基于改进的空洞卷积UNet网络提取林地信息方法

为提升大范围林地信息提取的智能化程度及效率,提出了一种基于残差连接的空洞卷积UNet网络(RCD-UNet网络),将残差连接双卷积模块与传统UNet网络进行有机结合以提升模型性能,并以GF-2号高分辨率卫星遥感影像为数据源,开展了南京林地信息提取方法研究。结果表明:引入空洞金字塔池化层(ASPP)模块能够增强模型对上下文的感知能力,林地信息提取的总体精度为95.44%,Kappa系数为82.48%,满足高效、准确提取森林资源空间结构信息的需求,为森林资源管理与调查提供了技术支撑。

Landsat和GF数据面向对象土地覆盖分类研究

针对中分辨率遥感数据面向对象分类,以河北省北部山区和南部平原Landsat8 OLI,Landsat5 TM及高分一号(GF1)数据为研究对象,对支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、决策树(decision tree,DT)及朴素贝叶斯(naive Bayes,NB)4种分类器的土地覆盖分类效果进行对比,并分析SVM,RF和DT中关键参数对分类结果的影响。结果表明:在2个研究区,各分类器结果略有差异,从整体上看其优劣排序为SVM,NB,RF和DT。其中SVM和DT分类精度随参数变化波动较大:对于SVM,当参数C取值不小于103且gamma不大于10^(-1)时,无论哪种情况其分类精度均优于90%;对于DT,当参数树深(Depth)大于3时,各情况下的分类精度相对较高且趋于稳定。RF分类精度随参数变化波动较小且没有明显的变化规律。研究结果可为中分辨率遥感数据面向对象土地覆盖分类研究提供参考。

基于布局化-语义联合表征遥感图文检索方法

遥感图文检索可以从类别繁多、内容复杂的遥感数据中检索到有价值的信息,对环境评估、城市规划以及灾害预测具有重要意义。但是,遥感图文跨模态检索存在一个关键问题,即遥感图像的空间布局信息被忽略。其主要体现在2个方面:①遥感目标的远距离建模困难;②遥感相邻次要目标被淹没。基于以上问题,提出了一种基于布局化-语义联合表征的跨模态遥感图像文本检索(SL-SJR),主要包括主导语义监督的布局化视觉特征提取(DSSL)模块、布局化视觉-全局语义交叉指导(LV-GSCG)模块和多视角匹配(MVM)模块。DSSL模块实现主导语义类别特征监督下图像的布局化建模。LV-GSCG模块计算布局化视觉特征与文本中提取的全局语义特征的相似度来实现不同模态特征的交互。MVM模块建立跨模态特征指导的多视角度量匹配机制以消除跨模态数据之间的语义鸿沟。在4个基线遥感图像文本数据集上的实验验证,结果表明所提方法在大多数跨模态遥感图像文本检索任务中可以达到最先进的性能。

上海市盈浦街道生态资产核算与变化分析

以上海市青浦区盈浦街道为例,基于历史航空影像数据对区域生态资产进行调查,通过生态资产损益表和相关分析等方法研究了2000—2021年盈浦街道生态资产变化趋势及原因.结果表明:2021年盈浦街道生态资产存量以耕地、湿地和草地为主,质量等级总体为中级;流量总价值为9.39×10^(6)元,以水源涵养和废物处理价值为主.2000—2021年期间,盈浦街道生态资产总量呈显著下降趋势,存量和流量分别下降了33.07%和22.97%.城镇建设导致耕地生态资产迅速缩减是盈浦街道生态资产存量下降的主要因素,退耕还林和退耕还草是盈浦街道林地和草地生态资产大幅增加的关键原因.盈浦街道生态资产流量价值与夜间灯光强度、人口数量、国内生产总值、地表温度和高程呈负相关关系(p<0.001),与坡度呈正相关关系(p<0.001).

多源遥感影像融合处理提取格拉丹东雪山区域特征信息

2022年7月中国地质大学(武汉)冰川勘测组与登山组,在格拉丹东雪山开展了“第二次大学生长江源科考”工作。为详细分析该区域冰川时空特征信息,以此次科研数据为支撑,结合光学遥感影像解译、InSAR形变信息提取、激光雷达测高及高精度大地测量,进行了多源遥感影像融合处理研究。针对格拉丹东雪山及典型冰川,采用高分卫星GF1、GF6、GF7、ZY3与Landsat7遥感影像,利用空三加密、频域影像互相关匹配、波段比值法及目视解译,提取区域DOM、冰川面积及条数分布;利用Sentinel-1A、ICESat-2影像,以SAR影像空间域互相关偏移量追踪方法为支撑,分别提取冰川表面流速及高程变化;利用青海省域北斗CORS站点,采用Gamit/Globk双差无电离层组合模型、卫星星站差分(real-time extended,简称RTX)及RTK(real-time kinematic)方法,计算所有控制点三维空间坐标及高程异常值。结果表明:格拉丹东雪山共发育冰川512条,年均增长率为3.12%,面积1111.96 km^(2),年均退缩速率为0.63%;姜根(古)迪如冰川日均最大流速为0.25 cm/d,年均最大流速为91.25 cm/a,其南支最大退缩值、堆积值及年变化速率分别为-74.63 m、38.44 m、-5.29~3.09 m/a,北支最大退缩值、堆积值和年变化速率-39.17 m、35.74 m、-3.02~2.85 m/a;所有控制点中误差及区域似大地水准面精化模型精度均达到了mm级。研究成果可以为后续在该地区开展相关冰川研究工作提供数据支撑。

一种基于Transformer编码器与LSTM的飞机轨迹预测方法

为了解决飞机目标机动数据集缺失的问题,文章利用运动学建模生成了丰富的轨迹数据集,为网络训练提供了必要的数据支持。针对现阶段轨迹预测运动学模型建立困难及时序预测方法难以提取时空特征的问题,提出了一种结合Transformer编码器和长短期记忆网络(Long Short Term Memory,LSTM)的飞机目标轨迹预测方法,即Transformer-Encoder-LSTM模型。新模型可同时提供LSTM和Transformer编码器模块的补充历史信息和基于注意力的信息表示,提高了模型能力。通过与一些经典神经网络模型进行对比分析,发现在数据集上,新方法的平均位移误差减小到0.22,显著优于CNN-LSTMAttention模型的0.35。相比其他网络,该算法能够提取复杂轨迹中的隐藏特征,在面对飞机连续转弯、大机动转弯的复杂轨迹时,能够保证模型的鲁棒性,提升了对于复杂轨迹预测的准确性。

基于样本增强和自动参数优化的高光谱目标检测方法

基于深度学习的高光谱目标检测面临着样本质量不足、网络结构复杂、参数调整费力等问题,本文提出了一种具有数据增强和自动超参数优化的深度学习方法。为了解决样本质量不足的问题,本文引入了一种样本扩增策略。该策略利用端元提取和聚类技术直接从高光谱图像中获取大量背景像素,通过使用相减像素配对方法将这些像素与少量已知目标像素配对,获得大量标记的纯样本对,从而实现数据增强。此外,与大多数复杂的深度网络不同,本文设计了一个由12个卷积层组成的轻量级卷积神经网络(CNN)。该网络专门设计用于高效快速地学习输入样本对与其对应标签之间的映射。结合粒子群优化算法,该网络具有超参数自动优化的能力,克服了参数调整费力的缺点,这使得网络能够根据来自不同高光谱图像的样本自动调整超参数,从而产生最优结果。对于测试像素,训练网络的输入是中心像素与其相邻像素之间的光谱差。当一个测试像素属于目标时,输出分数接近1,反之则接近0。在五个高光谱数据集上的实验结果表明:本文提出的方法明显优于现有的技术。

基于SPA-BPNN的成都市天府新区东部土壤As含量高光谱估测建模

为明确成都平原城市边缘带土壤中重金属As含量,以四川省成都市天府新区东部为研究区,对土壤原始高光谱数据进行一阶微分(FD)、二阶微分(SD)、去包络线(CR)和标准正态变换(SNV)处理,利用皮尔逊相关系数(PCC)和连续投影算法(SPA)筛选出最佳变换光谱的特征波段,分别建立偏最小二乘(PLSR)、极限学习机(ELM)、随机森林(RF)和BP神经网络(BPNN)4种回归模型,利用高光谱数据进行土壤重金属As含量估测并进行精度验证。结果表明,经去包络线一阶微分(CR-FD)变换的光谱与土壤重金属As含量相关性显著提升,由0.473提高到0.848;无论是基于PCC还是SPA算法筛选出的特征波段,非线性模型的拟合度以及预测精度均高于线性模型;相对于PCC算法,利用SPA算法筛选的特征波段建立的模型预测精度明显提升,PLSR、ELM、RF、BPNN模型验证集的决定系数(R2)分别为0.786、0.847、0.856、0.942。因此,以SPA算法筛选出的光谱波段作为自变量构建的BPNN模型(SPA-BPNN)是研究区内As含量的最优估测模型。

基于双流多模态多层融合网络的地基云分类方法

地基云的准确分类对于天气预报、航空航天等多个领域具有重要意义。近年来,深度学习在地基云分类领域取得了卓越的成果,但除地基云的视觉特征外,地基云的辅助特征,即地基云多模态信息,对于地基云分类也有重要作用。针对地基云多模态特征信息的挖掘和融合研究,提出了一种基于双流多模态多层融合网络(dual-flow multi-modal multi-layer fusion network,DMMFN)的地基云分类方法,首次将多模态信息分开传递进不同子网络,并在特征层进行异构特征融合,最终该模型在多模态地基云数据集上得到85.70%的高准确率。实验结果表明,所提出的DMMFN网络模型能够有效地将地基云多模态信息与视觉特征结合,提升地基云分类的准确率。

融合空谱特征的MR-KRVFL高光谱地物识别模型研究

针对高光谱图像复杂空谱特性影响地物识别模型分类精度的问题,提出一种融合空谱特征的流形正则化核随机向量函数连接网络(MR-KRVFL)高光谱图像地物识别方法。首先,对高光谱图像进行熵率超像素分割(ERS),获取对应的同质区域;其次,利用主元分析(PCA)对同质区域进行降维并提取其空谱联合特征;最后,基于空谱特征信息,构造核随机向量函数连接网络(KRVFL)地物识别模型,并对模型进行流形正则化约束,提高高光谱图像地物识别模型的泛化性能。将该模型应用于Indian Pines和Pavia University高光谱数据集,分类精度达到了96.84%和98.83%,证明所提模型的有效性。

白垩系古沙漠露头遥感特征及其识别方法——以湘东南地区红层盆地为例

白垩系古沙漠风成砂岩是近年来湖南省新发现的一种沉积类型,该岩石不仅是特色的旅游资源,而且是全球关注的储能、储碳的重要目标储集层,因此对湖南省古沙漠的空间分布规律深入研究意义重大。本文引入遥感技术手段建立古沙漠露头遥感特征的识别及提取方法:以谷歌地球引擎(Google Earth Engine,GEE)为主要处理平台,以Sentinel-2A(哨兵二号)多光谱影像为主要数据源,从光谱、遥感指数和地形地貌三个方面分析古沙漠露头的遥感特征,采用随机森林算法进行古沙漠露头的遥感识别。区别于传统的陡直型丹霞地貌,古沙漠遥感影像色调均匀、连片分布,植被和山体阴影皆不发育,具有“顶圆,坡缓”的地貌特征。同时,深入分析古沙漠地貌的岩性特征,结合地质条件辅助约束,实现古沙漠露头的精准识别。通过上述方法,本文解译出湖南白垩系丹霞地貌区的多处古沙漠露头,并从识别结果中选择面积较大的衡阳盆地东缘(渡口地区)和茶永盆地东南缘(郴州市飞天山-高椅岭地区)地区的古沙漠风成砂岩进行了实地验证,效果理想。本文为研究古沙漠空间分布规律提供了高效的途径,是遥感技术在古沙漠地质领域的重要应用,旨在为国内地学界同行提供技术参考和借鉴。

基于改进PSPNet模型的高分辨率遥感影像林地提取方法研究

林地在全球生态系统中扮演着至关重要的角色。但传统监督学习方法在林地提取上存在特征选择不精确与未能充分利用像元间的上下文关系等缺陷,导致林地提取精度不理想。针对上述问题,本文提出了一种基于改进PSPNet(Pyramid Scene Parsing Network)模型的高分辨率遥感影像林地提取方法。首先,利用高分二号遥感影像与全国第三次土地调查数据,制作高分辨率林地数据集。其次,通过在原始PSPNet模型的基础上加入SE(Squeeze and Excitation)注意力模块,改进PSPNet模型。实验结果表明,本文所改进的PSPNet模型的各项精度指标均优于其他方法,具有较高的提取精度。

呼和浩特市新城区城市热岛效应趋势预测模型构建

随着城市化进程的不断推进,对生态环境和人类健康带来裂变式影响的热岛效应成为当今社会备受关注的热点问题。如何对热岛效应进行预测研究成为颇受重视的学术议题。通过以内蒙古呼和浩特市新城区为研究对象,运用2013-2020年7期landsat8遥感影像数据对城市地表温度进行反演研究,通过分析影响因子与地表温度空间变化之间的映射关系和所占权重,构建适用于呼和浩特市城区的热岛效应预测模型,并在呼和浩特市赛罕区进行验证,进一步验证所构建模型的准确性。通过计算趋势预测方程,表明新城区的热岛效应会继续加重,但增长速度将逐渐趋于平缓。该预测模型一方面可以预测城市地表温度的变化趋势,另一方面可以为制定预防和减缓热岛效应加剧的措施提供理论依据。

一种改进的深度学习冰湖遥感制图方法及应用

冰湖溃决洪水是一种严重的山地自然灾害,威胁着中国高寒区的居民及铁路公路等重要基础设施,自动高效的冰湖遥感制图方法是冰湖灾害评估、监测预警的基础,然而现有自动制图方法在实际冰湖提取应用上难以达到传统人工和半自动冰湖提取方法上的精度,仍需进一步提高。文章在原生UNet模型基础上,在各桥连接部分融合极化自注意力机制,将输入影像特征分别在空间和通道层保持高分辨率,并通过非线性合成输出细腻的特征,构建了一种改进的U-Net冰湖遥感深度学习制图方法,并将其成功应用在高原铁路关键区。研究结果表明:1)与PSPNet、DeepLabV3+、原生U-Net三种经典模型相比,改进模型在冰湖预测数据集上的各项指标上都有提升,精确率、召回率、交并比和F_1值分别达到了0.972 5、0.966 5、0.940 8和0.969 4,相较于原生U-Net网络,精确度、召回率、交并比和F_1值分别提高了5.01%、6.05%、10.73%和5.53%;2)基于Landsat-8卫星遥感数据,应用改进模型完成了2013—2022年帕隆藏布和易贡藏布案例区冰湖信息自动高效提取,如2020年冰湖总体精度为98.16%,与参照数据的重叠度达到96.66%,提取的精度满足冰湖灾害评估和监测预警研究需求,可用于铁路等重大工程沿线冰湖灾害防治的实践。

改进U-Net模型的城市水体精细提取——以洞庭湖为例

针对在大范围、高分辨率遥感影像中传统水体提取方法效率低、微小水体提取效果差的问题,提出一种改进U-Net模型的遥感影像水体精细提取方法。实验以航空高分辨率可见光影像为数据源。分析结果表明,改进的U-Net模型在各项评价指标上均高于经典U-Net模型、基于光谱特征法与基于分类器法,并且改进的网络水体提取结果更加完整,对小目标水体能够准确提取。该研究提高了水体提取语义分割算法的性能,使遥感水体提取工作更加自动化和智能化,不仅验证了基于航空亚米级光学影像在城市水体提取方面的可行性,也为今后相关的研究提供了新的探索思路。

基于风云四号卫星数据的南海海雾遥感监测

基于中国新一代静止气象卫星FY-4A所携带的辐射成像仪AGRI(Advanced Geosynchronous Radiation Imager)观测数据和地面能见度观测资料,通过不同组合的可见光通道、近红外通道、中远红外通道的数据,开展南海区域海雾遥感监测研究。针对海雾在遥感影像中与下垫面和云的不同特征,通过使用最小二乘法动态拟合选取最优度的方法实现海雾与下垫面的分离,使用云顶高度阈值的方法实现海雾与中高云的分离,使用纹理特征识别和海雾检测指数的方法实现海雾和低云在日间的分离,使用薄低云检测指数的方法实现海雾和低云在夜间的分离,并将海雾判识结果与2018年广东沿海地基观测资料进行对比。结果表明:(1)使用最小二乘法动态拟合选取最优度的方法,对海雾和下垫面的区分有着良好的效果,使用纹理特征识别和海雾检测指数的方法对海雾和低云的区分也有一定的改进作用。(2)该算法对3月份发生的海雾的识别准确率最高,为85.45%,虚警率最低,为20.94%;对5月份发生的海雾识别准确率最低,为58.70%;对1月份发生的海雾虚警率最高,为30.95%。该海雾监测算法平均准确率为76.37%,虚警率约为26.08%。

基于多灰度共生矩阵特征值的黄渤海白天海雾识别算法

本文基于多灰度共生矩阵特征值,即相关性、对比度、同质性和能量,进行联合海雾遥感判识,提出一种高准确率黄渤海白天海雾识别算法。采用第二代静止气象卫星FY-4A可见光、近红外和红外数据,将该算法应用于黄渤海区域白天海雾判识,并利用2019—2020年沿黄渤海气象站点能见度实测数据及CALIPSO卫星数据产品对本算法识别结果进行精度验证。结果表明:海雾识别平均检测率(POD)为92%,误报率(FAR)为27%,临近成功指数(CSI)为69%,可以实现对海雾的动态监测,为海上交通等领域提供较好的数据支持。

基于多时相Landsat影像的河流边滩提取研究

河流边滩是因河流沉积作用在岸边形成的沉积物,其变化可以间接反映出河流形态及其周围环境的演变。河流边滩的动态监测对于河流生态系统研究和航道管理有着非常重要的意义。针对河流边滩与部分建筑物影像光谱相似而难以区分的问题,基于Landsat影像中边滩与河流的光谱、空间和物候等多维差异化特征,提出了一种新的河流边滩提取方法,综合利用多时相水体指数的二值变化检测方法和面向对象分析方法,成功提取了赣江中下游的河流边滩。一方面丰富了河流边滩监测的方法,为地理学研究提供新的观察视角;另一方面为赣江流域生态系统建设、环境治理和航运规划管理提供更丰富的河流边滩数据。

基于GF-7数据的豫西山区地质灾害遥感解译

【目的】查明豫西山区部分区域内崩塌、滑坡等地质灾害的空间分布特征,为地质灾害监测与治理提供科学依据。【方法】主要利用高分七号卫星影像数据,通过构建遥感解译标志、室内初步解译、野外核查验证、内外业综合解译、编制解译成果图件等步骤开展遥感解译工作。此外,还对比分析了多类型多时相的遥感影像,并结合研究区的地形地貌等地质资料,进一步提高了地质灾害的可解译性。【结果】在此次地质灾害遥感解译中,实际正确识别了15处滑坡、6处崩塌,解译正确率达91.3%。遥感解译的精度和效率较高,取得了较好的成果。【结论】本研究提出的利用高分七号遥感卫星数据开展地质灾害遥感解译思路及方法,在该地区所进行的地质灾害遥感解译工作中表现出显著优势,具有较强的实用性和可行性,能够为其他地质灾害遥感解译工作提供有力的参考和指导。

基于遥感影像的山区景观空间自相关分析——以山东省栖霞市为例

景观格局的最大特征之一就是空间自相关性,生态学变量在空间上如何关联及其变化是当前景观格局研究的热点。本研究以山东省栖霞市为例,从1987年和2022年的遥感影像中选取苹果园地景观作为研究对象,采用常用的莫兰指数进行不同时相的空间自相关分析。结果表明:研究区内苹果园地景观类型在不同时间内存在明显的自相关性变化;空间尺度变化对景观分析有显著影响,随着分析尺度的增加,空间自相关性均呈现下降趋势。