及时准确掌握工业固废及露天采场的空间范围和分布情况对于固废污染精准管控和生态环境保护具有重要意义。遥感技术是有效的监测手段,但单一尺度样本集难以充分表达不同形态和大小的工业固废堆场及露天采场的特征,而构建多尺度样本集可以有效解决不同种类工业固废堆场及露天采场特征表达不完整的问题,进而提高模型识别精度和泛化能力。因此,该研究在充分考虑不同种类工业固废及露天采场形态和大小差异特征的基础上,提出了一种基于多尺度样本集优化策略的工业固废及露天采场遥感识别方法。该方法基于预处理后的GF-1B,GF-1C和GF-6号卫星遥感影像数据进行多尺度样本集制备,构建U-Net深度学习网络模型识别工业固废及露天采场,并与单尺度样本集模型精度对比验证识别效果。结果表明,基于多尺度样本集的U-Net深度学习网络模型识别精确率、召回率、F1分数和平均交并比分别可达81.23%,66.88%,73.36%和73.55%,相较于单尺度模型精度分别提升了6.02百分点、1.02百分点、3.12百分点和9.86百分点,可为工业固废及露天采场精准监测提供一种可靠的方法。
及时准确监测与分析矿山开发占地及恢复治理情况是矿山环境遥感调查与监测工作的主要任务。该文以高空间分辨率遥感数据为主要数据源,圈定了2021年山东省新增矿山损毁土地和恢复治理面积:新增矿山损毁土地面积558.07 hm2,另有基建修路损毁26.59 hm2、尾矿库工程治理77.03 hm2;新增恢复治理面积1 019.07 hm2,其中人工恢复治理975.29 hm2,自然恢复43.78 hm2。初步分析了山东省2021年新增矿山损毁土地和恢复治理土地等遥感工作情况及存在问题,并针对这些问题提出了对策建议。调查与监测结果可为山东省土地管理部门科学决策提供有力支撑。
遥感技术是开展矿山开采以及地质环境监测的一种重要手段。基于ArcGIS平台,以预处理后的河南省2020年和2021年高空间分辨率遥感卫星影像数据为信息源,根据遥感解译标志,采用目视解译的方式,获取河南省新增矿山损毁土地和恢复治理信息。通过统计分析,总结了河南省全省矿山损毁占地特征以及恢复治理现状,提出了存在的问题并给出了建议,为政府部门制定决策以及矿山地质环境保护提供依据。
为了解决全色锐化过程中存在的空间与光谱信息融合问题,该文提出了一种在非下采样剪切波变换(non-subsampled shearlet transform, NSST)域下,基于多尺度加权的脉冲耦合神经网络(pulse-coupled neural network, PCNN)和低秩稀疏分解的全色图像和多光谱图像的锐化模型。该模型分为低频和高频处理模块,对于高频子带,提出了一种适用于不同尺度不同方向高频子带的加权方式,并针对其不同方向上的特性,采用一种自适应PCNN模型;对于低频子带,首先将其分解为低秩与稀疏2部分,并根据低秩部分与稀疏部分特点设计相应的融合规则,再采取逆NSST变换得到融合图像。实验在GeoEye,QuickBird与Pléiades数据集上进行,并针对高频信息多尺度加权模块设计了消融实验,相比于次优模型,峰值信噪比(peak signal-to-noise ratio,PSNR)值分别提高了约1 dB,1.6 dB和2.2 dB。实验结果表明,该模型在指标评估中优于其他算法,并有效解决高频信息提取困难问题。
遥感影像变化检测在国土调查更新、城市发展监测与规划等方面中具有重大的应用需求。针对遥感影像变化检测在实际应用中面临的挑战,文章提出了一种结合孪生倒残差结构与自注意力增强的轻量级变化检测方法。该方法通过引入孪生的改进型倒残差结构替代传统卷积神经网络结构作为骨干网络,充分提取特征信息且大幅降低网络复杂度,使用自注意力增强模块提升网络的全局信息关注能力,在损失函数中加入边缘权重精准优化提取结果的细节,利用多层次的跳接残差连接充分融合全局与局部特征。在公开和自制的遥感影像变化检测数据集上对该方法分别进行性能测试,结果表明,所提方法相较于其他变化检测方法,在不降低检测精度的前提下大幅减少了网络参数量和计算量,实现了遥感影像变化检测模型轻量化。
针对现有云检测算法计算量和模型规模庞大、在边缘设备上的部署几乎不可行的问题,提出了一种基于MobileNet网络的轻量化云检测模型。该方法在下采样阶段,使用基于注意力机制的残差模块,通过分组卷积降低模型参数量,并结合通道重排机制和挤压激励(squeeze-and-excitation,SE)注意力模块来增强通道间的信息交流。通过这种方式,既减少了参数量和计算复杂度,又保持了对重要特征的提取能力。在上采样阶段,使用了RepConv模块和改进的空洞空间金字塔池化模块(atrous spatial pyramid pooling,ASPP),以提高网络的学习能力和捕捉图像细节与空间信息的能力。实验结果证明,该文模型在参数量和模型复杂度降低的情况下,能够实现较高精度的云检测,具备实用性和可行性。
在基于深度学习的合成孔径雷达(synthetic aperture Radar, SAR)船舶目标检测中,SAR图像丰富的上下文信息尚未被充分利用。因此,该研究提出一种新颖的SAR船舶图像检测方法,它结合高维上下文注意力和双感受野增强,通过双感受野增强从SAR图像中提取多维特征信息,从而引导动态注意力矩阵在由粗到细的高维特征提取过程中学习丰富的上下文信息;另外,基于YOLOv7,通过引入轻量级卷积模块、轻量化非对称多级压缩检测头和新的损失函数XIoU,构建了YOLO-HD网络。在E-HRSID和SSDD数据集上进行对比实验,实验中所提方法的检测平均精度分别达到91.36%和97.64%,相比原始模型分别提高4.56百分点和9.83百分点,且相比其他经典模型结果更优。
针对高光谱图像分类过程中难以有效提取多尺度特征和姿态信息容易丢失的问题,该文提出了一种多尺度特征衔接高光谱分类网络(hierarchical multi-scale concatenation net,HMC-Net)。首先,HMC-Net利用多尺度卷积核并行计算以提取多层次特征,同时引入1×1卷积核降低输入输出维度,平衡计算复杂度,从而在不显著增加总体计算负担的前提下,实现高效的特征提取;接着,采用独立的胶囊网络并行处理各尺度特征,即通过动态路由改进最大池化,增强特征的平移不变性以减少姿态信息丢失;最后,通过concatenate操作衔接整合不同尺度的特征图,从而实现对高光谱图像分类过程中多层次信息的精确解析。对比实验结果表明: HMC-Net在肯尼迪航天中心数据集、帕维亚大学数据集和萨利纳斯数据集上整体精度分别达到了94%,98%和99%,与最新的高光谱分类模型相比有明显性能优势,验证了该文所提模型的有效性。
大视场三线阵立体航测系统AMS-3000是我国首台自主研发的机载线阵航测系统,可获取全色和R,G,B多光谱影像,但对于其数据质量目前较少有定量的评价与分析。该文以四川省攀枝花市西部金沙江沿岸区域作为研究区,从灰度特征、纹理特征、能量特征和噪声水平4个方面评价了AMS-3000数据的光谱质量,并与国内外主流航摄系统ADS100进行了对比,以1∶2 000比例尺地形成果数据对AMS-3000的几何精度进行了评价; 此外,该文还以矿产资源开发现状调查和地质灾害调查为例,分析了该系统在地质行业的应用效果。研究结果可为大视场三线阵立体航测系统的应用推广及改进提供参考。
在矿产卫片执法工作中,针对地理条件复杂、人员情况不明的矿区,使用无人机对矿区进行侦查、航拍,以及利用摄影测量技术进行矿区的三维建模是保证外业人员人身安全、提高工作效率与准度的一项有效手段。在保证拍摄清晰度与建模数据要求的前提下,轻型无人机起降条件灵活、机动性高,更适合在高流动性矿产卫片执法外业工作中使用。以辽宁省某市几处矿山采面无人机航测成果为例,说明轻型无人机辅助矿产卫片执法工作可以大大提高外业工作效率与安全性,同时建模成果为下一步矿区的精准量测与分析,以及多时序监测提供数据保障。
随着社会经济发展和城镇化率不断提高,人类赖以生存的生态环境受到影响,尤其是长江经济带江苏段受城市化和土地开发等影响,生态质量面临严峻挑战,生态脆弱性评价已成为研究热点之一。该文以长江经济带江苏段2005—2020年4个时期生态脆弱性为研究对象,采用灵敏度弹性压力(sensitivity resilience pressure,SRP)模型,选取生态恢复力、生态压力度和生态敏感性3类16项指标,基于结合层次分析法与空间主成分分析法(analytic hierarchy process-spatial principal component analysis,AHP-SPCA)权重计算方法和地理探测器,研究生态脆弱性特征和影响因素。研究发现: ①研究区生态脆弱性呈现出从南京向南通逐渐增加趋势; ②生态脆弱性等级之间转变主要发生在相邻等级之间,中度和重度脆弱性减小,轻度、微度和潜在脆弱性增加; ③耕地占比、人口密度和生物丰度是主要驱动因素,植被覆盖与耕地占比的交互作用具有最大解释力。研究结果对江苏省长江沿岸生态环境保护和可持续发展提供了重要参考。
全球气候变化形势严峻,实现“双碳”目标意义重大。在控制其他驱动变量的条件下,研究某种因子对二氧化碳排放强度影响效应仍然面临一定挑战。该文首先以中国地级市尺度的二氧化碳排放强度为数据源,采用地理探测器模型和空间自相关方法分别分析二氧化碳排放强度空间异质性和空间相关性;其次,构建贝叶斯因果森林(Bayesian causal forest,BCF)模型,在控制混杂因子的基础上,得到了2005—2020年城市人口规模对二氧化碳排放强度的因果效应,结果呈现出“U”型曲线特征,探究了中国城市人口规模对二氧化碳排放强度的影响机制;最后,基于上述分析,针对不同地区提出合理减排政策建议。研究可为增强城市的可持续发展提供参考依据。
西藏白格滑坡于2018年10月和11月先后发生2次崩滑,造成了巨大的经济损失和广泛的社会影响。利用多源数据开展滑坡各阶段活动特征监测对理解此次滑坡事件的破坏机理具有重要意义。该文采用Sentinel-1,ALOS-2和Landsat8 3种数据源,通过短基线集合成孔径雷达干涉测量技术(small baseline subset interferometric synthetic aperture Radar,SBAS-InSAR)和SAR偏移量以及光学偏移量跟踪技术获取了白格滑坡滑前、2次滑动和滑后的形变特征。光学偏移量计算结果表明,白格滑坡在2014年11月—2018年3月29日的滑前阶段,累积位移量达到40 m,其形变区为滑坡中部。SAR偏移量结果也表明该滑坡在滑前2018年5月与7月的累积位移量达到了6.4 m,其形变区同样为滑坡中部。基于InSAR技术的监测结果揭示了白格滑坡2018年10月—11月2次失稳后,在滑坡后缘和滑坡左上侧仍存在明显的残余形变。白格滑坡在2018年11月—2021年11月滑后阶段,在滑坡的后缘高位处仍存在-140 mm/a的形变,且滑坡左上侧形变范围在持续扩大。该研究成果恢复了白格滑坡大量级位移的滑动全过程,为滑坡监测及预警研究提供了参考。
自天-空-地一体化的“三查”体系提出以来,地质灾害隐患识别与监测示范性工作取得显著成效。四川省乐山市是示范区中的地质灾害重点防治区,高植被覆盖率和集中降雨导致地质灾害具有高位隐蔽和突发性。该文以乐山市为研究区,采用天-空-地一体化的“三查”技术体系,开展高植被山区地质灾害隐患识别与监测应用研究。主要得出以下结论: ①研究区共识别地质灾害隐患75处,通过现场核查确认地质灾害隐患解译数为51处,识别准确率为68%,新识别隐患点36处; ②地质灾害隐患主要集中分布在2个区域,集中区内识别地质灾害隐患37处,占研究区地质灾害隐患的72.5%; ③Stacking-InSAR可以作为斜坡初始变形阶段的地质灾害识别手段; 斜坡处于显著变形阶段且在InSAR探测能力范围内时,Stacking-InSAR、高分辨率光学卫星影像、LiDAR均能作为地质灾害识别的技术手段; ④在高植被覆盖的山区,可利用LiDAR技术去除地表植被的影响,结合一定的专家经验开展地质灾害隐患识别工作; ⑤目前利用遥感手段很难对“非显性地质灾害隐患”进行有效识别。