基于深度学习的GF-1卫星WFV影像赤潮探测方法

赤潮是我国主要的海洋生态灾害,有效监测赤潮的发生和空间分布对于赤潮的防治具有重要意义。传统的赤潮监测以低空间分辨率的水色卫星为主,但是其对于频发的小规模赤潮存在监控盲区。GF-1卫星WFV影像具有空间分辨率高、成像幅宽大和重访周期短等优点,在小规模赤潮监测中表现出较大的潜力。然而,GF-1卫星WFV影像的光谱分辨率较低,波段少,传统面向水色卫星的赤潮探测方法无法应用于GF-1卫星WFV数据。而且赤潮具有形态多变、尺度不一的特点,难以精确提取。基于此,本文提出了一种面向GF-1卫星WFV影像的尺度自适应赤潮探测网络（SARTNet）。该网络采用双层主干结构以融合赤潮水体的形状特征与细节特征,并引入注意力机制挖掘不同尺度赤潮特征之间的相关性,提高网络对复杂分布赤潮的探测能力。实验结果表明,SARTNet赤潮探测精度优于现有方法,F1分数达到0.89以上,对不同尺度的赤潮漏提和误提较少,且受环境因素的影响较小。     

高分辨率遥感影像耕地提取研究进展与展望

深度卷积神经网络（deep convolutional neural network,DCNN）在高分辨率遥感图像自动道路提取领域被广泛应用,但现有方法难以对预测结果中像素间的上下文关系建模。针对此问题,已有研究利用全连接条件随机场(fully connected conditional random field,FullCRF）结合上下文信息对语义分割结果进行二次优化,但无法有效改善道路结构不连续问题。为改善道路结构的完整性,提出一种结合DCNN的短距条件随机场模型（short range conditional random field,SRCRF）,SRCRF利用DCNN强大的特征提取能力并控制FullCRF的推理范围缓解过度平滑现象,解决道路提取结果中的结构不连续、不完整问题。实验结果表明,在Zimbawe-Roads数据集与Cheng-Roads数据集中,SRCRF的F1分数相比DCNN分别上升约4.01%、3.73%,相比FullCRF分别上升约3.25%、2.28%。

     

深度学习支持下的宅基地复垦项目真实性智能审查技术研究与应用

全域综合整治背景下的宅基地复垦项目审查是保证复垦项目合法性合规性的有效手段,针对当前宅基地复垦项目审查效率低的问题,本文提出了基于遥感影像的农村宅基地复垦项目立项真实性审查方法。首先以重庆市农村宅基地复垦项目为例,建立宅基地复垦项目立项真实性审查模型,利用改进的U-Net模型准确提取建筑物,然后与复垦红线叠加实现复垦项目真实性的智能审查。试验结果表明,该方法能够快速准确地审查复垦项目真实性,对优化土地结构、促进土地流转、实现乡村振兴具有重要意义,可为全域综合整治背景下宅基地复垦项目真实性审查提供技术参考。     

基于耀光反射差异的海面溢油遥感识别提取

溢油是海洋环境监测的重要目标之一。近年来,光学遥感对海面溢油不同污染类型的识别、分类与估算原理得到阐明,其技术优势获得认可;能为海面溢油监测提供颠覆性的技术支持,提高了溢油的识别精度,实现精细化定量探测。随着中国海洋水色业务卫星—HY-1C/D（Haiyang-1C/D）的投入应用,其搭载的海岸带成像仪CZI（CoastalZoneImager）在中国近海溢油监测中体现了较好的效能;但HY-1C/D星CZI载荷开展中国近海溢油业务化监测应用,还需要不断丰富并发展溢油识别提取算法。在HY-1C/D星CZI载荷的高空间分辨率影像中,不同的海面溢油污染类型具有明确的光谱响应特征和形态特征;太阳耀光反射差异,有助于海面溢油的遥感检测,同时也给溢油污染的识别分类与定量估算带来不确定性影响。本研究在CZI载荷数据对海面溢油波段响应基础上,通过溢油海面与背景干扰的耀光反射特征分析,厘清CZI图像中海面耀光干扰的空间分布特点;进一步在优选波段的移动窗口分割及其参数统计基础上,通过对不同分割窗间的耀光形态特征及其相关性判断,实现了CZI图像上海面溢油较高精度的识别与提取。其中,弱耀光条件下油膜提取的平均精度为90.24%、乳化油的平均精度为80.55%;强耀光条件下溢油提取总体效果也较好。面向国产自主海洋水色业务卫星数据,发展溢油光学遥感识别、分类、提取与估算,不仅能促进国产海洋光学卫星的业务化应用,更能为全面掌握中国近海溢油污染状况提供数据参考。     

广西壮族自治区短轮伐期人工林时空分布信息提取

短轮伐期人工林SRPs（Short-RotationPlantations）作为主要的经济型林类,对于生态环境保护以及社会经济发展都有着重要的影响,但精细的SRPs时空分布信息十分缺乏。本研究以中国SRPs种植最为广泛的广西壮族自治区（以下简称广西）为研究区域,基于GoogleEarthEngine云平台以及1986年—2019年的Landsat影像数据,应用LandTrendr时间序列分割算法对SRPs的时空分布信息进行了提取。结果分析表明：（1）广西SRPs种植面积近30年呈逐年稳定快速增加的态势,1990年种植面积仅1.93×10⁵ha,到2019年达到了4.04×10⁶ha,年均增长速度达到1.33×10⁵ha;（2）从空间分布来看,广西东部、南部SRPs分布较为集中,其主要分布在海拔500m以下的低海拔地区以及地表坡度在20°左右的坡地,且河池市是广西SRPs种植分布面积最大的地级市;（3）SRPs种植面积变化趋势与林业产值存在很强的相关性（r=0.83,p<0.001）,表明SRPs是影响林业经济的重要因素。本文提出的基于长时序的SRPs时空变化信息的提取方法,可以为林业管理提供决策支持,并为森林碳循环的研究提供基础数据。     

融合余弦退火与空洞卷积的遥感影像语义分割

为了捕捉遥感影像中丰富的上下文信息与多尺度的地物信息,改进集成模型的策略,提高语义分割精度,提出一种融合周期递增余弦退火与多尺度空洞卷积的高分辨率遥感影像语义分割方法。方法引入多尺度并行的空洞卷积,有利于捕捉更大范围的上下文信息,在不增加参数的情况下,提高网络对多尺度对象的辨识能力;使用全连接条件随机场引入空间和边缘的上下文信息,提高网络对遥感影像的细节分割能力;引入周期递增的余弦退火策略调整学习率,获得合适数量的局部最优解,集成局部最优解进一步提升网络在像素上的分类能力。在GaofenImageDataset数据集上的实验结果表明,多尺度并行空洞卷积可以充分捕捉遥感影像上的多尺度地物信息,能有效辨识复杂对象;空间和边缘上下文信息的引入使语义分割对象的边界辨识更精准;周期递增余弦退火策略能明显减少集成模型的推理时间,模型的总体精度与Kappa系数均优于目前主流的语义分割模型。     

基于分类后验概率空间的孪生Nested-UNet（SNU-PS）变化检测网络

近年来,深度学习在多时相遥感影像变化检测任务中表现出巨大的潜力。充分的训练样本是深度学习技术能够有效挖掘遥感影像变化特征的重要前提,然而当前有限的公开标注数据集还不能满足实际应用中各种变化类型检测的需求。由于地表覆盖变化通常只占据少部分区域,能够获取的变化样本常常数量很少,且与不变化样本相比存在严重的不平衡问题。因此,如何在小样本与样本不平衡的情况下有效训练变化检测网络是急需突破的难题。相比变化检测样本,单时相地表覆盖分类样本的获取难度要低得多;在分类样本的支持下,充分训练的地表覆盖分类网络可为变化检测提供重要的先验特征。基于此,本文提出了一种基于分类后验概率空间的孪生Nested-UNet变化检测网络SNU-PS（SiameseNested-UNetforchangedetectioninPosteriorProbabilitySpace）,通过结合两期地表覆盖分类后验概率信息,降低对变化检测样本的依赖。该方法首先利用地表覆盖分类样本训练高分辨率网络HRNet（High-ResolutionNetwork）,得到双时相影像的地物分类后验概率;然后将后验概率图像输入到孪生Nested-UNet变化检测网络SNU（SiameseNested-UNetforchangedetection）中以获取变化检测结果。在SpaceNet7和HRSCD数据集上测试的结果表明,SNU-PS能够充分利用地表覆盖的语义信息,在不同变化检测训练样本数量水平下,保持稳定的变化检测精度;相比分类后比较PCC（PostClassificationComparison）、基于后验概率空间的变化向量分析CVAPS（Change-vectoranalysisinposteriorprobabilityspace）、以及各种类型变化检测网络（SNU、FC-EF、BIT、PCFN）,具备更高与更稳定的变化检测精度,特别在样本数量不足时,优势更为明显。因此,本文提出的SNU-PS在小样本情形下的变化检测任务上具备更好的应用前景。     

基于深度学习的路面裂缝提取

裂缝是主要的路面损坏,路面裂缝自动化提取对于维护和监测路面状况至关重要。针对传统人工检测效率低、缺乏客观性等问题,提出了一种基于深度学习语义分割网络的路面裂缝自动提取方法,实现了由路面图像自动生成裂缝二值图。并且阐释了不同尺度特征对语义分割的好处,并结合裂缝本身细小的特性,在U-Net的基础上增加了大尺度特征提取分支。随后采用激励压缩模块进行两种特征的融合。在CFD（computationalfluiddynamics）数据集上的实验表明,该改进算法的F1分数、kappa系数分别可达74.28%和73.83%,相较于其他主流分割网络,提高了约2%。     

布加岗日地区冰川1994—2016年雪线变化及其影响因素分析

雪线的高度分布变化常作为冰川的标志线,反映了冰川积累和消融物质平衡盈亏的分布。为了快速、准确地获取雪线分布信息,以时序星载多光谱遥感影像为数据源,从光谱像元灰度的梯度变化出发,提出了一种基于绿色波段像元灰度信息的自适应遥感影像分割方法,并以此估算雪线的高度变化。为验证方法的可行性,选取布加岗日冰川作为典型研究区,使用1994—2016年间的6景多光谱Landsat卫星遥感数据开展实验。研究结果表明,近20余年间,布加岗日冰川雪线高度存在持续上升趋势,且在空间分布上呈现东低西高的分布规律,这也侧面印证了东坡冰川降水量大幅小于西坡;在雪线时空变化方面,布加岗日冰川东坡雪线的升高速率明显高于西坡,抬升最快、最慢和平均速度分别为19.75m/a、1.26m/a、10.13m/a。该方法和结果可为冰冻圈相关研究提供参考和借鉴。     

不同深度岩性差异对库车坳陷构造分段特征的影响

为了进一步明确库车坳陷东西段构造差异发育的成因机制,采用构造物理模拟的方法探讨了东西段膏岩层粘度差异和基底性质差异对其构造分段特征的控制作用.构造模拟结果显示硅胶流变强度和基底强度的差异对实验演化过程的运动学特征有较大影响,构造样式也在不同的区域表现出差异性.实验结果与库车坳陷的构造特征对比分析认为：膏岩层粘度以及古生代基底强度差异是其东西构造分段的重要控制因素. 膏岩层粘度对盐上构造样式具有较强的控制作用,影响了盐上构造的传播范围和构造样式. 盐下构造样式主要依赖于基底强度,强度较弱的基底对盐下构造变形的传播有一定的抑制作用. 二者的共同影响下,库车坳陷的盐上和盐下构造样式均表现出东西分段特征.