青藏高原湖泊面积动态监测

高原湖泊的动态变化对区域水循环具有重要影响。受全球气候变化的影响,青藏高原湖泊自20世纪90年代开始呈现剧烈扩张趋势。为揭示近年来青藏高原湖泊面积的时空变化规律,本文提出了一种改进的半自动湖泊提取算法,结合环境减灾卫星（HJ-1A/1B）和Landsat系列卫星影像数据,对青藏高原内流流域中面积大于50 km²的127个湖泊进行了连续6年的动态监测,并分析了该区域2009-2014年湖泊面积时空变化特征。研究结果表明,该区域湖泊整体呈现显著扩张趋势,年均变化速率为231.89 km²yr^-1（0.87 %yr^-1）,6年间湖泊面积扩张速率有所减缓。其中,扩张湖泊有104个,收缩湖泊有23个,变化速率分别为271.08 km²yr^-1（1.02 % yr^-1）和-39.19 km²yr^-1（-0.15 %yr^-1）。不同区域湖泊面积变化具有明显差异,主要表现为东部及北部大部分区域湖泊扩张,南部地区大部分湖泊面积稳定,萎缩湖泊主要分布于研究区四周。最后,本文通过分析冰川融水补给对湖泊面积变化的影响,发现存在冰川融水补给的湖泊面积变化率远大于不存在冰川融水补给的湖泊。由此可见,近年来冰川融水的增加是促进青藏高原内流流域湖泊扩张的主要因素之一。     

空间数据计算模式分析与应用

随着传感器和其他数据采集技术的不断进步以及对地观测网络的建设和启动,空间数据的高性能处理和分析成为摆在地学工作者面前的瓶颈。本文以此为出发点,按照不同地学领域(陆地、大气、海洋)的空间数据载体的形态的不同,将空间数据划分为反映固态基质信息的陆地空间数据,反映液态基质信息的陆地水文空间数据,反映液态基质信息的海洋流体空间数据和反映气态基质信息的大气流体空间数据四类,并对每类数据的最小单元问题进行了初步的分析。本文详细阐述了地学空间计算的涵义,并根据计算行为模式及计算的侧重点的不同,将地学计算过程分为深度计算过程与主动计算过程(即“数据→特征→知识”的一般计算过程),并就此进行了阐释。以基于特征的遥感信息提取和目标识别工作为例,对上述理论进行了说明和验证。最后对空间数据计算模式相关问题进行了总结,并对以后的研究做了展望。     

高分辨率影像城市植被自动提取算法

近十几年来,随着城市化进程加剧,准确获取城市植被的分布信息,是城市气候和地表能量平衡研究的重要内容。高空间分辨率遥感影像数据,为精确获取和动态监测城市植被提供了重要资料。本研究利用资源三号数据对长江三角洲地区城市植被进行光谱特征分析与提取,提出一种城市植被的自动化信息提取算法—分离面法（Hyperplanes for Plant Extraction Methodology,HPEM）。结果表明：在假彩色反射率空间,植被与NDVI值低的背景有很好的分离性,而在真彩色反射率空间,植被与NDVI值高的背景有很好的分离性;HPEM能很好地避免NDVI最佳阈值法中将建筑物误分为植被的问题,其精度明显优于NDVI最佳阈值法,Kappa系数从0.85提高到0.90,总的错分与漏分误差从21.15%降低到14.18%。可见,本文的HPEM方法能有效提高城市植被信息自动提取的精度。     

基于差值权重和快速傅立叶变换的“北京一号”卫星影像融合方法研究

提出一种基于差值权重和快速傅立叶变换的影像融合方法--DWF,对"北京一号"小卫星的全色和多光谱影像进行融合.该算法根据卫星影像的成像过程,通过傅立叶变换获取全色影像的高频、低频信息和多光谱影像在HIS颜色空间中分量的低频信息,由这3种信息通过基于差值权重的决策计算获得融合影像的空间信息.实验采用PCA、GS、DWF以及基于小波的HIS变换的融合方法,结果表明DWF方法优于其他融合方法,比较适合于"北京一号"卫星的全色与多光谱影像融合.     

遥感图谱认知理论与计算

近年来,随着对地观测技术的迅猛发展,卫星遥感领域逐渐进入了大数据时代。针对当前遥感应用的需求和特点,开展与视觉认知相结合的高分辨率遥感认知理论与方法研究是可行且必要的。在此背景下,受地学信息图谱思想启发,本文对遥感认知领域的图谱问题进行了研究,系统地提出了遥感图谱认知理论与计算方法论,旨在规范高分辨率遥感信息提取流程,构建精细化、定量化、智能化、综合化相结合的遥感信息解译模型。整套方法体系由横向“自底向上的分层抽象”和纵向“自顶向下的知识迁移”2个方向上的认知计算组成,分别对应了“由谱聚图”、“图谱协同”和“认图知谱”3大图谱转化过程。论文对涉及的概念、基本思想、关键技术及难点问题进行了重点分析,强调综合利用大数据、逐步融入知识来实现不同层次的遥感认知,以期为数据源极大丰富条件下的遥感信息解译提供新的视角。     

高分辨率遥感影像多尺度均值漂移分割算法研究

根据高分辨率遥感影像信息提取过程中对影像的对象化分割的需求,分析了均值漂移分割算法的原理,并对其多尺度分割方法进行了设计与实现。实验证明该算法具有较好的影像分割精度。     

基于PCM改进算法的遥感混合像元模拟分析

混合像元的存在是影响遥感图像分类精度的主要原因,模糊分类是进行混合像元分解的重要方法,其效果的好坏取决于各像元分类后对各类别的隶属度值能否准确地反映像元的类别组成。当非监督分类中的聚类数目与实际类别数目不符,或者监督分类中训练样本存在未训练类别时,常用的模糊c-均值(FCM)方法的效果将大大降低,而可能性c-均值(PCM)方法则可以解决这个问题。该文提出了基于PCM算法的遥感图像混合像元分解方法,并用监督分类方法实例说明PCM方法的优越性。     

图像分类中基于核映射的光谱匹配度量方法

针对多光谱遥感数据特点利用SSV匹配技术改进高斯核函数得到新的KSSV函数,然后在由KSSV核函数映射得到的高维空间中利用SAM匹配技术代替基于欧氏距离的相似性度量。如此可以充分挖掘多光谱影像中的波谱特征信息并有效利用,提高模式识别方法应用的有效性。将此方法分别应用于非监督分类(k均值)与监督分类(最小距离、SVM)的试验表明,改进度量的分类方法可显著提高地类间的可区分度并有效降低类内的不一致性,更有效针对多光谱遥感影像中的地物类型,获得较好的精度改进。     

高分辨率遥感影像并行分割结果缝合算法

采用基于数据并行的遥感影像分割实现过程,提出了一种新的数据缝合算法解决分割结果合并问题。分割效果对比和运算效率分析等实验结果表明,此算法保持了分割结果合并后的边界正确性,使并行化分割在提高运算效率的同时保证了分割结果的可信度。     

深度学习支持下的丘陵山区耕地高分辨率遥感信息分区分层提取方法

耕地是丘陵山区稀缺的土地资源,具有地形条件复杂、种植结构多样的特点,导致了山地耕地信息难以快速、准确获取,并且基于传统的遥感数据及遥感监测方法开展山区耕地信息快速自动提取比较困难。针对这一问题,本文以西南山区贵州省息烽县作为试验区,根据地理空间异质性特征,提出分区控制、分层提取的耕地形态信息提取思路,构建了一种地貌单元约束条件下的分区分层耕地形态信息的提取方法。该方法首先根据地貌-植被特征将试验区划分为平坝区、山坡区、林草区3类地理分区;然后在每类分区基础上,根据耕地所呈现的视觉特征划分为不同的类型,对不同类型的耕地分别设计不同的深度学习模型进行分层提取。试验结果证明,该方法对山区复杂地形背景噪声具有较好的抑制作用,所提取的耕地地块信息相比于传统方法更符合实际耕地的实际分布形态,有效地减少了漏提率和错提率。