自组织网络在遥感土地覆盖分类中应用研究

设计完成和比较了自组织网络的几种算法在遥感土地覆盖分类中的应用,结果表明非监督和监督学习结合方法进行遥感土地覆盖分类,各算法在分类性能上无显著差异,因此可采用算法和较简单的单竞争学习网络,根据最邻近原则进行非参数分类。     

M-估计法广义变分同化FY-3B/IRAS通道亮温

采用FY-3B/IRAS亮温资料进行广义变分同化研究。广义变分同化结合了经典变分同化和稳健M-估计两者的优点。区别于经典变分同化依赖于先前的质量控制并要求误差服从高斯分布,把M-估计法耦合到经典变分同化框架中,得到广义变分同化,其弱化了同化前的质量控制和误差服从高斯分布这两个条件。目标能量泛函包含M-估计以保证对离群值具有稳健性,从而能够得到较好的同化结果。对比变分同化前后的FNL资料湿度与GDAS湿度相关系数作为同化结果检验评价。具体操作过程在FNL作为背景场的基础上分别采用经典和M-估计不同的权重因子变分同化FY3B/IRAS资料,把得到的分析场与GDAS进行相关性比较,由于湿度具有较强的非高斯性,文中首先评估了安徽省13个站GPS/PWV和积分相关湿度廓线得到大气可降水量(即GDAS/PWV和FNL/PWV资料)的相关性,进一步基于信息熵自由度思想进行了近一个月IRAS 20个通道对分析场的影响贡献率诊断研究。     

城市交通网络分形维数的不确定性估计、控制与分析

长度-半径维数模型作为描述城市交通网络复杂不确定性现象的一种分形分维方法,其自身存在的不确定性往往被忽视,且相关研究更是鲜见报道。故针对该模型在分形维数测算全过程中存在的不确定性问题,本文率先开展了系统剖析、定量估计和质量控制研究。首先对数据源、矢量化处理、测算中心、尺度选择、以及分维数模型估计等一系列环节进行了不确定性估计与分析,其中首次给出了分形维数在一定置信水平下的不确定性度量区间,并依据误差传播理论对误差的传递和累积进行了描述;然后着重提出了基于LMed S(Least Median of Squares)的质量控制方法。最后通过对拉萨市的算例实验表明:道路的矢量化过程、测算中心和测算尺度的选择都会导致分维的不确定性;并在对数据质量进行控制的基础上,通过置信区间对长度-半径维数模型的不确定性进行了在一定概率水平下的首次度量;同时结合区域现状对研究结果给出了合乎实际的解释。本文在描述表征不确定性问题的分形几何和分形维数的基础上,系统地揭示了其自身不确定性的本质,不仅进一步丰富了分形分维理论,为控制其质量奠定理论基础,而且可为城市交通网络分形维数的地学应用提供可靠的科学依据。     

Precise orbit and baseline determination for maneuvering low earth orbiters

GPS Solutions - Orbital maneuvers are usually performed as needed for low earth orbiters to maintain a predefined trajectory or formation-flying configuration. To avoid unexpected discontinuities...     

典型遥感数据分类方法的适用性分析——以遥感图像场景分类为例

目前普遍采用的分类器通常都是针对单一或小量任务而设计的,在小数据量的处理中能取得比较满意的结果。但对于海量遥感数据的处理,其在处理时效和分类精度方面还有待研究。本文以遥感图像场景分类任务为例,着重对遥感数据分类问题中几种典型分类方法的适用性进行比较研究,包括K近邻(KNN)、随机森林(RF),支持向量机(SVM)和稀疏表达分类器(SRC)等。分别从参数敏感性,训练样本数据量,待分类样本数据量和样本特征维数对分类器性能的影响等几个方面进行比较分析。实验结果表明:(1)KNN,RF和L0-SRC方法相比RBF-SVM,Linear-SVM和L1-SRC,受参数影响的程度更弱;(2)待分类样本固定的情况下,随着训练样本数目的增加,SRC类型分类方法的分类性能最佳,SVM类型方法次之,然后是RF和KNN,在总体分类时间上呈现出L0-SRCL1-SRCRFRBF-SVM/Linear-SVMKNN/L0-SRC-Batch的趋势;(3)训练样本固定的情况下,所有分类方法的分类精度几乎都不受待分类样本数目变化的影响,RBF-SVM方法性能最佳,其次是L1-SRC,然后是Linear-SVM,最后是RF和L0-SRC/L0-SRC-Batch,在总体分类时间上,L1-SRC和L0-SRC相比其他分类方法最为耗时;(4)样本特征维数的变化不仅影响分类器的运行效率,同时也影响其分类精度,其中SRC和KNN分类器器无需较高的特征维数即可获得较好的分类结果,SVM对高维特征具有较强的包容性和学习能力,RF分类器对特征维数增加则表现得并不敏感,特征维数的增加并不能对其分类精度的提升带来更多的贡献。总的来说,在大数据量的遥感数据分类任务中,现有分类方法具有良好的适用性,但是对于分类器的选择应当基于各自的特点和优势,结合实际应用的特点进行权衡和选择,选择参数敏感性较小,分类总体时间消耗低但分类精度相对较高的分类方法。     

多源数据协同定量遥感产品生产系统的领域模型

大数据技术中的一个难点是如何统筹多源异构的数据。在多源数据协同定量遥感产品生产系统中,不同传感器数据的协同使用为生产系统的各个环节都带来了许多的问题,例如异构数据文件的统一表示和调度,繁杂生产流程的统一抽象等。领域驱动设计是一种应对软件核心复杂性的设计方式。领域驱动是指在设计过程中经过不断的迭代,逐渐提炼出一套灵活优雅的领域模型。领域模型专注于分析问题领域本身,发掘重要的业务领域概念,并建立业务领域概念之间的关系。本文在不断实践的基础上提出了一组较成熟的领域模型,该模型用一种统一的方式解决了多源数据协同生产系统中各方面的问题,并显著地降低了系统集成的难度和工作量,且为新数据源的加入预留了灵活性。     

高光谱遥感影像分类研究进展

随着模式识别、机器学习、遥感技术等相关学科领域的发展,高光谱遥感影像分类研究取得快速进展。本文系统总结和评述了当前高光谱遥感影像分类的相关研究进展,在总结分类策略的基础上,重点从以核方法为代表的新型分类器设计、特征挖掘、空间-光谱分类、基于主动学习和半监督学习的分类、基于稀疏表达的分类、多分类器集成六个方面对高光谱影像像素级分类最新研究进行了综述。针对今后的研究方向,指出高光谱遥感影像分类一方面要适应大数据、智能化高光谱对地观测的发展前沿,继续引入机器学习领域的新理论、新方法,综合利用多源遥感数据、多维特征空间互补的优势,提高分类精度、分类器泛化能力和自动化程度;另一方面要关注高光谱遥感应用的需求,突出高光谱遥感记录精细光谱特征的优势,针对应用需求发展有效的分类方法。     

非匀一冠层热辐射方向性3维模型构建——以玉米冠层为例

建立适用于多类型植被场景的热辐射方向性模型是进行地表热辐射方向性研究的一种手段。利用真实植株几何及生理参数的统计平均值来刻画理念植株,并给定其空间分布特征,进行不同生长期植被冠层的描述。基于冠层双向孔隙率思想构建了冠层热辐射方向性3维模型,模型继承了孔隙率模型在计算冠层热辐射方向性上的简洁优势同时以几何光学的思想考虑了冠层空间异质性对冠层热辐射方向性的影响。以玉米冠层为例,进行了不同生长期玉米冠层热辐射方向亮温的模拟,通过与实地测量数据的比对表明,本文发展的模型能够较准确地模拟不同生长期玉米植被场景的方向亮温变化规律,模拟误差主要来自理念株的刻画误差、玉米叶片形状的近似以及忽略了多次散射贡献等3个方面。模型的构建方法对稀疏植被场景、浓密植被场景、多类型植被的混合场景均可适用,不同观测几何下的植被场景4组份面积比计算结果有望应用于复杂地表条件下地表返照率的研究。     

AAC算法的大气校正复合改进算法

利用模拟数据,评价Autonomous Atmospheric Compensation(AAC)算法的抗噪性,认为AAC算法的抗噪性较弱。基于TASI实测数据,利用AAC算法开展反演计算时,计算结果呈现出多样性问题。结合In-scene Atmospheric Compensation(ISAC)算法中黑体像元的标定方法,提出了一种复合改进算法。首先,利用ISAC算法反演的大气透过率和路径辐射,重新计算AAC算法中大气透过率之比(Tr)和相邻两强弱吸收通道的路径辐射之差(Pd),再次,运用经验公式获得稳定的大气反演结果(大气透过率和路径辐射),有效解决了计算结果多样性的问题。利用复合改进算法,开展的温度与发射率分离实验,证明反演得到的发射率波谱更接近野外实测波谱。     

利用地形正规化校正反立体现象

影像目视判读常会遇到山脊与沟谷的凹凸感与现实相反的反立体现象。消除反立体现象,能有效提高非专业人员对遥感影像的正确使用。立足于反立体现象的成因,本文采用地形正规化模型来校正影像的反立体现象,推导出Lambertian、Cosine-Civco、c校正、b校正这4种地形正规化模型的反立体校正式;对这4种地形正规化模型的反立体校正效果进行了对比,并且与其他5种校正法也进行了对比。通过3个实验区的校正发现,这4种地形正规化模型均能校正反立体现象,但校正影像存在色调偏差;Lambertian、Cosine-Civco的反立体校正影像立体感较强,但影像色调改变较大,视觉效果偏差;c校正、b校正的校正影像在视觉效果和定量指标上都比较接近,基本保持地物光谱信息,校正效果相对较好。从定量指标来看,b校正的反立体校正影像的各指标值整体最小,一定程度代表b校正能取得相对较好的反立体校正效果。与其他方法的对比表明,c校正和b校正的反立体校正不局限于波段个数,在有效消除反立体现象的同时,能相对较好的保留地物光谱信息,有利于影像的定量应用。