深度置信网络算法反演Landsat 8 OLI气溶胶光学厚度

传统的气溶胶遥感反演算法在地表反射率较低、结构较为均一的海洋及浓密植被等区域的气溶胶反演可以达到较高的精度,而在城市、矿区等高亮度、高异质性区域的气溶胶反演中仍面临较大的挑战。当地表反射率较高时,卫星传感器获取的对气溶胶具有标识性的信息不足,导致了气溶胶反演的困难。为更大程度地挖掘卫星信号中对气溶胶具有标识性的信息,本文提出使用深度学习技术的气溶胶遥感反演算法,用于Landsat 8 OLI传感器的气溶胶反演。选择全球不同区域的AERONET站点气溶胶实测数据以及对应区域的Landsat 8 OLI传感器的观测几何角度和表观反射率数据,根据合理的时空匹配原则构建样本数据。选择深度置信网络,在合理设置训练批次和训练次数的基础上对网络进行训练和测试,生成关于卫星传感器数据的气溶胶光学厚度拟合网络模型,实现气溶胶遥感反演。使用独立的AERONET站点气溶胶实测数据对反演结果进行了验证,结果表明：该方法可反演不同地表类型区域连续空间覆盖的气溶胶光学厚度,且达到了较高的精度（R=0.8745,RMSE=0.0391,MAE=0.0616,EE=87.94%）。与传统的方法相比,本方法基于单时相卫星遥感数据即可实现气溶胶的高精度反演,简化了气溶胶反演的步骤,提高了气溶胶反演的稳定性和时空适应性。     

全球海洋次表层温度异常遥感反演的季节时空变化特征

卫星遥感反演海洋内部多时相、大尺度热力结构信息对于了解海洋内部复杂、多维的动力过程有重要意义。本文采用随机森林回归模型,利用卫星遥感观测的海表参量（海表高度异常（SSHA）、海表温度异常（SSTA）、海表盐度异常（SSSA）和海表风场异常（SSWA））,反演不同季节、不同深度层位（1000 m深度以上）的海洋次表层温度异常（STA）,并用Argo实测数据作精度验证,采用均方根误差（RMSE）、归一化均方根误差（NRMSE）以及决定系数（R²）评价模型在全球及洋盆尺度上的反演精度。结果显示,全球海洋16个深度层位的平均R²在春、夏、秋、冬四季分别为0.53、0.60、0.54、0.66,NRMSE分别为0.051、0.031、0.043、0.044。随着季节的变化,模型反演性能有所波动。模型在印度洋的反演效果最佳,不同季节、不同深度层位上的平均R²和RMSE分别为0.71和0.18 ℃,而大西洋的反演精度最低,平均R²和RMSE分别为0.46和0.25 ℃。研究表明随机森林模型适用于全球不同季节的STA遥感反演,且在不同洋盆上均有较好的反演效果;不同季节上,上层STA有明显变化信号,空间异质性显著,但300 m以深,STA信号较弱且基本不随季节变化。本研究可为长时序、大尺度海洋内部参量信息遥感反演与重建提供依据,有助于进一步发展深海遥感方法。     

城市区域几何效应的辐射校正及其温度遥感反演

开展适用于城市地区热红外遥感图像几何效应的辐射校正物理模型研究,对提升城区下垫面温度反演精度具有重要作用。本文利用天空视域系数SVF（Sky View Factor,V）量化城区下垫面几何特征,并考虑几何特征对地物目标辐射传输的影响机理。将遥感传感器入瞳处的辐射亮度分解为地物目标发射辐射、地物目标反射辐射以及大气上行路径辐射3部分,并分析了各部分辐射在“城区—大气”界面的辐射传输过程,构建适用于城市下垫面的热辐射传输UTRT（Urban Thermal Radiation Transfer）模型,可应用于城区热红外遥感图像的几何效应辐射校正。基于Landsat 8 TIRS（Thermal Infrared Sensor）数据,将UTRT模型应用于北京市典型城区地表温度的反演,并对UTRT模型和不考虑下垫面几何特征反演结果进行对比分析,结果显示：（1）研究区内UTRT模型反演结果数值上整体低于不考虑下垫面几何特征的反演结果,差值范围为0—1.57 K,均值为0.44 K;（2）通过对不同地表覆被类型的分析对比,模型结果差值较大的区域为建筑和裸地,其空间分布明显受V值的影响,在一定范围内,V值越大反演结果数值越低;（3）对UTRT模型天空视域系数和环境温度两个参数进行敏感性分析,在地表发射率较小的场景中V参数敏感性较强,由于环境温度与目标地物温度较为接近,其参数的敏感性较低。结论为：UTRT模型可为城市下垫面遥感图像几何效应的辐射校正提供解决方案,对比不考虑下垫面几何特征的模型,前者可以更好地应用于城区地表温度遥感反演。该研究对推进城市高分辨率热红外定量遥感具有发展潜力和应用前景。     

卫星遥感技术在环境保护中的应用

阐述了卫星遥感技术在环境保护中的应用现状,针对新乡市环境保护的具体需求,运用遥感图谱解译技术解决大面积地面固体污染源监测问题,利用大气气溶胶反演技术实现区域PM10空间态势分析.结合地面观测站实测数据,提出利用线性拟合与回归分析方法定量评价卫星遥感数据在环境保护应用的可行性,结果表明卫星遥感数据与地面站实测数据呈现高度相关性.与地面观测站以及人工现场监测相比,卫星遥感技术具有大范围、省时省力等优点,具有广阔的应用前景.但是由于大气气溶胶多变的时空特性、探测技术精度的限制及地域关键信息的缺失,气溶胶定量反演技术并不完善,需要开展进一步的研究.     

人工蜂群算法优化SVR的叶面积指数反演

支持向量机回归SVR（Support Vector Regression）方法作为叶面积指数反演的一种新思路,在LAI反演中具有一定的应用价值和前景,但SVR算法中惩罚系数C、核函数宽度参数g、不敏感损失函数参数ε的取值对回归精度有显著的影响。本文提出了一种基于人工蜂群算法ABC（Artificial Bee Colony）优化SVR参数的遥感影像叶面积指数反演方法。研究数据为美国土壤水分实验（SMEX02）2002年LAI实测数据和同期的Landsat 7 ETM+地表反射率数据,为了验证ABC算法优化SVR各个参数对反演精度的影响,建立了未优化参数（SVR）、优化单个参数（ABC-SVR-C,ABC-SVR-g,ABC-SVR-ε）、优化3个参数（ABC-SVR）的3类LAI反演模型,并比较了其回归拟合精度。在此基础上,分析了3个关键参数对LAI反演模型精度的敏感性,并对ABC算法优化SVR模型的精度进行显著性检验。研究表明：（1）相比未优化参数模型,ABC算法优化模型具有更高的反演精度,优化3个参数优于优化单个参数,回归直线斜率k达到0.797、决定系数r²达到0.775。（2）SVR的3个关键参数对模型精度都有影响,相较参数C和g,参数ε引起模型精度的不确定性更高。（3）95%的置信区间下,ABC-SVR模型与SVR模型的回归直线斜率k、r²、RMSE的差异显著性检验P值均小于0.005,ABC算法显著改善了SVR模型的精度。     

基于S5P/TROPOMI的中国东部气溶胶单次散射反照率反演初探

气溶胶单次散射反照率SSA（Single Scattering Albedo）的卫星定量遥感对气候评估和大气污染治理均具有重要意义。搭载于S5P（Sentinel-5 Precursor）上的对流层监测仪（TROPOMI）具有目前同类卫星传感器中最优的空间分辨率。本文基于S5P/TROPOMI数据开展了中国东部地区的SSA反演研究。首先利用中国东部地区AERONET（Aerosol Robotic Network）站点数据对OPAC（Optical Properties of Aerosols and Clouds）气溶胶模型进行约束改进,构建了更为合适的气溶胶类型,并使用地基激光雷达（Lidar）预设相应气溶胶类型的垂直结构。然后使用辐射传输模型SCIATRAN构建查找表LUT（Look-Up Table）,将TROPOMI UVAI（Ultraviolet Absorbing Index）和MODIS AOD（Aerosol Optical Depth）数据联合输入反演气溶胶SSA数据。反演结果与地基站点数据对比,相关系数R²为0.61,均方根误差为0.05;和OMI SSA产品相比,总体趋势一致且具有空间连续性更好。基于TROPOMI的高分辨率SSA算法和数据将有助于中小尺度下气溶胶时空分布、光学特性等研究。     

基于AERONET数据的气溶胶光学特性分析

大气气溶胶的监测对全球气候变化、区域空气质量和公共健康等研究具有重要的意义,而中国台湾岛四面环海,地理位置特殊,若忽略其大气环流和局地排放源造成的气溶胶特征时空异质性将会导致气溶胶参数反演误差。因此本研究使用中国台湾岛多个具有代表性的AERONET（AErosol RObotic NETwork）观测站历史数据和MODIS气溶胶光学厚度AOD（Aerosol Optical Depth）反演产品,分析5个典型站点气溶胶参数及其类型的时空变化特征及差异,分析结果表明：（1）各站点AOD年平均值逐年下降,呈现春季最高（0.5257）的季节变化特征和双峰结构的日变化规律,主导气溶胶类型为城市工业型（仅鹿林站点为海洋型）。（2）中国台湾地区风向多为东北风,风速越大,AOD值越低,海洋型气溶胶占比越高;反之则以城市工业型气溶胶为主。（3）?ngstr?m波长指数（AE）、单次散射比（SSA）、复折射指数虚部、不对称因子平均值分别为1.3283、0.9564、0.0054、0.7292;相比于北京（39.9768°N,116.3813°E）站,台湾“中央大学”AOD年平均值、季节变化、主导气溶胶类型均存在较大的差异。（4）MODIS AOD分站点验证精度较高,而在高山鹿林站的验证精度稍低（R²=0.5925）;而利用不同气溶胶类型的分类验证结果显示,城市工业（R²=0.7238）、生物质燃烧（R²=0.6161）和次大陆型（R²=0.5116）精度较高,但海洋型（R²=0.1585）、大陆型（R²=0.1111）AOD验证精度显著降低。本研究表明,中国台湾岛气溶胶类型呈现西南沿岸站点秋冬季次大陆型占比上升,西北沿岸大陆型上升的时空特征差异,细化气溶胶参数的时间差异和时间动态变化信息将对气溶胶卫星反演算法在环流特征明显的近海区域有着重要指导作用。     

定量遥感

定量遥感是遥感应用深入发展的重要标志, 也是遥感发展的必然。本文综合论述了中国学院遥感应用研究所在定量遥感领域的最新进展和成果, 包括遥感辐射定标、遥感数据大气影响订正和气溶胶反演、遥感数据定量反演、遥感信息模型、定量遥感应用、定量遥感的科学问题和发展趋势等。     

动态气溶胶模型的PARASOL多角度偏振卫星气溶胶光学厚度反演算法

在卫星气溶胶反演中,如何确定研究区域的气溶胶模型直接影响目前大多数卫星遥感算法的气溶胶光学厚度反演精度。本文基于气溶胶自动观测网(AERONET)典型类型的动态气溶胶模型,提出了一种基于动态气溶胶模型的气溶胶光学厚度反演算法,并将其运用到PARASOL(Polarization and Anisotropy of Reflectance for Atmospheric Science coupled with Observations from Lidar)卫星的反演中。针对华北地区2012年的PARASOL卫星观测数据,应用动态气溶胶模型反演算法反演气溶胶光学厚度,并与地面观测站点进行对比验证,结果显示通过气溶胶模型选取与反演结果的迭代约束,在865 nm反演的气溶胶光学厚度与地基观测的相关程度(R2)达到0.71,均方根误差(RMSE)为0.15,与PARASOL气溶胶产品相比一定程度提高了反演结果的精度。     

大气气溶胶成分遥感研究进展

大气气溶胶成分的复杂变化导致其在气候变化评估中具有很高的不确定性。气溶胶成分遥感利用遥感观测的气溶胶光学—微物理参数,定量估计整层大气气溶胶主要成分含量,具有实时快速、空间覆盖、保持气溶胶自然状态等特点。本文介绍了近年来气溶胶成分遥感在理论基础和观测研究方面的进展情况。首先,在简要回顾反演算法发展的基础上,以目前较先进的成分遥感分类模型(包括黑碳、棕色碳、沙尘、非吸光有机物、细粒子无机盐、海盐和水)为例,详细分析了气溶胶成分遥感反演的思路。据此提出了基于气溶胶综合光学—微物理特性(包括光学吸收/散射、粒径尺度、形状等敏感性特征参数)的气溶胶成分遥感识别方法。之后,结合气溶胶混合方式,讨论了复折射指数计算方法及其对成分反演的影响,并给出了利用同步化学采样观测验证气溶胶成分遥感的一些结果示例。最后,结合观测手段拓展、成分模型优化、反演精度提升、应用能力推广等4个方向,展望了大气气溶胶成分遥感的发展趋势,及其在全球气候变化评估等领域的应用。     

高分辨率遥感影像解译中的机器学习范式

高分辨率遥感影像解译是遥感信息处理领域的研究热点之一,在遥感大数据知识挖掘与智能化分析中起着至关重要的作用,具有重要的民用和军事应用价值.传统的高分辨率遥感影像解译通常采用人工目视解译方式,费时费力且精度低.所以,如何自动、高效地实现高分辨率遥感影像解译是亟待解决的问题.近年来,随着人工智能技术的飞速发展,采用机器学习...     

Active extreme learning machines for quad-polarimetric SAR imagery classification

Supervised classification of quad-polarimetric SAR images is often constrained by the availability of reliable training samples. Active learning (AL) provides a unique capability at selecting samples with high representation quality and low redundancy. The most important part of AL is the criterion for selecting the most informative candidates (pixels) by ranking. In this paper, class supports based on the posterior probability function are approximated by ensemble learning and majority voting. This approximation is statistically meaningful when a large enough classifier ensemble is exploited. In this work, we propose to use extreme learning machines and apply AL to quad-polarimetric SAR image classification. Extreme learning machines are ideal because of their fast operation, straightforward solution and strong generalization. As inputs to the so-called active extreme learning machines, both polarimetric and spatial features (morphological profiles) are considered. In order to validate the proposed method, results and performance are compared with random sampling and state-of-the-art AL methods, such as margin sampling, normalized entropy query-by-bagging and multiclass level uncertainty. Experimental results for four quad-polarimetric SAR images collected by RADARSAT-2, AirSAR and EMISAR indicate that the proposed method achieves promising results in different scenarios. Moreover, the proposed method is faster than existing techniques in both the learning and the classification phases.     

学习分析视角下测绘地理信息专业教学资源库开发

针对专业教学资源库建设及应用现状,分析了项目建设在用户服务面向、信息资源组织及学习过程指导中存在的不足;尝试基于学习分析的数据采集、模型分析、可视化反馈等技术优势开发学习平台;实现了专业教学资源库的个性化施教功能,实现了解决自我差异分析、自我评估及导向分析及自我预测及监控分析等问题;以测绘地理信息专业中《地理信息系统基础》课程资源库开发为例,就学习分析在专业教学资源库中的平台框架设计、平台运行流程设计中的具体应用进行了实证说明。     

发现学习及其在《测量学》教学中的应用研究

本文运用现代教学理论,采用"发现学习"的教学方法进行《测量学》教学。首先论述发现学习的概念,指出采用发现学习的方法进行《测量学》教学是课程内在内容的需要。提出发现学习的《测量学》教学模式,并结合具体教学内容进行分析。从问题教学策略、情境教学策略、信息教学策略及作业教学策略四个方面进行教学策略研究。     

结合主动学习和词袋模型的高分二号遥感影像自动化分类

高分卫星遥感影像空间分辨率的提高,使得地物的光谱和纹理变得更加丰富和复杂,这给遥感影像的自动化分类带来严重挑战。因此,本文提出了一种结合主动学习和词袋模型的高分二号遥感影像分类方法。首先,对研究区域进行多尺度分割,建立影像分割对象集;然后,采用词袋模型构建影像对象的语义特征向量;最后,充分考虑位于分类边界的不确定性样本分布,迭代选择最优样本用于训练支持向量机,用于分类遥感影像。为了验证本文方法的有效性和稳健性,以山东省某市的高分二号遥感影像为试验数据进行了试验分析。结果表明,本文提出的方法可以有效地将研究区域分为水体、地面、植被和建筑物四类,正确率达到90.6%以上。     

高分辨率遥感影像分类的多示例集成学习

精选示例特征嵌入多示例学习(MILES)算法在对噪声较强的训练样本进行学习时表现出良好的性能,但其判断规则可能带来遥感影像分类结果的不确定性。针对这一问题,提出用Bagging和AdaBoost集成MILES的多示例集成学习算法,使用粗包细分、多样性密度和最大似然分类相结合抑制分类不确定性的方法,实现了高分辨率遥感影像分类中多示例学习与集成学习的组合。采用Quick Bird、IKONOS等高分辨率遥感影像进行试验,结果表明多示例集成学习能有效控制遥感影像分类结果的不确定性,具有良好的应用前景。     

遥感影像样本数据集研究综述

随着机器学习、深度学习等人工智能技术在遥感领域的不断应用与发展,基于海量样本的数据驱动模型已经成为遥感影像信息提取的一种新的研究范式,其对样本数据的规模、质量、多样性等提出了更高要求。最近,国内外众多学者和研究机构相继发布了一系列遥感影像样本数据集,为大数据时代下遥感影像的信息提取和智能解译等奠定了研究基础。然而目前尚缺乏对上述影像样本数据集的综合分析,针对这一问题,本文在文献检索与分析的基础上,归纳总结了124个具有一定影响力且应用广泛的遥感影像样本数据集并对其元数据进行了分析,并提供了数据来源、应用领域与关键词的发展变化,分析了数据集在空间、时间、光谱分辨率上的差异,以应用领域为依据将其划分为场景识别、土地覆被/利用分类、专题要素提取、变化检测、目标检测、语义分割等8个类别并以部分数据为例进行了具体分析,总结了深度学习模型在数据集上的研究进展,并针对稀疏样本导致的模型过拟合问题,探讨了样本时空迁移、小样本和零样本学习、样本主动发现、样本生成等在遥感影像信息提取中的应用前景。本文首次对遥感影像样本数据集进行了综述研究,可为相关领域科研人员提供数据参考。     

主动学习与图的半监督相结合的高光谱影像分类

针对当前高光谱影像分类时,人工标注样本费时费力以及大量未标记样本未有效利用等问题,提出了一种主动学习与图的半监督相结合的高光谱影像分类方法。首先,将像素的光谱信息与其邻域内的空间信息相结合,利用重排序机制得到一种旋转不变的空谱特征表达。在此基础上,利用主动学习算法选择最不确定性样本(即分类模糊度最大的样本),提交操作者标注得到标记样本集。最后将该标记样本与未标记样本组合,用于图的半监督分类。该算法可保证类别边界样本的选择,利于分类器的边界构造,同时,在较少标记样本情况下,通过引入大量的未标记样本,可以达到较好的分类效果。在3幅真实高光谱影像上的试验表明,该方法可以取得精度较高的分类结果。     

基于自主学习的地图学PBL教学方法研究

研究在地图学课程教学过程中,将传统教学方法和PBL教学方法相结合,设计以任务为驱动的自主学习环节,并通过实证分析学牛对不同教学方法的接受程度、在PBL教学方法中所存在问题以及适宜于PBL教学模式的考评方式.研究表明,地图学教学应改变原有的教学模式,在传统教学模式的基础上,结合PBL教学方法逐步开展.     

发现学习在《GPS定位技术》教学中的应用研究

论述了发现式学习与教学的概念,提出了采用发现学习的方法进行《GPS定位技术》教学的可行性,分析了基于发现学习的教学设计和具体内容,指出了发现学习存在的不足。