面向智能测绘培养目标的课程改革与实践——以南京信息工程大学数字摄影测量课程为例

近年来,众多智能化技术(如物联网、云计算、大数据)在测绘科学的渗透与集成加速了数字摄影测量学的理论和实践教学改革。本文以南京信息工程大学遥感与测绘工程学院的本科课程——数字摄影测量为例,简要概述了该课程的教学现状,提出了知识点间联系性差、课程内容陈旧、实践教学内容单调等问题,构建了金字塔式教学目标,创建了涵盖新技术的动态教学模块,最终形成以实例应用串联知识点的教学策略、以问题驱动的编程实践教学新模式等,实现本课程的初步改革。通过对比本校课程改革前后调查结果可知:课改对学生关于知识点的理解、编程开发、交流合作和文献检索等方面能力有显著帮助,不仅证明了课改的良好效果,也为其他同类课程教学改革提供了参考和借鉴。

基于OCO-2遥感数据的新疆维吾尔自治区大气XCO_(2)空间化研究

二氧化碳(CO_(2))是导致全球变暖最主要的温室气体,掌握准确的CO_(2)空间分布信息可以有效评估碳减排成效,对于推进碳达峰、碳中和工作具有重要意义。相比站点观测,碳卫星能够获取大尺度的CO_(2)分布信息,但是由于其幅宽较窄以及云覆盖的影响,大气CO_(2)卫星遥感数据存在大量缺值区域,不能获得空间连续的大气CO_(2)分布。以新疆维吾尔自治区为研究区,基于2019年OCO-2卫星大气二氧化碳柱平均干空气混合比(XCO_(2))数据,结合气温、地形、植被、大气NO_(2)浓度等相关变量,综合对比了多元线性回归(MLR)、地理加权回归(GWR)、支持向量机(SVR)、随机森林(RF)、极端梯度提升树(XGBoost)和极端随机树(ERT)等方法在生成大气XCO_(2)空间连续数据中的表现。交叉验证结果表明,RF、XGBoost和ERT这3种集成学习模型精度明显优于SVR、GWR和MLR模型,其中ERT模型精度最高,决定系数R^(2)为0.748,平均绝对误差σ_(MAE)为0.489×10^(-6)。基于ERT模型生成了新疆2019年逐月大气XCO_(2)空间连续数据,该地区大气XCO_(2)空间差异和季节变化都很明显。在空间分布格局上总体呈现与地形“三山夹两盆”相似的空间分布特征,裸地XCO_(2)年均值最高,林地和草原的XCO_(2)年均值最低;季节变化特征与植被生长周期相似,春冬季浓度较高,夏秋季浓度较低,最高值出现在4月,最低值出现在8月,不同土地覆盖类型的大气XCO_(2)季节变化与全区域类似,其中草原和林地的季节差异最大,裸地季节差异最小。该研究为基于碳卫星遥感数据生成时空连续的大尺度XCO_(2)数据提供了参考和借鉴。

联合UNet++和多级差分模块的多源光学遥感影像对象级变化检测

随着传感器技术的飞速发展,基于多源光学遥感影像的变化检测已成为遥感领域中的研究热点。由于传感器成像差异,同一景象在多源光学遥感影像中通常呈现出不同的表现形式,因此面临着更加突出的“伪变化”问题。为此,本文提出了一种联合UNet++和多级差分模块的多源光学遥感影像对象级变化检测方法。该方法首先提出了一种多尺度特征提取差分(multi-scale feature extraction difference,MFED)模块,以增强模型对“伪变化”的识别能力;在此基础上,利用UNet++网络输出的多尺度特征对变化区域进行多角度精细刻画,并提出了一种自适应证据置信度指标(adaptive evidence credibility indicators,AECI);最后结合影像分割与Dempster-Shafer(DS)理论设计了加权DS证据融合策略(weighted dempster shafer evidence fusion,WDSEF),从而实现了深度网络像素级输出至对象级结果的映射。通过对不同地区的4组高分多源光学影像数据集进行试验,并与多种先进的深度学习方法进行对比分析,结果表明:在不同空间分辨率和时相差异条件下,本文方法的总体精度(overall accuracy,OA)和F 1 score分别可达91.92%和63.31%以上,在目视分析和定量评价均显著优于对比方法。

基于哨兵二号的大豆、玉米遥感识别——以江苏徐淮地区为例

本研究以哨兵二号影像为数据源,以江苏徐淮地区邳州市西南部作为研究区,开展大豆、玉米遥感识别研究。采用覆盖玉米和大豆主要生长期的多时相哨兵二号影像构建遥感特征参数数据集,包括12个光谱波段的反射率和47个植被指数,采用递归特征消除与随机森林、支持向量机相结合的算法开展特征参数优选,明确最优识别时相-特征参数组合,在此基础上,采用随机森林和支持向量机分类器进行分类,并比较分类精度。研究结果表明,利用特征参数优选方法提取最优特征参数组合,在保证总体精度的前提下能够减少特征参数数量;陆地水指数和倒数差值等植被指数是2种优选算法所提取出的共性特征参数;9月8日是研究区玉米和大豆遥感识别的最佳时相,总体精度和Kappa系数均为0.99。

基于堆栈稀疏自编码器的小麦赤霉病高光谱遥感检测

小麦赤霉病具有发病快、周期短的特点,利用深度学习特征提取方法建立病害严重度检测模型,可为小麦赤霉病的防治提供科学指导。研究于2018—2020年间采集3个品种小麦在扬花期、灌浆期和成熟期的麦穗高光谱数据,通过形态学处理去除麦芒,提取出麦穗光谱曲线,使用多源散射校正对光谱进行去噪处理,再采用堆栈稀疏自编码器(Stacked Sparse Auto-encoder,SSAE)提取小麦赤霉病的光谱特征,利用该特征分别结合Softmax分类器和偏最小二乘回归方法构建小麦赤霉病严重度判别和预测模型。通过预训练,具有12~6个神经元的双层SSAE模型表现较好,模型均方误差更低,而且各个病害等级的特征差异明显;以训练的SSAE模型提取的深度学习特征为基础分别建立赤霉病严重度等级判别模型和严重度预测模型,在严重度等级判别的分类结果中,模型的总体精度和Kappa系数分别为88.2%和0.84,其中“淮麦35”品种的总体精度最高;在严重度预测模型中,模型对所有品种测试集的预测决定系数和均方根误差分别为0.927和0.062,对各品种的预测决定系数均在0.95左右;相比常见的几种小麦赤霉病光谱指数,基于SSAE深度学习特征的赤霉病预测模型精度更高。高光谱遥感数据量大、光谱波段多,堆栈稀疏自编码器通过在自编码器模型中加入稀疏表示的限定条件,并增加隐含层数及隐含神经元数来构建更为复杂的模型,所提取的光谱特征更能全方面地体现小麦赤霉病的光谱特征,利用该特征构建的小麦赤霉病检测模型具有更高的精度,可为精准监测小麦赤霉病提供科学依据。

基于中分辨率成像遥感数据的毕拉河林场林火信息检测

利用中分辨率成像光谱仪(MODIS)时间序列数据进行森林火情监测的原理及通道特性进行分析,利用阈值算法提取火点信息作为鲁棒卫星技术(RST)算法阈值确定前提,结合2种算法对内蒙古大兴安岭毕拉河林场火灾进行火点信息的提取,提高火点信息算法精度;然后,基于确认的火点信息,结合局部变化检测指数(ALICE)和全球环境监测指数(GEMI)提取过火迹地信息。结果表明:结合2种算法确定新的阈值可以有效地提取森林火点信息,检测精度由高到低的顺序为基于连续日期均值算法和基于空间域均值算法、基于每月同期均值算法,基于连续日均值的RST算法更加适合林火信息检测;结合ALICE和GEMI提取过火迹地信息的方法可以检测出绝大部分过火迹地像元,检测精度较高。

基于珞珈一号夜光遥感数据的南京市夜间光污染监测

为获取城市内部精细的光污染分布特征,基于珞珈一号夜光遥感影像对南京市的夜间光污染进行监测。利用地表反射率与建筑覆盖度将珞珈一号的表观辐射亮度修正为地表入射亮度,结合实地观测照度构建多种经验模型计算南京市夜间照度,并基于计算得到的夜间照度分析南京市的夜间光污染分布状况。结果表明,三阶多项式模型精度最高,判定系数R^(2)为0.87,平均绝对误差为4.71 lx。南京市夜间照度在0~55 lx之间,空间分布差异性明显。总体而言,照度高值区域主要集中在主城区,由主城区向四周呈递减趋势;其中鼓楼区与秦淮区光污染最严重,超过70%的面积比例存在轻度以上光污染;郊区的光污染程度较弱,光污染最弱的三个区依次是高淳区、溧水区与六合区,存在光污染的面积比例不足4%。南京市部分区域表现出极高的照度(30 lx以上),这些区域包括大型商场、大型工厂、交通枢纽、道路以及部分住宅区,需要注意的是,除了交通枢纽和大型工厂附近几乎无居民区外,其他区域附近都存在较多的居民区。文章探索了基于珞珈一号遥感影像监测城市夜间光污染的方法,为南京市的光污染整治工作提供了数据支撑,也为其他地区的光污染监测提供了科学参考。

基于RFA-LinkNet模型的高分遥感影像水体提取

针对现阶段卷积神经网络模型在复杂地物背景下水体提取精度低、多尺度特征捕获能力差、模型复杂的问题,基于LinkNet模型提出一种结合RFB模块和通道注意力机制的RFA-LinkNet高分辨率光学遥感影像水体提取模型.首先,将RFB模块用于获取高阶水体语义信息与多尺度特征;其次,利用通道注意力机制,对特征编码和解码的特征进行加权融合,抑制背景特征,增强水体语义.与现有卷积神经网络模型相比,提出方法不仅具有高效的性能和鲁棒性,而且能实现高精度的水体提取.

基于SBAS-InSAR技术钢桁梁结构桥梁形变信息提取与分析

针对传统桥梁监测技术监测时间不连续、只能依靠现有监测数据分析桥梁形变的问题,以南京大胜关长江大桥为研究对象,利用SBAS-InSAR技术获取2018—2019年的桥梁形变结果,以桥梁形变结果中的平均形变速率和LOS向时间序列形变量为输入集,分别构建BP神经网络时间序列模型来预测桥梁的形变量。结果表明:平均形变速率预测模型和LOS向时间序列形变预测模型的预测值与InSAR观测值之间的平均绝对误差分别为1.54、1.28 mm,均方误差分别为1.81、1.34 mm,均方根误差分别为1.81、1.53 mm,表明时间序列形变预测模型的可行性,为未来的桥梁形变预测提供了有力支撑。

融合InSAR与信息量-层次分析耦合模型的西宁市地质灾害易发性评价

为准确高效地评估西宁市的滑坡易发区,为西宁市滑坡灾害预警及防治提供参考,本文首先采用SBAS-InSAR技术获取2018—2022年5年间西宁市地表形变信息;然后将获取的形变信息划分量级,作为易发性评价模型的一个评价因子,结合高程、坡度、地层岩性等7个评价因子,基于信息量-层次分析法耦合模型对研究区滑坡易发性进行了定量评价;最后利用已有地质灾害点数据集对评价结果进行验证。结果表明,本文所得的地质灾害易发性评价结果与已有地质灾害点的分布较为吻合,已有记录的地质灾害点聚集的区域绝大多数位于本文所划分区的中高易发区内。根据ROC曲线精度结果,耦合模型AUC值为0.91。可见,利用本文提出的方法进行灾害易发性评价是可行的,研究结果可为西宁市滑坡综合防治措施提供依据。

2016-2020年呼伦湖水体固有光学参数遥感产品

呼伦湖是我国内陆高纬度半干旱地区的第一大草原型湖泊,对于草原生产和草原–湖泊生态系统维持具有重要意义。水体固有光学量(InherentOptical Properties,IOPs)是指仅由水体本身的光学特性决定,而与周围环境光场无关的量,包括吸收系数(a)、散射系数(b)、后向散射系数(bbp)、衰减系数(c)等参数,有助于估计水体的光学活性物质等相关水体及水环境参数。本文基于从准分析算法(quasi-analytical algorithm,QAA)发展来的适用于内陆水体的QAA-750E吸收系数反演算法,以Sentinel-3/OLCI Level-1B数据为基础,生产了2016–2020年间呼伦湖的浮游植物吸收系数aph(675)和后向散射系数bbp(560)数据产品。利用实测数据对产品进行了验证分析(N=15),得到bbp(560)的相关系数为0.59,均方根误差为0.55,平均相对误差为0.54,验证结果表明产品具有一定的可靠性,可为呼伦湖的水质监测和生态环境保护等研究工作提供数据支持。

基于AlexNet网络的高分辨率遥感影像建筑物提取方法研究

高分辨率遥感影像的数据源日益增长使得其成为主要的遥感数据源之一。本文研究了一种基于AlexNet网络的高分辨率遥感影像建筑物提取方法,该方法是在卷积神经网络的基础上,建立一种端到端自动提取影像中建筑等物体位置的方法:首先使用图像增广技术增加数据集的丰富性和多样性;再通过超参数搜索选择网络使用的较优参数,最终实现了遥感影像中建筑物的自动提取。实验结果表明,该方法可达到75%的提取精度;与传统方法进行定性和定量对比,该方法具有耗时少、精度高的特性,对后续城市规划、三维建模等应用有着重要意义。

基于深度学习特征的遥感影像检索研究

基于内容的遥感影像检索是解决遥感大数据“数据海量、信息淹没”问题的有效方法,但面对海量的遥感数据,存在两个方面的严峻挑战:第一,遥感影像具有数据海量、尺度依赖、地物种类繁多和场景复杂等特点,基于单一或组合低层视觉特征的检索很难取得满意的检索结果;第二,设计一种适用于不同传感器影像的特征描述方法是不切实际的,传统的人工设计特征的策略不再适用。

遥感图像跨域语义分割的无监督域自适应对齐方法

深度学习模型依赖于大量同源标记样本,即限定训练数据与测试数据服从同一分布.但是,面对大范围、多样化的遥感图像时,数据之间的同分布要求难以保证,深度学习模型的分割精度下降明显.针对这一问题,本文提出了一种面向遥感图像语义分割的无监督域自适应方法,在训练数据(源域)与测试数据(目标域)分布不同的情况下,仅利用源域标签训练深度学习模型,提高目标域语义分割精度.本文方法引入最优传输理论,在图像空间、特征空间和输出空间进行全局对齐,以减轻源域和目标域之间的域偏移.试验采用国际摄影测量与遥感学会(ISPRS)所提供的Potsdam和Vaihingen数据集进行验证.结果表明,相比于现有方法,本文方法取得了更高的分割精度.此外,通过消融分析,在深度学习驱动的语义分割无监督域自适应框架下,证明了最优传输理论的有效性.

居民碳排放的遥感监测与分析

近年来,我国对居民碳排放的研究多集中于经济水平和直接能源消耗方面,在居民区面积方面涉及较少,且研究大多依赖传统的地表实测数据。为了提高数据精度、更有针对性地制定政策,该文利用遥感影像时效性强、覆盖范围广、制约性小等特点,选取中国区域为研究对象,分析了2019年中国居民区面积和居民碳排放的相关性。在确定两者显著性后,结合国内生产总值(gross domestc product,GDP)这一影响因素建立了居民碳排放与居民区面积和GDP的多元线性回归模型。结果显示:居民碳排放与居民区面积和GDP之间存在线性相关,随着经济水平的发展,居民区面积的扩建是居民碳排放量增加的主要推动力,GDP对居民碳排放量增加的驱动效应有所下降。因此,在考虑经济发展的同时需要合理控制居民区面积,从而能够更精细化地制定减排政策,实现国家未来的绿色低碳目标。

天宫二号数据大气细颗粒物遥感反演

针对天宫二号(TG-2)大气细颗粒物遥感反演及可行性问题,利用TG-2宽波段成像仪的可见近红外波段数据,结合MOD09A1地表反射率产品构建地表反射率库,使用6S传输模型和深蓝算法反演气溶胶光学厚度(aerosol optical depth,AOD),并结合能见度和相对湿度数据对AOD进行订正,利用统计模型估算了鲁豫皖典型地区的大气细颗粒物PM_(2.5)浓度,并对PM_(2.5)浓度的空间分布进行分析。结果表明:天宫二号数据在AOD和PM_(2.5)遥感反演中具有较高的可行性,拟合度分别达到0.910和0.902;经过垂直订正和湿度订正,PM_(2.5)和AOD之间的相关性大幅度提高;PM_(2.5)的空间分布呈“污染岛”特征,这在气溶胶排放和扩散研究中起着重要作用。天宫二号PM_(2.5)反演为区域大气污染监测提供了一种有效手段。

基于多源遥感数据的北京市高温热浪风险综合评估

高温热浪风险评估对于预防和应对高温热浪灾害具有重要意义。综合运用多源遥感数据提取北京市高温热浪期间的气温与人口空间分布,结合其它来源空间数据计算高温热浪危险性、暴露性和脆弱性因子,通过主客观赋权法构建高温热浪风险评估指标体系,生成精细的高温热浪风险空间分布图,对北京市进行高温热浪风险评估。结果表明,北京市西部和北部山区风险等级比较低,主城区的高温热浪风险很高,尤其是二环与四环之间的区域。在乡镇尺度上,朝外、香河园等街道具有非常高的高温热浪风险。本研究能够为北京市高温热浪防治提供数据支撑,并为其它区域开展高温热浪风险遥感综合评估提供参考。

基于改进CycleMLP的高分遥感图像采石场识别

石矿区生态修复是改善区域生态系统功能的重要环节,识别采石场、确定采矿区边界是完成修复任务的前提。目前,基于深度学习的语义分割技术,能够精准识别高分遥感图像中的感兴趣地物,为采石场识别提供了有效途径。本文基于CycleMLP框架,利用金字塔结构,将多级特征输入到一个轻量级MLP解码器中,聚合来自不同层次的特征信息,同时获取局部和全局特征。在前馈网络中嵌入卷积层,避免位置编码插值导致的精度下降现象。引入福建省南安市石矿区语义分割数据集,以训练网络和验证算法精度。结果表明,改进后的CycleMLP能够从高分遥感图像中有效识别石矿区,与其他基于自注意力机制的方法相比,精度更高,且可以准确界定石矿区边界,能够为修复石矿区生态系统提供可靠支撑材料。

一种结合图特征的高分辨率遥感图像随机行走分割方法

当前高空间分辨率遥感图像分割与目标检测仍然面临着精度与效率的两难问题。文章提出了一种基于图特征的随机行走分割方法来提高分割效果。该方法有3个步骤。首先,通过奇Gabor滤波和分水岭变换将图像从像素转换为图,并进行基于图的特征表达。其次,利用图像的光谱特征、纹理特征、形状特征和位置特征,构建加权函数。为了有效地表达特征,采用KNN(K-nearest neighbors)高分标签交互选择种子点。最后,通过建立拉普拉斯函数并求解Dirichlet边界问题,对最大可能性进行标记,完成随机行走分割。文章讨论了加权函数中的参数设置,并通过对比实验对基于高分辨率遥感图像的分割结果进行了评价。研究表明,文章所采用的结合图特征的随机行走分割算法只需要小样本便可以实现更精确的分割。

基于FY-3D卫星的微波与光学陆表温度融合研究

目前还没有基于国产卫星的1 km分辨率的全天候陆表温度(LST)产品,FY-3D卫星提供了中分辨率成像仪(MERSI)Ⅱ型1 km分辨率晴空LST产品与微波成像仪(MWRI)25 km全天候LST产品,因此可结合两者优势开展全天候1 km分辨率LST的融合研究。基于地理加权回归(GWR)方法,选择海拔、FY-3D归一化植被指数和归一化建筑指数等建立GWR模型对FY-3D/MWRI 25 km LST降尺度到1 km,并与MERSI 1 km LST进行融合;同时针对MWRI轨道间隙,利用前后1天融合后的云覆盖像元1 km LST进行补值,可以得到接近全天候下的1 km LST。基于以上融合算法,选择了中国区域多个典型日期FY-3D/MERSI和MWRI LST官网产品进行了融合试验,并利用公开发布的全天候1 km LST产品(TPDC LST)对FY-3D 1 km LST融合结果进行了评估。研究结果表明,基于GWR法的LST降尺度方法,可以有效避免传统微波LST降尺度方法中存在的“斑块”效应和局地温度偏低等问题;LST融合结果有值率从融合前的22.4%~36.9%可提高到融合后69.3%~80.7%,融合结果与TPDC LST的空间决定系数为0.503~0.787,均方根误差为3.6~5.8 K,其中晴空为2.6~4.9 K,云下为4.1~6.1 K;分析还表明目前官网产品FY-3D/MERSI和MWRI LST均存在缺值较多与精度偏低等问题,显示其存在较大改进潜力,这有利于进一步改进FY-3D LST融合质量。