顾及多分辨率特征的复合字典城中村识别方法

城中村作为一种特殊的城市聚落类型,对其进行精确有效的监控识别有助于实现城乡协调发展、优化城乡生态环境。现有面向对象的城中村识别方法通常需要大量样本数据,导致训练成本较高,数据更新效率偏低。针对以上问题,本文提出了顾及多分辨率特征的复合字典城中村识别方法。首先通过密集格网采样提取尺度不变特征转换(SIFT)全局特征,并与多分辨率颜色矢量角直方图特征融合,形成视觉词典;然后将影像表示为视觉词频率直方图;最后使用随机森林分类器进行分类,以实现场景尺度的城中村识别。以高分二号影像为测试数据对该方法进行验证,结果表明,其总体精度达90.08%,Kappa系数达80.16%,相较于加速稳健特征(SURF)、SIFT、VGG16、ResNet50,总体精度分别高出8.99%、3.51%、4.78%、2.28%。     

基于无人机遥感的卷积神经网络对墓区治理的监测与分析

卷积神经网络可从输入信息中提取高阶特征,常用于图像特征的提取,可以用作图像分类、语义分割、图像识别等。随着时代的不断发展,公墓墓区缺乏统一治理与规划,导致墓区建设违法、违规的现象屡禁不止。此外,墓区占用面积大,严重浪费土地资源,且传统人工执巡效率低,无法全面监管,为方便对墓区的监测和治理,本文主要基于无人机遥感数据,利用卷积神经网络方法监测与分析墓区是否达到墓区治理的需求。     

电离层时变特性约束的BDS长距离RTK定位算法

电离层误差是影响长距离GNSS定位性能的主要因素,通常采用无电离层组合消除电离层误差的影响,但无电离层组合存在观测噪声放大、在多系统多频数据时无法对单个频率的观测值进行单独处理,直接消除电离层参数使得无法对电离层参数施加约束,而电离层的先验信息,时空约束信息更易获得,为此本文对非组合定位模型中电离层误差的时变特性进行研究。在非组合定位模型中电离层参数常被估计为随机游走,功率谱密度决定了随机游走的过程,也表达了电离层误差的时变特性,通过对功率谱密度的研究,对电离层参数进行合理的约束来改善定位的性能。不需要经验模型及人为的给予电离层参数时变约束信息,而是通过顾及电离层实时特性的电离层观测值确定功率谱密度值,提供了简单实用的电离层时变约束方法。通过试验验证采用Vondrak平滑方法进行电离层延迟的最佳平滑,能在削弱观测噪声的同时反映电离层实时变化,求得的电离层功率谱密度能显著提升整周模糊度收敛时间,使定位性能达到最优。对电离层时变约束的BDS三频观测数据长距离RTK定位试验表明：静态和动态定位模式下均能实现模糊度的快速固定,可满足高精度实时定位的需求。     

MODIS MAIAC高分辨率气溶胶光学厚度产品在干旱区的适用性研究

The Multiangle Implementation of Atmospheric Correction (MAIAC) is a new generic algorithm applied to MODIS measurements to retrieve Aerosol Optical Depth (AOD) over land at high spatial resolution (1 km). It is expected to have good potential in improving the AOD inversion of dark and bright surfaces of land. The high spatial resolution of the MAIAC retrievals enhances the capability to distinguish aerosol sources and determine subtle aerosol features. Retrieval of satellite aerosol properties is therefore often challenging due to considerable seasonal variations in surface reflectance and aerosol properties. To date, MAIAC AOD over arid regions under data-scarce environments has been evaluated. Considering these uncertainties, a systematic effort was made to evaluate the MAIAC AOD over arid areas using Aerosol Robotic Network (AERONET) ground-based AOD from 2000 to 2019. Considerable MAIAC-AERONET AOD matchups demonstrate the capability of MAIAC to retrieve AOD over varied ground surfaces and temporal scales. We employed a broader perspective and evaluated MAIAC performance under varying aerosol loading, aerosol types, surface coverage, and viewing geometry. The results show that (1) MAIAC performed well over various temporal scales, including monthly, seasonal and annual scales. Although underestimation is prevalent, MAIAC AOD in the spring and winter months correspond to the highest and lowest retrieval accuracies, respectively. (2) MAIAC performed well over four different typical land surface land surfaces, showing the highest retrieval accuracy over grassland, yet it slightly overestimated AOD. Construction land is most affected by the aerosol model, and farmland is strongly disturbed by surface reflectance and underestimated most obviously (Below EE = 46.5%). (3) The accuracies of the MAIAC AOD observations of Terra and Aqua are similar; R2 is more than 0.75, but both are underestimated, especially for Aqua. In general, MAIAC’s ability to provide AOD at high spatial resolution appears promising over arid areas and is expected to be helpful to study the characteristics of fine aerosols in arid areas and promote the study of local air quality. © 2023 Science Press. All rights reserved.     

基于深度学习与随机森林的PM2.5浓度预测模型

针对PM_2.5浓度预测中传统机器学习算法无法对数据内部隐藏特征进行深层次挖掘,而深度学习算法在数据较少情况下效果不佳的问题,综合考虑深度学习与随机森林的特点,提出一种基于深度学习与随机森林的PM_2.5浓度预测组合模型。模型以气溶胶光学厚度(AOD)遥感数据、气象再分析数据和PM_2.5地面观测数据构建训练数据集,通过深度学习方法对训练数据内部深层次隐含特征进行提取,将提取得到的隐含特征用于随机森林模型训练,并使用随机森林回归算法得到PM_2.5浓度的预测值。为验证方法的有效性,以河南省区域2018年—2019年的PM_2.5浓度估算为例,将原始特征与利用CNN、LSTM和CNN＿LSTM所提取特征共同构建的新特征分别通过随机森林回归、支持向量回归以及K近邻回归等3种传统机器学习方法进行训练和预测。实验结果表明,在较少数据情况下PMCOM模型无论是在整体预测还是在分季节预测场景下均具有较好的预测精度,其中以LSTM为特征选择器,RF为回归器的组合模型是本实验的最优模型,在即使只有35%...     

基于涡动相关通量观测的农田蒸散发产品精度验证

高精度的农田蒸散发(ET)对于田间尺度精准的水分平衡量化和水分亏缺研究具有重要意义,对农业精准灌溉和农田水分利用效率提高具有实用价值。本研究利用全球共计28个农田站点的涡动相关系统(EC)通量观测数据,对500 m空间分辨率8 d时间分辨率的MOD16和PML-V2两种遥感蒸散发产品,进行了对比分析与精度评估。评估结果表明,PML-V2 ET产品与EC观测ET相比,均方根误差(RMSE)变化范围为3.3—22.4 mm/8 d,平均偏差(bias)变化范围为-15.98—13.27 mm/8 d;MOD16 ET产品与EC观测ET相比,RMSE变化范围为3.81—21.47 mm/8 d,bias变化范围为-16.42—15.05 mm/8 d。整体而言,两种产品精度相当,MOD16产品低估8 d ET(bias:-2.31 mm/8 d,R²:0.452,RMSE:8.82 mm/8 d),PML-V2产品略高估8 d ET (bias:0.51 mm/8 d,R²:0.455,RMSE:8.81 mm/8 d);PML-V2产品在18个站...     

多体制遥感卫星成像数据高精度处理新方法

光学和SAR等对地观测卫星需要经过成像、辐射/几何校正等处理和不断的时序积累,才能为计算机解译提供精度高、稳定性好、时间持续的数据和特征。传统中低分辨率对地观测卫星通常基于地理网格内地物目标电磁波散射特性简化为理想点目标的假设,进行逐像素处理。然而,高分宽幅、大斜视、多通道等新体制卫星的工作模式更加复杂,其数据处理对星地全链路各环节产生的误差非常敏感,对成像参数标定或估计的精度提出了更高要求,此时基于理想点目标假设来进行参数估计、成像及校正处理的方式已难以满足处理精度要求。并且,近年来多体制卫星组网式协同和融合应用的新发展,也使得当前的理想点目标假设难以表征和建模多源多时相数据特征。为此,本文提出了多体制遥感卫星成像数据高精度处理的新方法,首先创新提出了“超像素”的概念和表征理论框架,建立了基于超像素的精确成像模型,然后通过挖掘超像素稳定特征并借鉴生成对抗学习机制,实现了星地全链路高耦合成像参数的高精度估计和持续精化,有效提升了多体制遥感卫星成像数据产品的精度,为计算机解译提供了好的数据产品输入。     

核电温排水基准温度星地协同提取与分析——以宁德为例

核电在中国正式进入积极推进建设时期,而核电温排水对周边水域环境的影响监测与评估不仅为核电机组的规划、建设、运行等过程提供重要决策依据,同时也对海域水质和生态保护具有重要价值。客观精准的基准温度提取是温排水热污染遥感监测与评估的基础,本文以宁德核电站星地同步监测为例,通过对72个离散测量点位温度垂直剖面特征进行分析,将其划分为7种不同剖面形态,从中归纳出稳定温度点,并据此构建基准温度星地协同提取“实测稳定温度法”,解决以往地面测量监测和热红外遥感监测在实施过程中基准温度计算相互独立、未进行星地协同处理,致使监测结果可比较性相对较弱等问题。研究结果表明,基于实测稳定温度法提取得到的温排水星地同步监测结果从分布范围、强度到扩散趋势最为一致,提取效果明显优于其他基准温度提取方法;实测稳定温度法监测星地面积差异最小,为1.53 km²,相对于其他方法精度提高了4—10倍,而多点平均温度法(近岸多点)、取水口温度法、邻近区域温度替代法、校正的海湾平均法、半径区域平均温度法(5 km半径)、温升混合区最低温度法的星地面积差异分别为11.95 km²、11....     

多源遥感影像深度识别模型对抗攻击鲁棒性评估

基于深度神经网络的多源遥感影像目标识别系统已逐步在空天遥感情报侦察、无人作战自主环境认知、多模复合末制导等多个军事场景中广泛应用。然而,由于深度学习理论上的不完备性、深度神经网络结构设计工程上的强复用性、以及多源成像识别系统在复杂电磁环境中易受到各类干扰等多因素的影响,使得现有识别系统在对抗攻击鲁棒性方面评估不足,存在极大安全隐患。本文首先从深度学习理论不完备性和识别系统攻击样式两个方面分析了潜在安全风险,并重点介绍了深度识别模型对抗样本攻击基本原理和典型方法。其次,针对光学遥感影像和SAR遥感影像两类典型数据形式,从鲁棒正确识别率和对抗攻击可解释性两个方面开展多源遥感影像深度识别模型对抗攻击鲁棒性评估,覆盖了9类常见深度识别网络架构和7类典型对抗样本攻击方法,验证了现有深度识别模型对抗攻击鲁棒性普遍不足的问题,分析了对抗样本与正常样本的多隐层特征激活差异,为下一步设计对抗样本检测算法和提升模型对抗鲁棒性提供参考。     

面向植被均质单元的生物量多尺度估算研究

针对以往植被地上生物量(以下简称“生物量”)多尺度估算方法在数据收集、尺度转化、结果呈现等方面的局限,该文提出了面向植被均质单元的生物量多尺度估算方法：(1)定义了具有实际景观意义的植被均质单元,作为植被生物量估算的基本单元;(2)基于多源数据提取直接反映和间接影响植被生物量的多源因子,利用多尺度分割技术构建多尺度下的植被均质单元;(3)通过随机森林回归模型实现植被生物量多尺度估算。结果表明,该方法可避免多尺度下的数据获取,仅基于一套数据实现了研究区植被生物量多尺度估算,产生了较好的建模和估算精度。该方法不仅可量化生物量大小,还可描绘生物量均质区域,具有尺度变换便捷、灵活等优势。