基于FPN Res-Unet的高分辨率遥感影像建筑物变化检测

针对城市土地资源变化检测工作繁杂、工作量大、自动化程度低等问题，本文提出一种基于深度学习模型的高分辨率遥感影像建筑物变化检测方法，将语义分割的思想引入到遥感变化检测。基于残差结构特征较卷积层提取性能更优和特征金字塔网络多尺度预测的特点，将残差结构和特征金字塔网络融合到Unet模型中，建立FPN Res-Unet模型。该模型以Unet为基础，引入ResNet18的残差结构作为编码路径特征提取层，在每次卷积后使用边界填充，使得输入图像和输出图像尺寸一致；在解码路径每级上采样过程中，拓展支路径将特征金字塔网络融合到模型的网络主干中，将残差结构、Unet及特征金字塔网络的优点相互融合，增强了Unet的特征提取，弥补了语义分割网络对小目标检测的欠缺；在获取深层语义信息的同时关注细节信息，提高建筑物变化检测精度。实验表明，该方法在所用数据集，准确率、召回率、F₁ 3种指标均达到90%以上。     

长白山生态景观格局动态变化分析

长白山独特的地质和地理条件,形成了特有的自然景观,植被垂直带谱在亚洲具有代表性。通过1977年MSS、1985年TM及1999年TM三期遥感影像,结合实地调查建立解译标志,进行分类并计算景观指数,分析了长白山地区近30年来的景观结构变化。分析表明：从景观面积变化率来看,1977-1985年间,水体、苔原、居民点、针叶林和草地的面积减少,耕地和针阔混交林的面积增加显著,阔叶林、岳桦林、道路、裸地增加;1985-1999年间,水体、裸地、针阔混交林和阔叶林的面积减少,其他类型面积增加。景观格局变化表明,人为活动对景观格局产生的影响,已成为景观格局变化的主要驱动因子。     

基于随机补片和DeepLabV3+的建筑物遥感图像变化检测

为有效解决传统遥感图像变化检测预处理复杂的问题,提出一种基于随机补片和DeepLabV3+的建筑物遥感图像变化检测方法。以ResNet50特征提取网络为基础,创建DeepLabV3+语义分割网络,并在图像和标签中创建大小为224像素×224像素的随机补片作为网络输入,训练建筑物提取网络;修改建筑物提取网络输入层为6通道,通过矩阵运算将两期遥感图像转换为一幅6通道非RGB图像,利用转换后的非RGB图像进行网络训练并验证变化检测精度。实验1利用ENVI5.3软件,采用马氏距离法进行变化检测;实验2采用改进的U-Net网络和随机补片,完成网络训练和精度验证;实验3使用实验2的训练数据和验证数据,采用随机补片和DeepLabV3+网络进行变化检测网络训练及精度验证。实验结果表明,该方法实验1、实验2、实验3建筑物变化检测平均交并比分别为24.43%、83.14%、89.90%,边界轮廓匹配分数分别为61.47%,80.24%、96.51%。     

基于FLUS的长春市土地利用动态变化与预测分析

研究城乡土地利用变化规律与驱动机制,有利于实现区域土地资源可持续发展。本文以长春市为例,以监督分类与人工解译相结合的方式对1997、2007和2017年Landsat卫星影像进行分类,总体精度分别为93.06%,90.70%和94.12%。1997-2017年,草地、耕地和其他土地面积分别减少354.74、922.11和55.35 km²,建设用地、水域和林地面积分别增加1 154.14、70.38和107.54 km²,整体表现为建设用地向周边扩张,侵占其他用地类型面积。利用未来土地利用模拟（future land use simulation,FLUS）模型,以2007年分类数据为基础,结合地形、交通区位和社会经济等土地利用变化驱动因子,仿真2017年土地利用格局,仿真结果与真实情况吻合较好,仿真精度达85.10%,Kappa系数为0.821 2,验证了模型和驱动因子精度可靠,符合土地利用变化趋势。以此模型因子预测2027年土地利用格局,结果表明：在城镇周围,建设用地将持续侵占耕地、林地、草地和其他土地的面积,但趋势减缓,同时林地面积和水域面积增加。     

高分一号遥感影像地质灾害信息提取方法研究

山区地质灾害发生频繁,受灾范围大,危害严重。提取地质灾害信息、估算受灾情况,对救灾工作极为重要。传统的遥感人工解译方法速度慢、效率低;计算机自动解译速度快但解译精度受影像质量影响大,大范围地区很难建立起普适性的解译模型。本文利用洮南市西部高分一号遥感数据,结合DEM生成三维影像,建立解译标志,解译基础地质信息,分析地质灾害成因;根据研究区泥石流地质灾害的主要影像特征,提取影像的分类属性,基于面向对象的分类方法,建立信息提取模型,快速提取出地质灾害敏感区域;再进行人机交互,精确提取出地质灾害的类型和范围,通过野外验证,该方法十分可靠,为大范围地质灾害信息快速提取和灾后救援提供科学依据。     

计算几何在地图综合中的应用

地图综合是计算几何中的一个应用问题。计算几何是有效的几何基本规则和算法,为地图目标间的复杂空间关系提供了强大的描述和分析依据。文章讨论地图综合中的条件和要求,尤其提出了比例尺缩小造成地不可感知性,而引起选取、目标拥挤、化简和符号化带来的相交等三个关键问题。根据计算几何的Voronoi、Delaunay等数据结构,简要探讨了目标选择、目标聚类和一致性化简的方法。     

基于多特征随机森林算法的深圳市土地利用分类

城市土地利用分类对土地资源可持续利用具有重要意义。为了进行深圳市土地利用信息提取,利用Sentinel-2影像,基于遥感光谱、光谱指数和图像纹理等多种特征信息,构建了多特征随机森林城市土地利用分类模型。并在相同分类条件下,与最大似然、K最邻近监督分类方法进行对比分析,利用混淆矩阵进行精度评价,分析随机森林分类算法的优缺点。研究表明,多特征信息融合丰富了遥感数据的信息内容,多特征随机森林分类方法具有更高的分类精度。     

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。     

基于数据同化的长春市雾霾反演与空间特征分析

近年随着长春地区冬季雾霾天气的频繁出现,大气可吸入颗粒物(PM2.5)已成为长春地区的主要空气污染物之一。遥感技术与污染物模型相结合是近年来预报空气质量的一种有效方法。本文以2015—2016年长春市冬季雾霾天气为例,利用MODIS遥感影像获取的气溶胶光学厚度(AOD),反演长春市地表PM2.5浓度值,得到长春市空气污染物空间分布图,并分析长春市空气污染物的时空分布特征。同时利用AOD反演的PM2.5浓度值作为数据同化资料,对长春市地表PM2.5浓度值进行预报,预测结果令人满意。研究结果表明:数据同化与遥感信息技术结合进行雾霾预测是一种有效的手段,可为雾霾反演的数据提供可靠的信息。     

机载激光测深系统强度数据AGC补偿异常区域识别及改正

机载激光测深系统（Airborne Laser Bathymetry,ALB）因集成了具有独特水体穿透能力的绿波段（532 nm）而被广泛用于水深测量。除地形数据外,ALB还记录了地物目标的辐射特性（后向散射强度）,可用于条带配准、海底底质分类和几何建模。然而,由于自动增益控制（Automatic Gain Control,AGC）设计局限,增益值调整存在延缓,对于裸露岩石、水域等高返回、低返回目标较多的海岛海岸带区域,强度补偿异常问题格外突出。针对该问题本文设计了一种基于双向移动的局部加权强度改正方法,提出索引共享机制辅以地形信息实现有效强度数据精确提取;以扫描周期为依据进行扫描线分割,通过柯尔莫可洛夫−斯米洛夫检验进行强度补偿异常区识别;通过对邻近扫描线和邻域强度联合加权进行强度改正,保证强度细节的同时较好地消除与邻域强度偏差,独特的双向移动策略能有效削弱改正不足积累造成的强度改正精度下降问题。实验证明该方法能有效解决AGC补偿异常问题,相较于改正前,改正后的强度数据平均绝对百分比误差降低了约0.27,均方根误差下降了约693,异常区强度与邻域强度偏差控制在26 DN（Digital Number）以内,得到高质量强度图像。