随着遥感技术的快速发展与广泛应用,对获取的遥感图像质量有了更高的要求。但是,难以直接获得高空间分辨率多光谱遥感图像。为了结合不同成像传感器的信息,获得高质量的图像,图像融合技术应运而生。空谱遥感图像融合是一种获取高空间分辨率多光谱图像的有效方法,目前已有许多学者针对空谱遥感图像融合展开研究,取得了较多成果。近年来,深度学习理论得到了快速发展,广泛应用于空谱遥感图像融合。为了让学者们能够更系统地了解空谱遥感图像融合的现状,推动空谱遥感图像融合的发展,首先对常用的遥感卫星作了介绍,并简单总结了传统的经典空谱图像融合算法; 其次,从监督学习、无监督学习和半监督学习3个方面,重点对基于深度学习的空谱图像融合算法进行了阐述,还对损失函数进行了描述与分析; 然后,为了证明基于深度学习方法的优越性以及分析损失函数的影响,开展了遥感图像融合实验; 最后,对基于深度学习的空谱图像融合方法进行了展望。

在不同时空尺度上快速、准确地估算土壤含水量是水文、环境、地质、农业和气候变化等领域研究的重点内容。目前,如何准确获取土壤含水量仍然是一项具有挑战性的任务,过去传统的基于“点”的土壤取样和分析方法费时费力,利用遥感影像反演土壤含水量具有范围广、时效快、成本低、动态对比性强等优势。其中,在高光谱遥感中土壤含水量与土壤反射率波长范围有关,至今已有多种方法被用来描述土壤含水量与高光谱遥感的关系,综述了现有的基于高光谱反射率估计土壤含水量的方法,并将其分为4大类: 光谱反射率法、函数法、模型法和机器学习法。通过比较分析了不同方法在精度、复杂性、辅助数据要求、不同模式下的可操作性以及对土壤类型的依赖性等方面的潜力和局限性,并对未来土壤含水量-高光谱反射率方面的研究提出了相应建议。

植被遥感信息提取是进行植被覆盖遥感调查和动态监测的基础和关键环节,对于区域生态环境保护与可持续发展具有重要意义。为此,从先验知识法、专家知识和相关辅助信息法、植被物候特征提取法、多源遥感数据融合法、机器学习法和其他方法6个方面,回顾国内外植被遥感信息提取方法的研究进展,指出现阶段研究面临的主要问题与挑战,并提出未来发展趋势。研究表明,植被遥感信息提取方法众多,研究成果丰富,不同方法具有各自的应用优势和不足; 植被遥感信息提取方法研究目前面临着高分辨率遥感数据开放性不足、植被信息提取模型参数设置的稳定性差、“同物异谱”和“同谱异物”的现象突出、基于专家知识库的植被遥感信息自动化提取困难、多元方法融合的研究有待深入等诸多挑战。未来研究应融合多源数据、多元方法和多时相遥感影像新特征,推动植被遥感信息提取精细化、自动化和智能化发展。

查明全国历史遗留矿山分布现状,有序开展历史遗留矿山生态修复是矿山生态修复规划编制的重要内容和生态修复工程部署的主要依据。根据历史遗留矿山定义和行政管理的需求,提出了历史遗留矿山核查的技术流程和工作方法,工作步骤包括遥感调查监测、分类核查、分级审核和数据入库,其中,对核查内容、核查具体工作、属性定义、制图标准等进行了探究。以江西省和辽宁省的4个县级行政区作为试验区,通过试验验证了该技术方法的有效性。

水体提取是高空间分辨率遥感影像应用中重要研究方向之一。传统识别方法仅利用水体的浅层特征,为了更好地挖掘遥感影像的深度信息,从而提升水体提取算法的鲁棒性,提高分割精度,提出了一种基于深度学习语义分割模型的水体提取方法。利用深度神经网络挖掘高分辨率遥感影像信息,同时引入注意力模块,整合深层信息与浅层地物的形状、结构、纹理和色调等信息,拟建立比现有模型具有更高准确率、更快预测速度的全新深度语义分割模型。最后,和传统识别方法以及常见语义分割模型进行对比消融实验。实验证明所提出算法模型的总体精度和效率均优于现有方法,且算法参数设置简单,受人工干预少。文章证明了深度学习以及注意力机制在高分辨率遥感影像水体提取任务上的准确性和高效性,提供了一种使用深度学习方法解决高分辨率遥感影像分割任务的可能,并对未来进行了展望。

大气校正是高光谱遥感图像预处理的重要步骤之一,大气校正的精度在一定程度上决定了高光谱遥感应用的程度。首先,分析了大气对辐射传输的影响,并对大气中气溶胶光学厚度和水汽的反演方法作了总结,说明了影响高光谱遥感图像质量的主要大气因素; 其次,通过阐明辐射传输方程的推导过程及相关参数的作用机理,从理论上对大气的影响进行了论证,说明了高光谱大气校正的主要内容; 然后,总结了近年来形成的高光谱大气校正方法,包括基于经验统计的方法和基于辐射传输的方法,并对高光谱大气校正的研究进展与发展趋势进行分析; 最后,对高光谱遥感图像大气校正的未来发展进行了展望,为高光谱遥感的工程应用与研究提供参考。

土壤盐渍化作为土壤退化的主要形式之一,会对农业生产和生态环境产生极大的危害。遥感手段能快速、宏观、及时地获取土壤光谱特征,通过构建遥感监测模型,可以实现大范围的土壤盐渍化监测和评估,开展土壤盐渍化遥感监测模型方法归纳讨论,提高土壤盐渍化遥感监测精度,在盐渍土监测和治理中具有重要意义。通过梳理近期国内外土壤盐渍化遥感研究相关文献,对土壤盐渍化遥感监测模型构建过程中因子的选取、模型的建立以及精度验证等步骤进行总结,并针对当前研究热点对研究中的局限性与发展趋势进行讨论。主要得出: ①土壤盐渍化遥感模型作为盐渍土监测和预测的重要手段,近年来该领域的研究热点在于通过新型数据源和模型的使用来提高土壤盐渍化遥感监测模型的精度; ②不同研究在遥感数据源的使用上有所差异,但建模因子均是通过光谱敏感波段、先验光谱指数及遥感衍生数据优选获得; ③用于土壤盐渍化遥感监测的模型主要包括线性回归模型以及机器学习模型,针对不同区域建立的遥感模型在模型精度和适用性上有所差异。

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R²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。

雪深和雪水当量是积雪观测最主要且关键的要素,在冰冻圈、全球气候变化、水资源调查等领域具有重要意义。微波遥感相较于可见光和近红外遥感对积雪观测具有优势,为此,对被动微波遥感反演雪深和雪水当量的研究进展进行了系统的总结。梳理了野外现场实地测量、地面台站长期观测和卫星遥感区域观测等3种积雪观测方式及其主要观测积雪参数; 重点总结并评价了半经验、物理模型和机器学习等3种雪深和雪水当量反演算法。展示了青藏高原被动微波积雪监测的研究成果,展望了对未来积雪参数遥感反演的发展趋势,为雪深和雪水当量被动微波反演的深入开展提供了科学的参考建议。

生态评价对城市发展规划起到重要支撑作用。利用遥感指数进行生态评价是一种可行的方法。在云计算发达的今天,针对大数据计算过程中出现的不同传感器计算结果差异大的问题,探索了一种适用于谷歌地球引擎的遥感生态指数时序计算方法。首先,以新疆维吾尔自治区奎屯市为研究区,对1989—2019年的Landsat影像进行去云融合处理; 其次,计算了融合影像的4大分量,并在湿度分量和温度分量的计算方式上进行了优选; 最后,提出了整体最值的归一化方法,并以此方法为基础计算了各年份的遥感生态指数。通过对所得结果进行分析发现,该方法得到的第一主成分分量具有更高的贡献率,在此基础上的时序结果有更高的多项式拟合度。说明该方法能为不同传感器规定统一标准,增强不同传感器之间计算结果的可对比性,优化遥感生态指数的计算结果,保证生态评价分级结果的可解释性。

我国是滑坡灾害频发的国家之一,近年来发生的灾难性地质灾害事件有70%以上都不在已知的地质灾害隐患点范围内,亟须通过自动高效的滑坡识别技术方法开展大规模滑坡灾害排查。为了从海量遥感影像中快速识别滑坡的位置,确定滑坡重点区,支撑后续的解译与研究,以黄土滑坡为例,基于GF-1影像与数字高程模型(digital elevation model,DEM) 数据开展滑坡识别研究。首先构建了遥感影像和DEM滑坡样本库,然后应用通道融合卷积神经网络模型对滑坡样本进行分类,最后将分类结果按照位置信息还原到遥感影像图中。实验结果表明模型的滑坡识别精度可达95.7%,召回率为100.0%。研究所用模型的网络层数较少,收敛速度快,具有更高的效率与识别精度,解决了在样本有限的情况下,从遥感影像中快速确定滑坡重点区的问题,以支撑大规模滑坡灾害排查。

水源涵养功能是生态系统最重要的功能之一,可以为生态系统和人类保持、提供水资源。本研究根据水源涵养的物理含义,使用叶面积指数、植被覆盖度、蒸散代表植被层的水源涵养能力,使用地表温度、土壤含水量、坡度代表土壤层的水源涵养能力,通过主成分分析法构建水源涵养遥感监测综合指标模型,探索三峡库区水源涵养功能时空分布特征。结果表明,水源涵养生态功能指数(water conservation index,WCI)客观耦合了各个指标信息,能够快速简便地对三峡库区水源涵养生态功能进行评估,合理地代表了评估区域的水源涵养生态能力。2019年,三峡库区水源涵养能力分布不均,呈现下游强、上游弱的空间分布格局,渝东北以森林生态系统为主,水源涵养功能最强。2013—2019年7 a来,三峡库区大部分区域WCI处于略微增加趋势,其中,以丰都、开州、云阳的部分区域增加得较为明显。

根据矿区开采沉降规律对后续沉降进行预测是评估矿山开采风险、调整开采规划的关键。对使用Logistic时间函数模型进行矿区沉降预测中的可用条件进行了分析和模拟实验,并提出了一种基于小基线集合成孔径雷达干涉测量(SBAS-InSAR)技术和Logistic模型的矿区沉降动态预测方法。首先,通过SBAS-InSAR获得矿区的时序沉降数据; 然后,以时序沉降数据作为拟合数据,采用信赖域算法逐像元计算其Logistic模型参数,根据Logistic模型可用条件,确定出可以对后续沉降进行预测的像元范围; 最后,根据Logistic模型对可预测范围内的后续沉降进行预测。以内蒙古鄂尔多斯市某矿区为研究区对上述预测方法进行了实验,采用对应日期的InSAR监测结果对预测结果进行了验证,结果表明: 36 d后和108 d后预测结果的均方根误差分别为0.010 1 m和0.023 6 m,预测误差小于0.03 m的比例分别达到98.9%和89.3%,表明该动态预测模型预测精度较高。

潮间带是滨海湿地的重要组成部分,对生态和经济的发展具有重要意义。由于海水与陆地的动态交互作用,以瞬时性遥感图像为数据源的遥感信息提取方法难以准确获取潮滩范围。针对此问题,研究提出了一种基于Google Earth Engine(GEE)云平台和遥感指数的潮间带信息提取方法。该方法利用2021年的Landsat8时序影像数据,在最大光谱指数合成算法(maximum spectral index composite,MSIC)和大津算法(OTSU)形成多层自动决策树分类模型的基础之上,构建基于融合数字高程模型(digital elevation model,DEM)数据的决策树算法,并以舟山群岛海岸带为例,计算舟山群岛潮间带面积。研究结果显示2021年舟山群岛潮间带面积为35.19 km²。通过谷歌地球的高空间分辨率影像进行精度评价,总体精度为97.7%,Kappa系数为0.95,具有较好的提取精度和实用效果。该方法能够实现自动、快速地提取潮间带信息,为海岸带资源的可持续管理和利用提供数据支撑,进一步促进海岸带区域的高质量发展。

快速从遥感影像中提取出具有较高精度的建筑物是遥感智能化应用服务的重要研究内容之一。针对DeepLab模型对遥感影像建筑物边缘分割不精确、分割大尺度目标存在孔洞现象、网络参数量大等问题,提出一种轻量级DeepLabv3+模型的遥感影像建筑物提取方法。该方法使用轻量级网络MobileNetv2替换DeepLabv3+的主干网络Xception,从而减少参数量、提高训练速度; 对空洞空间金字塔池化(atrous spatial pyramid pooling,ASPP)的空洞率进行优化组合,提高多尺度语义特征提取效果。改进的模型在WHU和Massachusetts数据集上进行验证实验,结果表明,在WHU数据集中得到的交并比和F1分数分别为82.37%和92.89%,比DeepLabv3+分别提高2.71百分点和2.14百分点,在Massachusetts数据集中的交并比和F1分数比DeepLabv3+分别提高2.04百分点和2.32百分点,训练参数量和训练时间减少,建筑物提取精度得到有效提高,能够满足快速提取高精度建筑物的要求。

在果园种植管理向精准化和数字化发展的趋势下,苹果栽培对果园种植管理支撑技术提出了更高的要求。近些年,遥感技术的空间分辨率和重访频率不断突破,已经成为苹果园精准种植管理的主要支撑技术,然而目前鲜有综述文章进行这方面的现状梳理和展望,因此对这类研究进行总结很有必要。通过分析遥感技术在苹果园精准种植管理中的主要应用情况,将遥感技术的应用领域归纳为果园基础信息调查、果林参数反演和果园种植管理支撑3大类,并综述遥感技术在各领域中的应用方法、效果,探讨应用潜力。最后,总结出当前研究和应用存在机理性研究少且部分应用领域研究不足、多技术集成化程度不高、缺乏大范围的示范应用3类问题,并指出苹果树生长模拟机理模型、一体化苹果种植管理支撑系统、基于卫星数据的单木监测、遥感监测产品多元服务4个研究主题将成为下一步的研究和应用热点。

遥感图像融合技术能够将含有互补信息的多源图像进行融合,从而得到内容更丰富、光谱质量更高的图像,是遥感应用的关键和基础。针对遥感影像融合过程中容易出现的光谱失真和空间结构失真问题,该文以注意力机制为基础,利用归一化植被指数(normalized difference vegetation index,NDVI)和归一化水指数(normalized difference water index,NDWI)作为先验知识,构建了基于知识引导的遥感影像融合模型(remote sensing image FuseNet,RSFuseNet)。首先,基于高通滤波能够充分提取边缘纹理细节的优势,构建了高通滤波模块提取全色图像高频细节信息; 其次,提取多光谱图像的NDVI和NDWI信息; 再次,构建自适应挤压激励(squeeze-and-excitation,SE)模块,对输入特征进行重标定; 最后,将自适应SE模块与卷积单元结合,对输入特征进行融合处理。以高分六号遥感影像作为数据源,选择施密特正交化(gram-schmidt,GS)、主成分分析(principal component analysis,PCA)、深度网络结构的图像融合网络(a deep network architecture for pan-sharpening,PanNet)、以卷积神经网络为基础的融合网络(pansharpening by convolutional neural networks,PNN)模型作为对比模型开展实验,实验结果表明: 该文提出模型的峰值信噪比(peak signal to noise ratio,PSNR)指标(40.5)和结构相似性(structural similarity,SSIM)指标(0.98)均优于对比模型,表明这一方法在遥感影像图像融合方面具有明显的优势。

水下地形测量是测绘科学的重要分支,与人类开展海洋、湖泊等作业密切相关。在探测浅水区水下地形时,传统声学方法面临船体搁浅风险,被动光学方式则存在测量精度低等缺陷。机载激光测深技术的出现为解决浅水水深测量难题提供了新的手段,其在近岸区域应用可填补浅水区水下地形数据空白。文章首先简要介绍了机载激光测深系统的组成和原理; 其次,对激光测深数据的获取做了说明,并重点讨论了机载激光测深数据处理的关键技术,包括波形数据处理、误差修正和点云数据处理等; 最后,总结了机载激光测深存在的技术难点及未来的发展趋势。

水色是人眼受悬浮颗粒物、叶绿素和可溶性有机物等多种物质复合影响的水体颜色最直观的感知,是具有悠久历史的水环境参量。水色对于研究内陆与近岸水体的生态具有十分重要的意义。随着色度学的研究及高光谱卫星遥感技术的进步,发展出水色的色度学方法。通过系统回顾内陆与近岸水体色度学研究的发展过程,从表观光学量和固有光学量2个角度阐述了色度学方法从理论到实际应用的情况。并介绍了卫星遥感数据的色度学处理方法。色度学方法是水色定量表达的技术方法,是水色研究的重要分支,也是对水色组分研究的扩展和补充,具有广阔的应用前景。未来,为了进一步提高色度学方法在内陆与近岸水体中的应用,需要加强水体生物-光学数据集的建设。从表观光学量和固有光学量2个维度开展色度学研究。同时加强国产卫星色度学方法的研究,扩展水色产品类型。

主成分分析是一种广泛使用的高光谱遥感影像降维方法,在面向任务的工作中,基于累计方差贡献率的主成分选择方法效果并不理想。针对主成分分析变换后主成分选择的问题,提出基于空间统计学的主成分选择方法。计算各主成分的半变异函数参数变程、拱高、基台值,综合变程和拱高/基台值实现主成分的选择。变程的大小用以判断每一个主成分空间相关性的范围,拱高/基台值的大小用以判断每一个主成分空间相关性的强弱。仿真实验证明了变程和拱高/基台值可以有效表达高光谱遥感影像空间相关性的范围和强弱。在真实高光谱遥感影像实验的基础上,从主观和客观2个方面来综合确定主成分选择的经验阈值,即变程为2.5、拱高/基台值为0.2。从基于支持向量机算法的分类结果来看,和传统方法相比,利用变程和拱高/基台值可以筛选出图像质量较好的主成分,不仅能够达到降维的目的,同时能够保证足够高的分类精度。

为探讨深度学习方法在干旱区棉花分布识别中的适用性及优化流程,以渭干河—库车河三角绿洲典型作物棉花为研究对象,利用国产GF-2影像,结合野外调查数据,采用Unet深度学习方法,借助Unet网络多重卷积运算的特点充分挖掘棉花在遥感影像上的深层次特征,从而提高棉花的提取精度。结果表明,Unet模型提取研究区棉花、玉米、辣椒的识别效果优于面向对象和传统机器学习算法分类结果,总体精度为84.22%,Kappa系数为0.804 7,相比面向对象方法以及传统机器学习算法SVM和RF的总体精度分别提高了7.94,11.93和11.73百分点,Kappa系数提高了10.13%,14.72%,14.60%。Unet模型分类结果中,棉花的制图精度和用户精度均高于其余3种方法,分别为94.95%和89.07%。利用Unet模型在GF-2高分辨率遥感影像上高精度提取干旱区棉花空间分布信息具有可行性和可靠性。

为实现输电线路精细化巡线管理,提高其运维效率,实现卫星智能巡检,精准查找杆塔及输电线路的缺陷及隐患,以云南省昆明市输电线路杆塔坐标为例,提出利用卫星影像进行输电杆塔坐标校准的方法。首先以参考底图数据为基准匹配控制点,并利用数字高程模型(digital elevation model,DEM)对原始遥感影像进行几何纠正; 然后结合阴影检测、边缘检测等技术与目视判读,得到校准的杆塔坐标。实验检验了昆明地区高景一号和高分二号卫星影像的几何纠正精度,纠正后平面中误差分别为0.931 m和1.387 m; 此外,实验检验了2条线路上的旧杆塔台账坐标校准精度,结果表明,杆塔台账的平面精度由13.811 m和8.256 m分别提升至5.970 m和5.104 m,满足基本的电网需求。该方法可以实现杆塔坐标的校准,减小人工巡检的工作量,提高巡线效率。随着遥感影像的数据量级爆发式增长,空天地多源影像将不断结合,基于卫星遥感影像的输电线路杆塔定位技术将有更加广阔的发展前景。

为研究沙特阿拉伯地区钙结岩型铀矿成矿要素识别及潜力评价,以中沙铀矿勘查项目中的钙结岩型铀矿勘查为例,利用ASTER等卫星遥感数据和数字高程模型(digital elevation model,DEM)数据,采取目视判别、水文分析和主成分分析等方法,应用辅助铀源评价、补-径-排体系划分和含矿母岩识别等技术,对比分析了3个钙结岩区铀成矿条件。结果显示,片区2的铀源和补-径-排等铀成矿条件最完善,片区1缺乏良好的沉积盆地作为排泄区,片区3缺乏良好的铀源。研究表明: 补-径-排体系的完整性对钙结岩型铀矿的成矿作用至关重要,缺一不可,且优质的铀源和沉积环境利于形成大规模的钙结岩型铀矿; 铀元素富集累积时间的长短直接影响钙结岩型铀矿的规模大小; 沙特阿拉伯研究区内钙结岩型铀矿成矿的有利沉积环境为周边有大片铀源的蒸发型湖(干盐湖)相沉积。研究结果可为在类似地区寻找钙结岩型铀矿提供重要参考。

露天开采矿区要素遥感提取是矿业活动监测研究中的热门话题,但少有对相关研究的系统梳理和总结。为此,该文首先对露天开采矿区要素进行了界定,按要素种类将要素提取分为单要素提取和多要素提取,并简述了与一般地物提取和土地利用分类的区别; 其次,简要总结了目前相关研究的遥感数据来源与处理平台; 然后,将露天开采矿区要素遥感提取方法分为目视解译方法、基于传统特征的方法和深度学习方法3类,分别总结其研究现状,并分析了各方法的优缺点以及适用情况; 最后,对露天开采矿区要素遥感提取的未来研究方向进行了展望。文章认为有效地利用多源多时相数据、更强特征提取能力网络和复杂场景优化方法,进一步推动矿区要素智能化、精细化和鲁棒性提取是未来发展的趋势。研究结果可为露天开采矿区要素遥感提取的研究与应用提供参考。

油气矿山越界开采是当前油气矿山监管的难点和热点。通过单一矿权内井场、站场、油井、气井、计量间、集气站、集输站、巡线道路、输油气管线等地表工程和浅表工程的判释,该文首次提出通过地表工程及浅表工程的组合信息,可以快速查明油气的汇聚、流向,可精确识别和判定属于同一矿权的采油场地、越界开采的场地。以某油田为试验区,开展了相关方法的应用,证明了方法的有效性。

车辆检测问题是计算机视觉和摄影测量与遥感领域的研究热点。随着深度学习技术的发展,遥感影像车辆检测已在智慧城市和智能交通等领域展开应用。文章系统归纳了现有的基于深度学习模型的遥感影像车辆检测算法,着重从单阶段与双阶段的车辆检测算法进行了归类、分析及比较; 重点梳理了大幅面、复杂背景环境下车辆检测的关键技术,分析主流深度学习模型应用于遥感影像车辆检测的优缺点。利用DOTA和DIOR数据集对YOLOv5,Faster-RCNN,FCOS和SSD算法进行评估,在DOTA数据集上,车辆检测精度分别为0.695,0.410,0.370和0.251; 在DIOR数据集上,车辆检测精度分别为0.566,0.243,0.231和0.154。实验结果表明,目标尺度较小仍是制约遥感影像车辆检测性能的主要因素,深度学习模型应用于小目标检测存在较大的提升空间。最后,基于公开数据集与已有研究算法分析的基础上,给出大幅面复杂背景下遥感影像车辆检测的解决方法及发展趋势。

为探究我国边境城市发展态势,评估城市戍边能力,基于D-LinkNet34深度学习算法对西藏自治区托林镇、狮泉河镇和普兰镇建筑物、道路进行自动化提取,并结合景观指数及人口规模分析边境乡镇发展态势和戍边能力。分析表明: ①基于D-LinkNet深度学习网络的提取方法能够有效地对城市建设用地进一步分类,平均总精度高于80%,IOU值在70%以上。②普兰镇和狮泉河镇斑块分布呈聚集趋势发展,城市扩张趋势减弱,托林镇斑块分布则呈分散趋势发展,城市扩张趋势明显。③建筑面积同常住人口呈线性关系,托林镇2002—2018年建筑面积增加约68.75%,常住人口增加约39.00%; 狮泉河镇2004—2020年建筑面积增加约70.75%,常住人口增加约68.44%; 普兰镇2005—2018年建筑面积增加约68.36%,常住人口增加约25.04%。研究为定量评价边境城市扩张特征及戍边能力提供新方法,同时为建设祖国边疆戍边能力提供参考。

地表不透水面是衡量城市生态环境的关键因素,及时准确地掌握不透水面的动态变化对城市发展规划具有重要意义。以昆明市呈贡区为研究区,基于2007年、2011年、2015年、2019年4期Landsat影像为数据源,对比研究归一化差值不透水面指数(normalized difference impervious surface index,NDISI)和调整型土壤调节植被指数(modified soil adjusted vegetation index,MSAVI)2种方法的提取精度,择优提取呈贡区不透水面,并分析呈贡区不透水面时空动态变化。结果表明: NDISI平均提取精度为87.01%,平均Kappa系数为0.81,优于MSAVI的81.78%和0.75,故选用NDISI方法提取呈贡区不透水面; 2007—2019年间,呈贡区不透水面快速增长,其面积由2007年的46.12 km²增长到2011年的72.64 km²,2015年的146.94 km²,2019年的164.42 km²,尤其是2011—2015年,不透水面面积增长速度最快,增长近一倍; 呈贡区不透水面变化主要受国家政策、城市规划、地形因素和交通发展等因素影响,呈贡区西部的滇池方向以及中部几个街道办事处增加较快,对城市内涝、滇池防治带来一定的压力。在未来城市规划过程中,应协调好不透水面的扩张范围和速度,避免不透水面空间格局不合理带来生态环境问题。

为实现对新疆地区旱情的动态连续监测,基于温度植被干旱指数(temperature vegetation dryness index, TVDI),辅以Sen斜率法、重标极差法及偏相关分析法探究了新疆2001—2020年TVDI时空动态、变化趋势、未来持续状态及季节性降水、气温对TVDI的影响。结果表明: ①TVDI最小值出现在天山山脉以北及昆仑山脉地区,TVDI值在0.57以下,属轻旱等级,塔里木盆地和准噶尔盆地TVDI在0.86以上,属特旱等级; ②春季TVDI呈减小趋势,减小速率为0.001 3/a,夏季TVDI增加速率为0.001 4/a,秋季TVDI增加速率最大(增加速率为0.002 0/a),冬季TVDI增加速率最小(增加速率为0.000 8/a); ③春、冬季未来一段时间内大部分区域TVDI将呈增加趋势,夏、秋季TVDI将在未来一段时间内大部分像元呈减小趋势; ④春、冬季TVDI与降水以负相关为主,夏、秋季TVDI与降水以正相关为主,春季TVDI与气温以正相关为主,夏季TVDI与气温的相关性从西向东递减,相关性从负相关逐渐变成正相关,秋、冬季TVDI与气温以负相关为主。

海南岛矿产资源丰富且独具特色,矿产资源的开发促进了经济增长,但也引发了严重的生态环境问题,对海南岛矿山开采影响情况进行分析,针对性地提出矿山生态修复的建议,有利于海南岛生态环境的保护和治理。为此,采用海南岛2018年国产高空间分辨率遥感影像,通过影像预处理、建立解译标志、人机交互解译等获取矿山占损土地和恢复治理信息。以矿山占损土地和恢复治理信息作为输入,利用自然地理、基础地质、资源损毁、地质环境等4类13个评价因子建立矿山地质环境评价指标体系,基于层次分析法对矿山地质环境影响进行分析评价。结果表明: 严重影响区占海南省土地面积的0.22%,主要分布于沿海的文昌市、乐东黎族自治县、海口市秀英区、澄迈县、临高县、昌江黎族自治县等地,主要矿山地质环境问题为大型铁矿开采引发的采空塌陷、滑坡等次生地质灾害,滨海锆钛砂矿开采造成水土流失、生态系统退化; 较严重影响区占1.68%,主要分布于文昌市、儋州市、澄迈县、琼海市、临高县、海口市、东方市等地,矿山地质环境问题主要为中小型铁矿开采引起的滑坡等造成的土地损毁,以及矿山开发对原始地形地貌和自然生态环境造成的严重影响; 一般影响区占4.93%,主要分布于海南省的东部沿海、中部和北部经济较发达地区、西部金属矿产较丰富地区,主要矿山地质环境问题为建材类非金属矿山分布分散、小型矿山开采过程中对地表地貌及自然植被的破坏。根据不同矿山地质环境问题,研究提出对金属矿山要在消除地质灾害隐患、土壤改良和水环境治理的基础上,以自然恢复为主、人工修复为辅进行矿区生态修复; 锆钛砂矿以及建材类非金属矿,要注重恢复地表植被来防治水土流失,对于滨海沙化严重的矿区,可采取种植西瓜、花生等农作物进行土壤改良,再植以木麻黄、青梅等树木,逐步修复矿区生态系统。

矿山开发导致的采空塌陷会造成土壤、植被、水资源损毁; 随着国家实施生态修复战略,有效识别、监控采空塌陷区显得意义重大。为此,利用多源高分辨率光学影像和Sentinel-1 SAR雷达影像,采用Stacking InSAR地面沉降信息提取和光学影像采空塌陷人机交互解译方式,分别对甘肃白银某煤矿区采空塌陷实施了识别、监测; 综合对比分析了各自技术特点,并探讨在生态修复工程部署中的应用前景。研究结果表明: ①Stacking InSAR雷达监测技术能更好反映监测期内形变信息,对于浅部、中部、深部煤层的采空塌陷区均能有效识别; ②高分辨率光学影像则对浅部、中部煤层的采空塌陷区能较好识别,能更为精准识别损毁土地情况,对目前塌陷形变已停止、历史上形成的采空塌陷区及损毁土地情况有很好的识别能力; ③综合InSAR雷达监测技术和高分辨率光学影像遥感识别方法,能全面获取各阶段采空塌陷形变及损毁土地情况,可为生态修复工程提供翔实可靠的基础数据。

城市环境问题是当今世界面临的重要问题,城市热岛问题是其中重要研究方向之一,伴随着城市扩张、人口增加,城市热岛效应也发生着显著的变化。以Landsat系列卫星资料为数据源,河北省唐山市中心城区为主要研究区,利用辐射传输方程、监督分类、重心迁移、随机采样等方法,分析绿色空间演化对城市温度变化的影响。研究结果表明: ①研究时段内,热岛发展方向和面积与城市快速发展的规模和方向较为一致,冷热岛重心的迁移方向和绿色空间、城镇重心迁移方向相类似,冷岛重心迁移距离要大于热岛重心; ②城市绿色空间持续损失,其中农业用地损失面积最大,为55.79 km²,城镇用地增加面积最大,为47.85 km²; ③在不同时期,冷热岛演化的趋势与绿色空间演化趋势不一致,这或许与绿色空间存量有一定关系; ④绿色空间扩张对于城市地表降温的作用(-0.16 ℃)远小于绿色空间损失造成的地表升温作用(6.37 ℃)。研究结果能给城市规划提供参考,合理布局绿色空间,保留足够的绿色空间存量,有效降低城市热岛效应的发展速度。

桥梁作为典型且重要的地面目标,是交通运输线路的咽喉,对桥梁进行自动检测具有十分重要的社会和经济意义。深度学习已成为桥梁检测新方式,但对云雾遮挡的桥梁检测精度较低。针对该问题,提出了一种结合随机擦除(random erase, RE)数据增强和YOLOv4模型的桥梁目标自动检测方法,首先统计数据集中目标的尺度范围,利用k-means聚类获得锚框尺寸; 然后通过RE与Mosaic数据增强相结合的方法模拟云雾遮挡的情况; 接着采用YOLOv4网络对经增强后的数据集进行训练; 最后采用平均精度(mean average precision, mAP)评估实验结果。实验结果表明,提出方法的mAP为97.06%,比YOLOv4提高了2.99%,其中被云雾遮挡的桥梁平均检测准确度提高了12%,验证了提出方法的有效性及实用性。

土地利用通过影响陆地生态系统结构布局和功能引起碳储量变化,研究土地利用变化与碳储量的关系对优化区域土地利用格局、合理生态决策具有重要意义。文章运用PLUS模型结合InVEST模型预测了西安市未来不同情景下土地利用及碳储量时空变化特征,研究了土地利用变化对碳储量的影响。结果表明: 建设用地扩张,高碳密度用地转移使得2000—2015年西安市碳储量减少了2.49×10⁶ t,在自然增长情景下碳储量持续下降,2015—2030年将减少2.14×10⁶ t; 由于生态保护情景采取措施保护用地、控制转移,碳储量增加了6.92×10⁵ t; 耕地保护情景下,耕地得到保护,但林地和草地等高碳密度用地受到建设用地扩张影响使得碳储量下降为1.60×10⁸ t。碳密度变化分析得出,采取生态保护措施,使得碳密度变化率有所提高,相比于自然增长情景,生态保护情景将碳密度的增长区占比由0.05%提高到1.57%,以高增长区为主。而耕地保护情景碳密度有所下降,增长区由高增长转变为较高增长。在保护耕地的基础上,西安市未来土地利用规划应适当采取生态保护措施,控制建设用地向耕地和林地的高速扩张,优化土地利用格局,有效降低碳储量损失,提高区域碳储量水平,实现区域可持续发展。

利用遥感手段对城市建筑物进行变化检测可以快速准确地获取建筑物覆盖的变化信息,但是单纯基于影像数据难以快速、准确地进行三维变化检测,且传统基于点云的方法自动化程度低、精度差。针对这些问题,文章使用机载激光雷达点云数据,引入RandLA-Net的点云语义分割方法,提高变化检测的精度与自动化程度,同时通过点云投影的方式,克服了点云无序性导致的2期数据间无法差分的问题。标准RandLA-Net算法使用点的位置与颜色信息作为特征,并主要用于街景级点云的语义分割。该研究则使用城市大尺度机载点云数据,结合固有的反射强度与影像赋予点云的光谱信息,探究不同特征信息对结果精度的影响。同时,实验中发现除点云强度和光谱等特征外,点本身的坐标信息同样重要,转化为相对坐标使结果精度提升明显。实验结果表明,使用RandLA-Net网络对建筑物提取与变化检测获得的结果明显优于传统方法,且验证了使用深度学习方法处理激光雷达数据进行建筑物提取与变化检测的可行性,可以实现可靠的建筑物三维变化检测。

红树林具有定期被潮水淹没的特点,这个特点对于利用遥感技术手段提取红树林来说既是机遇也是挑战。为探究在任意潮汐条件下,高分六号(GF-6)卫星数据的红边波段在红树林提取上的贡献度,以海南省最大的红树林区域东寨港东南区为研究区域,利用高分二号(GF-2)卫星数据获取标准样本点。以研究区的标准样本点和高分六号数据为基础,构建典型地物反射光谱曲线图,由植被强吸收的波段建立基线,基线之上反射率的平均值定义了适用于高分六号卫星数据的潮间红树林指数(intertidal mangrove forest index,IMFI),同时建立了红边归一化植被指数(red-edge normalized difference vegetation index,RENDVI),这2种指数与归一化植被指数(normalized difference vegetation index,NDVI)和归一化水体指数(normalized difference water index,NDWI)等常用指数通过箱线图进行对比分析,并基于IMFI和RENDVI构建决策树模型对研究区的典型红树林进行提取,提取结果与高分二号遥感数据目视解译提取的样本进行精度验证。结果表明: ①红树林周期性被潮水淹没的特点,使得潮间红树林的反射光谱曲线在水体与红树林的标准光谱曲线之间分布,且相对分散; ②IMFI和RENDVI可反映红边波段与近红外波段反射光谱的差异性,能够更好地对潮间红树林、红树林和水体进行分离; ③基于IMFI和RENDVI构建的决策树模型可有效提取红树林分布信息,其总体精度为0.95,Kappa系数为0.90。红边波段的引入在红树林提取上发挥了重要作用,具有很大的应用潜力,为国产红边卫星数据在生态方面的应用提供参考。

海水养殖业在广东省海洋经济中占据重要地位,及时准确地掌握海水养殖区的空间分布及面积变化趋势,对海水养殖业的可持续发展具有重要的促进作用。相较于传统解译方法存在可重复性差、适用范围小、主观随意性强等问题,深度学习网络模型中的U-Net卷积神经网络能够更好地从遥感影像中提取目标特征,具有更高的提取精度。鉴于此,基于多时相Landsat TM/OLI遥感影像,选用U-Net模型作为解译模型,识别1998—2021年广东省海水养殖区(围海养殖区及开放式网箱养殖区),开展海水养殖区面积趋势性分析,并探究海水养殖区在空间分布格局上的变化特征。结果表明: 相较于K-Means聚类分析和深度信念网络等网络模型,U-Net模型更加适用于对广东省海水养殖区的解译,具有更高的解译精度; 广东省海水养殖区主要集中分布在湛江、江门和阳江等广东省西侧区域; 广东省各区域海水养殖区面积可分为3个梯队,且变化幅度较小,保持相对稳定状态; 广东省海水养殖区在空间上呈现出1998—2014年向外扩张、2014—2021年向内收缩的趋势。本研究能够为广东省海水养殖区的科学管理提供数据支持和技术支撑。

地理成像加速器(Geoimaging Accelerator,GXL)作为新一代分布式遥感数据处理平台,其快速高效灵活的处理模式在国产卫星数据处理中发挥着重要作用。该文基于GXL软件框架MVC(Model View Controller)模式展开分析,分别从模型端、视图端以及控制端探索二次开发模式,通过开发新型算法处理模块和分布式程序部署,进而增强卫星数据处理功能算法。以高分一号、高分二号、资源一号02C国产卫星数据处理为例进行实验验证,结果表明GXL二次开发功能不仅可以灵活扩展卫星数据处理流程,还可以有效提高国产卫星产品生产效率,更好地满足各行业对国产卫星产品的业务需求。

生态质量评价是保障人类生产生活与生态环境协调稳定、实现区域社会经济可持续发展的重要前提,利用遥感技术快速、准确、客观地定量评价区域生态质量已成为一种新的趋势。选取2001年、2010年、2019年京津冀地区的MODIS遥感数据产品,提取出反映绿度、湿度、热度和改进的干度4个重要指标,利用主成分分析法得到MODIS遥感生态指数(MODIS remote sensing ecological index,RSEI_M),对京津冀地区2001—2019年近20 a间的生态质量状况进行综合评价及变化监测。结果表明: ①京津冀地区生态质量区域差异明显,北部燕山及西部太行山一带生态质量好,冀西北张家口及冀东南城市中心区生态质量差; ②2001年、2010年和2019年,京津冀地区的RSEI_M均值分别为0.556,0.583和0.527,生态质量整体呈下降趋势; ③2001—2019年,京津冀地区生态质量改善和退化的面积占比分别为20.18%和35.69%,空间分布上呈现出西北改善、东南退化的格局。西北部生态改善的主要原因在于降水量增加、温度升高等水热条件变化及一系列的人为保护措施; 东南部生态退化的主要原因在于城镇化的快速推进及社会经济活动的增强。基于MODIS数据可有效实现区域大范围的生态质量综合评价,为区域社会经济绿色高质量发展提供参考。

使用人工模拟的高-低分辨率图像对易导致在对真实遥感图像超分辨率重建时模型泛化能力差,针对此问题,结合残差通道注意力网络(residual channel attention network,RCAN)的二次残差(residual in residual,RIR)模块,改进对偶回归网络(dual regression networks,DRN),提出了残差对偶回归网络(residual dual regression network,RDRN)。选取LandCover.ai和DIOR航空图像数据集的10 000张512像素×512像素图像构成样本数据集,用于训练和测试网络,并将重建结果与现有其他超分辨率网络模型的重建结果对比评价。实验结果表明,RDRN在重建质量和模型参数量方面均表现优异,能够在较低模型复杂度的情况下实现较好的超分重建效果,且对不同低分辨率遥感图像具有较好的泛化能力。

为了进一步提高太阳辐射量空间分布资料的精度,利用2013年93个中国太阳辐射逐时资料,对欧洲中期天气预报中心(ECMWF)ERA5平均地表太阳下行短波辐射产品(0.25°×0.25°)进行多尺度的误差分析,并利用多种相关的气象、地理等要素训练随机森林模型,对ERA5总辐射产品进行订正与分析,最后利用该模型得到订正后的逐时辐射量空间分布,使得再分析资料更好地应用于农业、电力和城市建设等行业。研究结果表明: ①2013年ERA5太阳辐射量与站点观测量的MAE,RMSE和R分别为27.60 W/m²,29.87 W/m²和0.97,且ERA5值比站点实测值偏高; ②利用随机森林订正后精度得到提高,校正后ERA5太阳辐射量与站点实测值的MAE,RMSE,R分别为3.34 W/m²,3.85 W/m²,1.00,相关性明显提高; ③订正前后的辐射量的空间宏观分布规律一致,但是ERA5太阳辐射量在局部地区有明显的下降。

武夷山市地形条件、茶园种植结构复杂,云雨天气多、卫星影像难获取。针对单一影像源茶园难提取的问题,以武夷山市新田镇为研究区,综合Sentinel-2影像的光谱信息和Google影像的纹理特征,提出一种基于多源高分辨率卫星影像和多维卷积神经网络(multidimensional multi-source convolutional neural networks, MM-CNN)的茶园分类方法。该方法以一维和二维卷积神经网络为基础,根据不同分辨率的影像,通过建立2种模型,分别提取茶园及疑似区域,并融合2个模型结果,最终得到茶园分布,以相对经济、高效的方式完成研究区茶园分布的高精度提取。结果表明,MM-CNN融合多源高分辨率影像进行茶园提取的空间分布精度优于单一影像源方法,MM-CNN方法具有一定的普适性和鲁棒性,为南方丘陵山区大范围高效监测茶园分布情况提供了方法参考。

针对目前枯死树木检测主要依赖人工实地勘察,容易受到森林地形限制、勘察效率低、易发生危险等问题,提出一种引进注意力机制及空间金字塔池化的YOLOv4-tiny枯死树木检测算法。首先,该方法在模型的Backbone部分后引入空间金字塔池化(spatial pyramid pooling,SPP)结构,融合局部和全局特征,丰富模型的特征表达能力; 其次,使用ELU替换模型中原激活函数LeakyReLU,使得激活函数单侧饱和,能够更好地收敛,提升模型鲁棒性; 最后,将注意力机制ECANet引入模型中,加强网络对图像中重要信息的学习,提升网络的性能。实验利用无人机采集辽南某风景区山林的树木影像,并使用不同模型对其中枯死树木进行检测。通过实验结果表明,改进算法检测精度达到93.25%,相比于YOLOv4-tiny,YOLOv4,SSD和文献[8]算法,精度分别提升9.58%,12.57%,10.54%和4.87%,能够较好地实现对于枯死树木的检测。

相较于常见的双时相遥感影像,时间序列遥感影像包含更丰富的地表信息,能够缓解“异物同谱”、“同物异谱”的影响,因而在变化检测中具有重要作用。但是目前时间序列遥感影像变化检测方法大多基于像素展开,忽略了像素和周围环境的空间关系,导致变化检测结果“噪声”现象明显。基于此,提出了一种基于时空谱特征的时间序列遥感变化检测算法(change detection based on spatial-temporal-spectral features, CDSTS)。首先,利用灰度共生矩阵和局部统计计算方法,从Landsat时间序列遥感影像中提取每个像素点的时间、空间(纹理和统计)和光谱特征; 其次,通过每个像素在不同波段上的时间序列表现规律,自动筛选出时序特征异常点,并与连续变化检测和分类法(continuous change detection and classification, CCDC)检测结果融合获取高精度变化/未变化训练样本点; 最后,利用上述样本点及其对应的时空谱特征训练支持向量机分类器,并基于该分类器对全图进行分类。结果表明,CDSTS算法在变化区域检测精准度方面明显优于常用的时间序列变化检测算法CCDC和土地扰动连续监测方法(continuous monitoring of land disturbance,COLD),总体精度提升了4.8~11.7百分点。

在遥感成像过程中易在拍摄影像内部、影像与影像之间产生亮度不均匀、色彩不一致的现象,通过人工借助图像处理软件进行色彩调节已经不能满足呈几何级数量增长的遥感影像调色需求,因此提出一种针对土地利用率高的复杂城区地物的融合注意力机制无监督循环一致生成对抗网络(channel attention-cycle generative adversarial networks,CA-CycleGAN)。首先,通过直方图调整和Photoshop等软件手工制作用于色彩参考的样本数据集,选择合适的城区影像数据作为待校正影像样本集,将2部分影像分别进行裁切,得到预处理后的影像样本集; 然后,将处理好的待校正影像集和色彩参考影像集通过CA-CycleGAN中,由于在生成器中加入了注意力机制,因此在生成器与鉴别器相互对抗的训练过程中能够利用注意力特征图将生成的重点分配在重要的区域,提高生成影像效果,得到基于城区影像的色彩校正模型以及色彩校正后的影像图。影像校正效果和损失函数图表明,所提出的方法在循环一致生成对抗网络基础上做出了优化,加入注意力机制的生成对抗网络在调整影像色彩上的综合表现效果优于不加注意力机制的生成对抗网络。相较于传统方法大大减少了色彩校正的时间,对比人工调色增加了影像色彩校正效果的稳定性。证明所提出方法在遥感影像匀色工作中优势较明显,具有较好的应用前景。

水是形成和维系湿地生态系统的重要因子,监测湿地水面积变化对湿地保护研究具有重要意义。以2018—2019年逐月的Sentinel-1A卫星数据为数据源,计算扎龙湿地年内和年际的合成孔径雷达(synthetic aperture Radar,SAR)后向散射系数(σ⁰)和相干系数(μ⁰)影像,根据彩色光学影像水体贴近程度赋予权重并构建提取湿地水面σ⁰与μ⁰的加权影像,通过阈值分割法、随机森林算法提取湿地水体,实现湿地水域面积的动态变化监测,探究湿地水域年内和年际变化规律。结果表明: 基于随机森林算法的水体提取精度最高,代表月份平均差值绝对值为6.69 km²,基于μ⁰影像使用阈值分割方法的分类精度最低,平均差值绝对值为13.07 km²; 整体趋势上,扎龙湿地水域面积年内有明显的季节性变化,春末夏初时水域面积在1 300~1 600 km²浮动,夏末秋始时水域面积在700~900 km²浮动; 年际水域面积会随着气候、温度等条件差异有不同变化,2019年10月、11月因降水量大湿地水域面积比2018年多出约1 050 km²,基于有效数据计算,总体上2019年比2018年水域面积多出约550 km²。

缓倾地层滑坡是我国西南地区常见的一种特殊灾害类型,拉裂槽为其典型识别标志。由于灾害源区植被茂密、地形复杂,常规地面调查或遥感手段均存在局限性,较难高效、有效地对其进行识别提取。作为新兴遥感技术之一的机载激光雷达(light detection and ranging, LiDAR)技术及其数据可视化分析方法为缓倾地层滑坡的准确识别提供了新的解决方案。利用无人机搭载长测程LiDAR可获取高分辨率数字高程模型,结合空天视域因子、系列山体阴影图和三维形态模拟等多种可视化方法,可实现缓倾地层滑坡及其拉裂槽的有效识别。文章以四川省北部通江县春在镇周边作为研究区,选取糯鼓寨村南部新识别滑坡隐患作为典型案例,利用综合遥感识别方法,实现基于机载LiDAR数据的滑坡隐患识别标志构建、边界准确判识、拉裂槽位置识别及信息提取,结合野外核查验证结果,从定性和定量2个方面验证机载LiDAR技术对高植被区缓倾地层滑坡及其拉裂槽识别应用的有效性。相关研究结果对缓倾地层滑坡多发区的灾害隐患早期识别、监测及防治领域应用研究具一定的参考和借鉴价值。

海岸线动态监测对于海岸带科学管理和海洋资源合理利用具有重要意义。选用1990年、2000年、2010年和2020年共4期Landsat遥感影像数据,对比并采用了面向对象法提取了胶东半岛北部1990—2020年的海岸线和近岸2 km缓冲区内的海岸带变化,结合海岸线变迁强度的计算方法,利用数字岸线分析系统(digital shoreline analysis system,DSAS)分析了海岸线的变化速率和时空分布特征,通过构建人类活动强度指数 (human activity intensity index,HAII) 模型对海岸线的变化进行了驱动分析。结果表明: ①研究区海岸线整体呈增长趋势,并向海一侧缓慢推进,海岸线长度总体增加了183.13 km,人工岸线增幅最大,砂质自然岸线减幅最大; ②海岸线变化速率时空分布不均衡,最大增速出现在胶莱河—界河区段,为94.59 m/a,最大侵蚀速率出现在界河—大沽夹河区段,为-49.01 m/a; ③近海人类活动变化是研究区海岸线时空变迁的主要原因,人类活动主要以围填海、港口建设等形式影响着海岸线的长度和类型变化。

结合粤港澳大湾区的亚热带气候特点,采用TerraSAR-X雷达遥感卫星对实验区域进行了图像采集; 针对雷达卫星观测场景中地物目标尺度变化不一的问题,提出了一个应用于地物分类的卷积神经网络模型(ENet convolution spatial pyramid pooling,ENet-CSPP)。利用了普通卷积比空洞卷积更好保持领域信息的特点,提出了多尺度特征融合模块——卷积空域金字塔池化模块; 针对SAR遥感图像数据集训练样本偏少的问题,提出了将多尺度特征融合模块和轻量化卷积神经网络结合起来的方法; ENet-CSPP网络的编码器部分由改进后的ENet网络和卷积空域金字塔池化模块构成,解码器部分实现深、浅层特征的融合后输出地物分类图像。在GDUT-Nansha数据集上进行了定量对比实验,ENet-CSPP模型在像素精度、平均像素精度和平均交并比3个性能指标上都要优于其他模型,表明多尺度轻量化的模型有效提高了地物分类的精度。

遥感影像云检测是遥感影像处理过程中的第一步,针对传统的云检测算法小块薄云检测效果差的问题,该文提出了一种融合注意力机制的密集连接网络遥感影像云检测方法。首先,将自然资源部国土卫星遥感应用中心提供的影像人工勾取云矢量并制作云标签,再将其进行顺序裁剪、色彩抖动、旋转等预处理,以增广样本量; 然后,将预处理过后的遥感影像及其标签一并输入到以DenseNet作为编码器与解码器的神经网络中,编码器与解码器之间加入级联的空洞卷积模块以增大感受野,双注意力机制与全局上下文建模模块以抑制一些无关的细节信息; 最后,经过实验验证表明其精确率可以达到95%以上,交并比可以达到91%以上,较传统云检测算法有较大提高,可以很好地提取小块薄云。