柴达木盆地盐尘暴及其资源生态环境影响

在干旱和半干旱地区,盐尘暴是一种常见的极端气象灾害。柴达木盆地频发的沙尘暴实质上就是盐尘暴。柴达木盆地盐尘暴已经对区域大气、土壤、植被、人类健康乃至全球气候变化都产生了不同程度的影响。由于柴达木盆地盐尘暴中可溶盐成分来源复杂,尽管目前对其形成过程和机制还缺乏深刻理解,但人类的资源开发活动对盐尘暴显然具有促进作用。有必要从系统的角度来考虑柴达木盆地盐尘暴对区域乃至全球的影响,这对于区域生态环境的正确评估和后期恢复治理具有重要意义。     

迁入地资源环境压力指标体系构建与评价——以贵州省纳雍县为例

选取贵州省纳雍县为易地扶贫迁入地研究对象,构建了评价指标体系,对迁入地资源环境压力进行了评价;同时应用层次分析法确定指标权重,计算资源环境压力,并将结果划分为相对高、中、低压力区3个等级。分析结果表明,纳雍县整体资源较为贫乏,生态环境较为脆弱,人均资源量较少,造成资源环境整体压力较大;由贫困发生率与资源环境评价值作相关分析,资源环境压力与贫困发生率呈弱负相关性。     

基于2 m格网点云数据的高精度DEM制作第三次国土调查坡度图

地形地貌随着时间的推移时刻发生变化,以高精度数字高程模型（EDE）数据制作坡度图,进而计算田坎系数,更精准地进行耕地面积计算及统计。以2 m格网点云数据生成的DEM数据为基础,按照第三次全国国土调查的相关技术要求,根据耕地坡度分级要求进行分级,生成坡度分级栅格数据图。对坡度分级栅格数据图进行矢量化,生成坡度分级矢量化数据。对矢量化数据进行图斑综合、界线平滑、拓扑重建、数据裁切等处理,制作完成调查区域坡度图及相关属性数据制作。并对生产的坡度图成果进行分析,找出不同尺度格网生产的坡度图的技术差异,并对高精度坡度的应用进行了展望。     

智能出行重塑人车路关系

不断加速的城市化进程加剧了交通供需矛盾,道路拥堵、交通事故、资源过度消耗,成为摆在交通管理部门和用户出行面前的三个难题。数据显示,在所有获取交通信息方式中,通过手机地图APP获取交通信息的高达72.3%。因此,以移动导航应用为抓手的"智能+出行"模式,就成为连接出行者与管理者的关键。     

无人机航测技术在广东省和平县第三次全国国土调查中的应用

第三次全国国土调查是查实查清我国国土资源利用现状的重要手段,对提高国土资源利用效率和建设信息化社会有着积极的推动作用。本文以广东省和平县第三次国土调查项目为基础,将无人机航测技术应用于本次三调中,快速的获取了调查区高分辨率的航拍影像数据,结合GNSS技术等进行外业核查和补绘,生产出了符合三调精度要求的DOM、DEM产品,对编制各类工作底图奠定了基础。实践证明,将无人机航测技术应用第三次全国国土调查中具有明显的优势,主要体现在精度高、效率快、成本低、利用率高等方面。     

FY-3D/MERSI-II全球火点监测产品及其应用

FY-3D/MERSI-II全球火点监测产品主要包括全球范围内的火点位置、亚像元火点面积和火点强度等信息,可用于实时监测全球范围的森林草原火灾、秸秆焚烧等生物质燃烧状况。火点判识算法主要根据中红外通道对高温热源的敏感特性,即含有火点的中红外通道像元辐亮度和亮温较远红外通道的辐亮度和亮温偏高,同时较周边非火点的中红外像元偏高,建立合适的阈值可探测含有火点的像元。亚像元火点面积估算主要使用中红外单通道估算,根据亚像元火点面积估算结果对火点强度进行分级,不同的级别表示不同程度的火点辐射强度。基于全球火点自动判识结果,每日生成0.01°分辨率的卫星遥感日全球火点产品,每月生产0.25°×0.25°格点的全球月火点密度图。在利用FY-3D/MERSI-II火点产品开展的全球火点监测应用中,对多起全球重大野火事件进行了监测,为防灾减灾、全球气候变化研究、生态环境保护等方面提供卫星遥感信息支持。     

波段选择协同表达高光谱异常探测算法

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。     

A-FPN算法及其在遥感图像船舶检测中的应用

光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测。A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值。实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8%,表明A-FPN模型适用于遥感图像船舶检测。     

基于多分辨率分析的GF-5和GF-1遥感影像空—谱融合

针对空间分辨率比率较大尺度差异下的高分五号(GF-5)与高分一号(GF-1)卫星影像的空—谱融合问题,提出多传感器影像融合策略:一方面,通过现有空—谱融合方法的分步融合得到融合影像;另一方面,在分步融合理论基础上,推导得出一体化融合基础框架,并进一步提出基于多分辨率分析的多传感器一体化融合方法,缓解现有方法因空间分辨率比率过大导致影像空、谱互补信息难以有效集成的问题。其中,提出的一体化融合方法基于调制传递函数MTF (Modulation Transfer Function)滤波对多传感器影像空间(高频)和光谱(低频)分量进行分解提取,并充分考虑多传感器高空间分辨率影像与高光谱分辨率影像之间的关系,以及高光谱分辨率影像波段间关系,设计合理的融合权重,最终可得到具有最高空间分辨率和最高光谱分辨率的融合影像。通过GF-1全色影像、GF-1多光谱影像、GF-5高光谱影像数据对提出方法进行实验验证,结果表明:本文方法可有效集成多传感器影像间的空、谱互补信息,得到较优融合结果。