4种再分析月降水数据在内蒙古地区的适用性分析

利用1981—2020年气象台站的实测降水数据,对CRA40、ERA5、JRA55和MERRA2这4种再分析月降水数据在内蒙古地区的降水分布特征,与实测降水的相关性和误差进行分析。结果表明：(1)内蒙古地区4种再分析降水数据的空间分布与台站降水基本一致,误差分析表明CRA40与MERRA2的数据质量较高,ERA5次之,而JRA55数据质量相对较差。(2)CRA40和MERRA2在1983—1986年存在明显的降水低估,ERA5在2005年之后的内蒙古中东部出现明显的降水低估,JRA55在115°E以东存在明显降水高估,在115°E以西则以降水低估为主。(3)4种再分析月降水数据的年内最大均方根误差和绝对误差均集中在6—8月,与台站降水相关系数的年内最小值均出现在7月,内蒙古夏季汛期是再分析降水误差产生的主要时段。     

基于侧扫声呐的水下小目标检测技术研究

针对水下小目标探测与识别难的问题,开展基于侧扫声呐的声呐图像滤波、图像分割及目标提取方法研究。常规滤波方法难以有效清除图像中存在的噪声,从而造成图像质量下降。采用非局部均值滤波算法与GPU加速的方法,在获得声呐图像较好处理效果的同时,满足水下小目标检测实时性的要求;同时,采用膨胀算法与Canny边缘检测算法相结合的方式,实现了水下真假目标的有效区分。     

豫西山区县域地形起伏度与人口、经济活动分布的关系

以豫西山区为例,采用均值变点法提取地形起伏度,以县域为分析单元,选择人口密度与经济密度两个指标,利用相关分析法定量探究地形起伏度对人口和经济的影响及其差异,并与海拔高度、坡度的影响进行对比分析。结果表明:①豫西山区地形以中起伏(200～500 m)为主,小起伏(70～200 m)和微起伏(30～70 m)次之,平坦地区(0～30 m)和大起伏(≥500 m)所占比例较少。②地形起伏度对人口、经济的影响均强于海拔和坡度的影响,对人口分布的影响强于对经济发展的影响。③豫西山区49.29%的人口和47.42%的经济总量分布在地形起伏度不超过115 m的区域,土地面积仅占26.45%;地形起伏度超过245 m的区域占研究区总面积的19.55%,但仅居住5.89%的人口且仅创造4.85%的经济总量。豫西山区的人口分布和经济发展向低地形起伏区的集聚态势明显。     

一种高光谱遥感图像快速谱聚类算法

为获得分类效果更优良的遥感图像分类方式并解决高光谱遥感图像分类运算速度缓慢的问题,集成Lanczos算法与谱聚类算法,探讨了高光谱遥感图像谱聚类算法应用于遥感图像分类的可行性,提出了一种面向高光谱遥感图像的快速谱聚类算法;通过对比美国圣地亚哥机场高光谱遥感图像K-均值算法与谱聚类算法的分类结果,发现面向高光谱遥感图像的谱聚类算法易于识别线性地物,且分类的速度能得到较大提升。     

顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法

稀疏多项式逻辑回归在分类中仅利用图像光谱信息,导致分类效果不太理想.本文提出了一种顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法.首先利用加权均值滤波与拓展形态学多属性剖面对原始高光谱图像进行局部与结构特征提取;然后对二者进行加权平均特征级融合以获取更具唯一性的像元特征;最后由稀疏多项式逻辑回归分类器对融合结果进行分类.结果表明,本文方法能有效地提高分类精度,而且具有较强的稳健性.     

结合MST划分和RHMRF-FCM算法的高分辨率遥感图像分割

针对基于像素的HMRF-FCM算法抗噪性差以及对地物复杂边界分割精度低的问题,提出一种结合形状信息的静态MST区域划分和RHMRF-FCM算法的高分辨率遥感图像分割方法。该方法定义一种静态MST同质区域划分准则,借助MST能较好表达边界和形状信息、能较好抑制几何噪声的特点,解决地物复杂边界的表达和降低分割结果中几何噪声问题。首先,利用MST静态划分将图像域划分成若干个均质区域,假设每个均质区域内光谱测度服从独立同一的多元高斯分布。然后,在此基础上构建了区域隐马尔可夫随机场模型,以及建立基于信息熵和KL信息正则化项的模糊聚类目标函数。最后,采用偏微分方法对分割模型参数进行求解,从而得到全局最优分割结果。为验证本文方法,对WorldView-3高分遥感图像进行分割试验。定性、定量分析了尺度参数、光谱相似性参数和区域紧致度参数对最优分割结果的影响,并对比分析本文算法和eCognition软件中的多分辨率分割算法、分水岭算法。     

高分辨率光学遥感场景分类的深度度量学习方法

针对高分辨率光学遥感影像场景具有同类型内部差异大、不同类型间相似度高导致部分场景识别困难的问题,本文提出了一种深度度量学习方法。首先在深度学习模型的特征输出层上为每类预设聚类中心,其次基于欧氏距离方法设计均值中心度量损失项,最后联合交叉熵损失项以及权重与偏置正则项构成模型的损失函数。该方法的目标是在特征空间上使同类型特征聚集并扩大类型间的距离以提高分类准确率。试验结果表明,本文方法有效地提升了分类准确率。在RSSCN7、UC Merced和NWPU-RESISC45数据集上,与现有方法相比,分类准确率分别提高了1.46%、1.09%和2.51%。     

青藏高原月NDVI时空动态变化及其对气候变化的 响应

青藏高原脆弱的高寒植被对外界干扰十分敏感,使其成为研究植被对气候变化响应的理想区域之一。青藏高原气候变化剧烈,在较短的合成时间研究气候变化对植被的影响十分必要。因此,本文利用GIMMS NDVI时间序列数据集,研究了1982-2012年青藏高原生长季月尺度植被生长的时空动态变化,探讨了其与气温、降水量和日照时数等气候因子的响应关系。结果表明：在区域尺度上,除8月外,其他各月份植被均呈增加趋势,显著增加多发生在4-7月和9月;大部分月份的NDVI增加速率随着时段的延长显著减小,表明NDVI增加趋势放缓;在像元尺度上,月NDVI显著变化的区域多呈增加趋势,但显著减少范围的扩张多快于显著增加。4月和7月植被生长主要是受气温和日照时数共同作用,6月和9月受气温的控制,而8月则主要受降水量的影响。长时间序列NDVI数据集的出现为采用嵌套时段研究植被生长变化趋势奠定了前提,而植被活动变化趋势的持续性则有助于形象表征植被活动变化过程、深入理解植被对气候变化的响应和预测植被未来生长变化趋势。由此推测,青藏高原月NDVI未来增加趋势总体上趋于缓和,但在像元尺度显著变化的区域趋于增加。     

浮动车数据的混合修复方法

针对浮动车数据出现的丢失、错误及冗余现象,结合均值统计与地图匹配,提出一种浮动车数据混合修复方法。基于此方法,构建了浮动车数据筛选及修复流程,较好地实现了对浮动车数据的有效筛选及修复,并对浮动车数据混合修复方法进行了验证,证明该方法具有可行性和有效性。