基于CU-Net模型的红树林自动识别方法研究——以广东省珠海市淇澳岛为例

红树林对维护生物多样性以及生态平衡等具有重要意义。因此,高效、精确地提取红树林植被信息以及实时对其进行监测十分必要。本文提出了一种高分辨率遥感影像红树林像素级精确提取的深度学习方法。针对红树林遥感分类精度不高的问题,通过强化图像中心信息,弱化边缘信息的方法引入CLoss损失函数,添加Dropout、Batch Normalization层构建了适用于红树林识别的CU-Net模型,采用滑动重叠拼接方法构建了新的预测模型,有效解决了预测结果边缘信息不足以及有拼接痕迹的问题。将本文方法的识别结果与U-Net、SegNet、DenseNet模型的预测结果以及传统的SVM、RF方法进行对比,结果表明,本文模型相较于其他深度学习模型泛化能力更强,识别效果更好,在两个测试区域的平均总体精度、平均交并比分别达到了94.43%、88.12%,平均F1-分数在红树林和普通树木的精度分别达到了95.96%、90.49%,精度明显高于传统的SVM、RF方法,也高于其他几种神经网络方法,验证了该模型在红树林识别领域的有效性,可为高分辨率遥感红树林识别领域提供一条新的思路。     

罗斗沙岛动态变化的遥感监测

罗斗沙岛是我国首批公布的可以开发利用的无居民海岛之一,属于泥沙岛,岛体极不稳定,动态变化比较大。本文利用1973—2011年间12个时相的遥感影像,分析了罗斗沙岛近40 a来的动态变化情况。研究结果表明:近40 a来,罗斗沙岛的位置、形状和大小均发生了较大的变化。罗斗沙岛的动态变化可分为3个阶段:第一阶段(1987年以前),罗斗沙岛为一个完整的岛体;第二阶段(1987—2001年),罗斗沙岛被分为东北和西南两部分;第三阶段(2001年至今),罗斗沙岛的西南部分消失,仅剩下东北部分。本文的监测结果可为编制罗斗沙岛的海岛保护与利用规划、制定海岛开发利用的具体方案、提出海岛的生态保护措施等提供数据支撑,进而为罗斗沙岛的生态保护和相关部门对其进行海岛管理提供服务资料。     

一种DMSP/OLS稳定夜间灯光影像中国区域的校正方法

随着遥感技术的快速发展,国防气象卫星计划作战线扫描系统（DMSP/OLS）夜间灯光图像开始更多的应用于人文经济研究中。由于原始影像存在较多问题,如DN值饱和、年际不连续问题等,因此在使用之前需要对影像进行校正。“传统不变区域法”是应用较为广泛的校正方法,但仍存在部分问题,如未考虑目标区域长时间尺度上的微弱变化以及连续校正前基准年份的选取。本文对传统不变目标区域法进行改良,以黑龙江鹤岗市作为不变目标区域,选取3期辐射定标影像作为参考影像对DMSP/OLS稳定夜间灯光影像进行饱和校正,通过对比各年份影像饱和校正情况,选出最为合理的基准年份,从而对饱和校正后的影像进行连续性校正。为验证影像校正精度,本文从国家像元DN值、省级GDP与电力消费量、地级市GDP和县域GDP 4个层面与对应DN值进行线性回归检验,结果显示经改进方法校正后DMSP/OLS稳定夜间灯光影像TDN与市级GDP的拟合度（R2）平均值为0.85,远大于传统方法校正TDN与市级GDP拟合度（R2）平均值的0.53,且随着时间推移,传统不变目标区域法校正后拟合度逐渐降低至2013年的0.40,而利用改进后方法进行校正的拟合度未出现递减现象,2013年其R2仍为0.88,表明与传统不变区域法相比校正精度明显提高,饱和问题得到较大改善。     

DMSP/OLS夜间灯光影像中国区域的校正及应用

美国国防气象卫星搭载的业务型线扫描传感器（DMSP/OLS）获取的夜间灯光影像,可客观地反映人类开发建设活动强度,其广泛应用于城市遥感的多个领域。但该数据缺少星上的辐射校正,下载的原始影像数据集不能直接用于研究,需进行区域校正。长时间序列的DMSP/OLS夜间灯光影像数据集主要存在2个问题需在校正过程中解决：（1）原始影像数据集中的影像是非连续性的;（2）数据集中的每一期影像都存在着像元DN值饱和的现象。针对这2个问题,本文提出了一种不变目标区域法的影像校正方法,对提取出来的每一期中国区域的夜间灯光影像进行了校正,该校正方法包括相互校正、饱和校正和影像间的连续性校正。最后,为了检验校正方法的合理性与可靠性,本文将校正前后中国夜间灯光影像与GDP和电力消耗值,分别进行回归分析评价表明,校正后的影像更客观合理地反映区域经济发展的差异。     

高空间分辨率遥感影像分割定量实验评价方法综述

GEOBIA（Geographic Object-Based Image Analysis）技术针对高空间分辨率遥感影像分析的效果和精度远优于基于像元的传统方法。影像分割作为GEOBIA中的关键技术,学者们对此已经做了大量的研究,提出众多分割算法。对分割算法进行评价和分割技术本身同样重要,通过分割评价可以对分割算法的性能进行评价,比较不同分割算法的优劣,为影像选择合适的分割算法并设定合适的分割参数。影像分割的目的是为了实现影像分析操作的自动化,而主观评价法、系统评价法和分析评价法,因其无法给出客观定量指标的特点,难以应用于实时、自动化的高分辨率影像信息提取与分析系统当中。加之近年来针对分割评价方法的研究远远落后于分割算法本身,因此对定量分割评价方法进行综述对于影像分割方法及其应用研究意义重大。本文对现有的评价方法进行系统总结,建立了针对高空间分辨率遥感影像分割评价方法的分类体系。对各种方法,特别是定量的实验评价法进行对比,分析其应用范围和优劣,最后指出了高空间分辨率遥感影像分割评价未来的改进方向和应用前景。     

POI辅助下的高分辨率遥感影像城市建筑物功能分类研究

城市建筑物是城市的重要组成部分,对城市建筑物进行功能分类可以为城市功能区划分提供有利依据,辅助政府部门对城市规划、土地利用、资源、人口等方面的分布与分配进行管理与决策,有助于推进城镇化建设的可持续发展。仅利用目前的遥感分类技术难以对高分辨率遥感影像的城市建筑物信息进行功能分类,然而将遥感、互联网兴趣点（Point of Interest, POI）数据以及GIS技术有效地结合在一起,可以更为细致地分析城市信息,不仅实现了建筑物功能分类,而且提高了分类的准确率与可信度。本文首先选取卷积神经网络（Convolutional Neural Networks, CNN）方法对高分辨率遥感影像数据进行建筑物提取;然后,对POI数据的城市商服、公建和住宅用地进行核密度分析;最后分别统计每个建筑物3种用地的核密度平均值,并将该值设置为此建筑物的属性值,并结合POI数据的实际情况选择具有最佳功能分类精度的属性值作为阈值提取3种用地信息,从而完成不同功能的城市建筑物分类。精度评价结果表明,该方法对3种用地的提取效果良好,分类精度达到86%以上。     

多时相TM影像决策树模型的水稻识别提取

决策树模型的多时相TM影像的小尺度水稻信息提取在我国还鲜有研究。为此,本文利用水稻生长在潮湿土壤这一特性,选取TM影像中对植物含水量和土壤湿度反应敏感的短波红外波段(1.55~1.75μm),以及反映植物覆盖率、植物长势的红光波段(0.62~0.69μm)和近红外波段(0.76~0.96μm),计算水稻移栽期、灌浆期和成熟期3个时期的归一化植被指数(NDVI)和土壤含水量指数(LSWI),提出一种时间差异的决策树水稻提取模型,以唐山市滦南县南部区域为例开展了研究。经过野外实地验证表明:该模型能有效区分出水域、玉米和菜地等较易与水稻混淆的地物,水稻提取的生产者精度和用户精度分别为95.18%和98.84%,分别比单一时相高出6.78%和7.54%。     

线性光谱混合模型的ASTER影像植被应用分析

本文利用线性光谱模型分解混合像元方法。从ASTER多光谱遥感数据提取福州地区植被覆盖丰度的定量信息,与归一化差值植被指数进行了回归分析,结果相关系数高达95％;通过对植被景观格局分析,表明研究区以中等丰度植被占据主要地位,生态系统较为稳定。     

利用红外卫星云图资料估计降水量方法的研究

在条件气候均匀及范围足够大取样区域,研讨面平均雨强与云覆盖率、云顶表面亮度温度的标准偏差、云覆盖率时间的变化率三者之间的关系,得到用１ｈ间隔的数字化红外卫星资料估计降水的三种模式。通过对１９９１年７月５日、６日、１０日降水过程的实例分析表明,对于日降水量的估计,效果较为理想。模式可用于与邓样时间和地点的相似气象条件区,且不需要对云进行分离和跟踪、考察对流单体的生命史演变过程,便于应用。     

高空间分辨率遥感影像分割尺度参数自动选择研究

面向对象解译技术在高分辨率遥感影像信息提取中得到广泛应用,但影像分割的基础问题仍严重制约其自动化水平,尤其是分割参数选择。因此,本文以广泛使用的分型网络演化分割算法为例,开展尺度参数选择研究。借鉴对遥感影像分辨率敏感的局部方差指标,引入边长和面积权重,构造加权局部方差（WLV）指标,对多个分割结果进行评价,进而实现最佳尺度参数选择。在珠江区域2.5 m的SPOT 5融合影像上进行实验,通过计算最佳分割结果与人工分割结果的相似度对WLV进行定量验证。此外,还对WLV在分割对象最小为一个像元、最大为整景影像的全范围尺度参数的变化规律进行了实验,结果表明：在WLV随尺度参数的变化曲线中,不同极大值点的分割结果反映了实验区不同景观层级上的斑块,其中第1个极大值点对应的分割结果能够较好地反映影像的最小可识别单元。