空间插值方法模拟地下水空间分布适宜性探讨——以敦煌盆地东湖保护区为例

选取敦煌盆地东湖保护区稀少地下水控制点区域为研究区,以潜水埋深数据为例,利用克里金、反距离加权法和径向基函数法等3种插值方法获取地下水潜水埋深栅格图像,并通过交叉验证和拟合分析对插值结果进行比较,分析总结3种插值方法在缺少足够控制点区域获取插值图像的适用特点及差异性,结果认为:在干旱半干旱地区艰苦环境下,利用取之不易的少量地下水控制点通过克里格插值方法模拟区域地下水位埋深结果是可靠的,同时对于空间相关性较强的类似空间变量,利用克里格插值可以较好地获取区域变量空间分布趋势。     

一种新的全站仪简码测图法

提出了一种新的全站仪简码测图法,实现了多人立棱镜简码测图,提高了简码测图的野外作业效率,通过野外测图实践,证实了此方法的快速、高效。     

基于Voronoi图的正射影像镶嵌网络生成与优化方法

提出一种基于Voronoi图的正射影像镶嵌网络生成与优化方法。首先以每幅DOM影像有效区域中心点作为种子点生成Voronoi图，确定每幅影像的有效镶嵌多边形并构建全局镶嵌网络；然后结合DSM数据对镶嵌多边形顶点位置进行调整，避免最终镶嵌结果影像出现无数据区域，同时可以使顶点避开建筑、树木等存在投影差的区域，以便对初始镶嵌线进行调整优化。试验表明，本文方法切实可行并且具有较好的自适应性。     

基于深度特征的双极化SAR遥感图像岩性自动分类

基于像元基元、极化合成孔径雷达（Synthetic Aperture Radar,SAR）数据和传统机器学习算法的岩性分类方法,易受SAR图像固有斑点噪声影响,精度不高.为了降低噪声的影响,本研究以大尺度像元邻域为基元,用于表征地表地质体的遥感图像特征和岩性语义信息;采用高分三号双极化SAR数据进行极化分解构建3通道假彩色合成影像;然后采用深度卷积神经网络（Deep Convolutional Neural Network,DCNN）迁移学习的方法,提取有效的深度特征表示,分别实现5 m和15 m两种空间分辨率下岩性遥感自动分类.结果表明:基于不同分辨率数据和不同DCNN算法,岩性遥感自动分类的总精度均大于80%,最高精度达到91%.基于大尺度像元邻域和DCNN迁移学习方法,能够实现基于SAR数据的高精度岩性分类.      

生态地质环境评价方法研究

为了建立和探索区域生态地质环境的评价体系,该文以饶河边疆区为例,利用遥感数据提取相关生态环境信息,选取地形坡度、土壤侵蚀强度、土壤退化因子、植被覆盖度、土地利用类型、地质剖面结构、工程地质岩性性状、地貌特征类型等8个指标因子构建生态地质环境分区评价的指标体系,通过层次分析法确定各个指标因子的权重,借助隶属函数将各个因子图像生成对应级别的模糊栅格图像,建立了基于GIS系统的生态地质环境质量综合评价模型,较好地区分了研究区生态地质环境的相对稳定程度,为相关生态地质环境评价方法研究提供参考。     

植被覆盖区高精度遥感地貌场景分类数据集

地貌数据集是实现地貌自动分类和加深对地貌形态学认识的重要支撑数据之一。当前缺乏高精度地貌成因类数据集,制约了地貌遥感自动解译的发展。本文在中国东北地区以沟—弧—盆体系为主的天山—兴蒙造山系中,针对强烈的构造运动和新生代以来的火山作用、流水作用形成的地貌成因类型,制作了构造地貌、火山熔岩地貌和流水地貌3类场景数据集（GOS10m）。数据集覆盖面积约5000 km²,包括哨兵2号可见光遥感影像、SRTM1 DEM及基于DEM提取的7个地貌形态参数（山体晕渲图、坡度、DEM局部平均中值、标准偏差、坡向—向北方向偏移量、坡向—向东方向偏移量和相对偏离平均值）。单张样本图为64像素×64像素,空间分辨率为10 m。采用多模态深度学习神经网络对数据进行训练并分类,平均测试精度可达到82.63%,表明构建的数据集具有较高的质量。可为地貌成因遥感自动分类研究以及推动遥感地貌智能解译的向前发展,提供数据集支撑。     

GF-2遥感数据在盖孜河流域典型第四纪地层调查中的应用

国产高分辨率卫星遥感技术的发展为第四系宏观、局部及细部特征调查提供了新的手段。中巴经济走廊东段地区分布较多的冲洪积扇、河谷阶地、冰川堆积等地貌类型,为了研究国产高分数据在该地区第四纪地质调查中的适用性,以高分二号（GF-2）影像为主要数据源,借助数字高程模型构建三维场景,选取中巴公路沿线盖孜河流域乌鲁阿特山前冲洪积扇、盖孜河河谷阶地与克拉牙依拉克冰川堆积物3处典型第四纪地层为研究对象,建立了遥感解译标志,并进行了精细尺度遥感解译;经过野外实地验证,查明了其物质组成与变化规律,修正了前人关于克拉牙依拉克冰川不同期次冰碛物的划分范围;通过对盖孜河河谷阶地分析,盖孜河流域晚更新世以来经历了至少5次阶段性构造抬升,阶地基座冰碛物至少由两期冰川作用形成。研究表明,GF-2影像能快速从宏观尺度上识别地貌、松散堆积物变化特征,能够看到常规方法无法观察到的地质现象;满足大比例尺解译、制图要求,特别是在微地貌识别以及第四纪地层解译中,能够提升精细地质解译水平。研究成果能为盖孜河流域河流、冰川的发展演化过程研究提供基础地质资料,为中巴公路沿线第四纪土体遥感调查提供典型案例。      

基于深度学习的岩体遥感智能解译模型研究——以苇河镇、亚布力镇、绥阳镇地区为例

在东北地区选取试验区,对比多种分类模型,提出一种基于多源多模态数据和多流CNN的岩体分类模型. 其中包括两个子模型:一是基于大尺度邻域和深度卷积神经网络的岩体提取模型;二是基于波段组合和多模态数据的多流CNN融合模型. 研究结果表明,预测结果图整体区域预测分布正确,总体精度评价指标达到84.4%,具有智能化程度高、客观性强的特点,能够为地质工作者提供辅助决策依据. 此外,还采用迁移学习策略对样本数量进行扩容,解决了CNN模型小样本问题.     

面向灾害识别的专题波谱库设计与开发

介绍了专题波谱库可视化程序设计与开发的方法。以土壤盐碱化为例,详细阐述了专题波谱库的设计思想及关键技术。可为环境与减灾卫星高光谱数据的业务化运行提供光谱数据支撑,提高了高光谱遥感在防灾减灾领域的定量反演应用能力。     

内陆干旱区天然植物群落遥感制图研究——以敦煌盆地为例

内陆干旱区天然植物群落与当地居民生活质量、区域生态安全及地质环境关系密切。以敦煌盆地为研究区,选择Rapid Eye卫星遥感数据开展植物群落遥感制图研究。(1)根据1∶250 000地貌图及1∶200 000水文地质图设置了天然植被样方调查路线,据此实地调查了植物物种、高度、频度、长势等,区内共记录植物31种,分属16科,主要有9种优势植物,分别为红柳、胡杨、芦苇、骆驼刺、白刺、黑果枸杞、獐茅、蒙古韭和盐穗木;(2)结合地貌图及水文地质图,提出了以Rapid Eye数据为主、多源地学数据支撑的过渡带天然植物群落类型的确定方法:利用植物样方数据集确定单方向上一种特定植物类型到另一种植物类型之间的变化边界;分析Rapid Eye遥感图像的光谱、纹理和几何特征,基于Rapid Eye卫星遥感数据确定沿单方向变化的植物类型边界;在植物样方数据集和遥感图像无法精确确定边界的情况下,利用微地貌和地下水流动系统空间分布,确定区域空间上相邻的植物类型边界。基于这些数据集合方法建立了研究区植物群落的遥感解译标志;(3)采用优势种命名法,划分了研究区植物群落分类体系,完成其遥感制图,并分析了其空间分布分别与地貌及土壤盐渍化之间的关系。