019年青藏高原的XCO_(2)随时间变化呈波动性增长,由2010年的387.3×10^(-6),逐年增加至2019年达到最高值,409.1×10^(-6),平均每年XCO_(2)增加2.4×10^(-6),高于全球平均增长率(2.3×10^(-6)a^(-1)),与全国平均增长率基本持平(2.4×10^(-6)a^(-1)),且具有夏秋低、春冬高的季节变化特征;从空间上看,XCO_(2)呈现南、中、北部较低,东和西部偏高的空间分布特征;从空间变化角度分析,10 a间,新疆维吾尔自治区大气CO_(2)浓度的变化幅度最大。这种时空变化与当地的自然资源禀赋、经济社会发展以及人口活动相关。

遥感铁军精神融入高校人才培养的研究与实践

新时代背景下,国家对于高质量人才需求日益增加。然而,当前高校人才培养过程中品德教育、心理教育、体能教育等面临着新挑战。该文基于遥感领域人才培养,提出遥感铁军精神,系统阐述遥感铁军精神内涵及融入高质量人才培养价值意蕴,并以北华航天工业学院遥感信息工程学院为例进行研究与实践。研究表明,遥感铁军精神融入人才培养新实践,对于推动高校人才培养高质量发展有着重要意义。

黑臭水体遥感识别CART模型构建与应用

以河北省廊坊市为研究区,根据黑臭水体光谱性质,基于CART模型提出一种改进的模糊决策树黑臭水体遥感识别方法。研究数据表明:黑臭水体与一般水体在可见光及近红外波段存在光谱差异,R_(rs)(R)-R_(rs)(B)、R_(rs)(R)-R_(rs)(G)以及R_(rs)(B)+R_(rs)(G)+R_(rs)(R)可以较好地区分两类水体;根据叶子节点隶属度进行黑臭水体提取(黑臭水体<0.5,一般水体>0.5),其中隶属度为1或0的节点定义为置信区,其余节点为模糊区;提取结果总体精度达到84.78%,其中置信区为92.85%,模糊区为72.23%。该方法在实现高精度提取黑臭水体的同时,通过定义置信区和模糊区可有效降低人工核查,实现更为高效的工程应用。

课程思政在教学中的实施与探索——以“遥感原理与应用”为例

本文以《遥感原理与应用》课程为例将思想政治教育元素融入到课程中去。研究思政元素与专业课程知识点之间的关联和融合,明确课程思政教学的培养目标和落脚点,细化课程思政的教学内容与方法,以有效地提升人才培养质量。

高分六号卫星遥感估算大气细颗粒物方法研究

针对目前利用高分六号卫星开展地区高空间分辨率大气细颗粒物监测研究较少的问题,提出了基于高分六号卫星宽幅相机数据的气溶胶光学厚度及大气细颗粒物遥感反演的技术方法,并在京津冀及周边地区开展了应用实验和对比分析。首先,基于改进暗像元法反演了高分六号卫星数据的气溶胶光学厚度;然后,结合地面大气细颗粒物监测数据与多种气象辅助数据,基于随机森林算法,构建了多参量综合的大气细颗粒物估算模型,对京津冀地区的大气细颗粒物浓度进行了估算。研究表明:高分六号气溶胶光学厚度反演结果与地基站点监测结果的相关系数为0.94,反演精度较高;大气细颗粒物估算结果与地基站点监测结果的决定系数达到0.79以上,较好地反映了京津冀地区的大气细颗粒物空间分布。

改进U-Net的小宗作物遥感图像分割研究

利用高分辨率遥感图像准确地获得农作物的空间分布信息,在农作物估产研究中有重要的意义。针对小宗作物分布零散、数据量少的实际问题,基于国产高分二号(GF-2)遥感图像,以芝麻为研究样例,使用基于U-Net自主改进的卷积神经网络mU-ResPlus,对遥感图像进行高精度分割研究。首先减少U-Net网络层数,然后使用多个反卷积融合图像浅层与深层的特征,并且引入残差块,实现网络的精细化分割效果。实验结果表明,mU-ResPlus的准确率和Kappa系数分别为87.4%和0.747,图像分割的边缘精细度上也有较大提升,在小宗作物图像分割研究上具有较高的应用前景。

基于贝叶斯定理的黑臭水体遥感监测方法研究

黑臭水体是水环境受到严重有机污染产生的极端现象,近年来成为环境治理中的热点问题。以河北廊坊市为研究区,系统采样获取水体各项理化指标,结合同期过境Sentinel-2影像进行黑臭水体识别工作。选取黑臭水体光谱指数(BOI)为提取特征,基于贝叶斯定理计算理论阈值,在过程中修正了实验样本与研究区客观情况之间的差异,通过K-S检验估计黑臭水体和清洁水体的BOI分布函数,计算理论阈值并进行黑臭水体提取。通过加入2类水体的基础概率,降低了因样本差异、主观经验而带来的影响,使结果更加符合研究区的客观实际,有助于开展区域工程化应用。

深度学习在水利遥感领域的应用

深度学习在遥感影像处理方面成果显著,图像处理能力进步飞快。本文从深度学习的发展及应用出发,对当前深度学习中卷积神经网络、循环神经网络、受限玻尔兹曼机、自动编码器四种算法进行总结,对当前深度学习在水利遥感领域的应用进行了梳理,综述了深度学习在水资源与生态环境管理、洪涝灾害的预防与监测、水资源环境监测与分析、水面关键物监测识别等方面的遥感研究。最后,本文分析了深度学习在水利遥感领域的应用不足与发展趋势,并对未来的水利遥感应用进行展望。

基于波谱响应特征的雄安新区农田土壤重金属含量反演

分析并监测雄安新区农田土壤污染状况,对于保障粮食安全、建设绿色雄安具有重要意义。该研究以雄安新区为研究区,基于多源遥感数据珠海一号(Zhuhai-1)OHS数据、哨兵二号(Sentinel-2)L2A级数据的波谱响应特征及实地测得的农田土壤重金属含量数据,在对土壤重金属含量单因子与多因子污染评价的基础上,筛选出3种超标的农田重金属元素铅(Pb)、铜(Cu)、锌(Zn),采用偏最小二乘回归方法(partial least squares regression,PLSR)建立农田土壤重金属含量反演模型。利用Zhuhai-1提取土壤样本点的原始光谱反射率以及4种变换后的光谱反射率,Sentinel-2提取7种对重金属胁迫敏感的植被指数,将其与3种土壤重金属含量作相关性分析,筛选出敏感波段与植被指数,即波谱响应特征,构建土壤重金属含量反演模型。结果表明,3种模型整体反演精度较为优良,Pb含量反演模型决定系数(determination coefficient,R^(2))为0.490,均方根误差(root mean squared error,RMSE)为4.66 mg/kg,平均绝对值误差(mean absolute error,MAE)为1.92 mg/kg;Cu含量反演模型R^(2)为0.491,RMSE为16.85 mg/kg,MAE为3.69 mg/kg;Zn含量反演模型R^(2)为0.664,RMSE为20.63 mg/kg,MAE为9.36 mg/kg。将该模型应用于雄安新区农田区域,得到大部分农田土壤中Pb含量均未超过风险筛选标准,在研究区西南部、西部部分区域Cu含量超过土壤污染风险筛选值,同时在研究区西部、西南部Zn污染较严重,雄安新区东南部部分农田有Zn零星分布,其他区域Cu和Zn含量未超过国家土壤污染风险管控值。因此,利用多源遥感数据波谱响应特征反演土壤重金属Pb、Cu和Zn含量,能够快速准确地实现对雄安新区土壤重金属污染情况的调查,同时为大面积土壤重金属含量监测提供解决方案。

基于改进A^(*)算法的路径规划方法研究

针对A^(*)算法在路径搜索过程中,存在产生过多危险和复杂路径、陷入局部最优解等问题,提出一种A^(*)算法的改进方案。首先,通过引入评价函数的特殊动态权重动态调整算法搜索的精度和广度,提升算法效率。其次,在A^(*)算法子节点选择过程中加入规则判断,解决路线与障碍物顶点接触问题,避免高危险路径产生。再次,对A^(*)算法生成的路径进行平滑度优化,消除多余转角并使运动对象与障碍物保持一定安全距离,提升最终路径的平滑度和安全性。实验结果表明:对于不同复杂程度的障碍物环境,改进后的A^(*)算法都以更高的效率、更平滑和更安全的搜索方式找到路径,且大幅降低算法所占用数据存储空间。所提出的改进方案由于其出色的性能以及对于运动对象的安全性考量,有望在实际应用场景中取得良好的工程价值。

基于场景光谱库的高光谱影像模拟

高光谱影像能够获取地物精细的光谱信息,是地物精细识别、参数高精度反演的数据源。然而,高光谱传感器由于其自身的特征,往往覆盖周期较长,从而限制了其应用推广。为了提高高光谱影像的时效性,研究人员开展了大量高光谱影像模拟的研究,然而已有的大多数方法是基于标准光谱库,与实际的场景光谱存在较大差异。本文构建了一种基于场景光谱库的高光谱影像模拟方法,并提出一种基于归一化植被指数(NDVI)的光谱匹配算法,提升了模拟的速度和精度。该方法以山东省德州市西南部为试验区进行实验验证,以高分一号(GF-1)WFV多光谱数据为模板影像对高分五号(GF-5)AHSI载荷数据进行了模拟,并且同传统的模拟方法进行了对比分析。分析结果表明:建立的新方法模拟结果表现良好,283个有效波段的平均R^(2)为0.69,相较于基于类别匹配的传统模拟方法提升了0.16,但各波段的模拟效果存在差异,其中在第71波段处模拟效果最佳,R^(2)达到了0.81,比基于类别匹配的模拟方法增加了0.18;在运行效率方面,该方法模拟时间大大缩短,模拟速率提高了75%。

离散小波去噪后冬小麦叶片含水量高光谱估算

光谱噪声去除是遥感区域应用的必要过程,噪声去除效果能直接影响区域地表信息的监测精度。为分析离散小波算法对光谱数据的分解机理,探寻基于离散小波算法光谱噪声信息去除与光谱处理方法,以冬小麦冠层光谱与叶片含水量为数据源,先利用离散小波算法对光谱数据进行去噪处理,采用的小波基为Meyer;然后以Meyer、Sym2、Coif2为小波基对去噪后的光谱数据进行信息分离,并结合相关性分析算法、偏最小二乘算法构建冬小麦叶片含水量估测模型,研究结论如下:(1)在离散小波算法下,合并的光谱曲线随合并尺度数的不断增加,原光谱曲线局部的大、中、小特征依次凸显;随H10—H1分解尺度的依次加入,分解信息对合并曲线的修正幅度也逐步减弱,其中,将H3—H1依次合并后,合并的光谱曲线几乎无变动。(2)提出的去噪方法可在一定程度上改变了部分光谱对冬小麦叶片含水量的敏感性及敏感波段的分布:其中在1~3尺度内,降低了光谱对冬小麦叶片含水量的敏感性,改变了敏感波段的波段位置的分布情况。在4~10尺度内,能明显提升光谱对冬小麦叶片含水量的敏感性(Coif2);提出的去噪方法可提升局部波段对冬小麦叶片含水量的敏感性(Sym2)。(3)提出的去噪方法能明显提升光谱对模型的稳定性,能提升Sym2、Coif2小波基内最优模型的精度与稳定性,其中验证精度提高了8.6%(Sym2)、34.1%(Coif2),表明该研究提出的去噪处理是有效的。

基于大语言模型与视觉语言模型的多模态事实核查

多模态事实核查旨在联合多种模态的媒体内容以抽取有效信息来检测社交媒体背景下的虚假信息。针对已有研究对事实核查领域专用数据集过于依赖以及在图像理解和语义相似度计算方面可解释性弱的问题,提出了一种全新的基于预训练大模型的多模态事实核查自动化方法,并在公开数据集COSMOS上进行了实验。结果表明该方法达到了0.859的正确率,且在每次核查时都能提供清晰的理由,相较于传统的基线方法具有更高的准确性和更强的可解释性。此外,还深入分析了不同的方法变体,以及数据集中各种虚假信息的判别场景,验证了本方法凭借在多模态信息语义理解方面的强大能力,可以灵活应对不同情境下的脱离上下文检测。本文方法为社交网络中多模态媒体内容的事实核查工作提供有力的技术支持和新的思考方向。