基于经验模型的Hyperion数据植被叶绿素含量反演

对于反演植被叶绿素含量而言,基于Hyperion等高光谱传感器数据、利用经验方法建模是一种快速准确的方法。利用多种植被的实测数据以及Hyperion模拟数据,分析植被反射率及其变化形式与叶绿素含量的相关性,并进一步针对红边参数、植被指数等分析植被反射率与叶绿素含量的关系,选取最准确的经验建模方法。经过对比,改进的简单比值指数(modified simple ratio,MSR)与叶绿素含量相关性最高,其回归模型能比较准确地反演出叶绿素含量。通过Hyperion图像、利用MSR指数与实测叶绿素含量得到回归模型,建立区域叶绿素含量分布图;并对张掖地区植被叶绿素含量进行了反演,反演结果具有较高精度,相对误差低于5%。     

英国高中地理教材编写特色简析--以《Geography B Evolving Planet》为例

英国是重视地理课程传统的发达国家,拥有丰富的地理教材编写经验。本文以《Evolving Planet》为范本,在阅读与分析的基础上,归纳得出该教材的四大编写特色:设置"以学为中心"的教材栏目,精选多类型优质的地理图像,重视对学生学习方法的引导和注重对学生地理技能的培养。简析该教材的编写特色,以期为未来我国中学地理教材的编写提供启示与借鉴。     

东亚南北地震带大震活动性研究

根据中国南北地震带与青藏-印尼“歹”字型构造带在成因上的联系，提出东亚南北地震带的观点，认为该地震带包含蒙古、中国西部、缅甸和印尼苏门答腊地区。研究了该带大地震活动的同步性、主体活动区的有序转移、大地震之间的多次相关迁移与重复等特征，并划分出了该带的5个大震活跃幕：1887-1912年、1913-1937年、1938-1957年、1958-1976年、1977-2005年。苏门答腊2004年12月26日8．7级和2005年3月29日8．5级巨震标志着该地震带最近一次以主体活动区南移到苏门答腊为特征的活跃时段即将结束。尽管未来一、两年内地震带的中部存在发生7级地震的有利时段，但结合强震图像异常指标反映的孕震状况分析，未来7级地震危险区尚不明朗。     

一种基于正则化方法的SAR图像边缘检测算法

提出了一种基于正则化方法的SAR图像边缘检测算法,并用MSTAR(moving and stationary target acquisitions and recognition)数据进行大量的仿真实验。实验表明,与经典的边缘检测方法相比,该方法能保持图像的细节特征,较好地解决了边缘断裂和抗噪问题,具有较好的边缘检测能力。     

基于ASTER与Sentinel-2A融合数据的云南普朗铜矿化蚀变信息提取

云南普朗铜矿区是我国提高战略性金属矿产铜矿资源的主要潜力地段,该矿区位于多云多雨山地高原区,采用传统地面调查方法开展找矿勘查工作受限较大,而遥感技术可在其中发挥重要作用。鉴于此,本研究选取ASTER和Sentinel-2A多光谱遥感数据,在光谱协同统一两种数据源的地表反射率基础上,采用高通滤波(High-Pass Filtering,HPF)的融合方法兼顾两种数据在短波红外波段和可见光近红外波段的优势,获取了具有高空间分辨率和高光谱保真度的ASTER-Sentinel-2A融合数据集;进而利用"比值+主成分分析法"与"主成分分析+能谱-面积法",开展了普朗铜矿区矿化遥感蚀变信息识别,并通过深入分析及野外验证,提出了对普朗铜矿蚀变信息分布特征及找矿潜力地带的新认识:(1)在原蚀变填图工作中判定为青磐岩化带的东部区域,重新进行了蚀变带的划分;(2)东部区域中新划分的钾化硅化带和绢英岩化带,具有较大找矿潜力。本研究可为普朗铜矿找矿勘查提供参考。     

基于GPU和UNITY的嵌入式图像实时传输方法

智能化无人矿山对作业现场环境的可视化要求较高,现有的可视化方法仍存在诸多问题:数据采集方式单一,存在监控盲区;数据传输线缆布设困难且易被损坏,传输延时较高;表现形式不够全面立体,并且不能用于VR/AR、SLAM、机器人定位避障等应用场景。为了满足智能矿山建设的可视化需求,本文结合当前传感技术、矿用机器人以及5G技术的发展,探讨了从数据采集、服务器部署到接收显示的详细步骤。针对全景及深度影像这类新型三维数据,提出一种基于GPU和UNITY的嵌入式视频实时传输方法,包括实时编码、异步传输、轻量级的嵌入式流媒体系统、利用UNITY实时处理以及元数据的同步传输。借助UNITY平台,将三维可视化任务从CPU转移至GPU,仿真实验表明,最高渲染帧率为60 fps时,GPU占用率在35%以下。最后,以全景和深度传感器为例进行了测试,对数据编码、位移贴图、纹理纠正进行有效性验证,并从延迟、帧率、CPU占用率3个方面评估性能。结果表明,所提关键技术均可有效提高运行效率、减少资源占用,相比FFplay延时更低。全景影像的可视化代替了视角固定的传统监控,深度数据为智能矿山巡检机器人定位及避障提供实时数据源,传输方法整体向下兼容。不仅解决传统方法视角单一、布线困难的问题,而且考虑到了智能矿山建设过程中的新需求。     

基于深度学习的像素级全色图像锐化研究综述EI北大核心CSCD

全色图像锐化是遥感数据处理领域的一个基础性问题,在地物分类、目标识别等方面具有重要的研究意义和应用价值。近年来,深度学习在自然语言处理、计算机视觉等领域取得了巨大进展,也推动了像素级全色图像锐化技术的发展。本文提出从经典方式和协同方式两个方面对深度学习在全色图像锐化中的研究进行系统的综述,并在此基础上进行前景展望。首先,给出全色图像锐化常用的数据集和全色图像锐化的质量评价指标;接着,从经典方式与协同方式两个方面对基于深度学习的全色图像锐化最新研究成果进行分门别类的介绍,并进行算法性能的对比、分析和归纳;然后,对全色图像锐化的3个主要应用领域如地物分类、目标识别和地表变化检测进行分析;最后,本文探讨了基于深度学习的全色图像锐化的5个未来研究方向。     

基于数据融合的侧扫声纳图像预处理

论述了基于数据融合的侧扫声纳图像处理的特殊过程。根据现代侧扫声纳系统的特点，提出了利用声线跟踪法进行斜距改正，同时对目标阴影区进行了处理；对文献[1]的灰度不均衡的改正算法进行了改进。利用小波变换检测出灰度突变区，根据剔除突变区后计算的灰度改正系数进行航向上的灰度改正，并用模拟数据和实际数据进行了验证；鉴于波束展宽效应对远场目标造成的拖尾效应，论述了对拖尾效应使用的去卷积的改正算法。     

基于多方向自适应感知网络的高光谱遥感图像分类

高光谱遥感能够同步获取目标场景的光谱数据和空间图像,满足对目标物体成分组成和形貌特征的探测需求,已被广泛应用于精准农业、地质勘察、环境监测和生物医学等领域。近几年,得益于优秀的空谱信息表征能力,基于卷积神经网络的高光谱图像分类方法取得了优于传统方法的分类精度。然而,基于一定规则和固定方形窗口的卷积运算无法满足不同对象、不同分布的空谱特征提取需求,当像素位于类别边缘时该模式无法避免其他类别的无关信息,导致类别间的信息扩散以及跨类别像素的误分和错分。针对上述问题,本文提出了一种基于多方向自适应感知的高光谱图像空谱联合分类方法,并通过联合不同邻域范围的空谱上下文信息来改善模型的局部空谱建模能力。具体研究过程如下：首先,将常规卷积网络的全窗口滤波器拆分为不同方向的半窗滤波器,从而设计出侧窗卷积以捕捉具有方向性的空谱特征;然后,在此基础上进一步将不同方向的侧窗滤波核整合到统一的卷积架构中构造空谱分离多方向卷积,并设计方向自适应感知模块,以密集连接构建基于高光谱图像的多方向自适应感知分类网络,赋予模型自适应学习多种空谱结构特征的能力,弥补常规卷积和侧窗卷积只能建模单一方向空谱关系的不足,提升模型对...     

阿克苏地区一次大降低水天气的卫星云图分析

通过分析１９９５年９月２－７日阿克苏地区一次大降水天气的静止卫星云图资料，结合形势学变，认识到副热带大槽所形成的大积雨云团北抬，以越过青藏高原，并与北部云系结合，共同影响阿克苏地区的大降水天气。