融合学习模型的岩石光谱特征自动分类

岩石光谱综合反映了岩石的物理化学性质、成分及其结构构造。岩石光谱数据已被应用于岩石分类的研究,但是不同于矿物光谱,岩石光谱并无标准数据库,且受较多干扰因素影响,例如矿物组分、结构构造、化学成分、风化力度,测量仪器的误差等。传统岩石光谱分类模型先是对岩石光谱进行预处理排除干扰,然后采用不同方法对部分光谱特征分析,以达到分类目的。但对光谱数据特征遗失较多,使得分类准确率低下且操作过程繁琐、效率不高。因此,建立一个简单、快速、准确的岩石光谱自动分类模型具有重要意义。机器学习能够对获得的所有数据进行学习,不存在遗漏,大大提高了分类精度,且是对原始数据直接操作,不需预处理,简化流程。为此,选取辽宁兴城地区作为研究区,采集了若干种典型岩石样本,利用美国ASD便携式光谱仪实测光谱,最终获得608条数据,依据岩石光谱特征分为三类进行研究。首先利用决策树(DT)及决策树的升级模型——随机森林(RF)对数据进行分类,但当数据噪音较大时随机森林容易陷入过拟合;因而利用对异常值不敏感的K-最近邻(KNN)建模,但KNN需要对每个样本都考虑,数据量大时计算量会很大,效率不高;所以通过支持向量机(SVM)来提升分类准确率。从实验结果可以看出,4种分类模型的准确率排序为:SVM>KNN>RF>DT。为进一步提高岩石光谱特征的自动分类精度,采取了融合多个不同模型的办法,即对不同模型的分类结果进行投票,选择投票最多的作为最后分类结果。由于硬投票可在一定程度上减少过拟合现象的发生,更加适合分类模型,所以利用硬投票法融合了RF、KNN与SVM三个机器学习模型,最终的分类准确率可达到99.17%。综上所述,基于融合学习模型进行岩石光谱特征自动分类是切实可行且准确高效的。

模拟月壤发射率光谱测量实验及精度评定

基于月球样品反射光谱的月表矿物识别和成分反演能力受到月球环境的严重影响,仅限于月球表面5%的成熟度较低的区域。相比之下,包含大量硅酸盐矿物的月球样品发射光谱不仅光谱特征明显,而且受月表大气、温差和真空等环境的影响较小,是研究月表成分和物理特性的新途径。因此,对于嫦娥五号月球探测器采集的月球实地样品的发射光谱测量不仅可用于月表硅酸盐类矿物的成分分析,而且可以作为遥感研究中可见光-近红外光谱的有效补充。但是,实验室发射光谱测量中最大的难题是寻找最佳的实验方法和仪器,以便获得准确可靠的光谱数据。研究以模拟月壤样品为测量对象,分别在实验室大气、氮气冷背景和模拟真空环境中,利用TurboFT 102F和Bruker VERTEX 70V两种仪器,设计和实施了傅里叶光谱法、独立黑体法和反射率法三种发射率测量实验,并利用误差传播定律和已有Apollo样品发射率光谱对实验获得的发射率光谱进行了精度分析与评定。发现在异常复杂和困难的模拟月球真空测量环境构建完成之前,密闭实验室环境中的反射率法发射率光谱特征最明显,测量精度最高,可以作为目前月球样品发射率光谱测量的最佳选择。研究希望能为嫦娥五号采集的月球样品发射率光谱测量实验提供理论基础和技术参数。

Cu胁迫下油菜叶片日光诱导荧光辐射特征

农作物在重金属铜胁迫下生长,日光诱导荧光辐射特征会发生变化,可以间接地反映植被受重金属胁迫的强度。采用不同铜浓度的污染土壤作为培养基,选取双子叶作物油菜进行铜胁迫生长实验,获取4个不同生育期以及7个不同铜污染强度下的植被叶片的反射光谱。基于叶片荧光光谱特征,采用PROSPECT模型反演方法,从油菜叶片反射光谱中获得不同铜胁迫下油菜叶片的荧光光谱,提取荧光光谱峰值特征;并根据油菜不同的生长时期建立了红荧光峰值与叶片中铜含量之间的负相关关系。验证了提取荧光光谱方法的可行性,为大面积植被重金属含量检测提供理论依据。

基于Sentinel-1A雷达数据和Sentinel-2A多光谱数据特征融合的地物分类

基于光学影像受云雨等不良天气的影响,导致在地物分类时易造成数据信息缺失,而雷达影像作为主动式成像,能够较好地克服这一缺陷。笔者选取长春市净月开发区部分地块为研究区域,分别采用最小距离、最大似然和支持向量机3种分类方法,以Sentinel-1A雷达影像和Sentinel-2A多光谱影像为数据源,基于特征融合,提高地物分类精度。结果表明:特征融合后影像的地物分类精度较单一的光学影像有明显提高,且与最小距离和最大似然相比支持向量机分类精度最高。在无云层覆盖的情况下,融合后支持向量机分类精度达到97.94%,较光学影像提高8.11%;在有云层覆盖情况下,融合后支持向量机精度达到77.29%,较光学影像提高12.5%,尤其对水域和建筑区的识别精度有较大提高。

基于J-M距离的多时相Sentinel-1农作物分类

为准确获取云雨天气较多地区的农作物分布信息,以敦化市西北部的黑市乡和额穆镇为研究区,以高分一号(GF-1)卫星宽视场(wide field view,WFV)传感器和哨兵一号(Sentinel-1)为数据源,通过WFV数据提取耕地范围,利用J-M(Jeffries-Matusita)距离可分性进行Sentinel-1影像最优分类时相组合的判断,根据选取Sentinel-1数据通过最近邻分类器多次循环对研究区主要农作物的分布信息进行提取。研究结果表明,进行多次循环产生的分类结果优于单次循环结果,循环次数达到5次结果趋于稳定,总体分类精度为84.23%。可见利用Sentinel-1数据进行敦化市农作物分类是可行的,多次循环的最近邻算法有利于获取更精准的农作物分布信息。

基于遗传算法优化BP神经网络的玉米遥感估产方法

以内蒙古自治区开鲁县玉米作物为研究对象,将生育期内玉米遥感影像所提取的多种植被指数和实地采样点的测产数据作为训练值,利用BP(back propagation)神经网络和遗传算法优化BP(GA-BP)神经网络估产模型,得出网络预测的玉米产量数值。通过决定系数R 2和均方根误差RMSE,比较实测产量与预测产量之间的精度,BP神经网络模型R^2为0.8452,RMSE(%)为28.37;遗传算法优化BP神经网络模型R^2为0.9850,RMSE(%)为6.70,表明遗传算法优化BP神经网络估产模型具有一定可行性和可信度。

基于粗糙度的雨海地形及撞击坑特征分析

以月球雨海地区为研究区,利用Matlab编程语言,结合分辨率为118 m的DEM数据,得出了该地区的均方根高程及均方根偏差分布图,并在研究区内选取18条剖面线,对其进行多种粗糙度参数计算。结果表明雨海地区粗糙度较大的区域主要分布在环形山和撞击坑等区域,粗糙度较小值则主要分布在被火山熔岩流填充的平原等区域,可以确定在百米尺度上环形山和撞击坑是影响雨海地形粗糙度的重要因素。对单个撞击坑而言,坑壁粗糙度最大,坑缘次之,坑底较为平坦,粗糙度最小。坑底粗糙度增大的现象可初步推断该撞击坑存在中央峰。

基于GF-1全色多光谱传感器数据的地块级玉米出苗情况提取

及时、准确的玉米出苗情况监测可以为农田经营管理和宏观决策提供玉米出苗期的生长信息,便于及时采取适当的科学管理措施,达到增产增收的目的。归一化植被指数(normalized difference vegetation index,NDVI)及与作物生长状态关系密切,可以用于评价玉米的出苗情况。采用地块的NDVI均值及均方差可以反映地块内玉米出苗的综合情况,以吉林省长春市九台市榆树村和解放村为例,对研究区玉米出苗情况信息进行提取,最后利用实地采集的验证数据对提取结果进行验证。研究区玉米出苗情况信息提取结果的总体精度达到80%,表明利用上述方法能够在一定程度上反映玉米的出苗情况,可以为玉米出苗情况评价提供参考依据。

基于高分辨率遥感影像的花粒期玉米叶面积指数估算方法

以花粒期玉米为研究对象,利用美国PL高分辨率卫星遥感数据,对比6种常用植被指数与叶面积指数(LAI)的相关性,最终选取EVI、SAVI这两种植被指数,采用线性和非线性共6种回归模型,分别与实测玉米花粒期叶面积指数建立估算模型;通过判定系数(R2)筛选出最佳模型,并以均方根误差(RMSE)和相对误差(RE)作为验证指标判断所建模型的适用性。结果表明:利用SAVI植被指数所建立的二次曲线回归模型估算花粒期玉米叶面积指数的效果最佳。

基于多源遥感数据的月球表面LQ-2区域撞击坑分布特征分析

撞击坑是月球表面最为普遍且显著的地貌单元和地质构造标志,其形态和布局特征蕴含了月球形貌发育演化的关键信息。基于中国探月工程获得的嫦娥一号CCD、嫦娥二号CCD影像数据和LOLA激光高度计等影像数据,结合专家知识,以LQ-2为研究区识别直径>10 km的撞击坑共计589个。并从撞击机理和撞击能量大小两个方面对坑物质类型及数量进行统计分析,得出不同地质年代、不同类型撞击坑在月球表面的空间分布特征。研究发现该区域撞击坑分布密度高,直径较小的撞击坑成片出露,形貌特征较为单一;直径较大的撞击坑主要集中在艾肯纪和酒海纪,数量较少,但撞击坑形态类型丰富。

方圆之变——试论红山文化与良渚文化玉器的造型艺术

早在史前时期,中国的玉器文化就已经辉煌灿烂,其中最为耀眼的当属西辽河流域的红山文化与以环太湖流域为中心的良渚文化,一北一南,交相辉映。作为史前玉器的典型代表,红山文化不仅具有开创之功,而且达到了令人瞩目的高度。常见的有玉龙、玉鸟、玉龟、勾云形玉器、双兽首三孔器、兽面形玉牌饰、玉箍形器、玉钺、玉璧等。