基于蚁群算法的羟基蚀变信息的提取——以青海省同仁县阿哇地区为例

蚁群算法是一种全新的仿生进化算法,但目前很少有人将蚁群算法引入遥感地质领域。结合蚁群算法与遥感地质领域传统的比值方法,建立了羟基蚀变信息提取模型。选取青海省同仁县阿哇地区为研究区。首先确定羟基蚀变信息提取规则。然后建立基于蚁群的羟基蚀变信息提取模型,最后根据模型提取羟基蚀变信息。通过对提取的蚀变异常信息与原有矿区的叠加分析,叠加基本吻合;从野外实地验证来看,均发现了不同程度的矿化现象。     

高光谱遥感水文地质应用新进展

高光谱遥感是一种利用成像光谱仪同时获取地物目标辐射、光谱和空间等多重信息遥感的技术,水文地质是高光谱遥感重要的应用领域之一,通过高光谱遥感图像分析,能够提取大区域包气带及含水系统的水文地质信息,可为水文地质环境的识别及实时监测、地下水资源高效管理、地下水数值模型构建等提供科学数据。通过调研凝练了高光谱遥感基本原理方法及其在水文地质方面的应用研究,重点总结了地下水环境污染和水文信息反演方面的高光谱遥感应用研究进展,分析了高光谱遥感水文地质应用所面临的挑战,并展望了高光谱遥感水文地质应用研究的发展趋势,主要包括:通过土壤和植被的光谱信息实现对研究区包气带土壤重金属污染状况的大面积、短周期连续快速监测;在高光谱图像中提取构造、地层岩性等地质和水文地质特征,以环境指示因子（如植被）为有效补充,获取饱和带地下水环境信息;通过高光谱图像识别植被类型、计算植被覆盖度、分析叶片反射光谱特征并建立模型反演土壤含水量和地下水位,为研究和保护缺水地区生态环境提供数据支撑。     

构造与蚀变信息在找矿预测中的综合应用——以西藏西部某地区为例

遥感图像蚀变信息的提取是遥感地质找矿的一个重要方法,地质构造信息作为一种指示信息对找矿也具有非常重要的意义。利用ETM+卫星影像数据,运用PCI软件通过掩膜技术去除白泥地、水体、阴影、植被等干扰信息,采用主成份分析法和波段比值,阈值分割技术,对西藏西部某地区进行了铁染及羟基蚀变信息的提取,并根据明显异常区建立参考谱,创新利用光谱角法剔除假异常信息。结合研究区线性、环形构造的特点,对研究区进行成矿预测,圈定找矿远景区。此工作方法较灵活且效果明显,为今后加快地质找矿工作提供了一条可参考,并行之有效的途径。     

基于线性光谱模型的混合像元分解高性能计算研究

混合像元分解是遥感技术向定量化、精细化发展的重要技术,是关系到地物精细分类的重要操作环节,而线性光谱模型确实是目前解决混合像元问题的有效策略.针对高光谱遥感影像数据量大,混合像元分解计算耗时长的问题,提出了一种基于CUDA的高光谱遥感端元投影向量法实现方法.在分析高光谱图像端元投影向量法串行算法的基础上,建立了在CUDA架构下以像元点为基准产生相应的进程数,每个进程负责一单位像元点的计算方式.实验结果表明,将该方法应用于实际的高光谱遥感影像的混合像元中,可极大地提高传统中央处理器(CPU)的运算效率.     

利用混合像元线性分解模型提取卧龙泉地区粘土蚀变信息

利用混合像元线性分解模型提取植被覆盖中等的辽南卧龙泉地区植被丰度图像，并依此进一步提取了该区域的粘土类蚀变信息。在使用混合像元线性分解基本模型的同时，也结合研究目标对其进行了改进与补充，效果令人满意，为中等植被覆盖区的专题信息的提取提供了一种方法。     

混合像元分解法在植被覆盖区矿化蚀变信息提取中的应用——以江西大浩山金矿区为例

在植被覆盖区,由于高植被、多水系、多阴影的影响,遥感蚀变信息提取一直未能取得良好的矿化蚀变效果。江西大浩山金矿区位于九江坳陷与江南地块九岭隆起的交界部位,区内植被覆盖稠密、水系沟壑纵横,传统的干扰信息掩膜+主成分分析方法难以有效提取相关的矿化蚀变信息。采用混合像元分解技术（SMACC,端元提取技术）,通过对像元线性分解可从遥感图像中获取各个地物端元的反射亮度值及丰度信息;识别各地物端元,去除干扰端元（植被、水体等）,进而对有用地物端元进行有补偿机制的遥感影像重组;最终采用主成分分析法从重组影像中有效提取矿化蚀变信息。与传统的掩膜方法相比,在植被覆盖率较高的区域,混合像元分解法避免了传统方法在掩膜干扰信息的同时消除矿化蚀变信息的弊端,取得了良好的效果;在植被覆盖率较低的区域,混合像元分解能分离去除少量植被信息,提取更为微弱的矿化蚀变信息。     

基于Worldview-3与Sentinel-1 SAR数据的草原矿区复垦植被生物量反演方法研究

利用多源遥感数据定量反演矿区复垦植被生物量是高效、动态、大面积监测土地复垦和生态恢复效果的必要手段之一。本文以内蒙古草原露天煤矿为研究区,联合遥感光学与雷达数据各自的优势,探索基于Worldview-3(WV-3)与Sentinel-1 SAR数据的矿区复垦植被生物量反演方法,选择主成分-小波变换(W-PCA)算法对WV-3与Sentinel-1 SAR数据进行融合,揭示波段反射率、植被指数、后向散射系数及纹理特征等参数与生物量之间的相关关系,建立多变量的生物量反演模型,并分析不同生物量模型的空间不确定性。结果表明:(1)通过W-PCA算法得到融合后的图像,信息熵的提高反映了融合图像与光学WV-3图像相比具有更多的细节信息,平均梯度的提高反映了融合图像与Sentinel-1 SAR图像相比具有更高的清晰度和更丰富的纹理信息。融合后的第8波段相关系数最高、光谱扭曲度最低、光谱保真度最高。(2)通过相关性分析,发现增强型植被指数(EVI)、归一化植被指数(NDVI)、VH极化、VH均值纹理以及融合后第8波段与生物量显著正相关。WV-3的NDVI与Sentinel-1的VH_ME建模精度(R²=0.834 0,RMSE=16.464 6 g/m²,Ac=81.52%)最高,融合后的第8波段验证精度(R²=0.798 3,RMSE=22.828 3 g/m²,Ac=74.64%)最高。(3)基于不同模型的残差不确定性分析,Sentinel-1 SAR数据变量建立的模型估测结果更容易出现高估及饱和现象,两者联合变量建立的模型可实现优势互补,利用融合数据建立的模型明显改善生物量小于40 g/m²时的高估计现象以及生物量大于100 g/m²时的两者饱和现象,其不确定性降低2.42~9.68 g/m²。因此,利用光学和雷达遥感融合能够有效提高复垦植被生物量的估算精度,为草原矿区复垦植被精细监测提供有效的数据支持。     

高植被覆盖区遥感矿化蚀变信息提取方法研究——以甘肃省西河县大桥—石峡地区为例

高植被覆盖区遥感矿化蚀变信息提取结果会受植被覆盖影响其效果。笔者基于西秦岭大桥—石峡地区,利用ETM和Aster影像数据,进行高植被覆盖区遥感矿化蚀变信息提取研究,探讨抑制植被干扰和提取遥感矿化蚀变信息的方法,提出了多元数据叠加分析法。采用"混合像元法剔除干扰+多层次分离技术分析波段相关关系+多元数据叠加分析法增强蚀变信息+正态分布阈值分割法分级提取"等系列方法,提取了研究区遥感铁染和羟基异常,其中铁染异常区占研究区面积1.63%,羟基异常区占研究区面积1.26%。矿床点与遥感异常相关比率为45.5%,说明该方法在高植被覆盖区提取遥感矿化蚀变信息效果较好,具有一定示矿意义。     

重庆高燕锰矿植被覆盖区遥感矿化信息提取

遥感找矿在大多植被覆盖区效果并不明显。在重庆高燕锰矿区采用了Landsat 8多光谱遥感数据的植被覆盖区矿化信息提取方法,该方法与传统提取遥感矿化蚀变信息找矿的方法不同,通过提取植被覆盖相对较小的含矿层顶底板岩层的遥感异常,查明含矿层位置。该方法采用特定的膜技术剔除植被、水体、云雪等干扰,再利用比值法在高植被覆盖区提取有价值的遥感蚀变信息,然后将多个波段比的遥感异常进行假彩色合成,再将遥感异常与地质事实结合,最终解译出锰矿含矿层顶底板遥感异常特征,确定找矿线索。     

矾山铜钼矿区重金属与覆盖植被胁迫相关性光谱特征

高光谱遥感在地物精细探测方面具有较高的精度,能够实现弱缓信息的提取。应用高光谱遥感技术研究福建矾山高植被覆盖铜钼矿区重金属铜铅等元素与覆盖植被光谱胁迫相关性。通过对比分析矿区与非矿区典型植被光谱特征,在光谱特征分析结果基础上得出矿区典型植被均不同程度受到了重金属元素胁迫,并造成光谱曲线发生变异。在分析结果基础上,结合植被地球化学数据建立重金属与植被光谱胁迫相关性数学模型,提出矿区重金属与覆盖植被胁迫相关性。依据该模型可获得金属元素的空间分布,最终实现高光谱遥感技术在高植被覆盖区地质找矿中的应用。     

基于蚁群和Canny边缘检测算子混合算法的二维岩石图像裂隙特征提取与修复研究

岩石中常含有裂缝、岩脉等细小而重要的微观结构,需要高分辨率的成像技术来提取其特征.在岩石图像处理中,特征提取可以提取出岩石的主要结构信息从而极大降低数据量,然而某些细线状岩石特征(如裂缝、裂隙等)往往无法被完整识别出来而存在间断现象.本文在采用蚁群算法修复岩石细线状特征的基础上,综合利用蚁群算法、DBSCAN聚类算法和...     

相遇蚁群算法在边坡非圆弧临界滑动面搜索中的应用研究

边坡非圆弧临界滑动面搜索是边坡稳定计算中的一个关键问题,其实质为安全系数最小的滑动路径搜索问题,采用效果良好的路径搜索算法--蚁群算法是目前研究的热点。为了克服传统蚁群算法效率低、效果差的缺点,基于蚂蚁正反向搜索相遇形成完整路径的原理,提出了一种相遇蚁群算法。将该算法用于边坡非圆弧滑动面搜索问题,提出了一种非圆弧临界滑动面搜索的新方法。通过2个边坡的算例计算及一个水库岸坡的工程应用,验证了新算法的有效性。计算结果表明,相遇蚁群算法无论是整个搜索范围还是从某一点起的搜索范围都要比一般蚁群算法大,所以相遇蚁群算法在搜索边坡临界滑动面时所得到解的多样性也要比一般蚁群算法好,因此,相遇蚁群算法的搜索范围能以较大的概率包含全局最优解,算法最终也能以较大概率搜索到全局最优解。最终,相遇蚁群算法可以在更大的范围内以更快的速度找到边坡的临界滑动面。     

基于开发流体势的蚁群算法在优势渗流通道预测中应用

优势渗流通道的形成会影响油藏注水开发的效果,如何判别与预测优势渗流通道成为研究重点。本文提出了基于 开发流体势场的蚁群算法预测优势通道的方法,认为开发流体势场包括位能、压能、动能及界面能,流体在油藏内部分 布的差异,决定了油藏内部流体势能大小的差异。将蚁群算法理论引入到油藏开发中,提出了以流体势场为基础的蚁群算 法模型。在东河1油田进行运用,在建立油藏流体势模型的基础上,对过井流体势剖面进行了蚁群算法模拟。在模拟初 期,受层内流体势分布差异性影响,不同韵律小层内部高浓度信息素的分布存在差异,即优势通道分布存在差异。在模拟 后期,受层间流体势分布差异性影响,高浓度信息素主要集中在CIII2-2、3-1和3-2小层,即在这些小层中优势通道较发 育,运用动态资料进行验证,效果较好。     

A novel study of artificial bee colony with clustering technique on paddy rice image classification

Rice is a crop of global importance. To predict the area of paddy rice and thus its production, it draws great attraction of using data mining approaches on remote sensing data, which are well accepted. Many approaches based on supervised and unsupervised learning techniques have been developed over the years. Artificial bee colony (ABC) algorithm with a clustering technique is one of the most popular swarm-based algorithms. In this study, ABC algorithm is used to perform the rice image classification based on remote sensing imagery. This study comprises two stages. In the first part of the study, the ancillary information composed from the original spectra is applied to increase the performance of classification. As the other parts of the study, an efficient unsupervised classifier is developed to evaluate the performance of the incorporated ancillary information. This study integrates the ABC algorithm into a clustering process to build a land cover classifier system. On the other hand, a parallel approach using ant colony optimization (ACO) is studied for comparison. Two significant contributions are presented in this study: (1) a paddy rice image classifier is built with ABC algorithm and (2) the outcome of classifier using ABC algorithm outperforms that using ACO algorithm.     

Extracting desertification from Landsat TM imagery based on spectral mixture analysis and Albedo-Vegetation feature space

Land desertification has been a worldwide environmental problem. Desertification monitoring and evaluation are very important content in desertification context. Scientific and accurate evaluation of desertification can provide scientific basis for decision making in mitigating desertification. Because of the advantage of large amount of information, short cycle and broad scope of data, less restrictions on the human and material resources and so on, remote sensing has become an important technology to monitor land desertification in the past 30 years. Desertification is the most typical and serious form of desertification in China, especially in the oasis zone distributed along inland rivers or in the lower reaches of inland rivers in northwestern China. Quantitative evaluation of the current desertification remote sensing methods used is mostly obtained through the vegetation index and vegetation cover, to gain information on the extent of desertification. As the arid and semiarid sparse vegetation cover, soil and soil moisture on the most common vegetation index have a greater effect. First, based on the spectral mixture analysis model, three kinds of endmember consisting of vegetation, water and bare soil were selected. The image dimensionality was reduced by the minimum noise fraction (MNF). The pixel purity index transformation was used to narrow the range of the endmember. On the scatter plot of MNF, three kinds of endmember were selected, and relative abundance distribution of each component was obtained by using linear spectral mixture model. Second, a spectral feature space composed of vegetation component and land surface albedo retrieved from Landsat TM Imagery was constructed to evaluate desertification present condition and degree quantificationally. Last, an empirical study was carried out taking the middle reaches of Heihe River as an example. Results indicated that this method makes full use of multi-dimensional remote sensing information, reflecting the desertification land cover, water, thermal environment and its changes, with a clear biophysical significance, and the index is simple, easy to obtain, high precision, and is conducive to quantitative analysis, monitoring and desertification assessment of desertification. It was rather ideal to assess desertification on the basis of Albedo-Vegetation feature space: correct prediction proportion of testing samples reached 90.3 %. This method was beneficial to the desertification quantitative analysis and monitoring with the characteristics of simple index, easy accessibility and high accuracy.     

基于蚁群算法的严格最大剩余推力临界滑动面搜索

临界滑动面搜索一直是边坡稳定性分析中十分重要的课题,由于极限平衡法具有理论简单,易于被工程师掌握的优点,因此,仍在工程应用中占主导地位。剩余推力法是国内学者提出的一种简单实用且有较高精度极限平衡法,已被纳入国家规范。针对目前剩余推力法条间力假设简单,只考虑了力的平衡而忽略力矩平衡的缺点,通过Spencer法迭代构造了严格剩余推力法边坡临界滑动面搜索优化的模型,并结合蚁群算法搜索出了最大的剩余推力相应的临界滑动面。该模型具有精度高,收敛快的特点。最后给出的两个算例与传统的蚁群算法直接搜索安全系数最小得到的结果做了比较,表明了本文方法的正确性。     

土质边坡失稳判别的CA-AA耦合模型

解决边坡稳定性问题的关键是确定最危险滑动面(潜在最危险滑动面)和边坡的稳定系数。将蚁群算法用于求解土质的边坡稳定性问题。针对蚁群算法在演化过程中存在停滞和过早收敛的现象,对基本蚁群算法的结构形式和蚂蚁转移概率的计算进行了改进。构建了一种新的蚁群算法——元胞蚁群算法(CA-AA)。在文武坡边坡稳定性判别中,利用CA-AA法计算得到其稳定系数为1.37,略小于《岩土工程勘察规范》不平衡推力法计算值,弥补了不平衡推力法的不足,更接近实际。算例结果表明:元胞蚁群算法(CA-AA)总能搜索到问题的全局最优解,且搜索效率也有较大的提高。     

多维连续参数的随机试验蚁群算法优化反演分析

针对一般蚁群算法难以求解优化反演中的多维连续参数优化问题,借鉴进化思想,提出随机试验蚁群算法求解多维连续参数全局优化问题的方法。该方法主要运用随机试验求出每个参数的任一水平对目标函数的影响度,以此影响度为蚂蚁选择下一个参数水平的能见度,从而确定参数水平被选中的概率。同时考虑到当参数被划分的水平很多时目标函数收敛较慢的缺点,提出用方差分析法来确定参数的水平对目标函数的影响是否显著,将对目标函数影响不显著的参数水平其信息素设置为很小的值,从而加速目标函数的收敛。通过对一个岩土工程优化实例,表明了该算法的有效性。     

基于Hyperion数据的油砂分布遥感研究

依据油砂中烃类的微渗漏和油砂组分光谱特征响应原理,利用Hyperion高光谱影像提取和识别与油砂分布相关的波谱信息,进行非常规油气能源--油砂分布的有利区预测。根据油砂所致烃类微渗漏的地表特征可知,低植被覆盖区的异常以矿物异常为主,中、高植被覆盖区的异常以植被异常为主。利用归一化植被指数表征地表植被的不同覆盖程度：当其值为[0.0,0.4）时,采用SAM（spectral angle method）提取矿物异常信息;当值为[0.4,0.7]和（0.7,1.0]时,分别采用LIC（lichenthaler index）和CTR（carter indices）方法提取植被异常信息。同时,为确保提取的矿物和植被异常信息的产生是由油砂中烃类的微渗漏所导致,以野外油砂反射光谱为端元,运用光谱角分类方法提取油砂信息,并将其与获取的矿物和植被异常信息进一步应用空间叠置分析确定油砂分布有利区。结果表明,综合运用野外实测高光谱数据和高光谱影像数据能够较准确地预测出研究区中油砂的分布位置。因此,应用高光谱影像进行油砂分布的有利区预测,可为未来利用遥感技术深入研究油砂可采储量评价提供参考依据。