基于卷积神经网络的空心村高分影像建筑物检测方法

基于卷积神经网络(CNN)提出了一种适用于空心村高分影像的建筑物自动检测方法,该方法利用多尺度显著性检测来获取包含建筑物信息的显著性区域,然后通过滑动窗口获取显著性区域内目标样本块,再将这些样本块输入训练好的CNN并结合SVM来实现分类。为检验方法有效性,选取高分影像进行实验,结果表明,显著性检测能够有效地获取主要目标,减弱其他无关目标的影响,降低数据冗余;卷积神经网络能够自动学习高层次的特征,基于CNN对高分影像进行建筑物检测,分类准确度可以达到97.6%,表明该方法具有较好的鲁棒性和有效性。     

基于landsat卫星影像的水库水体总磷质量浓度反演研究

以清河水库为研究区域,利用Landsat8卫星OLI数据及实地观测数据,建立了适于清河水库水体总磷质量浓度的最小二乘支持向量机(LS-SVM)遥感反演模型,并对清河水库总磷量进行了反演分析。结果表明,LS-SVM模型的平均相对误差为6.06%,相比于单波段线性回归反演模型及波段组合线性回归模型,平均误差分别降低了20.77%、12.53%,显著提高了清河水库水体总磷质量浓度反演的模型精度,达到遥感反演预测精度要求;利用LSSVM反演模型对清河水库总磷量反演显示,水体中总磷质量浓度主要集中在0.04~0.08 mg/L,水库水体总磷质量浓度总体偏高。     

基于EnKF-3DVar模型的海淀区地表温度模拟

以城市化程度较深的北京市海淀区为研究区,基于2005年、2010年和2015年的遥感影像数据,利用基于影像(IB)的算法反演城市地表温度空间分布。将数据同化算法EnKF-3DVar与CA/Markov模型集成,将海淀区的多年平均臭氧浓度空间分布数据同化进行城市地表温度的模拟预测。结果表明海淀区的城市地表温度10年间呈现先下降后上升的趋势,但总体呈现下降趋势,其中2015年的平均温度为31.139 3℃。引入EnKF-3DVar的预测模型能够显著提升模型的模拟精度,所预测的2015年的数据结果 Kappa系数达到0.821 6。在有城市公园绿地的模式下,地表温度高值区呈现缓解趋势,在无城市绿地公园的模式下,城市地表温度高值区呈现出明显的扩张趋势,最高温度达到了56.142 3℃,城市生态绿地对于城市地表温度的空间分布影响巨大,合理布局城市绿地公园意义重大。     

中国东北漫川漫岗典型黑土区沟道侵蚀特征

[目的] 通过对450 km²黑土区进行实测调查，旨在评估研究区沟道侵蚀现状。[方法] 选取沟道侵蚀严重的450 km²的漫川漫岗黑土区为调查区域，首先在谷歌卫星影像上进行侵蚀沟识别和定位，再对侵蚀沟立体形态进行实地测量。[结果] ①研究区土地利用以耕地为主，耕地、建设用地、林地、草地分别占研究区总面积的85%，8%，6%，1%。②研究区坡耕地占86%，坡度0.25°~3.0°占64%，大于5°的占12%。③共有侵蚀沟1 049条，其中耕地中侵蚀沟577条，占总侵蚀沟条数的55%；沟壑密度1.2 km/km²，按沟壑密度衡量沟蚀强度为中度；沟壑面积比例为2.89%，以此界定沟蚀强度为剧烈。④研究区侵蚀沟平均长度、宽度、深度和面积分别为996，13.1，2.7 m和2.4 hm²。[结论] 漫川漫岗黑土区沟道侵蚀严重，主要危害坡耕地，但侵蚀沟相对较小，易于治理。     

TRMM在海河流域南系的降水估算精度评价及其对SWAT模型的适用性

准确估算区域降水对水文过程评价和水资源管理意义重大。为评估TRMM 3B42V7降水产品在海河流域南系的估算精度及其在土壤和水评估模型(Soil and Water Assessment Tool,SWAT)中的适用性,利用28个气象站降水观测数据(2007-2016年)和101个雨量站观测数据(2010-2016年)开展研究。研究表明:站点尺度上,3B42V7降水产品对月降水估算的均方根误差小于15 mm,平均误差小于8.5 mm;在湿润季节的估算精度更好。流域尺度上,日降水估算精度较差,相关系数小于0.6。分区尺度上,3B42V7能够很好地捕捉到不同等级降水强度,但对微量降雨有所低估;山区和平原的年降水量均出现高估现象,平原区较为突出;此外,3B42V7能够较好地捕捉到研究区内极端降水的时间和空间分布。分2种情景进行水文模拟,利用月平均流量对模型进行校准和验证,在情景Ⅰ中,验证期模拟结果较好,决定系数在0.56~0.96之间,纳什效率系数在-11.09~0.94之间。TRMM 3B42V7可为海河流域及其类似区域的水资源管理提供参考。     

2008－2018年拉萨市温室蔬菜地时空变化特征

随着居民对蔬菜消费需求的不断提高，拉萨市温室蔬菜地得到快速发展，但对温室蔬菜地格局变化过程仍缺乏清楚的认识。该研究基于2008－2018年11期拉萨市高清遥感影像，结合实地调研，采用重心转移分析、地统计分析等方法，研究了2008－2018年拉萨市温室蔬菜地时空格局变化特征。结果表明：1）2008－2018年，拉萨市温室蔬菜地面积总体呈波动上升趋势，年均增长率为6.93%。研究时段内，温室蔬菜地变化经历了发展、调整、稳定三个阶段，各阶段年均变化率分别为11.08%、-2.13%和0.77%。2）研究时段内，拉萨市城关区和堆龙德庆区温室蔬菜地比例下降56.2%，达孜区和曲水县温室蔬菜地比例上升51.58%，温室蔬菜地分布重心向远离城区的城郊转移，向东南方向迁移了约4 896 m。3）新增温室蔬菜地向高海拔和大坡度区域转移，海拔3 675～3 800 m范围内温室蔬菜地面积比例由22.05%上升到30.41%，坡度6°～10°区域温室蔬菜地面积占比上升5.92%。4）温室蔬菜地新增源于耕地，减少多因为建设用地扩张。蔬菜需求量大和温室蔬菜收益高是温室蔬菜地面积增加的基本动力，区域土地利用调整是温室蔬菜地格局变化的重要推动力。     

基于土壤微波辐射布儒斯特角反演土壤含水率

在利用被动微波遥感技术进行裸露地表土壤含水率(Soil Moisture Content,SMC)的反演中,土壤粗糙度是制约反演精度的最关键因素。该研究利用改进的积分方程模型(Advanced Integral Equation Model,AIEM)进行地表多角度微波发射率的模拟,探索地表微波辐射多角度信息用于提高地表SMC反演精度的可行性。基于不同SMC和不同粗糙度地表多角度V极化发射率数据的变化趋势提取土壤介质布儒斯特角,结果表明,土壤布儒斯特角对SMC具有较高的敏感性,C波段(6.6 GHz)不同含水率土壤的布儒斯特角分布在60°～80°范围内。基于AIEM模拟数据的分析发现,土壤布儒斯特角正切值与SMC具有较好的线性关系,线性拟合决定系数为0.94,均方根误差为0.027cm~3/cm~3,并得到了基于布儒斯特角的裸露地表SMC反演算法。基于模拟数据的算法验证结果表明,算法的SMC预测值与理论值的决定系数为0.95,均方根误差为0.024 cm~3/cm~3。算法在不同土壤粗糙度自相关函数下均表现出稳健的特性,SMC预测精度最大均方根误差为0.027 cm~3/cm~3,最小为0.023cm~3/cm~3。基于布儒斯特角的SMC反演算法利用的是多角度土壤发射率的相对变化而非其绝对数值,该研究为SMC的多角度被动微波遥感提供了一种不同的研究思路。     

基于GF-6卫星影像多特征优选的酿酒葡萄精准识别

多源遥感信息和特征优选是提高农作物识别精度的重要支撑，高分六号（GF-6）卫星作为首次引入红边波段的国产卫星，其丰富的光谱信息为作物识别提供了新的思路和解决途径。该研究基于宁夏回族自治区银川市永宁县2018年6月-2019年3月的GF-6数据，充分利用红边优势提取光谱特征、纹理特征和植被指数特征，构建多种特征组合方案，并根据随机森林算法对特征重要性进行度量，选取最优特征组合对酿酒葡萄进行精准识别。结果表明，与单一特征相比，多源遥感特征的增加显著改善了酿酒葡萄分类效果，其中，植被指数贡献程度最大，光谱特征次之；基于随机森林的优选特征组合分类效果最佳，其中，总体分类精度为94.15%，酿酒葡萄用户精度为94.23%，制图精度为92.59%；以实地调查的4个酒庄为验证区，将酿酒葡萄提取结果与统计数据进行对比，面积相对精度均在70%以上，其中优选特征结果相对精度在90%以上，研究结果将为国产卫星红边波段在植被分类和识别方面的应用提供数据参考。     

基于极化分解和集成学习的PolSAR影像分类

为实现Pol SAR数据极化信息的充分利用,以进一步改善分类效果,该研究提出了一种基于极化分解和集成学习的Pol SAR影像分类方法。该方法首先利用多种极化分解方法从Pol SAR影像中提取极化参数;将提取的极化参数组合成一幅多通道影像;然后对多通道影像进行分割和特征提取,分别提取出各目标极化分解方法所对应的特征;并进行特征选择和分类,得到各目标极化分解方法的分类结果;最后利用集成学习技术对各分类结果进行集成。该研究以吉林省长春市部分区域为研究区,Radarsat2影像为数据源,将提出的方法应用于土地覆被分类中,取得了较好的分类效果,总体精度和Kappa系数分别达到了92.49%和0.90。此外,该研究还将提出方法与其他基于多种极化分解的分类方法进行比较,对比方法的总体精度和Kappa系数分别为90.74%和0.88,比提出方法分别低1.75%和0.02,对比结果进一步证明了提出方法的优越性。