深度卷积神经网络的遥感影像水体识别

从遥感影像中准确识别水体信息对水资源管理和洪涝灾害监测有重要意义。目前,传统遥感水体识别方法仍存在着不足,难以满足实际应用中的精度要求。近年来,卷积神经网络CNN (Convolutional Neural Network)的快速发展,为高分辨率遥感水体识别提供了新的思路。本文基于高分一号卫星数据,利用DenseNet、ResNet、VGG、HRNet等CNN模型和传统的归一化差异水体指数（NDWI）进行洪泽湖地区不同季节的水体识别,并采用精确度（P）、召回率（R）、F1分数和误判率（MRate）等指标来评价各种方法的水体识别能力。在DenseNet经典结构中加入了上采样过程和跳层连接结构,以解决梯度爆炸和梯度消失问题;采用OSTU方法确定NDWI的最优阈值,以降低水体识别的不确定性。得出主要结论如下：（1）所有CNN网络模型的水体识别效果都显著优于传统NDWI方法;例如,NDWI识别的精确度仅为0.779,而所有CNN网络模型的识别精确度均高于0.922。（2）改进后的DenseNet模型有效缓解了梯度爆炸与梯度消失的问题,其水体识别结果在识别精确度P(0.960)和误判率（0.04...     

基于ASTER的康古尔塔格金矿带热液矿化蚀变信息提取

新疆东天山的康格尔塔格金矿带矿产资源丰富,其重要控矿要素之一是韧性剪切带。文章使用ASTER数据提取该地区遥感矿化蚀变信息,并选择康古尔塔格金矿带的部分区域(因受数据获取限制,选择N41°38′—N42°20′、E91°20′—E92°20′范围)作为研究区。研究表明,区内矿化围岩蚀变特征明显,可通过分析研究区岩矿光谱特征以及ASTER数据光谱特征,分别选择假彩色合成、波段比值、特征向量主成分分析法(Crosta Technique)等图像处理技术来识别并提取研究区的矿化与蚀变矿物信息。结合ArcGIS将提取的矿化和蚀变信息与该地区的矿点与构造图层叠加,并对叠加成果图进行分析与对比,从叠加图中发现研究区中的金矿床沿韧性剪切带南侧的韧性剪切过渡带分布。通过阅读该地区的相关地质资料、成果文献等,对提取的矿化和蚀变信息进行验证;结果证明ASTER数据在相似干旱地区进行遥感蚀变信息提取具有可行性,此法用于相似地域找矿具有很好的应用前景。     

基于多角度高光谱指数的花岗岩中长石含量反演研究

花岗岩中长石含量的定量估算有助于其定名和分类,为后续相关地质过程研究提供基础数据。在可见光—近红外—短波红外波段范围内（0. 35~2. 5 μm）,传统基于光谱吸收特征参数反演矿物种类和含量的方法,不适用于像长石这类无诊断性吸收特征的矿物。同时,基于物理的辐射传输模型由于计算复杂,在较大程度上限制了该方法在矿物定量反演中的应用。本文基于多角度高光谱数据,通过不同光谱预处理方法及光谱指数类型的组合实验,创建用于估算花岗岩中长石比例的光谱指数模型。结果表明,使用2035 nm波段的反射率二重差分型（CRDDn2035）指数模型,在不同实测数据集中均具有良好表现,估算精度达到0. 81。本研究创建了一种适用于估算长石占比的光谱指数模型,为定量反演具有弱吸收特征的岩矿信息提供了新的技术手段与思路。