发展卫星遥感数据的定量分析方法

本文建议从四个方面发展卫星遥感数据的定量分析方法：（１）在空间数据库支持下的遥感数据处理的分析;（２）建立区域多时相,多波段怕样本知识库;     

基于地表定量参数的沙漠化遥感监测方法

利用野外沙漠化调查的定位数据和ETM+ 遥感数据，在实验分析的基础上，探讨了沙漠化程度与地表参数之间的定量关系，即沙漠化与植被指数（NDVI）、地表辐射温度（LST）之间的关系，提出了综合反映沙漠化土地生物物理特征的遥感监测指数——沙漠化遥感监测差值指数（DDI），为沙漠化遥感监测提供有效的定量化方法。     

气溶胶定量遥感的机器学习方法综述

机器学习方法近年来取得突破进展,其遥感应用从目标识别和地物分类领域,发展到定量化反演的多个领域。气溶胶定量遥感因其机理复杂,反演参数的种类和精度受到限制,机器学习为气溶胶遥感带来了新的研究和应用技术手段。本文汇总现有研究进展将气溶胶机器学习方法归纳为卫星遥感反演气溶胶光学厚度AOD（Aerosol Optical Depth）、卫星遥感反演其他气溶胶参数、卫星遥感反演颗粒物浓度（PMx）、地基气溶胶遥感4类。结合作者研究工作,通过分析讨论,归纳机器学习用于气溶胶定量遥感的条件为：（1）物理模型无法使用;（2）已有模型卫星产品精度低;（3）已有模型精度高但计算速度低。从应用的角度来说,可以借助于更多的具有相关性的输入信息,发挥机器学习在反演产品种类、反演精度、计算效率等方面的优势;而对定量遥感来说,应该同时重视挖掘遥感数据本身的信息来提高反演能力,并通过误差分析等手段反馈对遥感机理的理解,使机器学习与遥感机理研究相互促进。     

卫星遥感影像中角度信息的分析利用

利用地面实测数据和NOAA卫星数据验证了地物的方向性反射和热点效应,定量分析了NOAA数据中包含的角度信息;利用多角度NOAA数据提高了地物识别精度,研究了角度信息在遥感应用中的有效性;最后,分析了常规遥感数据处理过程中太阳高度角纠正对角度信息的影响.     

时空遥感云计算平台PIE-Engine Studio的研究与应用

随着遥感大数据时代的到来,为快速处理和分析海量遥感数据,国内外涌现了众多遥感云计算平台,使得全球尺度、长时间序列遥感数据的快速分析和应用成为可能。本文在分析国内外遥感云计算平台现状的基础上,针对大数据时代国内缺少功能完备的遥感云计算平台,且国外遥感云计算平台对国产卫星数据支持不足等问题,基于容器云技术,构建了包含国产卫星数据且集数据、算力和技术于一体的时空遥感云计算平台PIE（Pixel Information Expert）-Engine Studio,实现了脚本驱动的遥感数据的按需获取以及海量数据的快速处理。采用Landsat 8数据,以生长季植被指数NDVI（Normalized Difference Vegetation Index）的计算为例,对比了本平台与GEE（Google Earth Engine）的数据处理能力。结果表明,由于计算资源的限制,本平台的计算和导出时间均比GEE稍长,但计算结果的空间分布一致,其中近68%的值均分布在（0.48,0.77）,且二者差值的95.33%集中在（-0.13,0.13）,结果较为可信。因此,本文构建的基于共享、开放的中国自主遥感云计算平台PIE-Engine Studio,可为地球科学领域的研究提供数据和算力支持,将有助于推进中国遥感云计算平台的发展进程,推动国产卫星数据在云计算平台上的应用。     

一种自适应三维核回归的遥感时空融合方法

时空融合是解决遥感数据高重访周期与高空间分辨率矛盾的一种有效方法。发展了一种综合利用遥感数据空间与光谱信息的三维自适应核回归反射率模型（three-dimensional adaptively local steering kernel regression fusion model,3DSKRFM）,通过提取每个像元的三维控制核（steering kernel）的局部信息,使时空融合过程中的权重自适应调节,提高遥感时空融合的精度。利用两组ETM+和MODIS（moderate-resolution imaging spectroradiometer）数据进行实验测试,结果表明3DSKRFM相比STARFM和2DSKRFM模型具有两方面的优势:一是充分利用遥感影像多波段的优势,提高融合精度;二是具有更强的鲁棒性,满足实际影像时空融合的需求。     

基于文献计量的遥感学科发展趋势分析

遥感已成为支撑国家资源能源调查、粮食安全监测、生态环境保护、自然灾害评估、国防安全等的重要信息源。利用文献计量学方法定量分析遥感相关文献所承载知识的时空分布、数量关系和变化规律,梳理并提取遥感学科发展趋势及研究热点的时空演化特征,可为遥感学科的建设与发展提供重要科学支撑。对1962年—2021年间发表并被SCI数据库收录的遥感相关文章进行文献计量研究,对比分析了国内外典型遥感卫星的文献发表及应用情况,系统剖析了1962年—2021年美国、欧洲、中国遥感研究热点及其变化过程,总结了美国、欧洲、中国学者在合成孔径雷达（SAR）、高光谱（Hyperspectral）及激光雷达（LiDAR） 3大遥感前沿技术的研究特点。结果表明：（1）遥感学科SCI文章数自1998年起呈现快速增长、加速增长的趋势。1962年—2012年全球累积发表遥感相关SCI文章69666篇,2013年—2021年全球累积发文100131篇。2014年,中国（第一作者）年度发表遥感相关SCI文章2048篇,首次超过美国（第一作者）年度1454篇跃居全球第一,此后一直领先。2021年,中国（第一作者）年度发表遥感相关SCI文...     

面向多源数据地物提取的遥感知识感知与多尺度特征融合网络

遥感地物自动提取是遥感智能解译中的关键问题,对空间信息的理解和知识发现具有重要意义。近年来,使用全卷积神经网络（fully convolutional networks, FCN）从高分影像和三维激光雷达（light detection and ranging, LiDAR）数据中提取地物信息因取得了较好效果而受到广泛关注。现有FCN网络在地物提取精度和效率等方面仍存在不足,由此提出一种基于多源数据的遥感知识感知与多尺度特征融合网络（knowledge-aware and multi-scale feature fusion network, KMFNet）。在网络编码器端融入遥感知识感知模块（knowledge-aware module, KAM）,高效挖掘多源遥感数据中的遥感知识信息;在网络编码器和解码器之间添加了串并联混合空洞卷积模块（series-parallel hybrid convolution module, SPHCM）,提高网络对地物多尺度特征的学习能力;在解码器端使用了渐进式多层特征融合策略,细化最终的地物分类结果。基于公开的ISPRS语义分割标准数据集,在LuoJiaNET遥感智能解译开源深度学习框架上将KMFNet与当前主流方法进行了对比。实验结果表明,所提方法提取出的地物更为完整,细节更加精确。     

基于云量影像的日照百分率遥感集成模型

通过遥感影像云量数据和地面站点日照百分率观测数据建立遥感集成日照百分率模型,模拟遥感集成日照百分率的空间分布。基本思路是以空间尺度上的富余弥补时间尺度上的稀缺。云的移动是连续的,所以一幅云量遥感影像中,某一格网点周围一定区域范围内的云量都有可能对该点日照情况产生影响,因此对遥感总云量数据在日照轨迹内及云移动所经路径内重采样,能够更接近可照时段内云量的真实情况。然后按云量和日照百分率的负相关性,建立了日尺度的日照百分率遥感集成综合模型,实现对遥感集成日照百分率的模拟,完成日照百分率的遥感集成空间分布模拟图。结果表明：（1）重采样后的总云量克服了云量观测在时间上的局限性;（2）遥感集成日照百分率克服了气象站点空间上的局限性;（3）遥感集成日照百分率模型模拟精度相对插值法有显著的提高。     

基于SVM的高光谱遥感图像亚像元定位

提出了基于支持向量机（support vector machine,SVM）的高光谱遥感图像亚像元定位方法。全变分（total variation,TV）模型是经典的保边缘平滑滤波器,本文将其引入作为预处理,来提高混合像元分解及亚像元定位的精度;本文方法在训练和检验样本的构建过程中,依据空间相关性理论,同时考虑了中心像元及其邻近像元丰度值对亚像元类别归属的影响;在监督分类训练和检验过程中,通过剔除纯净像元来缩减样本数量,在保证算法准确性的同时提高了效率。对真实高光谱遥感数据进行了实验,主观评价和定量分析验证了本文方法的有效性。     

多元遥感技术在重庆市露天矿恢复治理动态监测中的应用

为在露天矿山恢复治理过程监督管理中提供技术支撑,通过文献阅读,结合重庆实际,提出了基于多源遥感技术的露天矿山恢复治理综合监测方法,主要包括：利用高分辨率遥感影像结合矿山遥感样本特征以及其他专题数据,识别矿山损毁土地范围;利用中分辨率遥感影像（Landsat数据、高分数据）对植被光谱的响应特征,构建植被指数进行矿山恢复治理植被动态监测;利用星载雷达数据（哨兵数据）通过干涉分析,对矿山范围内地表形变动态监测。此外,还可结合无人机采集数据,开展矿山恢复治理倾斜摄影数据查看和分析。     

PIE系列遥感软件在测绘类专业体验式教学中的应用

遥感数据处理软件作为遥感数据与行业应用的桥梁,在我国遥感产业化发展过程中发挥着不可替代的作用。为了从源头上减轻对国外遥感数据处理软件的依赖,满足日益增长的国家经济和安全需要,有必要开展国产遥感软件在测绘类专业实践教学中的应用研究,促进国产遥感软件在高校测绘类专业的使用和发展。本文从测绘类本科专业遥感实践课程的教学需要出发,分析了像素专家（PIE）系列国产遥感数据处理软件在高校教学中应用的必要性和适用性,充分利用体验式教学理念和翻转课堂,设计了相关教学案例并在本科教学实践中进行试验,为PIE在测绘类专业体验式实践教学中的推广应用提供了重要借鉴。同时,对推动国产遥感软件在实践教学中的发展提供了重要参考。     

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。     

基于小波纹理信息的星载SAR图像与TM图像的数据融合

遥感图像的数据融合是当前遥感界研究的热点问题之一。论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，基于小波纹理信息将SAR图像与TM图像进行融合。选取徐州市南郊风景区的Radarsat卫星SAR图像和TM图像进行试验研究，并与颜色变换法融合图像进行对比分析，结果表明，无论是目视解译还是定量分析，该融合方法与颜色变换法相比，将获得更理想的高空间分辨率多光谱的融合图像。     

遥感与GIS技术在区域农业地质调查中的应用

较为详细地介绍了遥感与GIS技术在区域生态环境与农业地质研究中的应用。WVS分类（Water, Vegetation and Soil Classification）及地面覆被分类图的编制，为区域性生态环境研究提供了重要的基础资料。在此基础上，结合归一化变换、相关分析与熵的引入，为区域性生态地球化学环境评价提供了定量分析数据。     

基于CUDA的高效并行遥感影像处理

近年来,随着空间遥感技术的发展,使得遥感影像数据呈几何级数增长,遥感影像的处理面临数据量大、密集度高、计算复杂度高和运算量大等问题。在分析最新GPU（图形处理单元）的并行架构和统一计算设备架构（CUDA）灵活的可编程性的基础上,提出了一种基于CUDA的遥感影像的高效处理方法,以遥感影像处理中常用的快速傅里叶变换、边缘检...     

基于深度学习的高光谱遥感图像混合像元分解研究综述

高光谱遥感是以成像光谱学为基础发展起来的一项综合性遥感技术,它能够同步记录成像区域内地物的空间信息和光谱信号,故而也称为“成像光谱遥感”。高光谱遥感所获取的数据称为“高光谱遥感图像”,相较于传统的遥感数据,高光谱遥感图像具有光谱分辨率高和“图谱合一”的特点,目前已成为遥感工程应用中的重要支撑数据之一。然而,受空间分辨率限制,混合像元（即某一像元内包含多种类型的地物）问题始终限制着高光谱遥感在精细化地物信息提取工作中的作用。混合像元分解（“解混”）是现阶段处理混合像元问题最有效的分析方法,旨在从亚像元角度出发,获取像元中纯净的光谱信号（“端元”）,并分析出各类端元在像元内所占的比例（“丰度”）。在遥感领域,为实现地物信息精细化解译,目前已发展出不同类型的解混方法,在一定程度上解决了混合像元问题对遥感定量化分析的制约。如今,随着深度学习的发展,越来越多的先进理论和工具被用于处理混合像元问题,发展出了一类基于深度学习的新型解混方法。这些新方法以光谱混合模型为桥梁,用深度学习方式来解译光谱混合现象。相比于传统的解混方法,基于深度学习的解混方法在隐藏信息的挖掘和利用方面更具优势,对先验知识依赖程...     

结合变化向量分析和直觉模糊聚类的遥感影像变化检测方法

针对多时相遥感影像变化检测存在数据不确定性、检测精度不高等问题,提出了一种结合变化向量分析（CVA）和直觉模糊C均值聚类算法（IFCM）的多时相遥感影像变化检测方法. 首先通过CVA构建两个时相遥感影像的差异影像;然后采用直觉模糊C均值聚类算法对差异影像进行聚类得出变化区域和未变化区域;最后对变化检测结果进行二值化处理并进行精度评价. 选取两个时相的高分一号遥感影像和Szada数据集影像作为实验数据. 实验结果表明,采用提出的方法可有效解决传统方法存在的数据不确定性问题,变化检测精度达到了95.92%和92.70%,是一种可行的遥感影像变化检测方法. 研究结果可用于森林动态变化监测、土地复垦利用规划变化分析以及灾损评估.      

一种利用Mask R-CNN的遥感影像与矢量数据配准方法

遥感影像数据与地理信息系统（geographic information system,GIS）矢量数据的配准是遥感与GIS集成的基础。目前遥感影像与矢量数据的配准关键在于遥感影像特征的提取,而现有遥感影像特征提取方法存在特征提取不完整、配准失败和精度不高等问题。由此提出了一种基于Mask R-CNN(region-based convolutional neural network)的遥感影像与矢量数据配准方法,首先,利用Mask R-CNN模型提取影像的道路交叉口作为影像控制点;然后,依据几何拓扑关系筛选矢量数据道路交叉口作为矢量控制点,再根据遥感影像与矢量数据控制点的欧氏距离确定同名控制点;最后,以同名控制点为基础实现遥感影像与矢量数据的配准。选取上海市矢量数据和高分二号影像数据进行配准实验,实验结果表明,所提方法鲁棒性强、精度高。     

基于WOFOST模型与UAV数据的玉米生长后期地上生物量估算

地上生物量能够有效反映作物的生长状态,其信息的实时估算对产量预测和农田生产管理都有重要意义。作物生长模型因其详尽的生理生化基础和对生长过程数字化描述能力,成为生物量估算的理想模型。近年来,研究人员利用数据同化算法将时间序列遥感数据同化到作物生长模型中,实现了作物模型由基于气象站的点模拟到区域尺度面模拟的外推,使生物量模拟结果同时具备大范围和机理性两个方面的特点。这一模式下,时间序列的遥感数据质量将对生物量模拟精度产生直接影响,作物生长后期受到光谱饱和的影响,遥感数据的作物冠层信息获取能力会出现明显下降,因此有必要对该阶段遥感数据和作物模型的结合方式进行优化,提升生物量模拟精度。本文针对东北地区春玉米生物量遥感估算存在的问题,提出了利用WOFOST作物模型结合无人机（UAV）遥感数据实现作物生长后期生物量准确估算的新思路。新思路首先利用多光谱遥感数据获取WOFOST模型具备较高空间异质性的土壤速效养分参数以提升模型的空间信息模拟能力,使其能在一定程度上摆脱点尺度模拟的限制。同时,结合集合卡尔曼滤波算法将生长前期无人机（UAV）遥感数据同化到模型中,以缩短模型单独运行时间,减少模型运行过程中的参数误差累积,实现无遥感数据参与下的短期作物生长模拟,并输出生长后期相应的生物量模拟结果。最后,本文利用地面实测数据对新方法的生物量模拟精度进行了评价。结果表明,与全生育期数据同化相比,新方法的生物量估算精度有了明显的提升（全生育期同化：R² = 0.45,RMSE = 4254.30 kg/ha;新方法：R²= 0.86,RMSE = 2216.79 kg/ha）。