基于无人机LiDAR和高空间分辨率卫星遥感数据的区域森林郁闭度估测模型

森林郁闭度是森林资源调查中的一个重要因子,对森林质量评价具有重要作用。随着人工智能技术和遥感技术的不断发展,研究如何利用深度学习有效协同不同空间覆盖能力的遥感数据实现区域森林郁闭度的估测具有重要意义。由此提出了一种协同应用高密度无人机激光雷达和高空间分辨率卫星遥感数据,对区域森林郁闭度进行定量估测的深度学习模型（UnetR）。对用于图像分类的Unet模型的损失函数进行改进,并在卷积层后加入批量归一化层,使其具有对连续变量进行定量估测的能力。与全卷积神经网络、随机森林和支持向量机回归模型进行对比实验。结果表明,UnetR模型的均方根误差较低,估测精度较高,为实现区域森林郁闭度遥感监测提供了一种人力成本低、自动化程度高的估测方法。     

高光谱遥感光谱相似性度量算法与若干新方法研究

提出了一种新的光谱相似性度量算法分类体系。在归纳算法的基础上，根据不同的度量原理与实现簋略，结合应用需求，提出了基于光谱多边形的测度、四值编码、十进制编码、树状变换测度及基于小波变换的测度等新方法，这些方法能够应用于分类、检索等的相似性度量中。     

森林地上生物量遥感估测研究进展

森林生物量是衡量生态系统生产力的重要指标,也是研究森林生态系统物质循环的重要基础,其估测方法可以分为传统地面实测法、遥感监测法和综合模型法.随着生物量估测从样地研究发展到区域应用,空间尺度的增大导致宏观资料和参数的获取存在很多困难.在深入分析目前应用遥感技术估算森林生物量的方法及原理基础上,系统评述了统计模型、物理模型...     

基于直方图的遥感图像相似性检索方法比较

相似性度量是用于研究多源数据之间相似程度的，是对空间数据进行模式识别的基础。通过单波段遥感图像的检索对两组直方图相似性检索方法进行了实验研究，即基于特征向量的相似性度量和基于概率的相似性度量。实验中发现第一组相似度量中有两种以往较少用于遥感图像检索的方法表现出色，它们分别是，统计距离和相似夹角余弦度量。第二组实验中，针对其中包含较明显的目标物体且背景较为单一的遥感图像（其直方图可看作混合高斯分布），在类别可分离判据的基础上，根据K-近邻法则提出了一种计算该类图像之间相似值的方法。实验结果表明基于K-近邻法则的计算方法行之有效。所得出的结论将对多源数据分析中相似性度量的理解与选择有积极意义。     

相似性判别原理在影像变化检测中的应用

针对传统基于Bayes影像变化监测方法中分类的硬划分及对辐射畸变敏感的问题,首先,采用集合相似性测度动态更新变化和未变化两类像元模糊子集,解决变化检测分类过程中硬划分的问题;然后,采用像元相似性测度来判断变化类像元集合和未变化类像元集合中的每个像元是否真正发生了变化,剔除伪变化像元,克服对影像线性辐射畸变敏感的问题,并检测出漏检像元,最终实现影像变化区域的提取。实验结果表明,基于相似性测度的影像变化检测方法可实现变化区域自动化提取,具有较好的应用价值。     

一种基于变权重组合的光谱相似性测度

光谱相似性测度是高光谱遥感影像信息提取的关键。在欧氏距离和光谱角余弦的基础之上提出一种变权重组合的光谱相似性测度,即光谱变化权重相似性测度。这种光谱相似性测度可根据不同地物类别自动对欧氏距离和光谱角余弦测度指标配比权重。选用标准光谱库和机载OMIS高光谱影像对SCWM进行测试,并引入误分率和混淆矩阵对分类结果进行评价。结果表明,相对于仅采用一种或两种光谱相似性测度的分类方法,光谱变化权重相似性测度具有更精细的光谱识别能力。     

基于像元二分模型的森林郁闭度遥感估算

实现森林郁闭度的高精度估测,对于森林资源的监测与管理具有非常重要的意义。本文以小兴安岭带岭林业实验管理局为研究区,基于植被指数的像元二分模型进行了森林郁闭度的遥感反演,结果表明:模型的预估精度达到89.01%,决定系数R2达到0.859,RMSE为0.039,模型的一致性较好,可以实现大区域范围森林郁闭度的监测,满足了林业经营管理的需求。     

改进相似性测度的高光谱影像FCM聚类分析

高光谱遥感将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起,能够实现地面目标的精细分类识别。FCM是一种有效的聚类算法,但存在相似性测度模型单一、分类精度的提高受到限制等问题。文中结合高光谱影像的技术特点,综合考虑光谱曲线的形状、地物辐射亮度及其权重,提出可以更好描述光谱向量之间的相似性的距离测度,并将其引入到FCM聚类模型中。聚类分析试验结果表明：通过改进和优化相似性测度的FCM,可以显著提高高光谱影像聚类精度。     

像斑直方图相似性测度的高分辨率遥感影像变化检测

基于像斑的变化向量分析法CVA(Change Vector Analysis)过分依赖像斑的灰度均值信息,而未能有效利用其灰度分布信息,这在高分辨率遥感影像变化检测中存在不足。本文提出了一种基于像斑直方图相似性测度的变化检测方法。利用G统计量构建不同时期像斑之间的相似性测度。假设所有像斑的相似性测度值符合混合高斯分布模型,通过期望最大化算法EM(Expectation Maximization)求解相关参数,最后采用基于最小错误率的贝叶斯判别规则获取最终的变化结果。实验表明,本文提出的上述方法能够有效提高变化检测的精度。     

基于空间加权距离的自适应Fuzzy C-Means算法研究

空间聚类不仅应考虑GIS对象属性特征的相似性,还应考虑对象的空间邻近性。不同属性、位置特征在聚类中起到的作用不同。采用信息熵方法计算空间距离中各属性距离、位置距离的权重,权值大小用于度量相应特征在fuzzy c-means隶属度计算时的作用大小,并引入相似性指标,当两个聚类之间的相似度高于某个合并阈值时,则对应的一对聚类进行合并,从而克服需预先设置聚类类数的问题。通过应用实例的聚类有效性分析,与普通空间距离相比,基于空间加权距离的FCM算法具有稳定性和有效性。     

Growing stock estimation through stratified sampling on satellite remote sensing data

Aerial photographs are being extensively used for forest surveys i.e. forest cover type mapping, assessment of growing stock, estimation of area, vegetation studies, etc. Satellite remote sensing technology offers new possibilities and scope for achieving some of the above applications with higher accuracy and reliability. The assessment of growing stock through subjective stratification has also become possible with increase in spatial and spectral resolution. In the present study, the LANDSAT TM FCC (1966) has been visually interpreted on the basis of tonal characteristics. Stratified random sampling method has then used for determination of number of sample units for collection of ground Inventory data. Using regression equations, the volume per hectare of individual forest cover types were calculated. Satellite remote sensing data has been used for initial stratification, distribution of sample plots and calculation of area under various forest cover types. Estimate has been made for available commecial and non-commercial growing stocks in the study area.     

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。     

Options for monitoring and estimating historical carbon emissions from forest degradation in the context of REDD+

Measuring forest degradation and related forest carbon stock changes is more challenging than measuring deforestation since degradation implies changes in the structure of the forest and does not entail a change in land use, making it less easily detectable through remote sensing. Although we anticipate the use of the IPCC guidance under the United Framework Convention on Climate Change (UNFCCC), there is no one single method for monitoring forest degradation for the case of REDD+ policy. In this review paper we highlight that the choice depends upon a number of factors including the type of degradation, available historical data, capacities and resources, and the potentials and limitations of various measurement and monitoring approaches. Current degradation rates can be measured through field data (i.e. multi-date national forest inventories and permanent sample plot data, commercial forestry data sets, proxy data from domestic markets) and/or remote sensing data (i.e. direct mapping of canopy and forest structural changes or indirect mapping through modelling approaches), with the combination of techniques providing the best options. Developing countries frequently lack consistent historical field data for assessing past forest degradation, and so must rely more on remote sensing approaches mixed with current field assessments of carbon stock changes. Historical degradation estimates will have larger uncertainties as it will be difficult to determine their accuracy. However improving monitoring capacities for systematic forest degradation estimates today will help reduce uncertainties even for historical estimates.     

面向地理国情监测的房屋建筑区树冠覆盖多特征协同提取

针对全国地理国情监测工作新增树冠覆盖提取这一全新的工作任务,本文通过深入分析房屋建筑区主要地物光谱特征和纹理特征,确定以光谱特征归一化植被指数（NDVI）,以及对比度（contrast）信息熵（entropy）两个纹理特征作为判断规则,按照面向对象的思路,设计了一种综合应用高分辨率遥感影像光谱特征和纹理特征的房屋建筑区树冠覆盖范围提取方法。试验结果表明,该方法能够自动提取房屋建筑区树冠覆盖范围,大幅降低了当前常用的目视解译方法的工作量,与采用单一影像特征的提取方法相比,本文方法能够有效地区分房屋建筑区内与树冠覆盖光谱特征相近的地物要素。     

农情遥感信息与其他农情信息的对比分析

农情信息多种多样 ,来源不同 ,分散于各个部门或单位 ,缺乏相互交换与验证 ,综合分析与集成不够 ,特别是遥感信息为经济领域决策服务的渠道不通畅。为更好地应用各种信息 ,必须加强信息综合分析。对耕地面积、作物面积、作物单产、作物长势、粮食产量等几种农情信息中不同来源的信息进行了初步对比分析 ,肯定了遥感监测农情信息在客观性、时空连续性、可对比与可预测、低成本等几个方面的优势 ,同时也分析了遥感信息的不足和局限。认为遥感信息与其他信息不是互相替代的关系 ,而是互相补充、互相验证的关系。只有通过多源农情信息的综合分析和集成 ,才能更全面准确地反映农情。     

GIS在矿产资源开发状况遥感动态监测中的应用

为建立全国性的矿产资源开发状况数据库系统，以山西省晋城市和江西省崇义县矿产资源开发状况遥感动态监测成果为基础 ，通过GIS 强大的空间数据管理功能，对所收集的数据进行管理，建立了具有浏览编辑、查询检索、统计分析及动态监测等特点的空 间数据库系统。本文就建立这一数据库系统的技术方法、设计思路、系统组成和GIS的应用等方面进行了阐述。     

Carbon sinks and tropical forest biomass estimation: a review on role of remote sensing in aboveground-biomass modelling

Tropical forest embraces a large stock of carbon and contributes to the enormous amount of above- and below-ground biomass and the global carbon cycle. The carbon kept in the above-ground living biomass of trees is typically the largest pool and the most directly impacted by deforestation and degradation. Hence, quantifying carbon stock and fluxes from tropical forests by estimating the above-ground forest biomass is the critical step that will be investigated further in this paper. Remote sensing technology can provide many advantages in quantifying and mapping forest structure and monitoring and mapping above-ground biomass, and is both temporally and spatially accurate. Therefore, a good data-set of biomass which comprises canopy height and canopy structure can provide carbon sequestration potential for forest reserves. This paper reviews a thorough research of biomass estimation using remote sensing and geospatial technologies.     

SAR与TM影像的IHS变换复合及其质量定量评价

本文采用四种典型的IHS变换方法,对同一地区的SAR与TM影像进行了复合,并对复合后图像的信息量及清晰度作了定性和定量分析。结果表明,用熵、联合熵和平均梯度这三个定量指标客观评价SAR与TM影像的复合效果,比目视评价结果准确有效,从而为选择最佳IHS变换方法进行多源遥感数据复合提供了依据。     

基于遥感技术的土地利用信息提取及变化

遥感图像是地理信息分析非常重要的数据源。遥感技术和GIS技术被广泛应用于土地利用动态监测。利用1987年和2000年的遥感影像,分析了徐州市14年间土地利用动态变化情况,并运用ArcView实现土地利用的空间分析,对徐州市土地利用状况进行了研究,分析了各土地利用类型变更情况。以耕地为例,利用徐州市的社会经济统计数据,运用多元统计分析方法,基于SPSS软件对耕地变化的主要驱动力和驱动机制进行了分析。     

冠层特征尺度的定量计算模型与方法

冠层特征尺度是植被定量遥感的基础概念,其物理定义和数学定量表达具有重要的研究意义。首先,基于光学辐射传输角度提出的冠层特征尺度的物理定义,即水平维线性混合条件下的最小分辨率单元,建立了冠层特征尺度的数学计算模型,并引入倒置的地统计学指数模型。然后,提出了基于局部方差分析的冠层特征尺度计算方法。最后,利用森林区域高分辨率图像,对论文提出的冠层特征尺度模型进行了定量验证。结果表明,冠层特征尺度模型计算的冠层特征尺度与树林株行距存在密切联系,线性复相关系数达0.95,证明了本文方法的合理性和可行性。本文提出的冠层特征尺度模型为地表特征尺度定量计算提供了一种新方法。