雅鲁藏布江中部流域土地沙化遥感识别

雅鲁藏布江中部流域长期遭受土地沙化侵蚀,采取有效手段进行沙化土地信息快速识别,跟踪土地沙化现状和动态发展,是土地沙化防治的基本前提。遥感数据因其快速、大范围、高精度监测等特点已被广泛应用于土地沙化监测。为降低该区域沙化土地破碎化分布特征以及广泛分布的稀疏植被地表对沙化土地遥感识别带来的不确定性,本文利用Google Earth Engine平台获取2019年秋季雅鲁藏布江中部流域Landsat无云遥感影像,基于面向对象的分类思想,充分提取沙化土地的光谱、几何和地形特征,根据不同的分类器构建4种分类方案,包括单一分类器(支持向量机、决策树、最近邻)分类以及组合分类法分类,提取雅江中游河谷地区沙化土地信息并验证不同方案的提取精度。结果表明:(1)利用面向对象组合分类模型提取的沙化土地信息效果最佳,总体精度高达91.38%,Kappa系数为0.82;(2)相较于采用单一分类器(支持向量机、最近邻和决策树分类)的面向对象分类方法,组合分类模型能更有效地识别破碎化的小面积沙化土地,降低沙化土地与稀疏植被地表的混淆情况,提高分类可靠性;(3)基于面向对象组合分类模型反演得到雅鲁藏布江中部流域201...     

基于地形特征融合的卷积神经网络滑坡识别

滑坡严重威胁着人民群众的生命财产安全。完整、准确的滑坡编录图是研究滑坡的重要资料。深度卷积神经网络方法由于众多优势而备受关注,然而卷积神经网络结构复杂,需要大量的训练样本,制约了其在滑坡制图上的发展。提出了融合地形特征的卷积神经网络建模方法。首先在遥感影像上叠加地形因子构建新的滑坡样本,然后设计提取并融合空间与光谱特征的轻量级卷积神经网络(FF-CNN),最后训练最优模型进行滑坡识别。在四川汶川地区进行的消融实验证明：在空间特征基础上融合光谱特征的FF-CNN模型滑坡识别评价指标F1分数和平均交并比(MIoU)分别提高0.020 2和0.014 4;在遥感影像上叠加地形因子后,FF-CNN模型滑坡识别评价指标F1分数和MIoU值分别提高0.066 4和0.048 2。在湖北省三峡库区和四川省都江堰市虹口乡的实验说明FF-CNN模型表现出较强的适用性和迁移能力,在滑坡识别上具有较大潜力。     

基于支持向量机的遥感图像建筑物识别与分类方法研究

摘 要:高分辨率遥感影像可以更精细地描述地物目标的几何特征、空间特征和纹理特征等信息,在各个领域中都得到广泛的应用。建筑物作为地物信息分类中的主要部分,是地形图成图的主要组成元素,对建筑物的识别与提取,直接影响到地物测绘的自动化水平,对它的识别和定位可以为特征提取、特征匹配、图像理解、制图和作为其他目标的参照体有重要的意义。针对建筑物的遥感影像特征,研究了支持向量机分类器(SVM)在建筑物识别与分类中的应用,提出了一种交叉验证的方法对参数敏感度进行分析,通过使用GridSearch算法确定模型参数设置的最优方案,并对分类结果中建筑物进行轮廓提取。通过实验表明,优化后的SVM算法对建筑物的分类精度达到90％,对比随机森林算法、最近邻分类器优势非常明显。      

基于SE-Mask-RCNN建筑遗产识别与空间可视化分析

传统建筑是中国宝贵的建筑遗产,承载着优秀的民族建筑文化,是反映城市特色风貌的重要指标。现阶段深度学习识别建筑物的技术相对成熟,但使用街景图片识别建筑遗产并进行地图可视化展示的研究较少,因此,本研究基于Mask-RCNN(mask region-based convolutional neural network)模型,融合SE(squeeze and excitation)注意力机制,提出一种基于SE-Mask-RCNN识别街景图片中建筑遗产的方法。首先,通过路网数据获取百度街景图片,制作数据集。其次,在模型的残差网络（residual network,ResNet）中引入SE注意力机制;并与已有相关方法 U-net(u-shaped network)、全卷积网络（fully convolutional network,FCN）、Mask-RCNN三种模型进行实验对比评价。最后,使用本方法识别研究区域内的街景图片,形成可视化地图,分析建筑遗产在空间上的分布情况。结果表明,本方法可以有效识别城市中的建筑遗产,识别结果较Mask-RCNN、U-Net、FCN模型分别提高了2%、3.1%、4...     

基于决策融合的SPOT-6影像土地覆被分类研究

多分类器决策融合方法在提高遥感影像分类的准确性和可靠性方面已表现出了巨大潜力,但这一过程中对所有像元多次分类会产生巨大的时间代价,为改善这一问题,本文提出了主分类器的概念.在青海湟水流域确定2个试验区,对7种常用的分类器进行评估,排除精度较低的3种分类器后,选择支持向量机(Support Vector Machine,...     

顾及路网与轨迹多模特征的道路等级分类研究

道路等级不仅反映在路网结构的静态骨架信息上,也蕴含在轨迹数据呈现的动态语义信息上。为解决(OpenStreetMap)OSM路网部分路段及路网生成产品等级缺失问题,本文提出一种顾及路网与轨迹多模特征的道路等级分类方法。首先通过轨迹数据的清洗、地图匹配和基于路名的路网合并实现轨迹点与命名道路的联结;然后以命名道路为分析单元,综合考虑路网及轨迹数据,在系统分析路网结构的道路几何特征、道路分布特征、道路拓扑特征及道路单双向信息基础上,进一步挖掘与融合轨迹数据蕴含的道路宽度、道路车流量、道路速度等静动态特征,形成关于道路等级的描述特征集,作为识别道路等级的基础与依据;最后以随机森林(RF)为基本分类器进行特征选择及模型训练实现道路等级识别。为验证本文方法,选取武汉市汉正街区域及二环区域,基于OSM路网数据及众源轨迹数据开展试验。该方法取得了较好的分类结果,小范围汉正街区域的验证集准确率为91.2%,大范围二环区域的验证集准确率达到80.8%。与单类特征相比,集成路网与轨迹特征极大提高了道路等级分类准确率;与原始路段形式进行道路等级分类相比,以路名重构道路形式进行道路等级分类效果更好。     

基于时空多图卷积网络的网约车乘客需求预测

随着智能手机的普及,网约车成为常用的出行替代方式。网约车运营平台因此成为智能交通系统的主要组成部分,在满足公众出行需求中发挥重要作用。乘客需求预测是网约车系统需要解决的核心问题,现有文献中提出的模型忽略了长期时间相关性及多种空间相关性,本文针对现有研究成果存在的局限性,在充分考虑网约车乘客出行需求时空相关独特性的基础上,提出一种融合全局特征的时空多图卷积网络(Spatio-Temporal Multi-Graph Convolutional Network Fused With Global Features,GST-MGCN)模型。该模型遵循临近性、周期性和趋势性(Closeness, Period and Trend,CPT)范式,利用时序信息拟合时间依赖关系;通过识别多种空间语义相关性构建对应的关系图结构、建立多图卷积模型;模型中的全局特征融合模块,使用门控融合和总和融合方法分别捕捉乘客需求的突变和渐变。以海口市数据集为样本的实验结果表明,本文提出的GSTMGCN模型MAE、RMSE和MAPE指标的值分别是2.269、3.917、21.447,优于其他同类主流模型。本研究证明提出...     

基于深度学习的滑坡灾害易发性分析

滑坡灾害成因机理复杂、影响因素众多,深度学习作为当前人工智能领域的热点,能够更好地模拟滑坡灾害的形成并准确预测潜在的斜坡。为了挖掘深度学习在滑坡易发性的应用潜能,本文构建了一维、二维和三维的滑坡数据表达形式,并提出3种基于卷积神经网络模型（Convolutional Neural Networks, CNN）的滑坡易发性分析处理框架：基于CNN分类器、基于CNN与逻辑回归的融合和基于CNN集成,最后以江西省铅山县为研究对象进行验证,结果表明：所有基于CNN的易发性模型都能够获得准确且可靠的滑坡易发性分析结果。其中,基于二维数据的CNN模型在所有单分类器中预测精度最高,为78.95%。此外,二维CNN特征提取能够显著提升逻辑回归的预测精度,其准确率提升7.9%。最后,异质集成策略能够大幅度提升基于CNN分类器的滑坡预测精度,其准确率提升4.35%~8.78%。     

基于Gabor变换和支持向量机的手写体字符识别算法

针对在手写字符识别中由于书写习惯和风格的不同造成字符模式不稳定的问题,将支持向量机SVM方法用于手写字符的识别.算法首先采用Gabor变换提取手写字符图像的特征参数,然后采用提取的特征训练SVM分类器.再应用SVM分类器分类和判别手写字符.实验表明这种方法具有良好的车牌识别效果,较强的鲁棒性,较大的应用价值.     

基于无人机遥感的村庄地理空间景观格局分析研究

对传统村庄景观格局进行准确检测和分析,由于人工调查费时费力,且导出的数据往往主观、定性且单调,在分析理解其社会文化环境和人与自然的关系时难以发挥关键作用。以河北某古村落为研究背景,探讨了基于低空无人机获取的遥感数据对其空间格局进行测量和分析的方法,建立了四级分层景观识别方案和相应的景观类别规制,使用面向对象的图像分析方法(OBIA)和机器学习分类器构建三级分类模型。经过交叉验证,该模型准确且稳定,最终提取了该村庄五个主要遗产景观元素,基于距离统计和聚类分析,揭示了目标景观的空间格局特征和分布差异。     

物联网的组网技术分析与应用

在对物联网概念进行简要介绍后,给出了物联网的组成结构模型,重点对传感网络的接入方式,包括多跳接入方式和单跳接入方式进行阐述。接着研究了物联网重要环节射频识别技术的原理和组成。最后融合物联网结构模型与射频识别技术,结合电力行业中对设备进行综合管理的应用需求,设计了物联网技术在电力设备巡检智能化管理中的一种应用方案。     

基于AIS的海上渔船捕捞活动聚集区提取方法研究

船舶自动识别系统(Automatic Identification System, AIS)不仅是海上交通监管的有效工具,也为研究海上交通运输及其相关产业活动特征提供了一种良好的数据源。基于海上渔船AIS数据,本研究利用高斯混合模型(Gaussian Mixed Model,GMM)识别渔船捕捞活动状态,提出一种将核密度估计(Kernel Density Estimation,KDE)与热点分析(Hot Spot Analysis, HSA)相融合用于渔船捕捞活动聚集区提取的方法。结果显示：与单一KDE或HSA方法相比,二者相融合的方法将KDE的距离衰减效应与HSA统计指数相结合,在渔船捕捞活动聚集区提取中的应用效果较好、效率较高;采用该融合方法,基于2018年9—12月AIS数据,实现对渤海海峡周边海域渔船捕捞活动聚集区的提取,发现不同月份,渔船捕捞活动聚集区的分布范围和空间形态特征具有一定差异性,烟威近岸海域和渤海海峡是主要的捕捞活动聚集区,其结果可为该海域捕捞活动管理和海洋生态保护提供技术方法和决策支持。     

裂缝性油藏离散裂缝网络模型

与常规碎屑岩储层相比,裂缝性油藏储层非均质性强,表征单元体尺度大,难以用等效连续模型表征,而离散裂缝网络模型可以描述储层任意尺度上的非均质性.从裂缝性储层识别预测技术、建模方法、模型应用等方面对离散裂缝网络模型进行分析,指出其发展趋势依赖3方面技术:(1)在储层识别和预测技术方面,需建立裂缝产状、长度、开度等属性的识别...     

浅析SPOT5卫星数据在西部测图项目中融合及制作模拟真彩色的方法和应用

遥感影像数据的融合对于利用影像进行分类、特征提取和目标识别具有重要的意义。本文以2005年4月的SPOT5卫星全色数据和多光谱数据为例,针对国家西部测图项目利用SPOT5卫星数据进行融合处理和制作模拟真彩色影像,阐述了主成分分析法(PCA)、乘积法(Multiplicative)、比值变换法(Brovey Transform)及PANSHARP等的算法实现,并且对SPOT5全色波段和多光谱波段进行了融合实验,介绍了目前较为成熟的像元级融合技术及模拟真彩色影像图的制作方法。     

机载LIDAR数据的树高识别算法与应用分析

利用机载激光雷达数据提取天然次生林的树高,旨在探索影响树高提取精度的主要因素。首先,采用高精度曲面建模平差算法(Adjustment Computation of High-accuracy Surface Modeling,HASM-AD)生成研究区不同空间分辨率的数字高程模型(Digital Elevation Model,DEM)、数字地表模型(Digital Surface Model,DSM)和冠层高度模型(Canopy Height Model,CHM);其次,用树顶点识别算法提取林木树高,设置不同树高识别范围,对比分析不同CHM分辨率和不同树高识别范围对树高提取精度的影响;最后,以天涝池流域30个实测样地数据为样本,对提取精度进行检验。结果显示：提取的样地平均树高与实测值具有明显线性相关关系,线性回归系数为0.694;树高识别范围是影响树高提取精度的重要因素,CHM分辨率对其影响较小。研究表明,采用高采样密度的雷达点云数据、正确选择CHM生成方法和改进树顶点识别算法是提高天然次生林树高提取精度的有效途径。     

热带山区高时空分辨率NDVI融合精度及其影响因素分析

高时空分辨率NDVI时序数据作为遥感应用中的重要数据源,对土地覆被动态变化监测具有重要意义,特别是在地表高程变化显著、气候条件复杂、景观异质性强烈的热带山区。虽然当前学者们提出了诸多时空数据融合模型,但针对这些模型在热带山区的NDVI数据融合精度及其影响因素分析尚不多见。对此,本文选取3类时空数据融合方法(权重函数法、概率统计法和多种混合法)中具有代表性的4个模型:STARFM(Spatial and Temporal Adaptive Reflectance Fusion Model)、RASTFM(Spatial and Temporal Adaptive Reflectance Fusion Model)、ESTARFM(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model)、BSFM(Bayesian Spatiotemporal Fusion Model)(STARFM、ESTARFM为权重函数法;BSFM为概率统计法;RASTFM为多种混合法),选择位于我国热带山区的纳板河流域作为研究区。对融合模型的...     

多分辨率分解的遥感影像融合方法对比分析

有效地将高空间分辨率全色影像和低空间分辨率的多光谱影像融合起来,对影像上地物的识别具有重要的意义。随着多分辨率分析思想在图像处理中的应用,出现了许多新的多分辨率分解的遥感影像融合方法。典型的方法有:Mallat小波变换(DWT)、àtrous小波变换(SWT)、无下采样轮廓变换(NSCT),以及这些方法分别与IHS和PCA变换相结合的融合方法。在IKONOS上选取了两个具有不同地物覆盖类型的实验区进行融合实验,从光谱保真度和高频信息融入度两方面,对这些方法进行了定量评价和分析。研究表明,多分辨率分解的影像融合方法均具有较好的高频信息融入度,其中,DWT、SWT、NSCT融合方法在高频信息融入度方面最优;DWT、SWT、NSCT与IHS、PCA相结合的融合方法在光谱保真度方面,不仅优于它们自身,也明显优于传统的IHS、PCA方法,其中,NSCT和PCA变换相结合的融合方法,在光谱保真度方面最强。     

洪涝灾情快速反应的星载SAR与TM数据的融合处理

本文以1998年鄱阳湖地区发生洪涝灾害为研究实例,应用灾中的Radarsat-SAR和灾前的TM数据,以不规则三角网(TIN)方法实现了高精度几何配准。然后,通过波段相关性和信息熵值分析,选取最佳波段。最后,对不同融合模型得出的图像进行对比,得出结论:以灾中的SAR和灾前TM的一个近红外(TM5或TM7)以及一个可见光波段(TM3最佳),分别赋RGB色合成的图像效果很好,既能识别区分洪涝淹没的绝产区、土壤滞水减产区和未受灾区,并且操作简便,能满足洪涝灾情快速反应要求。     

融合多源遥感数据的黑河中游地区生长季早期作物识别

在生长季早期获取作物的种植情况,对于农业水资源管理,尤其是缺水地区的水量分配等具有重大的意义。本文利用改进型时空自适应融合模型（ESTARFM）,将作物生长早期3—6月的Sentinel 2影像与MOD09GQ数据计算得到的NDVI数据进行融合,建立NDVI时间序列,并利用随机森林分类方法对2019年黑河流域中游地区作物种植结构进行早期识别。利用3-6月Sentinel-2 NDVI与时空融合NDVI相结合建立的时间序列,作物分类精度达到91.42%,kappa系数为0.85,相比仅使用Sentinel-2 NDVI时间序列的作物分类精度提高1.05%,kappa系数提高0.02。与使用整个作物生长期（3—10月）Sentinel-2 NDVI时间序列的作物分类结果相比,精度仅低1.53%,kappa系数仅低0.03。利用Gini系数对利用Sentinel-2 NDVI与时空融合NDVI相结合建立的时间序列进行特征重要性评估,发现Gini系数得分高于平均值的10期NDVI影像中,有6期为时空融合影像,说明时空融合获取的NDVI数据利于提高分类精度的有效性。对比使用不同长度NDVI时间序列对作物种植结构进行早期识别的精度发现,最早可在4月中旬与4月下旬分别实现对苜蓿和玉米的早期识别;玉米的分类精度受NDVI时间序列长度的影响较大,可在5月下旬实现对玉米的早期识别。     

基于神经网络模型误差补偿技术的对流层延迟模型研究

针对传统对流层延迟模型精度较低的缺点,基于神经网络模型误差补偿技术,在Hopfield模型基础上建立一个适用于北半球的高精度融合模型。以Wyoming大学提供的2010年全球120多个观测台站的气象探空数据精密解算的天顶对流层延迟(ZTD)作为近似“真值”,分析比较Hopfield模型、传统BP模型和融合模型的计算精度。结果表明,Hopfield模型的均方根误差（RMSE）为35.31 mm,传统BP模型为30.34 mm,融合模型为23.31 mm。