联合多时相GF-6 WFV和Sentinel-2的森林类型识别

【目的】我国南方地区多云雨,地型较破碎,森林类型精细识别较为困难,探讨联合多源、多时相的遥感数据对森林类型识别具有重要意义。【方法】以江西省信丰县为研究区,基于2019年森林资源二类调查数据,将森林划分为松林、杉木林、阔叶林、针叶混交林、针阔混交林、竹林、灌木林和其他林地等8种类型,利用随机森林算法比较GF-6 WFV和Sentinel-2最佳时相相同波段(紫/深蓝、蓝、绿、红、近红外、红边)和不同波段(黄边、短波红外)的森林类型识别能力,构建联合光谱特征集。联合多时相GF-6 WFV和Sentinel-2,构建多时相植被指数特征集,结合联合光谱特征集、纹理特征和地形特征,通过随机森林和递归消除法构建特征变量优选数据集进行森林类型识别,利用混淆矩阵和森林类型的实际分布对识别结果进行精度验证。【结果】(1)GF-6 WFV蓝、绿和红波段组合的总体精度为58.31%,分别加入紫、近红外、红边、黄边和Sentinel-2短波红外波段后,其总体精度分别提高1.99%、8.90%、10.71%、1.50%和14.10%;Sentinel-2蓝、绿和红波段组合的总体精度为54.68%,分别加入深蓝、近红外、红边、短波红外和GF-6 WFV黄边波段后,其总体精度分别提高3.30%、10.82%、12.92%、17.31%和3.97%。(2)特征变量优选数据集的总体精度和Kappa系数为80.80%和75.56%,贡献程度大小依次为GF-6 WFV多时相植被指数、Sentinel-2多时相植被指数、GF-6 WFV光谱特征、Sentinel-2光谱特征、地形特征和纹理特征,贡献率分别为40.44%、23.23%、18.12%、10.21%、4.61%和3.39%。(3)松林、杉木林、阔叶林、针叶混交林、针阔混交林、竹林、灌木林和其他林地的制图精度分别为86.97%、85.60%、88.61%、9.43%、19.01%、53.60%、86.90%和82.56%,用户精度分别为81.42%、79.79%、77.57%、71.43%、81.82%、67.00%、87.74%和82.88%,识别结果与研究区实际森林类型分布较吻合。【结论】联合多时相GF-6 WFV和Sentinel-2可以综合多时相、多源影像的优点,能够有效提高森林类型的识别精度。

基于GF-1卫星遥感反演排水河沟水体溶存N_(2)O浓度模型对比研究

[目的]探究利用GF-1卫星数据反演水体溶存氧化亚氮(N_(2)O)浓度的可行性,为实现低成本、高效率的水质实时监测提供有效途径。[方法]以宁夏青铜峡灌区第1和第5排水河沟为研究对象,选取与排水河沟水体溶存N_(2)O浓度相关性高的GF-1卫星影像波段反射率和水质参数作为自变量,通过最优子集筛选法确定最优自变量组合,分别构建了多元线性回归、BP神经网络和支持向量机模型,对水体溶存N_(2)O浓度进行预测对比。[结果]水温(T)、溶解性有机碳(DOC)等是影响水体溶存N_(2)O浓度的主要因素,同时近红外(NIR)等卫星波段与水体溶存N_(2)O浓度变化趋势显著相关。当自变量包括T,NIR等7个因素时,模型预测效果最佳。在3种模型中,BP神经网络模型验证结果R^(2)为0.64,具有最高预测精度。[结论]GF-1卫星数据以及水质参数与水体溶存N_(2)O浓度存在复杂的相关性关系,且BP神经网络能够实现利用GF-1卫星数据较高精度地反演水体溶存N_(2)O浓度。

基于GF-2和ASTER数据青海德龙地区构造蚀变信息提取及找矿预测

德龙地区位于青海东昆仑金及多金属成矿带东段,是该成矿带内极具勘查潜力区域之一,受限于偏远的地理位置和崎岖的地形条件,大比例尺地球化学勘查及常规地质调查工作难以直接开展。为此,基于ASTER和GF-2数据,通过分析不同空间分辨率遥感影像的色调、几何结构和纹理特征进行线性和环形构造识别;同时,根据主要蚀变矿物光谱特征分析,利用ASTER可见光—近红外波段和短波红外波段,采用“掩模+主成分分析”方法提取铁化、Al-OH和Mg-OH蚀变信息;在此基础上,结合多元地学信息及野外调查结果,综合分析遥感解译构造蚀变信息与研究区金矿化的内在联系,建立基于区内金矿床的遥感找矿预测模型,并以此为依据划分出找矿远景区3处。通过野外查证,在德龙找矿远景区新发现金矿体多条。研究结果表明,融合遥感数据和地理信息系统技术可有效识别地表热液蚀变和构造空间结构特征,能够为该地区进一步找矿预测提供参考和依据。

基于GF-2影像的武汉市九峰山国家森林公园地上碳储量估算

探究国产高分辨率数据在森林碳储量估算研究中的潜力,为构建森林碳储量估算模型提供新思路。选取武汉市九峰山国家森林公园为研究对象,以GF-2遥感影像为数据源,结合地面实测信息,对研究区森林地上碳储量进行估算,共提取6个植被指数、4个波段值、8种纹理特征,筛选出9个与实测碳储量相关的遥感变量,运用线性与非线性方程对单个高相关变量和多个相关变量进行建模,选出最优模型,为进一步提高预测精度,将模型代入4种纹理窗口(3×3、5×5、7×7、9×9)。结果表明:通过遥感图像提取的植被指数之间,具有较强的共线性,单变量建立的模型精度低于多变量模型;利用均方根误差RMSE与决定系数R^(2)对4个窗口下模型的预测精度进行评价,模型在5×5窗口下预测效果最好(R^(2)=0.73,RMSE=0.5),3×3窗口下预测效果最差(R^(2)=0.64,RMSE=0.8),将所有估测模型进行比较,在纹理窗口下模型精度提高了0.11。利用5×5窗口下构建的多变量模型对研究区碳储量进行估算,九峰山国家森林公园碳储总量为1.06×10^(4) t,总体平均碳密度为84.59 t/hm^(2),具有一定的固碳作用。选用国产高分辨率影像GF-2数据对武汉市九峰山森林公园进行反演研究,能很好地运用在森林植被碳储量定量与生长状况领域。研究结果对“双碳”目标下森林生态系统碳汇监测与管理具有重要科学意义。

级联语义分割和边缘检测的GF-2影像耕地提取

针对山地丘陵区的坡耕地和小面积耕地碎片边界模糊不清、分类提取困难的问题,以GF-2影像为数据源,提出了一种级联语义分割和边缘检测模型的遥感影像耕地信息提取方法。首先,针对不同类型耕地的特点选择级联方式;其次,将耕地边缘作为独立的特征类别,结合改进U-Net、DeeplabV3+和DexiNed模型,融合面特征和线特征,使得耕地边缘特征与语义特征能够进行互补,从而提高耕地提取的准确性,实现对复杂地形背景噪声的抑制和不同类型耕地的提取。实验结果表明,对比单一模型DeeplabV3+和U-Net,级联模型的耕地信息提取的总体精度、Kappa系数和F1值均有大幅度提升,针对不同类型耕地级联模型提取的耕地结果更接近真实耕地标注,漏提、误提区域远低于单一模型。

基于GF-2遥感影像和改进后PSPNet模型的丘陵地区耕地图斑提取方法

针对丘陵地区耕地地块具有边界模糊、覆盖物种类多样、大小和空间位置分布不规则等特点,传统分类方法难以快速准确提取耕地信息的问题,本文以四川省金堂县竹篙镇和高板镇为研究区域,利用高分二号卫星影像和改进后的PSPNet语义分割网络模型进行耕地图斑提取研究。在模型训练中,引入CBAM注意力模块以提高整个网络的特征提取和表达能力,采用余弦退火学习率以加快模型的收敛速度。结果表明,改进后的PSPNet模型在丘陵地区耕地提取精度方面取得了显著提高,耕地识别精度达到了95.69%,比标准PSPNet模型提高了1.07%,比Unet++,DeepLabv3+和支持向量机方法方法提高了1.32%,1.75%和6.33%。基于改进后的PSPNet模型具有更强的特征提取和表达能力,可以更准确地提取丘陵地区的耕地信息,为农业决策提供更准确的数据支持,促进农业智能化和精准化,提高农作物产量和质量,推动农业现代化进程。

基于GF-2面向对象土地利用分类研究

高分辨率遥感技术发展迅速,传统技术已经无法满足信息提取的要求,严重影响提取精度和效率。以秦岭北麓长安区与鄠邑区交界处北部部分区域为实验区,高分二号影像为数据源,采用面向对象分类法进行土地利用分类研究,并进行监督分类做对比实验。结果表明,采用面向对象分类法分类结果总体精度为90.05%,Kappa系数为0.857,比监督分类方法精度高出14.55%,Kappa系数高出0.288。面向对象分类方法总体分类效果较好,有效提高了分类精度。

基于GF-2影像的德阳城市黑臭水体遥感监测研究

黑臭水体地面监测覆盖范围有限,受人为因素影响较大,监测结果具有局限性。以德阳市城市建成区内主要黑臭水体为研究对象,采用2017~2022年4幅高质量的GF-2遥感影像,通过ENVI 5.3对GF-2遥感影像进行正射校正、影像融合、辐射定标、图像裁剪、几何校正等预处理后进行遥感监测研究。分析了黑臭水体与一般水体的光谱特征,发现不同波段黑臭水体反射率与一般水体反射率变化差异明显。基于这一特点提出了取不同波段斜率比值作为遥感识别指数。采用水体清洁指数模型,识别黑臭水体与具有黑臭风险的水体。本文基于德阳黑臭水体的光谱特征提出的WCI,仅对德阳市丁家堰进行了验证,还需扩大范围检测其适用性。

基于域GF（2^m）上的椭圆曲线中标量乘的快速算法

标量乘法的快速运算是椭圆曲线密码学中研究的一个焦点。本文讨论基于域GF（2^m）的非超奇异椭圆曲线上2P＋Q运算，给出了在域GF（2^m）中的椭圆曲线点此类运算的一个完整的改进算法，并对算法做了简单的分析。得出结论：我们所给出的算法比IEEE给出的标准算法效率提高10％以上。

GF（2^m）域上椭圆曲线点积算法的一种改进

提高椭圆曲线点积运算的效率是椭圆曲线研究的一个核心问题。文章对有限域GF(2m)上的椭圆曲线的点积运算作了较为深入的研究,并利用正则的二进制冗余序列构造了一种新的窗口算法,从算法的效率比较来看,本算法有一定的提高。

GF（2^m）域上椭圆曲线密码系统的整体算法设计与实现

对GF(2m)域上椭圆曲线密码系统的整体算法进行了研究与设计,提出一个基于ECC的加、解密改进方案,并在PC机上实现了加解密过程。实验表明:新加密解密系统在PC机上运行稳定,时间性能良好。

有限域GF（2^m）上椭圆曲线密码体制的运算分析及NTL实现

椭圆曲线密码体制主要是基于有限域GF(p)和GF(2m)上建立的,建立在GF(2m)的椭圆曲线密码体制的运算可以用比特流来实现,因而其效率更高。本文详细分析了有限域GF(2m)和椭圆曲线群上的两层运算;讨论了由美国纽约大学的VictorShoup(国际标准ISO18033-2的编写人)开发并维护的C++开放源代码的数论算法库NTL,并用NTL实现了其中的关键运算,编程测试结果良好。

在GF（2^m）上计算指数和逆

根据Massey和Omura乘法器本文提出了一种在GF(2~m)上计算指数和逆的新算法。我们以预先计算为代价,大大地提高了新算法的运行速度。特别地当新算法用于计算逆时,能省略预先计算。

GF(2^m)上的对称函数与一类行列式

分析了ＧＦ（２＾ｍ）上对称函数的特点，并且导出了一类常用的行列式的范德蒙德行列式的关系式，对于研究编码理论有一定的参考意义。

GF（2^m）域上通用可配置乘法器的设计与实现

提出了一种应用于椭圆曲线密码体制中的有限域乘法器结构,基于已有的digit-serial结构乘法器,利用局部并行的bit-parallel结构,有效地省去了模约简电路,使得乘法器适用于任意不可约多项式;通过使用数据接口控制输入数据的格式并内嵌大尺寸乘法器,可以配置有限域乘法器的结构,用以实现基于多项式基的有限域乘法运算。该结构可以有效满足椭圆曲线密码体制的不同安全需求。

小面积、低能耗的GF（2^m）域ECC模运算VLSI实现

以面积、能耗为优先准则,研究了GF(2m)域椭圆曲线密码(ECC)模运算VLSI的实现.选择GF(2163)上固定多项式基,引入了简单有效的快速模平方算法和改进的模逆算法,利用串行结构分别实现了模乘、模平方与模逆模块.基于UMC 0.25μm 1.8V工艺库的仿真结果表明,提出的串行模乘、快速组合逻辑模平方和快速模逆VLSI实现方式,通过牺牲域多项式灵活性,能够有效地减小面积、降低能耗,适合于资源受限的ECC系统.

遥感影像融合方法对GF-2影像土地利用分类的影响

选择新郑城镇区域为研究区,以高分二号(GF-2)影像为数据源,首先分别利用HSV算法、Brovey算法、PCA算法及Gram-Schmidk(GS)算法进行影像融合;然后在eCognition软件平台上,基于面向对象多尺度分割技术,利用随机森林算法对影像进行土地利用分类,并对分类结果进行精度评价。试验结果表明:不同融合算法影像融合效果明显不同,其中,GS算法融合后的影像质量最好,且分类精度最高,PCA与HSV算法次之,Brovey算法融合影像在4种融合算法中分类精度最低。

基于GF（2^m）的椭圆曲线求逆算法的改进研究

针对二进制域上现有求逆算法计算量大、并行度小、速度慢的缺点进行改进,基于二元Euclidean算法提出了改进,设计了相应的乘法器硬件结构,并且分析了其运算效能和资源占用情况。将此求逆计算器的并行改进算法使用Verilog语言编程实现,利用Xilinx ISE 12.4对整个求逆算法综合仿真(行为级),在Xilinx Virtex-5 XC5VFX70T的硬件平台上验证求逆算法的运算效率,结果表明对求逆算法的改进有效地提高了求逆运算的速度。

基于多分类器集成的GF-2作物信息精细提取研究

【目的】将多种分类器的优点融合,以便提升遥感影像作物信息提取的精度。【方法】以渭库绿洲为研究区,利用国产高分2号(GF-2)数据和野外调查数据,基于提取的遥感识别特征制定不同分类方案,采用马氏距离(Ms DC)、最小距离(MDC)、最大似然(MLC)、神经网络(NNC)、支持向量机(SVM)5种传统机器学习方法分别对6种特征组合方案的影像进行分类,然后选择基分类器,并应用多数投票法和保守投票法2种多分类器集成算法,对研究区农作物进行精细分类提取。【结果】①辅助特征的加入对于子分类器的精度提高明显。5种分类器中除了MLC,其余4种分类器都是在加入归一化植被指数特征(NDVI)和纹理特征后取得了最高精度。②基分类器中精度最高的是NNC-4(人工神经网络的第4种特征组合方案),OA达到83.54%,Kappa系数为0.77。③相比基分类器,多分类器集成方法能够在制图精度和用户精度两方面提高农作物的提取精度。并且保守投票法优于多数投票法,OA为85.89%,Kappa系数为0.80。④集成分类结果中除了棉花的识别精度与最优基分类器NNC-4相等,达到94.94%外,其他的农作物如套种棉花、玉米、套种玉米、核桃园的识别精度都高于NNC-4,其中套种玉米与核桃园的提取效果较好,精度分别达到86.05%、79.09%;对于套种棉花的提取较差,只有63.86%;玉米的提取最差,只有12.17%。【结论】本文应用GF-2数据,基于多分类器集成方法对复杂背景下的多种作物及种植结构进行精细提取研究,拓展了作物信息提取的方向和GF-2数据的应用领域。

基于GF-2影像的离子吸附型稀土矿含量推断方法

寻找离子吸附型稀土矿床对保障我国关键矿产资源具有重要作用。综合利用广西崇左六汤矿区的基础地质、地球化学勘探、高分辨率遥感影像等多源地学数据,以已知矿床分布特征为约束,基于多项式回归及BP神经网络对该区进行建模,以决定系数R 2及均方根误差(RMSE)为模型评价指标,对研究区离子吸附型稀土矿含量进行预测。研究结果表明,多项式回归模型检验R 2=0.54,BP神经网络模型检验R 2=0.64,剔除数据中高离群值后模型精度显著上升,多项式回归模型精度较好,但预测效果图与实测效果图差异较大。综上,数据中离群值的存在对模型的影响较大,模型拟合的好坏并非判断模型好坏的唯一标准,BP神经网络模型能较好预测研究区离子吸附型稀土矿含量。