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。     

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。     

叶面积指数的快速测定方法——植被定量遥感的地面标定技术

本文论述了用“底视法”测量叶面积指数的基本原理,并在中国科学院禹城综合试验站遥感试验场以“冠层分析仪”对该方法进行了试验,提出了刺柏针叶叶面积指数的新估算方法。通过计算证明,测定值和估算值具有较好的一致性。这种以“底视法”为基础的冠层分析仪可以用于植被定量遥感的快速地面定标。     

航空热红外遥感在探测石油管道中的应用

本文论证了热红外遥感探测石油管道的物理依据,并以野外实际测温资料讨论了探测管道的前提条件,同时分析了可能出现的干扰因素。从成像季节、成像时间、飞行高度和温度范围选择等方面讨论了最佳成像条件的选择,从当地条件出发,选择12月中旬,夜间前半夜成像取得了成功,经过图像处理与图像解译,建立了解译标志,编制了管道解译图,共发现管道364条,同时修改了原档案中错误资料多处,取得了良好的应用效果。     

遥感影像制图综合的智能化研究

本文以人工智能为基础,用计算机模拟一般制图人员对遥感图像进行制图综合的过程,用框架的知识表示方法建立了一个实验性的知识库,并设计了一个推理机。对蒙古人民共和国乌布苏淖尔地区的ＴＭ分类图进行了实验,取得了较好的效果。     

雷达遥感图像分类新技术发展研究

总结了雷达遥感图像分类技术的发展过程,指出新的分类技术正朝着采用新特征(如雷达极化信息与干涉信息、多参数极化干涉信息、多时相信息、DEM与地理信息等),应用新理论(如小波理论、分形理论、模糊理论),设计新算法(如改进的最大似然法、上下文分类法、改进的神经网络分类算法等)的方向发展.     

中国北方沙尘灾害特点及其下垫面状况的遥感监测

2000年春季,中国北方地区多次受到沙尘灾害的影响,对生产、生活活动造成了多方面的不利影响。采用遥感和GIS技术进行沙尘灾害的过程监测、空间特点分析和下垫面状况分析是一个有效的技术方法,通过对沙尘灾害发生、发展的环境条件的了解,可以减轻沙尘天气的危害、防治等一系列决策措施的制定、实施提供客观、及时的空间信息,有助于制定和实施区域生态环境保护措施,以便减少沙尘天气的次数和减轻灾害性天气的危害程度。     

New snow metrics for a warming world

Snow is Earth's most climatically sensitive land cover type. Traditional snow metrics may not be able to adequately capture the changing nature of snow cover. For example, April 1 snow water equivalent (SWE) has been an effective index for streamflow forecasting, but it cannot express the effects of midwinter melt events, now expected in warming snow climates, nor can we assume that station-based measurements will be representative of snow conditions in future decades. Remote sensing and climate model data provide capacity for a suite of multi-use snow metrics from local to global scales. Such indicators need to be simple enough to “tell the story” of snowpack changes over space and time, but not overly simplistic or overly complicated in their interpretation. We describe a suite of spatially explicit, multi-temporal snow metrics based on global satellite data from NASA's Moderate Resolution Imaging Spectroradiometer (MODIS) and downscaled climate model output for the U.S. We describe and provide examples for Snow Cover Frequency (SCF), Snow Disappearance Date (SDD), At-Risk Snow (ARS), and Frequency of a Warm Winter (FWW). Using these retrospective and prospective snow metrics, we assess the current and future snow-related conditions in three hydroclimatically different U.S. watersheds: the Truckee, Colorado Headwaters, and Upper Connecticut. In the two western U.S. watersheds, SCF and SDD show greater sensitivity to annual differences in snow cover compared with data from the ground-based Snow Telemetry (SNOTEL) network. The eastern U.S. watershed does not have a ground-based network of data, so these MODIS-derived metrics provide uniquely valuable snow information. The ARS and FWW metrics show that the Truckee Watershed is highly vulnerable to conversion from snowfall to rainfall (ARS) and midwinter melt events (FWW) throughout the seasonal snow zone. In comparison, the Colorado Headwaters and Upper Connecticut Watersheds are colder and much less vulnerable through mid- and late-century.     

基于遥感影像的建筑物空间分布方法在地震灾害损失预评估中的应用

房屋建筑数据是地震重点危险区预评估工作的基础,需基于获取到的房屋建筑信息开展人员伤亡、经济损失、救援物资需求等预评估工作。历年地震重点危险区预评估工作能够通过现场调查得到的房屋建筑信息占比极小,仅能进行抽样调查。因此,为批量完成危险区内全部房屋建筑损失估算,需基于遥感影像获取房屋建筑矢量数据,并建立数据库。为实现全国地震重点危险区预评估工作中大批量建筑物矢量化数据的快速获取,本文采用基于遥感影像的建筑物空间分布数据批量获取方法,得到地震重点危险区内建筑物空间矢量数据,结合现场抽样调查得到的建筑物属性信息,建立地震重点危险区建筑物空间分布数据库,进而为地震重点危险区灾害损失预评估工作提供数据基础。本文采用的方法可广泛应用于地震重点危险区房屋建筑信息获取工作中,可提高工作效率,降低工作成本,提升预评估工作的科学性和准确性。     

乌梁素海湿地环境演变

The environment evolution of Wuliangsuhai wetland since 1986 is analyzed based on the remote sensing principle. The total water area of Wuliangsuhai lake has been increased during the past 17 years. The open water area had an increasing trend before 1987, and the trend was decreasing up to 1996, then the trend has increased again since 2000; the variation of the water area with dense aquatic weed is basically contradictory to the variation of open water area. The natural reed area had been decreased before 1987, and then it has been increased. The areas of shallow water and swamp have been slightly increased, in fact, the variations are quite steady. The artificial reed area has been increased since the reed plantation was started in 1988. The relationships of the water environment, the climate, hydrology and different types of areas are discussed, and then the technological measures for sustainable development and utilization of Wuliangsuhai lake water environment are proposed.