基于多特征融合的遥感影像土地利用分类

高分辨率遥感影像因其所含较为丰富的影像信息,在城市规划、环境评价、林业测量等领域得到了广泛应用。然而,由于遥感影像具有背景复杂、地物结构多样、细节丰富等特点,往往存在分割精度低的问题。此外,遥感影像中目标如建筑物、河流和林地等地物通常存在尺寸大小不一致的问题,难以做到精细化分割。针对以上问题,本文提出了基于多特征融合的卷积神经网络模型。该模型分为编码器和解码器两部分。在编码阶段,本文使用跨卷积层级的多尺度特征融合策略提取特征;在解码阶段,为了准确地恢复影像的细节信息,本文设计了能够融合不同层级卷积特征的解码器。同时,本文对成都市的高分系列遥感卫星影像标注,设计对比实验验证了本文模型的有效性。     

北太平洋中尺度涡海表温度和叶绿素浓度特征分析

本文利用AVISO卫星高度计资料识别并追踪了北太平洋2007年—2012年的中尺度涡,并利用OSTIA的海表温度SST(Sea Surface Temperature)资料与MODIS的叶绿素a浓度(Chl-a)资料,研究了北太平洋2007年—2012年中尺度涡SST和Chl-a浓度的时空分布特征,并分析北太平洋典型中尺度涡SST与Chl-a浓度的变化特征,主要结论如下:本文共识别出992个中尺度涡,其中442个气旋涡,550个反气旋涡。中尺度涡SST时空分布特征为:气旋涡温度强度(ICE)月变化特征比反气旋涡温度强度(IAE)更强。ICE年际变化显著,IAE则不明显。温度强度较强的气旋涡和反气旋涡集中分布在黑潮延伸区。中尺度涡Chl-a浓度时空分布特征如下:气旋涡和反气旋涡Chl-a浓度月变化特征明显,且二者的变化趋势一致;年际变化则均不明显。Chl-a浓度值高的中尺度涡主要分布在高纬海域。中尺度涡SST与海洋动力参数(振幅、涡度和涡动能(EKE))的相互关系为:反气旋涡SST与振幅的相关性亦正亦负,且在空间上均匀分布。气旋涡SST与振幅的负相关系数主要分布在黑潮延伸区。正相关性强的反气旋涡多于气旋涡。反气旋涡SST与涡度的相关性亦正亦负,气旋涡SST与涡度呈负相关。反气旋涡SST与EKE的相关性亦正亦负;气旋涡的相关性为正。中尺度涡Chl-a浓度与海洋动力参数的相互关系为:反气旋涡Chl-a浓度与振幅的相关性为正,且在空间上均匀分布;气旋涡在黑潮延伸区与阿拉斯加湾呈正相关。反气旋涡和气旋涡Chl-a浓度与涡度均呈正相关。反气旋涡Chl-a浓度与EKE呈正相关;气旋涡Chl-a浓度与EKE相关性亦正亦负。