为了克服基于像素的合成孔径雷达(synthetic aperture radar,SAR)图像阴影自动识别中图斑离散和精度低的问题,提出基于梯度-纹理特征超像素分割的SAR图像阴影自动识别方法.首先,提取SAR图像梯度和纹理特征;然后,综合SAR图像梯度和纹理特征进行主成分分析,再采用简单线性迭代聚类算法(SLIC)对前3个主成分合成的图像进行超像素分割;最后,以超像素为分析单元,采用恒虚警率(CFAR)检测算法识别SAR图像阴影.采用MSTAR图像数据集开展实验,并与"像素+CFAR"和"SAR图像超像素分割+CFAR"阴影识别方法进行定性和定量对比.对比实验显示,该方法识别阴影的MIoU值最高(0.882),Hausdorff距离最小(43.55).实验结果表明,该方法不仅有效解决了SAR图像阴影识别图斑离散问题,而且识别阴影的准确度、识别的阴影边界与真实边界的符合程度均达到了较理想的效果.
研究不同类型的土地利用与陆地生态系统的相关性,有助于探究土地利用对区域生态环境的保护与可持续发展的影响.鉴于长时间序列的碳储量监测研究较少,文章借助江西省1985—2020年的土地利用数据,利用InVEST模型对陆地生态系统碳储量变化特征进行量化评估.结果表明,1985—2020年间江西省的碳储量总体呈下降趋势,累计下降3.8×107t.1990—2000年江西省碳储量变化明显的主要因素是林地的流入流出.南昌市城市建设对耕地的挤占明显,赣州市建设用地面积增量最大,碳储量减少4.29×106t,鹰潭市碳储量减少,最少碳储量减少0.29×106t.江西省陆地生态系统的碳储量呈现明显的降低趋势,其中建设用地扩张是造成碳储量减少的主要因素.
城市局地暴雨内涝风险等级识别和制图对于防范洪涝灾害风险及提升韧性城市人居环境具有重要的科学意义.文章以天津市主城区为例,利用融合高精度的地表不透水特征数据的土壤保持服务-径流曲线数模型(soil conservation service-curve number,SCS-CN),分析了城市地表径流状况、地势状态和汇流的分布特征,从而识别不同下垫面特征的暴雨洪灾风险的特征.结果表明:天津市主城区暴雨内涝灾害风险区呈现中心城区聚集、环城四区分散的环状分布格局,暴雨内涝灾害区多分布在高密度不透水和建筑的老旧城区以及商业圈,城市高产流区主要分布在和平区、南开区以及河东区;城区内部的公园绿地通过植物冠层的截留和土壤下渗可以减低内涝灾害发生的风险.当发生大规模降雨时处在地势低洼的立交桥也是内涝灾害发生的热点区,地表产流高风险区是天津主城区暴雨内涝灾害风险区的主导类型.在城市发展规划中需加强中心城区绿化基础设施建设,提升韧性城市和人居环境.
利用卫星数据分析生态环境及城镇化发展的研究较多,不同地区的结果差异较大.佛山市作为典型快速城市化区域,目前经济发展对其生态环境的影响研究较少.文章基于DMSP-OLS和NPP-VIIRS两种数据,通过模型拟合得到佛山1992—2019年夜间灯光数据集,分析佛山夜间灯光指数及城市建成区的时空变化特征,并进一步研究夜间灯光指数与植被指数的关系.结果表明:28年来,佛山夜间灯光指数持续增加,年平均增速为3.3％,与年平均GDP呈指数方式显著相关.佛山城市建成区面积增加约2.6倍,城市扩张现象显著.2000—2019年,佛山年平均NDVI显著增加,NDVI与夜间灯光指数在时间上呈二次多项式关系变化,在空间上正负相关性并存,具有显著正相关关系的像元占52.3％.研究表明,佛山城市高速发展的同时,生态环境得到了很好的保护.
在强光的照射下,水体的镜面反射往往会对遥感影像产生很大影响,其主要表现就是在图像上产生大小不同、形状各异的亮斑.这些亮斑附近的地物信息基本上都被淹没,对后期的影像分析会造成不同程度的影响,因此对这些亮斑的检测识别就显得尤为重要.文章以DeeplabV3plus为主要网络,提出一种融合Swin-Transformer模块的网络模型.该模型将Swin-Transformer网络作为一个模块与卷积骨干网络并行提取特征.提取出的两类特征经上采样后进行特征融合,再经多次卷积等实现了水体亮斑的识别与分割.实验结果表明,该模型能够对不同类型、不同形状的水体亮斑进行识别分割,其平均交并比为93.44％.
夜光遥感作为遥感应用研究的一个重要分支,能够直观地反映人类的夜间活动,具有数据易获取、覆盖范围广以及时效快等优势,在多尺度、长时间序列的城市研究方面具有广阔的应用前景.目前,基于夜光遥感数据的应用研究成果较为丰富,不少学者开展了夜光遥感数据预处理及应用潜力分析.然而,由于夜光遥感传感器存在局限性,当前多源夜光遥感数据仍存在数据间不可对比和不连续性等问题,为此许多学者开展了夜光遥感数据校正研究.近年来学者发文量不断增长,数量从几篇增加到几百篇.基于此,文章对近年来多源夜光遥感数据相互校正的研究成果进行详细梳理,从DMSP/OLS数据的校正、DMSP/OLS与NPP/VIIRS数据的相互校正、夜光遥感数据的去饱和现象以及去溢出效应共4个方面,对多源夜光遥感数据的校正研究进行了述评和前景展望.
针对现有基于卷积神经网络的冰凌提取算法无法获取全局上下文特征导致提取结果不准确的问题,提出了一种基于ResNet的编码器和Transformer的解码器组成的冰凌智能提取算法ConvFormer.具体来说,ConvFormer选择ResNet18作为编码器,用于提取局部的多层次信息,并利用Transformer中的多头注意力机制做特征解码器,用于捕获全局上下文信息.文章进一步选取决策树、随机森林、U-Net和DeeplabV3+作为对照模型开展实验.实验结果表明,ConvFormer在各类指标上均优于其他方法,同时提取结果更加连贯,误分及漏分的现象显著减少,充分满足了冰凌监测需求.
为了解决传统水库监测管理手段效率低下的问题,采用光学影像和SAR影像数据对水库水体进行提取,实现对水库水域面积的动态监测.对比分析了多种水体提取方法在赵村水库的适用性,并结合现场调研的实际情况,分析了降雨量、水域面积和水位之间的关系.此外,利用数字高程模型对水库淹没区进行了模拟计算,得出了不同坝高设计下的淹没区域面积,并结合遥感影像进行了可视化展示.研究结果表明,光学影像和SAR影像数据相结合的方法可以准确提取水库水体信息,结果与实地调研数据相符,可为后续的水库监测预警工作提供有效的数据支持.
针对遥感图像中一般水体、黑臭水体以及富营养化水体形状不规则以及相似难以准确分割的问题,选取研究区创建富含3类水体的数据集,利用深度学习卷积网络模型对3类水体数据集进行训练与测试.根据测试效果分析提出基于改进U-Net网络的遥感水质分割算法,改进卷积深度及在编码阶段输入层引入ASPP模块获取更加复杂的光谱信息,提高分割精度.实验表明,所提出的改进型U-Net分割算法能够显著提升水质分类的精确度和分割效果,从而实现一般、黑臭及富营养化水体的准确分类.
为了检验FY-4A气象卫星陆表温度(land surface temperature,LST)L2级产品数据的精度及可用性,对2019年FY-4A卫星逐分钟全圆盘及中国区反演的LST产品(Ta),与全国区域(除台湾省)3300多个气象观测站观测时间差±120 sec之内的地面温度(Tg)和草面(雪面)温度(Ts)进行标准差对比与相关性分析.结果表明:FY-4A反演的LST产品与地面气象站观测结果一致,产品平均标准偏差为5.64℃和5.30℃,数据平均相关性0.9111和0.9048,能够准确反映我国各地LST的时空分布特征.对于像元(4 km×4 km)内下垫面,反演的LST与地面温度和草面地温的相关性高度一致,(Ta-Tg)与(Ta-Ts)存在显著线性正相关关系,且相关系数稳定.
近年来,协同表示分类(collaborative representation classification,CRC)算法成为高光谱遥感影像分类的研究热点,其中基于bagging的协同表示集成学习算法(bagging-based collaborative representation classification,BagsCRC)利用bagging集成方式有效地提高了基分类器协同表示分类算法的精度.为进一步提升BagsCRC算法的有效性,文章提出了一种联合自适应形状邻域和bagging协同表示集成学习算法(shape-adaptive bagging-based collaborative representation classification,SABagsCRC).该算法通过构建训练样本和测试样本的自适应形状邻域,进而构建空间信息约束的分类器集成模式.实验采用Indian pines和Washington DC Mall两组高光谱遥感影像,对所提出算法的性能进行了评价.实验结果表明,SABagsCRC算法在分类效果上比BagsCRC算法有明显的提升.
针对卫星遥感图像中的建筑分割算法对特征相似的小目标建筑识别效果差以及对大目标建筑轮廓边缘分割精度低的问题,基于PSPNet算法,结合Swin Transformer主干网络和特征金字塔融合局部特征以及通道和空间注意力机制,提出一种改进的PSPNet算法,实现对卫星遥感图像中的建筑高精度分割.首先,将原始PSPNet算法的主干网络Resnet101替换为Swin Transformer以增加主干网络的全局特征提取能力;其次,以主干网络输出多层级特征图并结合特征金字塔融合模块获取图像的局部语义信息;最后,将全局信息和局部信息融合并送入通道注意力以及空间注意力模块CBAM,使其在空间和通道两个维度都能获得丰富的语义信息.实验结果表明,改进后的PSPNet算法平均准确度和平均交并比分别为91.76％和86.02％,较原始的PSPNet算法提高了2.48％和3.47％,且优于深度学习领域经典的U-Net、FCN、DeeplabV3+、DANet等语义分割算法.
ICESat-2ATL08地形及冠层高度产品在大范围的森林资源调查研究中的性能还需进一步探究.为此,文章首先对35个生态网络观测站的ATL08地形及冠层高度产品进行整体的精度评估;其次,验证其在不同生物群落中的精度并对单站精度进行定量评价;最后,分析该产品在多种误差因素条件下的性能.结果表明:地形和冠层高度产品的整体RMSE分别为3.23m和6.58m;地形高度产品在低矮或稀疏的植被区精度较高,在高大或茂密的森林区精度较低,且其精度随坡度、植被覆盖度及冠层高度的增加而降低;冠层高度产品在温带阔叶林和混交林地区的％RMSE为34.78％,在沙漠和干旱灌木丛地区的％RMSE为127.47％.另外,相比地形高度产品,冠层高度产品受地物覆盖类型、冠层高度和植被覆盖度的影响更严重且影响机制较为复杂.
为实现京杭大运河全域环境要素的动态监测与可持续评估,选取2019年、2021年两期Sentinel-2遥感影像,采用植被、水体、建设用地、裸地4个土地利用类型,集成遥感影像特征提取、特征优选和随机森林分类方法,获取了京杭大运河全域地市尺度的土地利用及其变化率专题信息.结果表明:1)2019年影像分类总体精度为97.09％,Kappa系数为0.96,2021年分类总体精度为96.35％,Kappa系数为0.95;2)运河文化景观廊道以植被类型为主导,2019—2021年间建设用地呈现增加态势;同时,德州市的土地利用变化率最低(9.50％),而湖州市的土地利用变化率最高(29.32％);3)土地利用变化率与人均GDP、第一产业和第二产业比重呈现较强的相关性,揭示社会经济对土地利用变化的驱动作用.
利用面向对象方法提取遥感影像中的建筑物是当前研究热点之一.针对此方法中特征选择问题,文章基于面向对象的分析方法,充分考虑影像特征与多种地物在空间异质性上的相似程度,提出了一种特征优选方法,进而完成建筑物的提取.具体方法是:首先,计算对象内同质性与对象间异质性,基于均值变点原理确定全局最优尺度;其次,利用地理探测器基于空间异质性相似度对分割对象的光谱、纹理、高度、形状等特征进行优选;最后,根据优选出的特征进行建筑物提取,并辅以邻域高程比对算法进行优化,获得建筑物较完整、可靠的轮廓.结果表明,该方法对建筑物提取更加高效且精度更高.
针对现有的多尺度道路网相似性计算方法对道路网特征顾及不足的问题,提出了一种顾及全局轮廓和局部细节的多特征多尺度道路网空间相似性计算模型.该模型首先提取道路网的全局轮廓边界,通过傅里叶描述子计算出轮廓边的形状相似性,以此来度量多尺度道路网的全局相似性;其次,将能够反映局部密度特征的道路网眼引入到局部相似性计算中,分别求取网眼之间的拓扑相似度和几何相似度,二者结合计算多尺度道路网的局部相似性;最后,进行全局特征和局部特征的相似性归一化,对多尺度道路网目标相似性进行整体度量.实验结果表明,该模型计算结果与实际地物特征变化程度保持了较高的一致性,比较符合人类认知.
针对基于深度学习的分类模型在少样本训练时所遭受的梯度消失、过拟合问题,结合DCGAN和SRGAN特性,提出一种抑制过拟合、提升图像生成质量的DS-GAN协同数据增强算法.通过改进DCGAN生成新的图像,使用改进SRGAN对其进行超分辨率重构,二者协同得到新的超分辨率图像.首先,提出一种软标签函数,代替DCGAN原始固定标签;其次,引入空洞卷积残差块作为SRGAN判别器主结构,同时加入CBAM注意力机制实现权重的再分配;最后,在SRGAN判别器中引入自适应平均池化,降低网络参数量.实验结果表明,使用标准数据集AID和RSOD,经MobileNet V2分类网络进行测验,DS-GAN数据增强方法相较于常规增强和DCGAN增强方法有明显提高.在AID数据集上,准确率分别提升8.01％、9.49％.在RSOD数据集上,准确率分别提升4.76％、1.4％.
断裂构造具有控制矿床发育的作用,其发育区域常为矿产资源潜在区和地质灾害频发区.因此,断裂构造的位置识别解译工作对矿产勘查和灾害预警等有着重要的实用价值和科学意义.文章以宝鸡北部黄土区为研究区,以DEM数据和Landsat 8 OLI为数据源,采用DEM数据山体阴影渲染、水文分析、坡度分析等方法,并结合Landsat 8 OLI遥感影像主成分分析方法,解译出研究区13条断裂构造.研究结果表明:通过DEM数据处理及分析地表形态变化,可以增强黄土覆盖严重的断裂构造特征,提高断裂构造的解译精度;该区以断裂构造为主,主要走向为北北东向、北东向、北西向和东西向;在黄土覆盖区断裂构造解译中,水文分析和主成分分析方法可更好地辅助野外地质构造调查,与已有区域地质调查研究成果保持一致.该研究可用于特殊地质地貌区的断裂构造提取,为区域地质调查和构造运动演化分析提供参考依据.
To address the problems of insufficient feature information and performance degradation with the deepening of network layers in traditional hyperspectral image classification methods based on convolutional neural networks, this paper proposes a hyperspectral image classification method based on multiscale residual networks. This paper constructs a multiscale residual network model by introducing dilated convolution and residual learning to extract deep-level features from the original hyperspectral image data and achieve the fusion of local features and global features at different scales to enhance the feature expression capability of the model; finally, a Softmax classifier is used to classify the extracted deep-level features. The experimental comparison between this paper and several methods on two hyperspectral images from Indian Pines and Pavia University shows that the proposed method obtains optimal classification results and can improve the classification accuracy with limited training samples.
针对均匀成像场景中合成孔径雷达信号的方位向相位闪烁问题,提出了基于种群编码的最小熵自聚焦方法.通过遗传算法对最小熵方法进行数值优化,采用种群变量作为相位误差曲线采样点,利用最小熵算法确定相位误差强度范围,作为初始种群参与遗传迭代,解决了种群变量与熵函数非直接映射和运算负荷大的问题.实验表明,该算法能有效提高最小熵自聚焦方法的解算效率,提高合成孔径雷达图像的相位闪烁补偿效果.
