激光-筛分联合法粒度分析结果的表达及粒度端元的沉积动力学意义

河口海岸沉积动力环境复杂,沉积物粗细组分皆有。对于粗细混杂(同时含有砂砾质和泥质成分)的沉积物样品,单一的粒度分析方法不能覆盖整个粒度分布范围,常采用激光-筛分联合法进行粒度分析。由于两种方法的分析原理不同,经常出现细部的激光法结果与粗部的筛分结果部分重合现象,这会影响整个样品的粒度分布计算。石油天然气行业标准《碎屑岩粒度分析方法》(SY/T 5434-2018)对此问题给出了新的解决方案,但是只有文字描述,没有可操作的计算方法。本研究根据该行业标准提出的方案,推算出激光-筛分联合法粒度分析结果的修正计算公式。以浙江舟山群岛潮间带197个粗细混杂样品为例,采用激光-筛分联合法进行了粒度分析,分别采用直接拼接算法及SY/T 5434-2018算法计算了粒度分布,在此基础上对两套算法所得组分含量和粒度参数进行了比较。结果表明,SY/T 5434-2018算法相较于直接拼接算法,扩大了粗颗粒的体积百分比,减少了细颗粒的体积百分比。两种算法得到的组分含量具有显著的线性相关关系,且砾、砂、粉砂、黏土等组分含量的差异从粗到细依次减少。用两种算法的结果分别计算粒度参数,同样具有显著的线性相关关系,且平均粒径、分选系数、偏度与峰态等粒度参数的差异渐次减小。两种算法得到的组分数据的相似度整体优于粒度参数的相似度,均具有高度一致性,可根据工作需求选择适合的算法,无须对两种算法之间的误差再作验证。借助粒度端元分解模型,将舟山潮间带的沉积物划分出不同的粒度端元,其中泥质端元主要是长江泥沙向浙闽沿岸输送的产物;而砾和砂的成分,多是当地物源或当地波浪分选的结果。

基于分层多端元混合像元分解的水稻面积信息提取

为了解决中低分辨率遥感影像混合像元问题以提高水稻种植信息的提取精度,该文提出了一种基于层次分类与多端元混合像元分解相结合提取水稻面积信息的方法(stratified multiple endmember spectral mixture analysis,SMESMA)。层次分类有效降低了地物复杂度,而多端元混合像元分解通过对每一类地物选取多个端元光谱参与解混,克服了"同物异谱"造成的光谱变异问题,两者结合可有效提高分类精度。以江苏如皋市为研究区,基于HJ-1B CCD影像,分3个层次,当某类地物信息被提取后便将其从影像中去除,进行下一层次分类,各层次均采用多端元混合像元分解方法,综合EARMSE、MASA、CoB等算法以选取最佳端元,实现了如皋市水稻种植面积信息有效提取。结果显示SMESMA法分类精度达85.78%,kappa系数为0.85,基于最大似然分类法(MLC)的分类精度为79.1%,kappa系数为0.78。表明SMESMA是一种适合基于中低分辨率影像进行作物分类和面积提取的有效方法。

分层变端元混合像元分解的新疆北部积雪分量制图研究

新疆北部冬季常多云天气,受地形和植被等因素影响,积雪分布不均,这导致了积雪分量遥感制图精度不高的难题。针对这一问题,本文利用MODIS影像,提出了分层变端元混合像元分解的积雪定量反演方法。该方法首先建立研究区影像和参考端元库,再对区域影像地类进行从粗到细的逐级划分,对每级包含的地类进行2端元或3端元混合像元分解。通过对上一级解混后与积雪相关的子类再实施上述变端元混合像元分解方法,得到下一级更细的地类划分。综合各级地类解混结果实现了高精度积雪分量制图。以HJ CCD影像分类数据、植被分布数据和实测数据为数据源,验证了变端元解混时模型包含端元数较少时(如2端元或3端元)研究区域积雪分类精度最高,为87%。反之,包含端元数越多,分类精度会降低。

基于像元坐标的独立成分分析技术的端元提取方法

将基于像元坐标的空间信息与基于独立成分分析技术结合的方法用于混合像元的分解,是实现端元提取的一种方法。这种方法在空间信息充分利用的基础上得到提高。将该方法运用Cuprite地区的AVIRIS数据,并与传统的PPI方法进行对比,结果表明,利用本文提取端元的方法具有很高的可信度。

基于坐标的最大距离法的AMEE的端元提取算法

将基于像元坐标的空间最大距离与自动形态学端元提取(Automated Morphological Endmember Extraction,AMEE)结合的一种用于混合像元的分解,实现端元提取的一种算法。这种方法充分地利用了高光谱的空间信息和光谱信息,结合AVIRIS高光谱遥感数据进行实验,并与传统PPI算法进行对比分析,结果表明本文提出的端元提取方法具有很高的可信度。

基于MESMA和RF的山丘区土地利用信息分类提取

探讨了基于多端元混合像元分解(Multiple endmember spectral mixture analysis,MESMA)和随机森林(Random forest,RF)相结合的土地利用信息分类提取方法。以Landsat-8 OLI卫星遥感影像为主要数据,基于植被-不透水面-裸土(Vegetation-impervious surface-soil,VIS)模型,利用MESMA将影像分解为植被、不透水面和裸土3类组分,将生成的3类组分变量和基于光谱、纹理信息计算选取的20个特征变量组合后开展RF分类实验,将分类结果与相同特征变量下的支持向量机(Support vector machine,SVM)、最大似然(Maximum likelihood classification,MLC)分类结果进行比较分析。结果表明:MESMA可以获得较为精确的组分丰度信息;RF分类结果优于相同特征变量下的SVM和MLC分类结果;在MESMA生成的组分信息变量参与分类后,3种方法的分类精度均有所改善,分别达90.50%、88.85%、86.35%,其中RF的分类精度改善最为显著;MESMA与线性混合分解(Linear spectral mixture analysis,LSMA)生成的组分信息变量相比,前者对于改善分类精度效果更为明显。MESMA对于提高影像分类精度起到一定积极作用,基于MESMA和RF的方法对中等空间分辨率影像山丘区土地利用信息分类提取精度较高,利用该方法开展遥感影像解译可为大尺度的土地利用监测和管理工作提供技术支持和理论参考。

黄河源玛多县“黑土滩”遥感定量识别

采用混合像元分解方法提取"黑土滩"信息以实现玛多县"黑土滩"的遥感识别。以Roberts提出的多端元混合像元分解(MESMA)模型为基础,分析玛多县的地物组成并提取端元;针对MESMA在本研究区应用存在的不足,优化了分解策略和机制,并利用改进后的MESMA,结合"黑土滩"的形成机制提取研究区的"黑土滩"信息。最后,采用实测数据对本文"黑土滩"识别结果进行精度验证,得到的精度为82.81%,较MESMA方法的71.09%有明显提高,说明改进后的MESMA可以有效识别"黑土滩"。利用本文方法得到玛多县"黑土滩"面积为1.592×103 km2,主要分布在玛多县北部。该方法在保证"黑土滩"提取精度的同时,效率较传统的目视解译方法有了明显改善。该方法亦适用于其他复杂环境地表组分信息的提取。

土地覆盖遥感制图方法研究现状与展望

区域尺度土地利用/覆盖分类研究是当今国际上开展土地利用/覆盖变化研究的重要领域之一。及时、准确地获取地球表面特性对于掌握人类和自然现象之间的关系和相互作用至关重要。本文根据土地覆盖遥感分类方法特点,从硬分类方法、软分类方法以及最新的软硬分类方法出发,总结了国内外的各研究成果,分析了各种方法的分类策略与特点及其方法适用性。研究结果表明:软硬分类方法能够灵活适用于遥感图像上纯净、混合像元并存的特点,可以有效解决光谱的异质性,在土地覆盖遥感监测中具有广阔的应用潜力。文中提出了基于变端元的软硬分类土地覆盖制图方法框架,并指出了今后的研究重点。

MESMA与面向对象组合的土地利用分类方法

混合像元是制约传统组合分类方法精度提高的主要因素之一。为此,文章提出一种基于多端元混合像元分解(multiple endmember spectral mixture analysis,MESMA)与面向对象分类组合的分类方法,利用混合像元分解提高分类精度,借助组合方法降低“椒盐”现象影响。首先,使用MESMA技术分解混合像元,提取丰度信息,并将丰度信息作为特征变量应用到像素分类;然后,将像素和面向对象的分类结果进行组合,获得最优分类结果;最后,以内蒙古鄂尔多斯市乌审旗纳林河二号矿井Landsat-8影像为数据源进行相关实验。结果表明:组合方法分类精度最高,与基于像素、面向对象和传统组合方法相比,分类精度分别提高4.56%、5.66%、4.05%;同时,该方法可以有效降低“椒盐”现象影响。

软件开发成本度量概述

首先,概述了软件成本度量的背景;其次,介绍了软件规模测量的常用方法,重点论述了IFPUG方法和NESMA方法;再次,对软件开发成本度量开展进一步的探讨;然后,讲解软件开发成本度量过程、软件开发成本估算方法;最后,对软件开发成本度量的现状进行了总结和展望。

三江源典型区草地退化Hyperion高光谱遥感识别研究

三江源草地退化直接影响当地及长江、黄河和澜沧江中上游地区的生态安全、水资源合理利用、经济可持续发展和社会稳定,一直是人们关注的焦点问题。近年来,该地区草地群落毒杂草组分增大,退化严重。高光谱遥感具有精细识别草地种群的潜在能力,如何利用其进行草地群落组成信息探测并进行退化识别是当前研究的热点和难点问题。利用卫星高光谱Hyperion影像和地面实测高光谱遥感数据,通过多端元混合像元分解技术,提取可食牧草、毒杂草以及裸土组分信息;以此为指标对研究区草地退化程度进行分类识别,依次为:未退化、轻度退化、中度退化、重度退化和极度退化。利用野外样方实测数据验证监测结果,精度达到84.2%,表明高光谱遥感对草地退化探测具有良好的应用潜力。

一种基于DELSMA模型的城市不透水面提取方法

针对线性光谱混合分解(LSMA)模型在端元个数不变的情况下易造成不透水面被高估或低估的问题,该文提出了基于影像分层的变端元线性光谱混合分解(DELSMA)模型。以城市不透水面为研究目标,采用Landsat 8陆地成像仪(OLI)影像为实验数据,对比分析DELSMA模型和LSMA模型提取的不透水面精度。与LSMA模型分解结果进行对比,DELSMA模型相关系数从0.898 2提高到0.947 3,拟合优度从0.804 7提高到0.896 3,均方根误差从0.089 5减少到0.079 1,从精度验证结果可以看出,基于影像分层的DELSMA模型对混合像元的分解效果优于LSMA模型。实验结果表明:影像分层降低了场景复杂度,有效减少了同物异谱和异物同谱的干扰;采用变端元进行混合像元分解,有效减少了计算量和地物类内差异对分解精度的影响,一定程度上提高了不透水面的提取精度。