SeaWiFS遥感数据应用于福建近海赤潮监测的适用性初步评估

通过分析SeaWiFS Chla与现场Chla的相关性，统计SeaWiFS遥感数据在福建近海的时间覆盖率，对SeaWiFS遥感数据在福建近海赤潮监测的适用性进行初步评估。结果表明，SeaWiFS Chla与现场Chla呈良好的线性关系，能够很好反映现场Chla的空间分布情况；4～6月SeaWiFS遥感数据量稀少，难以满足赤潮监测的要求；7～9月数据量显著增加，基本可以满足SeaWiFS对较开阔的福建近海进行赤潮监测。

基于遥感数据的工程结构损伤动态识别研究

以定期监测工程结构状况为目标,提出了基于遥感数据的工程结构损伤动态识别方法,解决获取影像粗糙问题,提升微小工程结构损伤识别效果。运用二维Tsallis交叉熵计算工程结构遥感影像的二维直方图,通过在布谷鸟搜索算法(CS)中引入Logistic映射的混沌扰动算子,形成混沌CS算法,完善二维Tsallis交叉熵的阈值选择过程,获取最佳阈值后,分割工程结构遥感影像,增强处理分割后的遥感影像,并将处理后的影像作为SVM分类识别模型输入,完成损伤动态识别、归类。实验结果表明,该方法获取遥感影像精度极高,分割影像清晰且各区域边缘完整,能够识别微小的裂缝损伤,最大程度还原裂缝宽度及线性特征,识别结果影像信息含量大,且识别均方误差低、平方相关系数高。

地基遥感垂直观测系统数据质量评估与产品融合分析

针对地基遥感垂直观测系统风向与风速、温度与相对湿度、云底高度与云顶高度、大气瑞利信号拟合误差与有效探测距离、大气可降水量与对流层总延迟等10种探测要素的数据准确性评估及融合产品有效性验证问题。以2024年1月1日至7月1日宜昌地基遥感垂直观测系统的实际探测资料为例,采用同址的L波段探空雷达观测数据作为参考标准,选取时空匹配的垂直廓线产品进行对比,评估地基遥感垂直观测系统探测数据的准确性,并综合运用系统高时空分辨率的融合产品,从大气动力结构、云雨结构等方面剖析宜昌地区2024年6月27—28日梅雨期降雨过程。研究结果表明:宜昌地基遥感垂直观测系统探测设备性能优良,运行较为稳定,能够在垂直方向上综合解析大气结构;运行评估期内,宜昌地基遥感垂直观测系统探测数据的准确性均满足评估指标,与探空观测资料的相关性总体较好;多条垂直廓线融合产品可以清晰展示降雨过程发生、发展、消散的垂直动态变化细节,证实了融合产品在天气分析中的有效性和实用性。

基于激光雷达与遥感数据的地理空间要素识别方法

通过地理空间要素识别实现地理测绘和环境有效监测,提出基于激光雷达与遥感数据的地理空间要素识别方法。采用激光雷达的遥感监测方法实现对地理空间特征的对象集变化检测,根据地理空间测绘对象的纹理、形状、空间关系,采用遥感数据融合和空间信息表达方法实现对地理空间要素特征的专家知识融合,构建地理空间要素识别的遥感专家数据库。仿真结果表明,采用该方法进行地理空间要素识别的决策融合性较好。该方法也实现了对土地利用自然特征变化的检测,使得识别准确率的最大值可达到0.925,且识别耗时始终处于2.5 s以下。

机理模型与遥感数据同化的草地生物量估算相关研究

受人为和气候变化的影响,草地退化、沙化的现象愈发严重,对草地的监测和保护亦变得愈发重要。生物量是评价草地生态状况的重要指标之一,草地生物量的估算对草地资源管理、生态修复与保护都有着重要的意义。随着遥感技术的发展与植被机理模型的广泛应用,针对草地生物量的估算方法也不断发展,主要分为遥感反演和植被机理模型估算两种方法。本文系统地阐述了遥感反演中的经验回归方法和辐射传输模型,还有基于植被机理的作物生长模型和草地生长模型。此外,本文还介绍了在农业估产领域已经被广泛应用的数据同化技术,分析了在草地生物量同化估算过程中,遥感数据与机理模型存在的互补优势,提出了目前存在的问题,并指出在简化模型的同时,保证估算的稳定性和准确性并兼顾植被的机理性是未来草地生物量估算的研究重点。

基于WOFOST模型与遥感数据同化的县级尺度玉米估产研究

区域尺度的作物生长动态监测和产量预测对于保障粮食安全和农业政策的制定具有重要参考依据。遥感数据同化应用极大提高了作物估产的时效性和精度。为及时、准确地实现县级尺度粮食产量的估测,以及提升产量估测的精度,以辽宁省铁岭县为研究区,采用WOFOST(world food studies)模型与遥感同化相结合的方法对铁岭县玉米进行估产研究。通过采用扩展傅里叶幅度敏感性检验算法(extened Fourier amplitude sensitivity test,EFAST)敏感性分析方法实现玉米估产敏感性参数的分析,以及本地化;通过采用参数自动率定程序PEST(parameter estimation)实现参数的优化,验证结果为采样点产量的平均误差为852.39 kg·hm^(-2),模型模拟的精度达到92.82%。为进一步提高和优化模型估产精度,将遥感反演得到的叶面积指数采用集合卡尔曼滤波算法与模型模拟的叶面积指数进行数据同化,平均误差从同化前的852.39 kg·hm^(-2)降低为435.01 kg·hm^(-2),估产精度从92.82%提高到96.33%,有效提高了WOFOST模型估产的精度。结果表明:水分对玉米的生长发育限制并不大,其产量形成主要受光温影响,对温度、光能利用效率和最大同化速率有关的参数具有较高的敏感性;优化后的模型能够较好模拟铁岭县玉米生长发育情况,产量验证表明优化后的模型模拟的效果较好,但仍存在一定的误差;比值植被指数与叶面积指数的相关性最高,反演模型精度较好,反演结果表明叶面积指数在抽雄吐丝期差距较大,而在成熟期的差距不大;经过作物模型与遥感数据同化之后,估产的精度得到明显提高,说明遥感与作物模型同化是一种有效地提高作物估产和产量预测精度的方法。

遥感大数据的地理环境构建及目标保障技术综述

地理环境构建及目标保障在安全政策制定、突发事件应急、国土防护和灾害监测等事件中发挥着重要的作用。随着卫星、无人机和地面传感网等空天地传感器的迅猛发展,遥感大数据正成为地理构建、目标保障的重要数据来源。围绕遥感大数据的发展现状,从遥感大数据的获取技术与手段着手,探索卫星遥感全球高精度定位与测图、重点地区空天遥感三维地理环境构建、遥感影像全要素解译和遥感目标检索等关键技术。根据遥感大数据在不同情景下的实践与应用,简要介绍了遥感大数据的典型案例,如突发事件应急响应、遥感自然灾害监测与评估。结合当今社会的发展与战略背景,对遥感大数据的应用前景进行了总结与展望。

我国卫星遥感数据资产管理的初步思考

一、引言数据资产,是指特定主体合法拥有或者控制的,能进行货币计量的,且能带来直接或者间接经济利益的数据资源。随着科技的进步,我国卫星遥感技术在多个领域得到了广泛应用。卫星遥感数据作为一种重要的战略性数据资产,其规范化管理和使用对于促进经济社会发展具有重要意义。

面向震后快速灾害评估的遥感影像房屋数据空间化构建方法

基于卷积神经网络方法可高效提取高分辨率遥感影像上的房屋矢量数据,快速获取房屋数据的空间分布数据,提高地震应急基础数据库的更新能力。本文基于轮廓引导和结构感知的编解码器全卷积神经网络(CGSANet)模型和分区域等尺度网格抽样方法,获取了房屋建筑面积及房屋结构类型空间分布模型,具备了复杂区域背景下的多类型房屋数据空间化技术能力;以黄梅县为研究对象,构建了1 km×1 km的房屋数据空间化数据集,实现了不同结构类型的房屋数据识别与鉴定。构建的房屋数据空间化数据集可为地震应急基础数据库提供数据来源,对于提高房屋数据的精度和时效性具有重要意义。

水利遥感数据规模化加工处理平台框架研究

以卫星遥感为代表的地表信息空天获取手段是支撑新时期智慧水利建设的重要途径。当前,遥感数据获取能力与处理服务能力之间出现了失衡,大量的对地观测卫星遥感数据被获取,而能够支撑水利业务的遥感数据产品即时服务能力和动态更新频次仍然存在瓶颈,“卫星数据量大、处理流程复杂、产品服务不足”的现状长期存在,制约着水利行业遥感应用的质量和效率。本文通过调研当前国内外遥感大数据加工处理进展,分析了面向智慧水利建设的水利遥感数据处理平台需求,设计了一种水利遥感数据规模化加工处理平台的框架,用于海量卫星遥感数据产品全链路自动化处理,以提升水利遥感数据产品处理质量和服务效率。该平台可以实现超过30种多源高分遥感数据全流程处理,通过动态分配GPU和CPU计算缓存,实现卫星遥感数据正射校正、融合、镶嵌、质检以及水利遥感专题信息提取等流程规模化、并行化和自动化处理,生产满足数字孪生流域建设的卫星遥感专题产品,支撑新时期智慧水利建设的遥感深度应用。

集合卡尔曼滤波与随机森林算法在异源遥感降水数据同化融合中的应用

为减小异源遥感降水产品的非均质误差,提出集合卡尔曼滤波(EnKF)联合随机森林(RF)的数据同化融合算法,选取长江流域5种遥感降水产品(ERA5、TerraClimate、GPM、TRMM和PERSIANN-CDR),在分析星地降水数据一致性的基础上,进行EnKF-RF数据同化与融合处理,并利用独立气象站点评估其精度。结果表明,异源产品在长江流域降水量捕捉精度为TRMM>GPM>TerraClimate>PERSIANN-CDR>ERA5;各产品经EnKF同化后的精度纳什效率系数N NSE增至0.93~0.96,均方根误差RRMSE降至89.48~176.03 mm,较未同化前的N NSE提升11.46%~22.34%、RRMSE减小96.35%~122.60%;RF融合进一步改进了单一源降水产品可靠性,融合后产品精度N NSE达0.99、RRMSE为43.56 mm;异源降水数据的EnKF-RF同化融合策略减少了单一源降水产品的误差,在长江流域乃至全球尺度具有较大应用潜力。

多源遥感数据与机器学习算法的沼泽湿地信息提取

基于多源遥感数据与机器学习算法,旨在探讨提高沼泽湿地信息提取精度的方法。利用GEE(Google Earth Engine)平台获取的Sentinel-1合成孔径雷达(SAR)数据、Sentinel-2多光谱数据以及地形数据,结合多种机器学习算法提取沼泽湿地遥感信息,并在大兴安岭山区的南瓮河自然保护区以及松嫩平原区的莫莫格保护区进行精度验证。结果表明:利用多源遥感数据结合机器学习算法的研究方法,可显著提高沼泽湿地信息提取精度。在平原地区沼泽湿地信息提取中,雷达数据比多光谱数据贡献度更高;在山地地区沼泽湿地信息提取中,二者具有相近的贡献度。Sentinel-1、Sentinel-2数据和地形湿度指数数据的组合更有利于各种地形沼泽湿地信息提取。随机森林机器学习算法对沼泽湿地信息提取精度最高。

融合多源地理数据与高分辨率遥感影像的尾矿库识别与监测——以云南省个旧市为例

尾矿库是具有高势能的重大危险源,对尾矿库空间范围开展快速识别与监测,及时掌握尾矿库数量及分布情况,对我国尾矿库的环境监管与治理具有重要意义。现有单纯基于遥感影像识别提取的思路,因缺乏尾矿库潜在目标针对性,易将裸露地表等混淆为尾矿库,给实际的尾矿库监测应用带来较大误差。为此,提出一种融合企业名录与空间分布点位、数字高程模型(digital elevation model,DEM)、道路网等多源地理数据与高分遥感影像的尾矿库提取方法。以云南省个旧市为研究区的应用验证结果表明:融合多源地理数据可有效排除不存在尾矿库的干扰区域,尾矿库提取结果的精确率和召回率分别为83.9%和72.4%。该技术方案在全国尺度的尾矿库高频次、自动化遥感监测中具有广阔的应用前景。

多源遥感卫星数据在脉状萤石矿床中的找矿预测应用:以内蒙古水头萤石矿床为例

萤石是一种战略性非金属矿产,脉状萤石矿床是全球萤石产量的主要来源,应用遥感技术开展脉状萤石矿床的勘查找矿研究具有重要意义。笔者选择内蒙古中东部水头萤石矿床为研究区,在野外地质调查和前期研究的基础上,综合应用Landsat-8、ASTER、Sentinel-2和WorldView-2多源遥感影像进行成矿预测。首先,基于光谱协同理论将Landsat-8与WorldView-2融合生成协同数据,对研究区地层岩性和控矿构造进行遥感解译;利用Sentinel-2和ASTER影像进行了羟基、铁染和硅化蚀变信息提取。基于已知萤石矿点的遥感解译特征建立研究区萤石矿的遥感解译标志,在此基础上,应用GIS平台对提取特征信息进行加权叠加分析,开展研究区内萤石矿的综合预测。研究结果表明:Landsat-8与WorldView-2数据融合的假彩色合成影像可有效区分研究区萤石矿化点;由于脉状萤石矿体具有明显的垂向分带特征,在研究区地表露头中多发育硅质顶盖,因此硅化蚀变异常与羟基异常组合可作为萤石矿化的重要特征依据。GIS综合预测结果与已知矿点吻合度高,证实了应用多源遥感数据在脉状萤石矿床勘查找矿中的有效性,并预测了三处新的靶区,相关结果可为后续勘查部署提供依据,也可为其他地区的萤石遥感找矿勘查提供参考。

异构卫星遥感数据融合的水深反演模型

为探究影像分辨率和水深反演模型对异构卫星数据融合水深反演结果的影响,本文将ICESat-2激光测高数据分别与多时相Landsat 8、Sentinel-2及WorldView-3卫星数据相融合,利用对数比值模型、多波段模型、BP神经网络、支持向量机、随机森林和极限梯度提升进行水深反演。试验结果表明,影像空间分辨率对水深反演结果精度影响不显著,且综合考虑反演结果的精度和分辨率,Sentinel-2卫星数据性能最佳,同时极限梯度提升相较于其他模型的反演性能最优,其在东沙环礁试验区域的水深反演结果RMSE最优可达0.51 m。该结果对基于异构遥感卫星数据融合的近岸区域水深测量具有很好的参考价值。

基于DDPM的遥感建筑轮廓数据增强方法

针对现有真实场景遥感建筑轮廓数据集存在数据丰富度有限、复杂形状数据样本量少,影响模型性能等问题,文中提出一种基于扩散模型的有限遥感数据增强方法,对合成数据和真实数据进行训练,从而得到形状更加丰富的建筑物数据,扩充建筑物数据的多样性。首先,使用扩散模型DDPM对合成建筑数据和真实场景数据训练集进行训练,生成大量与真实数据分布更接近、形状更多样的数据;然后,使用基于Transformer改进的轮廓提取模型在合成数据集上进行预训练;最后,在真实数据集上进行建筑物轮廓提取。实验结果表明:使用预训练模型训练与未使用预训练模型相比,在交并比、顶点检测精确率、顶点检测召回率、顶点检测F1分数、角度预测精确率、角度预测召回率、角度预测F1分数上分别提升了1.7%、2.4%、2.5%、2.5%、7.3%、8.2%、7.7%,表明在大规模合成数据上预训练有助于提升建筑物轮廓提取模型在真实数据上的表现;同时使用1.2×10^(5)合成数据预训练比2.4×10^(4)合成数据预训练在上述指标上提升0.8%、0.9%、1.3%、1.1%、1.1%、0.7%、0.9%,验证了预训练数据量增加对模型性能提升的有效性。

融合多源遥感数据的夏玉米土壤水分反演方法对比研究

为了解决在夏玉米植株高度较高(>1.5 m)情况下,无人机遥感土壤水分反演过程中冠层与地表之间多次散射对微波后向散射的衰减问题,寻找合适的反演方法。通过融合运用无人机多光谱和热红外数据、Sentinel-1A SAR卫星数据,结合田间实测数据,对植被覆盖下的土壤水分反演与精度验证进行研究;采用温度植被干旱指数(TVDI)、水云模型(WCM)以及引入MIMICS模型参数的改进水云模型(Improved WCM)3种方法进行土壤水分反演。其中,TVDI方法拔节期反演精度R2为0.50(10 cm)和0.42(20 cm),乳熟期反演精度R2为0.49(10 cm)和0.46(20 cm);WCM方法拔节期反演精度R2为0.53(10 cm)和0.44(20 cm),乳熟期反演精度R2为0.18(10 cm)和0.02(20 cm);Improved WCM方法拔节期反演精度为0.76(10 cm)和0.69(20 cm),乳熟期反演精度为0.78(10 cm)和0.74(20 cm)。采用引入MIMICS模型参数的改进水云模型方法得到的夏玉米2个生育期的反演效果,明显优于水云模型方法和温度植被干旱指数方法;3种方法的2个生育期反演精度均为10 cm高于20 cm。因此,引入MIMICS模型参数的改进水云模型方法更适合于玉米植株较高情况下的10 cm土壤含水量反演。

基于人工智能的多源遥感数据融合在电网勘测应用研究

随着卫星遥感、空间科技等技术的不断发展,通过卫星采集多源遥感数据已被广泛应用到诸多行业。将多源数据进行融合,生成信息更丰富、质量更高的图像,能更清晰地分析地物地貌地形情况,已成为近年来图像智能处理领域的技术研究前沿方向。文章基于人工智能卷积网络和注意力机制,提出一种统一融合网络,将不同光谱和空间属性的遥感源数据进行有效融合,生成具有精确光谱信息和清晰空间细节的高分辨率图像,为电网勘测选址选线等业务提供了辅助支撑的有效手段。实验结果表明,文章研究结果比现有典型方法具备更好的融合效果。

基于时序遥感数据的城市国土空间动态监测方法研究

随着航空航天技术的发展,对地观测变得便捷、高效,使得建立时序遥感数据集开展连续的国土空间变化监测逐渐成为一种有效手段。本文通过固定的卫星平台、采用1个季度为间隔,获取连续的遥感数据,近地采取无人机摄影的方式进行补充,建立连续、完整的时序遥感数据,并进行人机交互式的解译、识别和分析,对研究城市区域开展4个季度时相的不间断获取和识别,并连续国土空间变化监测,对比分析新城区域和市中心区域的街镇变化图斑数量及组成占比,总结浦东新区建设用地变化图斑的周期性规律和趋势特点,为“上海2035”总规专题评估提供有效支撑。

无人机遥感与地面观测的多模态数据融合反演水稻氮含量

准确监测水稻田间生长过程中的氮含量,保证按需高效施肥,对提高水稻产量和肥效利用率具有重要意义。该研究基于无人机遥感与地面观测的多模态数据融合构建了水稻拔节后期叶片(leaf nitrogen content,LNC)和植株氮含量(plant nitrogen content,PNC)反演模型,显著提高反演水稻氮含量的准确性。通过2021和2022年开展两次田间试验,利用无人机搭载多光谱和RGB相机在拔节后期获取稻田冠层遥感影像;从多光谱影像中提取植被指数(vegetation index,VI)和纹理特征值(texture feature value,TFV),TFV使用灰度共生矩阵方法提取,对TFVs进行组合构建纹理指数(texture index,TI);使用RGB影像结合地面参考法获取各小区估测冠层高度(estimating canopy height,ECH);人工收集各小区实测冠层高度及田间氮素管理数据(field nitrogen management data,FN)作为地面观测数据;使用凯氏定氮法获取水稻LNC和PNC;采用最大互信息系数评估和筛选特征;使用随机森林回归算法分别构建水稻LNC和PNC反演模型。结果表明:使用TFVs组合构建的TIs能显著提升纹理信息与LNC和PNC的相关性,当无人机飞行高度为100 m时,灰度共生矩阵的滑动窗口尺寸为9×9(像素)时构建的比值纹理指数表现最优,相比最优TFV,MIC值均提升了11.48%;从遥感影像提取的估测冠层高度具有较高的估测精度,决定系数(coefficient of determination,R^(2))、均方根误差(root mean squared error,RMSE)和平均绝对误差(mean absolute error,MAE)分别为0.77、3.4 cm和2.8 cm;无人机遥感与地面观测的多模态数据融合可显著提升LNC和PNC的反演精度,综合考虑反演精度和实际操作的便捷性,推荐田间生产中使用特征组合为:VI+TI+ECH+FN。研究结果表明,无人机遥感与地面观测的多模态数据融合构建随机森林回归模型可准确反演水稻氮含量,可为水稻田间管理和施肥决策提供科学依据。