煤层气是一种自生自储式非常规清洁能源,它赋存于煤层及其围岩中。传统勘查方法费时费力,而遥感技术提供了煤层气富集区快速勘查的新途径。煤层气富集区遥感勘查的基本原理是基于典型地物波谱特征与富集区烃微渗漏导致的地表物体异常波谱特征,包括岩矿蚀变、植被异常和热异常等波谱特征的对比,结合煤田地质、地震、大地电磁等物探方法获取的数据,进行多源信息提取与综合分析,逐步查明煤层气富集区分布范围与含气特性。文章综述了煤层气富集区烃类物质渗漏与地表岩矿波谱和植被波谱异常的响应机制,以及基于地表岩矿波谱与植被波谱参数反演的多种方法与地物波谱异常反演在煤层气潜在富集区的勘查应用; 阐述了含煤层气地层导致地表热异常的不同解释与提高地表温度反演准确率的主要方法与应用。未来,遥感与煤田地质数据、地震探测和大地电磁探测相结合,开展立体多元信息分析与信息提取,将成为实现煤层气富集区低成本快速勘查的主要途径。
积雪是表征地表冰冻圈的重要因子,也是重要的天气、水文现象的参数。借助遥感技术对积雪形态及变化进行长时序、大范围监测,在全球气候变化研究、水文水资源调查和地质灾害预防等领域有重要作用。经过数十年的发展,国内外积雪遥感监测技术领域取得了很大进展,积雪遥感监测产品种类不断丰富,积雪反演的算法也在不断改进。文章对现有应用比较广泛的积雪产品按照积雪范围产品、积雪覆盖率产品和雪深/雪水当量产品3类进行归纳总结,梳理当前典型积雪范围及覆盖率产品和雪深/雪水当量产品的业务化遥感反演算法。文章指出,随着国内外高时间和空间分辨率传感器的不断出现,在光学和微波新数据源、新技术支持下,研究人员逐渐针对区域特点优化积雪反演算法,使得反演精度不断提高,为未来积雪遥感监测产品的不断改进提供更多支持。
在“双碳”背景下,开展遥感生态评价与监测分析对于及时掌握生态状况、制定科学合理的生态保护政策具有重要作用。早期遥感生态评价指标单一、过程复杂。遥感生态指数(remote sensing ecological index, RSEI)实现了生态评价效率的提高,得到广泛应用。为深入理解RSEI,文章阐述了该指数的产生背景,介绍了RSEI的计算方法及研究现状,归纳了指数存在的问题及区域适应性调整措施,并对RSEI主要应用方向,即区域生态评价和区域生态变化监测进一步分析,最后指出,未来RSEI虽有广阔发展空间,却仍需围绕影像时空尺度、存储和批处理能力、模型自适应、智能化等方面进行研究。
内陆地表水体包括江河、湖泊、水库等,是人类和生态系统的重要淡水资源,其监测、管控具有重要意义。光学遥感技术为地表水资源监测提供了极大便利,是内陆地表水体提取与动态监测的重要手段。文章从水体提取的基本原理、遥感数据源、提取方法和存在问题与展望4个方面进行评述。水体在遥感影像上具有独特的特征,通过遥感手段能够精确、科学、有效地提取内陆地表水体; 多种遥感数据源可用于水体提取; 光学遥感水体提取方法可分为阈值法、分类器方法、面向对象方法、深度学习方法和其他方法,不同的方法有不同的优缺点和适用条件,根据研究区情况,合理选择多源数据、结合多种方法往往能够提高水体提取的精度; 基于光学遥感的水体提取目前仍然存在一些问题,例如遥感数据时空分辨率的制衡、水体特征的挖掘、水体模型的泛化能力以及精度评价标准的统一性等。
对江河湖泊等水体目标的空间分布、时序变化进行及时、准确的检测和统计具有十分重要的意义和应用价值,已成为当前遥感地表观测研究的重要热点。传统水体提取方法依靠经验设计的指数模型进行水体阈值分割或分类,易受到植被、建筑物等地物的阴影以及水体自身泥沙含量、盐碱浓度等理化特性变化的影响,难以在不同时空尺度环境下保持鲁棒性。随着海量多源、多分辨率的遥感图像的快速获取,深度学习算法在水体提取方面的优势逐渐凸显并被国内外学者广泛关注。得益于深度神经网络模型强大的学习能力和灵活的卷积结构设计方案,研究人员陆续提出了各种模型和学习策略用以提高水体提取的鲁棒性和精度,但目前缺少对该类研究进展的全面综述和问题剖析。因此,文章对近年来国内外发表的相关研究成果进行总结,重点归纳不同算法在遥感图像水体提取方面的优缺点及存在的问题,并对基于深度学习的遥感图像水体提取方法研究的发展提出了建议和展望。
地表温度是区域和全球尺度地表过程的重要参数,通过热红外遥感可获取区域或全球尺度的地表温度的时空信息。然而,受到热红外传感器硬件特性以及热红外电磁波无法穿透云层的限制,目前无法获取兼顾高时空分辨率的地表温度。该研究提出了一种重建全天候100 m空间分辨率的逐小时地表温度的方法。方法主要包含3个步骤: ①在传统温度年循环模型的基础上,重建中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)4时刻的云下地表温度; ②借助于温度的日变化趋势估计地表温度的日变化曲线,获取逐小时的地表温度; ③以光谱指数作为回归因子,利用极端梯度提升树对逐小时地表温度进行空间降尺度。研究结果表明,提出的重构方法可以获取时空连续的地表温度产品,提高了地表温度的空间分辨率,提供了更丰富的纹理信息。通过美国地表辐射观测网络(surface radiation budget network,SURFRAD)站点数据对逐时100 m尺度的地表温度进行验证,结果表明逐小时重建的地表温度与站点实测值的变化趋势大致相同,全天候逐小时地表温度重建方法精度较高,R2为0.95,均方根误差(root mean squared error,RMSE)为3.75 K,偏差(bias)为0.75 K。
树冠体积是地表生态监测研究的关键因子,激光点云可精细描述单木空间形态,为树冠体积提取提供了数据基础,但现有的激光点云单木树冠提取方法存在参数敏感、自动化程度不高等不足。文章在分析单木三维空间形态结构的基础上,提出了一种基于地基激光点云数据的单木树冠体积提取球坐标积分法。首先,根据激光点云高程分布特性,采用可视高程阈值分割得到树冠点; 然后,将激光点云投影至三维球坐标空间并进行四棱锥形微元分割; 最后,利用三维球坐标积分确定树冠体积。选择6种不同类型的单木激光点云数据进行试验,结果表明: 文章方法能较好地顾及树冠形态、点云密度等因素,单木树冠体积提取绝对误差绝对值最大值为2.33 m3,相对误差最大值为3.40%,相比已有方法具有树冠提取精度高、稳定性好的优势。该研究对激光点云林木参数提取具有重要的参考价值。
城市生态环境质量的监测和评价对于城市可持续发展具有重要意义。为评价我国近海发达城市近年来生态环境质量,该文以南京市为例,基于2021年Sentinel-2A遥感影像,利用绿色空间、蓝色空间、建筑及不透水地表面构建了一种新的遥感绿色指数(remote sensing green index,RSGI)模型,并初次将模型应用于南京市的生态环境质量评价。首先,对南京市Sentinel-2A遥感影像进行神经网络监督分类,构建RSGI,用于评价南京市各区的生态环境质量; 其次,运用皮尔逊相关系数分析了RSGI与城市各生态要素之间的相关性; 最后运用聚合层次聚类分析法分析了南京市各区之间的相似程度。结果表明: 南京市生态环境质量呈现出中间低四周高的结构,其中六合区RSGI值最高(0.86),秦淮区最低(0.38),相差0.48; RSGI与绿色空间密度呈现0.01级别正相关趋势,与人口密度、建筑密度、不透水地表面密度呈现0.01级别负相关趋势; 南京市11个区在城市生态要素方面以70%相似度为阈值可划分为4个集合,第一集合为秦淮区、鼓楼区和建邺区,第二集合为雨花台区和栖霞区,第三集合为玄武区和高淳区,第四集合由其他4个区组成。研究结果可为南京市未来城市规划与可持续发展提供科学依据。
滑坡快速识别检测可以满足滑坡灾害的高时效性要求,对灾害损失评估和灾后救援具有重要意义。研究提出一种基于深度学习的滑坡自动提取方法提高滑坡检测的精度。该方法使用目标区遥感影像、数字高程模型数据和面向对象多特征变化向量分析法(robust change vector analysis,RCVA)提取的变化特征作为模型输入,设计结合密集上采样和非对称卷积的U-Net模型提高滑坡识别精度。以四川省汶川地区作为研究区,设计试验测试了不同数据组合和不同方法得到的像素级滑坡分割精度,结果表明该研究提出的改进的U-Net模型可以取得更好的分割结果。
阴影法能以较低的成本测量大范围的城市建筑物高度,但其中的阴影长度测量方法在复杂阴影场景中存在测量效率低、精度差、鲁棒性低等问题。对此,该文提出了一种复杂建筑阴影测量方法。该方法首先通过渔网法和多种约束条件相结合实现对阴影的测量与划分; 其次,统计所有划分区域的阴影长度值,利用四分位法和双向逼近策略确定阴影最优值; 然后,综合评估所有区域最优值确定阴影长度; 最后,利用立体交会的建筑高度对应用该阴影测量方法计算的建筑物高度进行验证。结果表明: 该方法计算建筑物高度有90.6%以上绝对误差在0~5 m之间。因此可以得出该文方法计算的阴影长度有着较高的精度,能够满足不同种类的复杂阴影测量,提高了阴影法反演建筑物高度的精度,为城市建筑物高度的反演提供新的技术支撑。
干旱是影响农业生产最大的自然灾害之一,开发综合干旱指数对于评估干旱具有现实意义。该文耦合XGBoost算法降尺度后的土壤水分和降水Z指数数据,在空间上以重庆市行政区县边界分区,时间上以旬为单位分段,基于Copula函数构建千米尺度网格化的综合干旱指数(meteorology-agriculture composite standardized dranght index,CSDIM-A),评估干旱的时空特征。结果表明,降尺度提高了遥感产品的空间连续性,为后续构建千米尺度的CSDIM-A提供支持; 广义极值分布和t位置尺度分布分别适用于拟合重庆市大多数区县土壤水分和降水变量数据分布,Frank-copula函数适用于拟合旬尺度下二元变量的联合分布; 基于土壤墒情数据验证构建的CSDIM-A比降水Z指数能更好地反映干旱信息,基于各区县得到CSDIM-A的空间分布与实际旱情资料相符,说明所构建的CSDIM-A可为干旱评估提供参考。
非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)和变化向量分析法(change vector analysis,CVA)在高分辨率遥感影像变化检测中,会因不同地物的变化幅度有显著差异,而在单一阈值下无法保证较高的检测精度。为此,文章在后验概率空间变化向量分析(change vector analysis in posterior probability space,CVAPS)的框架下,提出了一种基于模糊C均值聚类(fuzzy C-means, FCM)和简单贝叶斯网络(simple Bayesian network,SBN)的NSCT变化检测方法(FCM-SBN-CVAPS-NSCT)。该方法首先将FCM与SBN耦合,计算出后验概率变化强度图; 之后,通过NSCT将后验概率变化强度图分解为不同尺度和方向的子图,通过保留高频子图中的细节并消除噪声,优化了重构后的后验概率变化强度图,实现了后验概率空间下的多尺度、多方向的变化检测,最终提高了变化检测的精度。实验结果表明,所提方法在3个研究区中得到的Kappa系数比FCM-SBN-CVAPS分别高出了0.100 9,0.056 6和0.067 4,具有一定的优越性。
高光谱技术已成为沿海湿地监测的主要手段,但传统高光谱分类方法通常存在特征提取不充分、同物异谱和场景碎片化等问题。针对这些问题,该文将Transformer用于高光谱分类,提出一种新的分类方法。该方法基于视觉自注意力模型(Vision Transformer,ViT),利用Non-local技术学习全局空间特征,扩大感受野解决提取判别特征不足的问题; 同时,通过自适应跨层残差连接加强层间信息交换,解决信息损失的问题。选取NC16和NC13黄河三角洲湿地数据集作为实验数据,并将提出的方法与支持向量机(support vector machine,SVM)、一维卷积神经网络(one dimensional convolution neural network,1DCNN)、上下文深度卷积神经网络(contextual deep convolution neural network,CDCNN)、光谱空间残差网络(spectral-spatial residual network,SSRN)、混合光谱网络(hybrid spectral network,HybridSN)和ViT进行比较分析。结果表明,所提方法的总体精度(overall accuracy,OA)、平均精度(average accuracy,AA)和Kappa系数均有显著提高,OA分别达到96.24%和73.84%,AA分别达到83.42%和74.87%,Kappa分别达到94.80%和68.94%。
遥感图像全色锐化是提取多光谱图像的光谱信息和全色图像的结构信息,将其融合成高分辨率多光谱遥感图像的过程。然而,高分辨率多光谱图像会存在光谱或结构信息的缺失问题。为了优化这一问题,该文提出一种基于多深度神经网络的遥感图像全色锐化算法,该算法有结构保护和光谱保护2个模块。结构保护模块使用滤波操作,提取全色图像和多光谱图像的高频信息,然后采用多深度神经网络提取图像的多尺度信息,从而提高模型的空间信息提取能力,减小过拟合的风险; 光谱保护模块通过跳跃连接将上采样的多光谱图像与结构保护模块相连接,以保护图像的光谱信息。为了验证新模型的有效性,在相同实验条件下,将所提方法与多种遥感图像全色锐化算法进行比较,并从主观视觉效果和客观评价2个方面进行评估。实验结果表明,所提方法能够改善当前算法存在的结构信息缺失现象,更好地保护多光谱图像的光谱信息以及全色图像的结构信息。
基于深度学习的遥感影像场景分析是震后进行损毁评估的重要手段。在损毁建筑影像资源相对稀缺的情况下,构建高质量的遥感场景图片样本集,对提高场景识别和分类精度具有重要意义。作为遥感分析的重要参考依据,上下文信息在场景图片中所占比例是影响样本集构建效果的一个关键因素。目前,样本集构建方法中缺乏对上下文信息合适比例的探索。该文以构建高质量样本集为目标,设计一种调整场景图片上下文信息比例的方法,研究不同上下文信息占比对场景样本集构建的影响,探索上下文信息比例的最佳设置范围。文章构建6组不同上下文信息占比的场景图片样本集,使用5种经典卷积神经网络(convolutional neural network,CNN)进行训练和测试,并依次对每个模型的分类结果和不同上下文信息的分类结果进行分析。研究表明,当上下文信息占比为80%时,CNN网络达到了最佳的分类准确率(92.22%),当上下文信息占比为95%时,则降到89.03%; 在所有的CNN模型中,GoogLeNet的分类表现最好,平均准确率达到93.13%。该研究可以找到场景样本集中合理的上下文信息比例设置范围,有效提高遥感场景图片分类的准确率,为损毁建筑遥感场景图片样本集的制作提供指导。
负氧离子浓度和PM2.5质量浓度是衡量空气新鲜和清洁程度的重要指标。文章利用2018—2022年福建气象部门50个负氧离子观测站资料,以及基于卫星遥感反演的气溶胶、植被指数、地表亮温等生态环境参数,并融合Cubist机器学习方法建立负氧离子浓度和PM2.5质量浓度估算模型,在此基础上提出综合考量负氧离子浓度和PM2.5质量浓度来建立空气清新指数,并采用统计学上数据序列频率的四分位数结合负氧离子的时空变化特征对空气清新指数进行分级,最后实现对区域空气清新度的精细化网格监测。结果表明: 负氧离子浓度估算训练模型拟合优度为0.838,测试模型拟合优度为0.526; PM2.5质量浓度估算训练模型拟合优度为0.968,测试模型拟合优度为0.867。基于气象、遥感和机器学习算法的空气清新指数监测结果与实际情况相符。
高分辨率遥感技术对构造微地貌精细结构的识别能力大大地提高了活动断层调查的效率。该文在系统总结活动断裂遥感影像标志的基础上,综合利用Landsat8和GF-2这2种影像数据,采用宏观地貌到微地貌的遥感解译方法,结合前人研究成果和野外实地考察,对川西毛垭坝地区的活动断裂进行了分析与研究。研究表明,除义敦—理塘断裂带以外,研究区还发育数条呈近EW向具正断裂性质的活动断裂。综合区域地质背景分析认为,在印度板块与欧亚板块的强烈碰撞挤压背景下,青藏高原东南缘地壳物质不断横向挤出,发育了右旋走滑的巴塘断裂和左旋走滑的理塘断裂2组共轭断裂。在2者的共同控制作用下,研究区正处于局部伸展阶段,并发育了近EW向的断裂构造,这些断裂控制了大毛垭坝、小毛垭坝以及北侧的措普盆地的发展与演化。
评估区域生境质量对维护区域生物多样性、提升人类福祉、促进区域可持续发展具有重要意义。为此,该文基于2000年、2010年、2020年3期土地利用数据,运用InVEST模型和生境质量指数法对长三角生态绿色一体化示范区的生境质量进行分析,并探讨了区域生境质量与土地利用之间的关系,结果表明: ①2000—2020年间,研究区生境质量等级为中等,生境质量指数呈现降低的趋势,生境退化程度逐渐减小; 就区县而言,2000—2010年,两区一县均呈退化趋势; 2010—2020年,青浦区、嘉善县生境质量得到改善,而吴江区生境仍然处于退化的状态; ②2000—2020年间,研究区生境中等级的主要地类为耕地和草地,生境质量优的地类主要为分布在北部和中部的水域和湿地,差、较差等级主要分布在研究区建设用地; ③研究区生境质量与土地利用结构存在较强的关联性,土地利用变化剧烈的地区,生境质量变化越显著。研究结果可为研究区域的生物多样性保护以及土地利用管理提供参考。
山体滑坡会导致生命和财产损失,获取完整的滑坡空间分布图及对易发区域的准确判定有利于指导生产、生活和生态空间优化。在滑坡调查过程中,茂密的植被覆盖使滑坡调查难度加大,机载激光雷达(light detection and ranging,LiDAR)技术的穿透能力使真实地形特征得以呈现,从而实现植被茂密区滑坡识别。该文通过仿地飞行获取研究区LiDAR点云数据,基于点云数据得到数字高程模型(digital elevation model,DEM),在山体阴影分析、彩色增强显示及三维场景模拟基础上,识别出区域内已有滑坡的位置与规模,经野外核实,滑坡解译精度为86.4%。针对滑坡易发区评价问题,以现有滑坡为样本,首次采用遥感分类思维开展滑坡易发区划定,采用小区域内与滑坡发育有关的高程、坡度和地表起伏度组合成影像,以支持向量机为分类方法,判定出滑坡易发区域,经滑坡检验样本分析,滑坡识别精度为81.91%。研究表明: 基于高精度的LiDAR数据及其视觉增强后的图像能识别小型滑坡,采用支持向量机分类法可以准确确定滑坡易发区,为下一步三生空间规划与优化提供依据。
该文基于“暴露度-敏感性-适应性”(vulnerabiliy-scoping-diagram,VSD)模型构建生态脆弱性评价指标体系,利用层次分析-主成分熵权法对康定市2011—2019年共3期数据进行生态脆弱性动态评价,通过时空变化特征分析、空间相关性分析、驱动力分析揭示其时空分异特征以及驱动机制,以期为康定市生态环境的修复、保护和可持续发展提供建议。结果表明:①在整个研究期间脆弱性以潜在脆弱和微度脆弱面积增加、重度脆弱面积减少为主要的变化趋势,整体属于中度脆弱,生态环境变化趋势向好,且具有西部、东南部高-高聚集,中部及东北部低-低聚集的空间分布特征; ②康定市生态脆弱性空间分布特征由内外多种因素共同作用决定,其中植被状况、生物丰贫程度、水土保持条件、气象等自然驱动力起到主导作用。
松材线虫病是危害我国林业资源的主要病害,研究深度语义分割网络无人机遥感技术可提高松材线虫病变色木识别准确率,为提升和保护林业资源质量提供技术支撑。该文以青岛崂山松林为研究区,通过固定翼无人机航拍获取区域无人机松材线虫病疑似变色木影像,以全卷积网络(fully convolutional networks,FCN),U-Net,DeepLabV3+和OCNet 4种深度语义分割模型为研究对象,选用召回率(Recall)、精确率(Precision)、交并比(intersection over union,IoU)和F1值评估各模型分割精度。航拍飞行获得2 688张无人机影像,通过手动标记和样本扩增生成训练样本28 800个。4种网络均能够较好识别松材线虫病变色木,无显著误报,并且深度语义模型对颜色相近的地物,如岩石、黄色裸土等有较好的辨别结果。总体上,DeepLabV3+具有最高的变色木分割精度,IoU与F1值分别为0.711和0.829; FCN模型分割精度最低,IoU与F1值分别为0.699和0.812; DeepLabV3+训练耗时最低,达到27.2 ms/幅; FCN预测耗时最低,达到7.2 ms/幅,但分割变色木的边缘精度最低。以3种特征提取网络ResNet50,ResNet101和ResNet152为前端特征提取网络构建的DeepLabV3+模型变色木识别IoU值分别为0.711,0.702和0.702,F1值分别为0.829,0.822和0.820。DeepLabV3+比DeepLabV3网络具有更高的变色木识别精度,DeepLabV3网络变色木识别的IoU和F1值分别为0.701和0.812。DeepLabV3+模型在测试数据中具有最高变色木识别精度,特征提取网络ResNet网络深度对变色木识别精度影响较小。DeepLabV3+引入的编码和解码结构能够显著改进DeepLabV3分割精度,同时可获得详细的分割边缘,更有利于松材线虫病变色木识别。
为探讨利用高光谱快速估算耕地土壤质量元素镉(Cd)、砷(As)含量的可行性和准确度,该文针对元素光谱特征波段提取及高光谱定量反演建模开展研究。使用一阶/二阶微分(first derivative/second derivative,FD/SD)、倒数对数(logarithm reciprocal,LR)、包络线去除(continuum removal,CR)4种光谱变换与竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)、相关性分析(Pearson correlation analysis,PCC)2种特征筛选相组合的多种方法提取光谱特征波段。在此基础上,分别利用偏最小二乘回归(partial least squares regression,PLSR)和粒子群改进的随机森林回归(particle swarm optimization-random forest regression,PSO-RFR)2种回归模型来反演元素含量并进行精度验证。结果表明,实验区土壤元素Cd和As预测的最佳模型均为FD-CARS-PLSR,Cd和As元素模型的决定系数R2最高分别为0.863和0.959,相对分析误差分别为2.799和5.119。FD/SD光谱变换结合CARS特征筛选能够提升PLSR反演模型的精度。研究成果可以为土壤Cd和As元素含量的快速估算提供参考。
该文以西藏自治区为研究对象,利用卫星遥感技术取得的调查监测成果,探索性地将市级行政单元的建材类非金属矿山压占损毁土地情况、矿山环境恢复治理情况、采场挖损规模与地区生产总值、人口、区划面积、人口密度等社会经济典型要素进行相关统计分析。结果显示,地区生产总值或人口密度越高的地区,建材类非金属矿产资源开采规模越大,该结论为在我国西部省份预测一定区域内建材类非金属矿山开采规模及今后实现建材类非金属矿山地质环境与社会经济建设和谐发展提供了研究基础。
针对中分辨率遥感数据面向对象分类,以河北省北部山区和南部平原Landsat8 OLI,Landsat5 TM及高分一号(GF1)数据为研究对象,对支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、决策树(decision tree,DT)及朴素贝叶斯(naive Bayes,NB)4种分类器的土地覆盖分类效果进行对比,并分析SVM,RF和DT中关键参数对分类结果的影响。结果表明: 在2个研究区,各分类器结果略有差异,从整体上看其优劣排序为SVM,NB,RF和DT。其中SVM和DT分类精度随参数变化波动较大: 对于SVM,当参数C取值不小于103且gamma不大于10-1时,无论哪种情况其分类精度均优于90%; 对于DT,当参数树深(Depth)大于3时,各情况下的分类精度相对较高且趋于稳定。RF分类精度随参数变化波动较小且没有明显的变化规律。研究结果可为中分辨率遥感数据面向对象土地覆盖分类研究提供参考。
针对广西地区作物种类多、蔗区调查复杂度高,以及因天气多变导致的卫星遥感图像获取困难等问题,该文提出了一种基于Sentienl-2影像的语义分割改进算法用于自动识别甘蔗种植区域,并在多时相的Sentinel-2和Landsat8影像数据基础上,提出了一种代表性光谱特征提取方法构建甘蔗产量预测模型。首先在轻量级网络BiseNetV2中加入了高效通道注意力模块(efficient channel attention, ECA),构建了ECA-BiseNetV2模型识别蔗田的种植区域; 然后从识别到的甘蔗种植区域中提取不同时期的多种植被指数,利用线性回归模型将Landsat8植被指数转化为Sentinel-2植被指数,以减小Sentinel-2和Landsat8的数据差异; 接着对各蔗区、各生长周期内的植被指数时间序列数据进行三次曲线拟合,提取最大值作为代表性光谱特征; 最后使用了多种机器学习算法构建产量预测模型。结果表明,所提出模型总体精度达91.54%,甘蔗查准率达95.57%; 基于植被指数拟合最大值构建的决策树模型的测试集R2为0.792,比采用实际最大值构建的相应模型(R2=0.759)提升了4.3%。该方法可有效解决因天气问题导致的甘蔗关键生长期遥感图像缺失而难以准确构建产量预测模型的问题,展示出较强的应用性。
金沙江流域是中国典型地质灾害高发区,为精准辨识金沙江流域潜在滑坡隐患,利用差分干涉测量短基线集时序分析技术(small baseline subset interferometric synthetic aperture Radar,SBAS-InSAR)对Sentinel-1A卫星升降轨数据进行处理,从2个不同探测方向对金沙江白格滑坡及其下游约100 km区域进行滑坡早期识别和形变监测。研究结果显示:①升降轨卫星联合探测能有效减少几何畸变干扰,识别出长期蠕变隐患点;②Sentinel-1A升轨视线(line-of-sight,LOS)向形变速率为-142~80 mm/a,降轨LOS向形变速率为-71~56 mm/a,结合光学遥感影像目视解译,探测出2个大型滑坡群,共计9个滑坡;③对色拉滑坡、沙东(雄巴)滑坡和尼马寺堆积体滑坡等3处典型滑坡进行地表形变特征分析,发现滑坡最大形变量与降雨量、河水径流量峰值相关,降雨和河水侵蚀冲刷是影响滑坡形变的重要因素。研究结果可为汛期流域性地质灾害预报预警及防治提供参考依据。
近年来目标检测成为计算机视觉技术的重要分支,广泛应用于医学、军事、城轨等领域,随着卫星和遥感技术的进步,其获取的图像蕴含着丰富的信息,因此对这些图像中目标自动检测和理解变得至关重要。但是遥感影像中目标方向随意、密集等,传统目标检测方法容易导致漏检错检,针对此问题,该文提出多卷积核特征组合自适应区域生成网络(multi-convolution kernel feature combination adaptive region proposal network,MFCARPN)算法进行多方向检测,该算法引入多个不同卷积核提取特征,可以根据目标的差异性自适应地学习每个卷积核特征的权重参数,得到和目标更加匹配的特征图,同时通过结合目标原始特征使分类回归模型参数可以依据目标之间的差异性动态变化,提高区域生成网络(region proposal network,RPN)自适应能力。实验表明其在DOTA标准数据集的平均精度均值(mean average precision,mAP)达到75.52%,相较于GV算法提高0.5个百分点,由此证明了该算法的有效性。
