深度残差神经网络频率域下蚀变岩石光谱分类模型研究

以往的蚀变岩石光谱分类方法包括机器学习模型和浅层神经网络模型,且均使用光谱波形特征作为模型分类依据.小波变换能够将光谱数据转换为频谱图进行奇异性探测,显示光谱瞬态突变信息.该文使用5种不同蚀变类型的石英闪长玢岩光谱数据,通过Symlets小波变换将光谱数据转换为频谱图,作为深度卷积分类模型的基础数据,再利用50层深度残差网络(ResNet50)模型对数据进行分类,并选取准确率、损失值、召回率、精确率以及F1参数对结果进行评价.通过与传统的机器学习方法及其他方法进行比较,证明该模型的准确率和F1参数均优于对比模型,测试集分类准确率达到99.67％,表明该模型对蚀变岩石光谱数据分类的适用性较强,且具有较好的鲁棒性和泛化性.     

近地表弹性介质瑞雷波勘探研究进展与展望

瑞雷波法已在研究地球内部结构、近地表地球物理工程和超声无损检测等领域中获得了广泛应用,尤其是近年来瑞雷波法作为近地表场地表征新兴领域的前沿技术已成为国际学术研究与应用的热点。对国内外近地表弹性介质瑞雷波勘探的主要研究成果与进展进行了综述,通过对瑞雷波勘探现有的研究成果和进展密切追踪发现当前近地表瑞雷波勘探主要基于水平地表弹性水平层状介质模型,利用单分量瑞雷波相速度频散曲线单目标反演获得一维横波速度剖面和相关岩土力学参数。但是,该方法也存在着现有瑞雷波频散曲线反演极易出现模式误识别、现有单分量单目标瑞雷波反演未充分利用多分量信息、现有瑞雷波相速度反演未充分利用群速度传播特性、现有瑞雷波反演未充分利用质点椭圆极化振动特性等挑战性学术难题和不足。基于上述问题,建议未来近地表弹性介质瑞雷波勘探重点研究方向应集中在进行多模式表面波全速度谱反演研究、多站多分量表面波相速度多目标全速度谱反演研究、单站多分量表面波群速度多目标全速度谱反演研究和单站多分量表面波椭圆极化振动特性多目标反演研究。由此构建新的近地表多分量瑞雷波多目标全速度谱反演理论,引领多分量瑞雷波多目标反演学科前沿,拓展现有单分量瑞雷波单目标反演理论范畴,推动多分量瑞雷波高精度实用勘探技术的发展。      

基于卫星高光谱遥感影像的浅海水深反演方法

遥感水深反演具有非接触测量和省时省力等优点,能够为航海、岛礁工程与珊瑚礁生态调查等活动提供重要参考。随着高光谱遥感卫星数量的增长,基于高光谱遥感影像的水深反演具有良好的发展与应用潜力。HOPE（Hyperspectral Optimization Process Exemplar）算法是比较常用的高光谱水深反演算法。鉴于HOPE算法在低遥感反射率海域会出现水深被高估的问题,本文基于Hyperion高光谱遥感影像提出一种改进的水深反演算法。该算法针对危险或难以到达海域往往具有水体光学性质较为均一的特点,利用深水区遥感反射率的观测值来估计整个研究区域内的水体光学性质参数并将其固定,以便减少未知参数数量,解决水深被高估的问题,最终达到提高水深反演整体精度的目的。塞班岛和中业岛的实验结果表明,改进算法能够有效克服常规HOPE算法在低遥感反射率水域高估水深的问题。改进算法能够将平均遥感反射率小于0.0075sr^-1（塞班岛）和0.001 sr^-1（中业岛）范围内的水域的水深反演平均绝对误差从常规HOPE算法的2.94 m和6.44 m分别降低至2.56 m和4.99 m,从而能够相应地将整体的均方根误差从3.18 m和5.39 m分别降低至2.30 m和3.32 m,而将整体的平均相对误差从32.4%和27.1%分别降低至30.6%和23.9%。因此,改进算法在提高卫星高光谱遥感影像水深反演效果方面具有可行性和有效性。     

机载多光谱影像语义分割模型在农田防护林提取中的应用

农田防护林是农田生态系统的屏障,其健康状况的监测与评估在我国北方农田林网管理中尤为重要。本文以新疆生产建设兵团第三师51团为研究区,使用复合翼无人机CW-20搭载Micro MCA12 Snap多光谱相机获取农田防护林的多光谱影像,经辐射校正、裁剪等预处理,通过优选有效特征和模型比较,提出农田防护林提取的有效方法。首先,基于原始12波段,依据相关性系数矩阵和最佳指数因子（Optimum Index Factor,OIF）选取最优3波段和植被指数特征进行组合,构建8种农田防护林提取方案;然后,通过建立语义分割Deeplabv3+模型进行精度评价,得到最优3波段组合6（波长710 nm）、8（波长800 nm）、 11（波长900 nm）波段为最佳特征组合;最后,以最优3波段为基础,将Deeplabv3+模型与U-Net、ENVINet5模型进行对比分析。结果表明：Deeplabv3+模型能够更深层次的挖掘光谱中潜在的信息,相比其他模型,能够较好地处理正负样本不均衡问题,获得最高MIoU值85.54%,比U-Net、ENVINet5的MIoU值则分别高出21.21%、27.19%。该研究结果可为基于多光谱遥感影像的语义分割在农田防护林提取及健康状况监测的应用提供借鉴和参考。     

暴雨洪涝受灾人口与雨涝危险性指数关系模型研究

建立可监测、可预报的雨涝危险性指数与暴雨洪涝受灾人口的关系模型,对暴雨洪涝灾前、灾中、灾后人口受灾情况快速评估具有重要意义。以湖北省为例,利用小时降水、日最大降水量、累积降水量与暴雨持续天数等气象资料以及水系、高程等孕灾环境资料,构建了雨涝危险性指数。结合历史洪涝受灾人口资料,建立基于雨涝危险性指数的暴雨洪涝受灾人口灾损曲线。按照重现期划分雨涝危险性等级,并通过计算不同重现期雨涝危险性指数的致灾阈值,建立危险性等级与受灾人口的定量关系模型。结果显示:(1)湖北省暴雨高危险区主要位于江汉平原以东,其次是鄂西南南部、江汉平原南部。(2)通过历史暴雨过程受灾情况比较,包含小时雨量和孕灾环境的雨涝危险性指数更能呈现暴雨过程的受灾程度。(3)湖北省暴雨洪涝受灾人口与雨涝危险性指数呈幂函数关系,年及暴雨过程实际受灾人口与拟合受灾人口的相关系数分别达0.800和0.891。(4)利用5 a、10 a和20 a三个重现期将雨涝危险性指数划分为三个等级,当雨涝危险性指数超20 a一遇时,预计受灾人口将达12万人以上。     

基于稀疏判别分析的高光谱影像特征提取

针对当前特征提取方法不能充分挖掘高光谱影像稀疏特性的问题,提出一种基于稀疏判别分析的高光谱影像特征提取方法。首先,在线性判别分析的系数向量中引入稀疏正则项来捕获具有更强判别能力的特征,将高光谱影像映射至低维稀疏的子空间;然后,利用迭代优化方法对模型进行求解。利用Salinas和Pavia University高光谱影像进行对比实验,所提方法与分类方法结合用于影像分类时,其分类精度优于其他方法,总体分类精度分别达到97.42%和97.64%。     

全球导航卫星系统反射测量(GNSS+R)最新进展与应用前景

全球导航卫星系统(GNSS)具有全天候、近实时、高精度的特点,可持续发射L波段信号,广泛应用于定位、导航和授时(PNT)。随着GNSS技术的发展,最近GNSS反射信号可探测地球表面特征,即GNSS反射测量(GNSS+R)。结合GNSS接收机天线位置和介质信息,利用延迟测量值可以确定表面粗糙度和表面特性。GNSS+R作为当前GNSS和遥感领域的研究热点,取得了一些研究进展和成果。本文详细介绍了GNSS+R原理和方法及其最新应用进展,包括各种GNSS+R技术手段和方法,以及海洋、陆地、水文、植被和冰雪等遥感应用,特别是最新BeiDou-R和TDS-1研究进展。最后给出了GNSS+R应用前景和展望,包括多GNSS系统、GNSS+R接收机、GNSS+R卫星计划和新兴应用等。     

资源三号卫星多光谱影像的姿态角常差检校

针对资源三号卫星姿态角常差导致的多光谱影像定位精度降低的问题,该文在构建多光谱影像严格几何定位模型的基础上,提出了运用罗德里格矩阵建立姿态角常差检校方法;根据少量地面控制点求出姿态角常差构成的偏置矩阵后,使影像定位精度得到显著提高。实验结果证明,该方法具有较好的应用价值。     

面向高光谱图像分类的半监督空谱判别分析

为充分利用高光谱图像蕴藏的空间信息提升分类精度,提出了面向高光谱图像分类的半监督空谱判别分析(S3 DA)算法。考虑高光谱图像数据集的空间一致性,首先利用少量标记样本定义类内散度矩阵,保存数据集同类像元的光谱近邻结构;再利用无标记样本定义空间近邻像元散度矩阵,揭示像元间的空间近邻结构和地物的空间分布结构信息。S3 DA既保持数据集在光谱域的可分性,又保存了无标记样本蕴藏的空间域近邻结构,增强了同类像元和空间近邻像元在投影子空间的聚集性,从而提升分类性能。在PaviaU和Indian Pines数据集的试验表明,总体分类精度分别达到81.50%和71.77%。与传统的光谱方法比较,该算法能有效提升高光谱图像数据集的地物分类精度。