基于深度学习RCF模型的三都澳筏式养殖区提取研究

三都澳是中国重要的海水养殖海湾，在水产养殖中占有较高的经济地位。快速准确地获取养殖区的分布范围、数量以及面积等信息，对养殖区规划、产值估计、生态调查、风暴潮灾害预防等具有重要的意义。然而，随着养殖区域的扩大，海水背景状态愈发复杂多样，光谱特征差异较大，为养殖区提取带来困难。在本实验中，利用高分辨率遥感卫星GF-2图像，引入深度学习RCF（Richer Convolutional Features）网络模型对海湾内的筏式养殖区进行了提取。结果显示:该方法无需事先对区域进行水陆分离处理，且对水中泥沙较多的区域以及海浪较大的区域有很好的提取效果，提取精度达93%以上，适合进行大规模海水养殖区提取应用。     

基于样本自动扩充的街区式农村居民地遥感提取方法

与基于非监督分类机制的居民地提取方法相比较,基于监督分类机制的居民地提取方法具有较高的提取精度。但是,基于监督分类机制的方法依赖于人工标注的训练样本,繁琐的标注工作限制了这类方法在遥感大数据时代的应用。利用监督居民地提取方法具有较高提取精度的优点,同时克服这类方法需要人工标注样本的缺点,能够建立更为实用的居民地提取方法。为此,针对中国华北平原广泛分布的街区式农村居民地,提出一种基于监督分类机制且仅需单个人工标注样本的居民地遥感提取方法。该方法首先根据居民地在遥感影像上的特征设计居民地排除规则,对划分的影像块进行初步分类;然后,从划分为非居民地的影像块中随机挑选一定量的影像块作为负样本,以人工标注的单个正样本为基础进行正样本扩充;最后,采用k-近邻分类法训练居民地分类器,对初步判定为居民地的影像块做进一步分类。试验结果表明,方法能够准确地提取影像中的居民地,对地物背景存在差异的遥感影像具有良好的提取效果。     

利用注意力机制的城市居住用地遥感监测及分析

针对我国大城市居住用地的地块级精细结构和宏观空间分布格局，该文提出了一种区域尺度的城市居住用地遥感提取方法。基于Swin Transformer构建UPerNet神经网络，并结合后处理方法构建城市居住用地提取模型。利用资源三号遥感影像，对全国36个重点城市开展居住用地提取，同时进行景观格局分析以及与人口数量、房价等社会经济因子的相关性分析。结果表明，提出的方法能够准确地提取城市居住用地，F1值为84.43%,交并比为73.05%;居住用地面积在选取城市中的平均占比为22.76%,经济发达城市居住用地面积占比较低；部分城市存在过度发展房地产的现象。该方法能够应用于城市居住用地的微观结构监测与宏观差异比较，对优化城市居住用地空间布局、调整住房供给结构具有支撑作用。     

利用资源三号卫星影像的全国田径场遥感监测与分析

针对全国田径场空间分异格局未知的情况，该文以资源三号数字正射影像为数据源，采用Deeplab V3+语义分割模型，开展全国田径场遥感监测和空间格局分析，并解析田径场数量与社会经济因子、学生身体素质间的相关性。结果表明：共计提取了89 766个田径运动场，田径场提取个数的F1度量为91.43%;省域和市域尺度上田径场的数量、密度和聚集性都符合瑷珲-腾冲人口线，东南半壁省份的田径场数量更多、密度较高、聚集性更弱；整体上东西部城市区域田径场密度相当、乡村区域田径场密度差异显著，西部城市区域、东部平原乡村区域田径场更趋向于均匀分布；田径场分布受到经济与人口因素影响，田径场数量与跑步速度具有弱的负相关性。