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。     

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。     

志愿者民航客机夜光遥感方法与数据验证

夜光遥感是遥感技术一个活跃的分支,能够反映人类社会活动的痕迹。在城市监测、经济参数评估、重大事件评估等方面有着独特的优势。近年来夜光数据的应用不断拓展,这对传统的卫星夜光遥感数据提出了更高的要求。本文基于大众遥感、志愿者遥感理念,提出了一种夜光遥感数据获取的新方法——民航客机遥感（PARS）。以长沙市为研究区域获取PARS夜光遥感影像,并将所得数据与传统卫星遥感数据作对比。结果表明,PARS捕获的夜光遥感数据在分辨率、波段及时效性上比传统方式表现得更为优秀,是一种低成本、灵活及多样化的遥感数据获取方式,具有很大的发展潜力。     

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。     

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。     

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。     

资源卫星（可见光）遥感数据获取任务调度优化算法研究

从资源卫星（可见光）遥感数据获取任务调度的影响因子分析入手,在研究国外相关遥感任务调度算法的基础上,提出了基于目标的卫星遥感任务调度算法规则,并依据该规则研究建立了算法实现流程,以解决用户需求和星地资源使用约束之间的冲突,从而有效地满足用户对遥感数据的需求。     

高空间分辨率卫星遥感地质微构造及蚀变信息识别应用研究

高空间分辨率卫星遥感数据的获取已有十几年的时间,积累了很多存档数据。研究发现,小尺度范围一些典型蚀变信息及小节理、断裂（群）、岩脉（墙）及小岩株多期次侵入相等在高分辨率遥感影像上具有独特反映,这些信息往往与矿床具有密切关系,以此信息进行遥感找矿分析,可为快速找矿提供一种重要方法。     

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。     

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...     

大型遥感影像数据库中的海量数据管理技术

本文对现有遥感影像数据管理方法进行了讨论，针对其存在的不足，提出基于存储区域网（SAN）技术，采用在线、近线、离线的三级存储模式以及分级管理方法解决数据的物理存储问题；采用大对象（LOB）行数据组织，结合数据分块、索引、调度技术，解决了数据的快速加载问题。工程应用实际表明，该方法能够满足海量遥感影像数据的管理需求。     

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。     

《多源遥感影像数据融合技术》出版

《多源遥感影像数据融合技术》（贾永红著）一书近日由测绘出版社出版。     

遥感云计算平台发展及地球科学应用

人类已有半个多世纪的全球历史遥感数据积累,这些不断涌现的海量遥感数据形成的遥感大数据为地球科学研究提供了丰富的数据支持;对遥感大数据快速处理、分析和挖掘是一个新的挑战.遥感云计算平台的出现为遥感大数据挖掘提供了前所未有的机遇,并彻底改变了传统遥感数据处理和分析的模式,使得全球尺度的长时间序列快速分析和应用成为可能.本文...     

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）。     

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。     

基于分类规则挖掘的遥感影像分类研究

分析了目前遥感影像的统计分类、神经网络分类及基于符号知识的逻辑推理分类方法的优缺点.以GIS为平台,构建了多源空间数据库,将数据挖掘的思想和方法引入遥感影像分类中,提出了面向分类规则挖掘的遥感影像分类框架.针对遥感光谱数据及其他空间数据的特点,定义了连续属性样本分类概念和分割点评价指标,提出了一种新的连续属性样本分类规则挖掘算法.选择一个试验区,采用该算法分别对遥感光谱数据、遥感光谱和DEM数据相结合的数据进行分类规则挖掘、遥感影像分类和分类精度比较.结果表明：（1）该算法具有较高的分类精度;（2）加入DEM等与分类相关的其他空间数据可以提高遥感影像的分类精度.通过挖掘分类规则进行遥感影像分类,扩展了基于知识的逻辑推理分类方法中知识获取渠道,提高了分类规则获取的智能化程度.新的连续属性样本分类规则挖掘算法,扩展了归纳学习算法对连续属性样本分类的适应性.     

遥感地质──地质科技现代化的重要方面(“遥感地质纪念专辑”代序言)

遥感是60年代出现的高新技术,自1972年美国发射第一颗地球资源技术卫星ERTS-1后,遥感才得到迅速发展。就遥感的意义来说,遥感就是不直接接触某物而感知某物,那么30年代开始发展的航空摄影技术也应属遥感范畴。我国地质上应用的遥感新技术是70年代引进的,而遥感地质是在50年代航空摄影地质工作基础上发展起来的。从1980年中国地质学会成立遥感地质专业委员会12年以来,国家和地矿部门把遥感作为重点发展的新技术之一,有十多个地矿部门相继建立了遥感（应用）中心或研究所,29个省、市、自治区建立了遥感中心（站）,其中8个已扩建为省级综合性的遥感（应用）中心,遥感地质专业科技人员已达2500人。