不同上下文比例对损毁建筑遥感场景图片样本集构建的影响

基于深度学习的遥感影像场景分析是震后进行损毁评估的重要手段。在损毁建筑影像资源相对稀缺的情况下,构建高质量的遥感场景图片样本集,对提高场景识别和分类精度具有重要意义。作为遥感分析的重要参考依据,上下文信息在场景图片中所占比例是影响样本集构建效果的一个关键因素。目前,样本集构建方法中缺乏对上下文信息合适比例的探索。该文以构建高质量样本集为目标,设计一种调整场景图片上下文信息比例的方法,研究不同上下文信息占比对场景样本集构建的影响,探索上下文信息比例的最佳设置范围。文章构建6组不同上下文信息占比的场景图片样本集,使用5种经典卷积神经网络(convolutional neural network,CNN)进行训练和测试,并依次对每个模型的分类结果和不同上下文信息的分类结果进行分析。研究表明,当上下文信息占比为80%时,CNN网络达到了最佳的分类准确率(92.22%),当上下文信息占比为95%时,则降到89.03%;在所有的CNN模型中,GoogLeNet的分类表现最好,平均准确率达到93.13%。该研究可以找到场景样本集中合理的上下文信息比例设置范围,有效提高遥感场景图片分类的准确率,为损毁建筑遥感场景图片样本集的制作提供指导。

空间遥感技术在绍兴市“无废城市”建设中的应用

以“无废城市”建设试点城市——绍兴市为例,总结了空间遥感技术在“无废城市”建设中的具体应用,其中包括固废堆场监测、秸秆焚烧监测、废旧农膜监测和土壤污染核查等,通过分析传统实践方法的不足,提出将空间遥感技术与生态环境治理紧密结合的思路,阐述了在空间遥感技术助力下“无废城市”建设工作的优势与价值。最后,结合绍兴市现状对后续“无废城市”建设工作提出具体建议,并对生态环境治理技术现代化的未来发展方向进行展望。