多核学习算法及其在高光谱图像分类中的应用研究进展

多核学习算法在高光谱图像分类领域占据着十分重要的地位。与灰度图像、全色图像和多光谱图像等相比,高光谱图像因具有很强的分类识别能力等多方面优势而被广泛应用。为进一步提高高光谱图像的分类精度,促进多核学习算法在高光谱图像分类中的应用,本文对多核学习算法及其在高光谱图像分类中的应用进行了总结。首先在回顾核方法的基础上阐述了多核学习框架,其次对多核学习核函数组合方法进行综述,随后根据求解多核学习组合系数方法的不同将多核学习分为两类：固定规则的多核学习算法和基于优化的多核学习算法,并对两类多核学习算法在高光谱图像分类中的应用进行综述,总结各类算法在高光谱图像分类的应用进展。同时,为了便于研究者对多核学习算法及其在高光谱图像分类问题中的应用研究,本文对常用核函数和高光谱图像数据集进行了整理归纳。最后,讨论了多核学习算法在高光谱图像分类研究方面的不足,并对未来研究方向进行了展望,以期为该领域的研究和应用提供参考。     

时态GIS在森林资源更新管理方面的研究进展

随着地理信息系统(GIS)应用领域的不断深入,基于时态GIS技术的森林资源更新管理成为一个重要的研究方向。本文在森林资源小班数据更新分析的基础上,对比总结了当前主流的时空数据模型,介绍了时空数据库的构建形式和森林资源数据的更新流程,为时态GIS技术在森林资源管理中的进一步研究提供了方向。     

基于Landsat和Sentinel-2时间序列影像的海南西部橡胶林龙卷风灾情评估

风害是影响中国天然橡胶产业发展最严重的自然灾害之一,它短时间内对橡胶林造成严重的物理伤害(大量落叶、枝条和主干折断等),严重影响后期生长和产量。传统地面调查虽然精度高,但耗时费力、经济成本高,利用遥感快速评估对指导灾后生产恢复、保险赔付和科学研究等具有重要意义。本研究以2019年8月1912号热带风暴"杨柳"在海南西部诱发的龙卷风为例,从影像数据覆盖的时效性、合成方法和灾害评估指标筛选等角度出发,探讨了联合Landsat 7/8和Sentinel-2时间序列遥感影像和影像差异法评估橡胶林风害损失的潜力。结果表明:(1)无云的Landsat 7/8和Sentinel-2影像在灾害发生前后的20 d内能对90%以上的研究区域实现至少一次覆盖,30 d内基本实现完全覆盖,像元尺度平均覆盖3次,60 d平均覆盖6次;(2)风灾前采用最大值合成,灾后采用中值法合成,获得的影像差异显著且监测指标最为稳定;(3)在时间窗口方面,灾害前后40 d窗口内合成影像的监测效果趋于稳定,与90 d窗口合成影像的结果差异不明显,保守的建议采用灾害前后60 d窗口内的影像进行风灾监测;(4)受损橡胶林风灾前后EVI数值变化最大,40 d窗口之后平均下降超过0.5,NBR次之,其后是LSWI、NDVI、近红外(NIR)和短波红外(SWIR1和SWIR2)波段。从变化的百分比值看,风灾后LSWI和SWIR2的变化幅度最高,降幅超过120%,明显高于NBR、EVI、NIR和SWIR1。相比之下,LSWI的空间变异(60 d合成时标准差约27%)明显低于SWIR2 (60 d合成标准差约83%);(5)此次龙卷风造成海南西部约645公顷的橡胶林报废,作为30年经济寿命周期的作物,损失非常严重。本研究展示了联合Landsat和Sentinel-2监测橡胶林风害损失的巨大潜力,为今后橡胶林和其他作物的台风灾害及时监测提供了重要的方法参考。