融合图像和时空信息的社交媒体用户活动分类方法

社交媒体签到数据中蕴含着大量的用户活动信息。理解社交媒体用户的活动和行为类型,对探索人类的移动性和行为模式等有着重要意义。提出了一种针对新浪微博（简称为微博）的用户活动分类方法,结合图像表达和时空数据分类技术,识别微博签到数据所代表的用户活动类型。首先,根据兴趣点属性信息将微博签到数据所代表的用户活动分为餐饮、生活服务、校园、户外、娱乐、出行6大类;然后,基于卷积神经网络和K近邻分类方法,融合签到数据中的图像场景信息与时空信息,对微博用户的活动行为进行分类。实验结果表明,所提方法能够显著提高微博用户活动类型识别的准确性,为精确探索人类行为活动提供更加有效的数据支持。     

结合注意力与双分支的高光谱树种分类研究

针对浅层机器学习方法在高光谱树种分类中存在的特征提取困难、泛化能力不足等问题,该文提出了一种基于注意力机制的双分支空谱联合网络,该网络由光谱分支和空间分支组成,在各分支中加入注意力机制对特征进行细化,以提取出更关键特征实现高精度树种分类。实验结果表明,该文提出的网络在3个数据集中均获得了89%以上的分类精度。利用高光谱影像和双分支注意力网络可以实现树种的高精度分类,在森林资源调查和监测中具有较大的潜力。     

基于Sentinel-2A时序谐波分析的山区林草资源遥感自动分类

文章提出了基于Sentinel-2A密集时序的山区林草资源自动分类方法。在GEE云计算平台支持下,首先基于Sentinel-2A影像计算年度NDVI密集时间序列;然后利用HANTS谐波分析对年度NDVI进行时序重构,获得年度完整的NDVI时序特征谱;在此基础上构建随机森林分类模型,通过特征计算和优选,完成影像分类和精度评价;并以大别山西麓麻城市为研究区开展了实验研究。实验结果表明:时序谐波分析方法能够有效地区分林草资源及森林亚类,时序谐波特征支持下Sentinel-2A密集时序林草资源遥感分类总体精度较高,相比传统多期分类、现有的全球30 m GLC_FCS30-2020分类产品,OA和Kappa均有了一定的提高。     

基于集成学习的高光谱遥感影像分类综述

高光谱遥感影像光谱维度高、数据量大且波段间冗余信息量大,利用集成学习算法可有效地提升高光谱遥感影像的识别精度。本文首先概述了高光谱遥感影像的分类任务和目前存在的问题,其次介绍了集成学习分类算法的原理,系统性阐述了高光谱遥感影像分类中动态集成和静态集成算法的研究现状,并提出了有待进一步研究的问题。     

基于D-InSAR技术的不同裁剪尺度下沉降监测精度对比分析

利用InSAR(合成孔径雷达干涉测量)技术对小区域范围内的沉降进行监测时,不同的裁剪尺度会对沉降精度产生影响。本文分别选取山区和平地的SAR数据,利用不同尺度的窗口对数据进行裁剪,采用D-InSAR技术分别获取沉降结果,对沉降结果进行分析比较。研究结果显示:小区域范围内,山区SAR数据的裁剪尺度为3300×3300像元时为最佳,平地SAR数据的裁剪尺度为3800×3800像元时为最佳。该研究结果对利用InSAR进行小区域沉降监测具有一定的参考价值。     

协同多时相波谱特征的不透水面信息级联提取

不透水面作为反应城市表征变化和区域城镇化的重要技术指标,其位置、图斑大小、空间分布等信息在地表水热循环和能量平衡等领域被广泛需求。传统方法大都基于单一时相信息提取不透水面,而忽略多时相所蕴含的丰富信息。因此,本文提出多时相信息融合的不透水面级联提取方法,利用Landsat-8 OLI遥感影像分析归一化植被指数（Normalized Difference Vegetation Index, NDVI）、改进的归一化水体指数（Modified Normalized Difference Water Index, MNDWI）和归一化建筑指数（Normalized Difference Building Index, NDBI）年内时序变化特点和典型地物间多时相波谱曲线的协同特征,并归纳不透水面多时相变化规律;再根据先验知识所获取的有效地表信息,进行多时相分级提取不透水面信息。此外,基于实地考察数据和同期2 m GF-1遥感影像屏幕数字化生成30 m不透水面图斑,进行精度验证、分析和对比单时相、四季相及多时相3种时序情况下的提取精度。结果表明：单时相提取不透水面总精度最低,四季相提取精度优于单时相,而多时相提取精度最高（精度可达93.66%,Kappa系数为0.81）。本方法在偏远城镇不透水面的有效识别中显露潜在优势,可为不透水面提取方法融合时序波谱特征提供新思路。     

基于卷积神经网络的ICESat-2光子点云去噪分类

ICESat-2（Ice, Cloud, and land Elevation Satellite-2）是美国NASA（National Aeronautics and Space Administration）在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS（Advanced Topographic Laser Altimeter System）采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R²和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R²分别为1.0和0.70, RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。     

《土地督察发现问题分类指引》出台

近日,国家土地总督察办公室向各派驻地方的国家土地督察局发出通知,印发《土地督察发现问题分类指引（试行）》。该《分类指引》细分出了9方面、37类、111种问题类型,是土地督察机构总结7年多来的工作实践,首次对土地督察发现问题分类、表述进行全面规范和统一。也是首次对地方政府土地违法违规问题的系统梳理。《分类指引》根据地方政府履职内容的不同,将土地督察发现的问题分为耕地保护、农用地转用和土地征收、     

基于面向对象的山东省冬小麦种植面积监测

利用遥感技术,使用eCognition软件的面向对象分类技术,对RAPIDEYE卫星影像进行分类识别,从而快速、准确的监测小麦种植面积,为冬小麦财政补贴提供数据和技术支持。以兖州市为例,行政区面积6.501 9万hm2,小麦监测面积3.1715万hm2,小麦面积监测精度达到了90.5%。     

SPOT 5卫星影像在土地更新调查中的应用——以呼和浩特市赛罕区土地更新调查为例

采用SPOT5遥感影像,从土地调查实际出发,解译土地地类光谱特征,通过对地类光谱信息进行外业调查核实,修正初步解译结果,确认室内判读可信度,节省了外业调查的时间,提高工作效率,保证调查结果的可靠性,为今后土地调查提供一种新方法。