最新刊期
2022 年 第 26 卷 7 期
-
摘要：湖冰是对气候变化十分敏感的冰冻圈水文变量，起到调节区域气候和湖泊生态系统的作用，并作为一种自然资源服务于冰上生产生活。湖冰覆盖和湖冰厚度是研究湖冰过程的关键变量，目前大多数湖冰研究集中在湖冰覆盖领域，湖冰厚度领域由于缺乏实测资料和专门的遥感观测平台还存在诸多空白，大量缺资料地区湖冰厚度仍处于未知状态，亟待方法和数据上的突破与创新。本文综述了近20年国内外湖冰厚度遥感反演领域的进展，介绍了各类反演方法的原理机理及主要优缺点，其中被动微波遥感方法具有良好的时间分辨率但空间分辨率较粗，难以覆盖中小型湖泊；基于SAR影像的主动微波方法空间分辨率较高但物理机制复杂，可靠性有待进一步验证；基于测高雷达的主动微波方法观测时段较长，物理机制明确，易于拓展到无实测资料湖泊，但空间覆盖相对有限；热红外遥感方法时空分辨率较好，但容易受云和湖冰表面积雪的影响，反演精度和可靠性有待提升。在此基础上，本文分析湖冰厚度遥感反演领域面临的主要挑战和发展方向包括：（1）厘清湖冰表面积雪相关的物理过程；（2）实现大范围实测冰厚和遥感资料的集成；（3）实现多源遥感冰厚反演方法的交叉融合。关键词：湖冰厚度;亮度温度;后向散射系数;卫星测高;热红外遥感- 1649
- |
- 533
- |
- 0
发布时间：2022-08-08
综述
-
摘要：基于传统数值方法构建的地面沉降模拟预测模型需要大量的水文地质数据和实测数据，对于地质条件复杂地区的形变模拟预测难度大。本文基于PS-InSAR技术获取的北京平原东部地区的地面沉降信息，综合考虑不同层位地下水水位对沉降的影响，采用基于注意力机制的长短时记忆网络（AM-LSTM）对不同沉降发育地区典型位置处的地面沉降进行模拟。结果表明：（1）研究区地面沉降空间差异性明显，2010年11月—2016年8月最大沉降速率约153 mm/a，累计沉降量达到1063 mm，位于朝阳区三间房乡附近；（2）基于AM-LSTM模型的模拟精度优于传统LSTM模型，本次模拟精度最高提升了22%；（3）AM-LSTM模型注意力权重表明，第二承压含水层水位对地面沉降贡献最大。本次研究能够为地面沉降防控提供可靠的技术支撑。关键词：遥感;地面沉降;AM-LSTM;模拟预测;不同层位地下水水位;注意力权重- 1522
- |
- 346
- |
- 0
发布时间：2022-08-08 -
摘要：大速率、不均匀的地面沉降已经威胁到人类的生产活动，高精度的沉降预测结果对于地质灾害的精准防控具有重要意义。为掌握地面沉降的演化规律，利用现场观测数据或InSAR数据开展了多项预测研究。然而，由于空间异质性的存在，大范围地面沉降的准确预测仍然是一项挑战。在这项研究中，从数据驱动的角度提出了一种顾及空间异质性的大范围地面沉降时空预测方法STLSTM（Spatio-temporal Long Short-Term Memory）。首先，通过聚类识别地理空间中的均质子区；然后，在每个子区中，一个特别的长短期记忆LSTM（Long Short-Term Memory）网络被用来捕捉局部位置的非线性特征；最后，利用预训练的网络对未来时刻的地面沉降进行定量预测。在实验部分，哨兵1号影像数据被用来比较STLSTM与其他8种基准方法的性能，利用空间统计指标分析了模型的有效性。结果表明，STLSTM在152 s内达到了最高的预测精度（71.4%），且能够有效弱化空间异质性对大区域沉降预测任务的影响。总之，这项研究将空间异质性处理策略融合到深度学习模型中，实现了高精度、高时效的大范围地面沉降时空预测。关键词：遥感;地面沉降;时空预测;异质性;LSTM;InSAR- 974
- |
- 339
- |
- 0
发布时间：2022-08-08 -
摘要：预测地面沉降对于城市基础设施损害的早期预警和及时采取补救措施具有重要意义。本文提出基于时序InSAR数据采用长短时记忆网络（LSTM）模型来预测地面沉降。以香港国际机场为研究区域，基于Sentinel-1A升轨影像利用时序雷达干涉技术（TS-InSAR）获取2015年—2020年机场时序地面沉降监测InSAR结果；利用机场时序InSAR形变结果建立堆叠式LSTM预测模型，并将预测结果与InSAR真实结果进行对比分析。结果表明，2015年—2020年香港国际机场地表垂直方向的平均形变速率为-19—5 mm/a。预测值与真实值的拟合均方根误差和平均绝对误差均较低，分别为0.75 mm和0.61 mm，同时其相关系数为0.99，表明LSTM预测模型在点级尺度上具有良好的性能，能够基于时序InSAR数据较准确预测地面沉降。但预测过程中发现，LSTM模型不适合长期预测，长期预测会出现失效性。本文提出的堆叠式LSTM预测模型可以作为一种有效方法来预测地表形变，尽管LSTM模型只是适用于短期预测，但其预测结果可用于辅助决策、早期预警和减轻危害。关键词：遥感;地面沉降;TS-InSAR;地表形变预测;深度学习;LSTM- 1191
- |
- 410
- |
- 1
发布时间：2022-08-08 -
摘要：针对郑州市地铁网络缺少长时间序列的地面沉降研究，本文基于永久散射体合成孔径雷达干涉测量PS-InSAR（Persistent Scatterers Interferometric Synthetic Aperture Radar）技术生成的长周期地面沉降数据分析了郑州市地铁沿线地面沉降的时空特征，并通过反距离内插等距化处理，基于长短期记忆网络LSTM（Long Short-Term Memory）模型对典型地铁站点地面沉降进行了预测与分析。研究结果表明：空间上，沉降路段主要集中在1号线和5号线的东段，最大沉降速率超过20 mm/a，且1号线沿线不均匀形变较为突出；时间上，不同区域PS点在时间序列上的变化有较大不同，沉降槽中心处沉降呈逐年扩大趋势。实验表明LSTM模型具有较高的预测精度，预测发现1号线市体育中心站南边河南省档案馆新馆北侧未来两年里仍将以大约0.5 mm/月的速率继续沉降，有必要对该站及其附近继续监测。关键词：郑州地铁;地面沉降;PS-InSAR;LSTM;预测分析- 1159
- |
- 383
- |
- 2
发布时间：2022-08-08
区域地面沉降
-
摘要：区域尺度上精准、快速的作物单产估算可以有效地为国家粮食安全相关政策的制定提供数据支撑。本文针对县级估产时相和特征类型选择问题，基于遥感、气象和统计等多源数据，通过不同时相和特征要素之间的组合分析来探索其对于县级尺度冬小麦单产估算的影响。特征要素主要考虑作物长势、环境（水分和光温条件）和农田景观3个类型；时相主要考虑由冬小麦生长过程NDVI（Normalized Difference Vegetation Index）曲线特征提取的5个关键时段（P1—P5）。利用不同时相与类型特征的组合与统计单产构建随机森林回归模型，根据精度评价结果分析各组合的优劣。2014年—2017年的数据用来建模，2018年数据用来验证。对于单时相，P2、P3、P4的表现明显好于P1和P5；多时相的准确度明显优于单时相，其中P2、P4的组合效果最佳。对于不同类型的特征要素，作物长势特征参量对估产精度的影响最大，而水分影响和光温条件等环境因子的加入对估产准确性并没有明显提升，农田景观参数的加入能够有效提升估产的准确性。在最优组合的基础上，剔除冗余变量优选出5个重要的指标因子（PROP、NDVI_P2、B2_P2、ED、B1_P4），并建立单产估算模型获取2018年河北省冬小麦县级尺度单产。结果表明，平均相对误差（MRE）仅为2.85%，决定系数（R2）为0.83，均方根误差（RMSE）为253.25 kg/ha，归一化均方根误差（NRMSE）为4.09%。研究结果为全国县级冬小麦单产估算提供了新的思路和方法参考。关键词：遥感;估产;冬小麦;统计数据;NDVI;随机森林;河北省- 1067
- |
- 292
- |
- 2
发布时间：2022-08-08 -
摘要：及时准确地获取耕地空间分布数据对于农业生产管理、产量估算、种植结构调整等具有重要意义。目前的耕地提取多基于多时相中低分辨率影像或单时相高分辨率影像，难以满足耕地破碎，农作物种植模式复杂的区域精度需求。基于此，本研究通过协同国产高分一号（GF-1）、高分二号（GF-2）和高分六号（GF-6）卫星影像，探索米级分辨率尺度下的耕地高精度提取方法。该方法以深度神经网络UNet为基础，通过协同GF-1/6的多时相优势和GF-2影像的高空间分辨率构建了CEUNet（Cropland Extraction UNet）模型，以充分挖掘耕地的时相特征和空间几何特征。同时，将基于CEUNet模型提取的米级耕地结果分别与基于UNet和多源不同分辨率遥感影像的语义分割（UNet_m）、基于UNet和单时相高分辨率影像的语义分割（UNet_s）、基于对象的随机森林分类（OBIA）、基于像元的随机森林分类（RF）提取的耕地结果展开对比，分析所提出的方法在不同区域的适宜性。结果表明，基于CEUNet模型提取的米级耕地总体精度达到92.92%，且基于CEUNet提取的耕地的逐像元验证结果在平均F1-Score值上相较于基于对象和基于像元的随机森林分类分别提升了0.21和0.21，相较于UNet_m和UNet_s分别提升了0.04和0.11，其中针对地块破碎，景观异质性高等区域，CEUNet相较于UNet_m和UNet_s提升了0.09和0.26。本研究提出的CEUNet模型能够充分发挥多源国产高分卫星数据的空间和时间优势，两者结合能够快速、高效地提取不同农业景观及不同种植模式的耕地空间分布信息。关键词：耕地提取;多源遥感影像;卷积神经网络;高分系列卫星- 1629
- |
- 686
- |
- 3
发布时间：2022-08-08 -
摘要：精准农田识别是农作物估产和粮食安全评估的基础。遥感数据作为农田识别的重要数据源，可提供动态、快速的监测结果。高光谱数据在农田识别分类方面具有巨大的应用潜力，但其中的冗余波段影响了分类效率和分类精度。因此，本研究提出了一种适用于高光谱数据农田分类的混合式特征选择算法。首先，基于变量的重要性排序或约束程度，按步长逐步进行降维；其次，寻找分类精度骤减的转折点，并将其对应的变量作为特征子集；最后，利用序列后向选择SBS（Sequential Backward Selection）方法搜索最优分类特征子集。本研究利用GF-5高光谱数据，共研究了3种降维方法（随机森林RF（Random Forest）、互信息MI（Multi-Information）和L1正则化（L1 regularization））和3种分类算法（随机森林、支持向量机SVM（Support Vector Machine）和K近邻KNN（K-Nearest Neighbor））的组合在农田分类中的表现。结果表明，基于L1正则化法得到的特征子集自相关性较低，并且包含的红边和近红外波段有效提高了农田、森林和裸土的区分度。在不同分类模型比较中发现，SVM在高维空间中表现出非常好的抗噪能力，分类精度高于RF和KNN。而RF在低维空间中的泛化能力要高于SVM和KNN。相比于第一步降维得到的特征子集，使用SBS搜索得到的最优特征子集均提高了分类精度。最终，具有23维输入的L1-SVM-SBS分类模型得到了最高的总体分类精度（94.64%）和农田召回率（95.83%）。本研究为高光谱数据特征优选提供了一种新思路，筛选出了更具代表性的特征波段，提高了农田分类精度，对高光谱遥感分类研究具有参考价值。关键词：农田识别;高分五号;特征选择;高光谱遥感;L1正则化;后向序列选择- 1206
- |
- 384
- |
- 0
发布时间：2022-08-08 -
摘要：基于大数据驱动的深度学习挖掘图像数据的规律和层次已成为遥感影像解译的研究热点。海量标签样本是训练深度学习模型的前提条件，但成本昂贵的人工标记样本限制了深度学习技术在遥感领域的应用。本文提出了一种基于弱样本的深度学习模型农作物分类策略：以GF-1影像为数据源，将传统分类器SVM分类结果视为弱样本，训练深度卷积网络模型DCNN（Deep Convolutional Neural Networks），获取辽宁省水稻和玉米的空间分布，分析弱样本的适用性。结果显示：测试集总体精度达到0.90，水稻和玉米F1分数分别为0.81和0.90；在不同地形地貌、复杂种植结构的农业景观下均表现出良好的分类效果；与SVM结果的空间一致性为0.90；当弱样本最大面积误差比例小于0.36时，弱样本仍适用于DCNN作物分类，结果的总体精度保持在0.86以上。综上，该策略一定程度上消除了深度学习模型对大量人工标记样本高度依赖的局限性，为实现大尺度农作物遥感分类提供了一种新途径。关键词：弱样本;卷积神经网络模型;深度学习;GF-1影像;农作物遥感分类- 1149
- |
- 406
- |
- 4
发布时间：2022-08-08 -
摘要：玉米和大豆是两种主要的粮食作物，及时准确地监测两者的种植面积对于产量预测和市场价格的制定具有重要的意义。利用遥感技术探究在生长季中后期能有效区分玉米和大豆的指示性特征集，为在不同实验区进行推广应用和提前玉米和大豆种植面积信息发布的时间提供技术支撑。文章以玉米和大豆为研究对象，以黑龙江和安徽省两个典型种植区为实验区，以高分一号影像为数据源，计算多种植被指数特征和两种纹理特征，同时利用特征优选方法评价特征间的相对重要性，并结合随机森林分类算法分析特征个数对精度的影响，得到不同试验区区分两者的最佳特征子集。随后根据不同实验区最佳特征子集的共同点和差异，遴选出对玉米和大豆中后期区分的遥感指示性识别特征集，并设计实验方案验证其有效性和稳定性。实验表明：在玉米和大豆生长中后期存在具有高效辨识两者的遥感特征集，能有效和稳定地增强两者的遥感识别能力；在不同实验区，基于特征优选方法可以选择出区分玉米和大豆的最佳分类特征子集，得到两者最优的识别效果，比仅仅使用原始波段特征的分类精度提升了近10个百分点，总体分类精度能够平均达到97%，Kappa系数0.96，玉米和大豆的单类分类精度平均超过95%；在不同的种植区，利用玉米和大豆的指示性特征集可以得到几乎与优选出的最佳特征子集同样的分类精度和制图效果，且具有稳定性和有效性，较最佳特征集更具推广使用意义。指示性特征集包含6种：植被指数中的比值植被指数（RVI），差值植被指数（DVI），转换型植被指数（TVI），改进型叶绿素吸收比率指数（MCARI）和灰度共生矩阵（GLCM）纹理特征中的二阶矩（the Second Moment）和熵（Entropy）。关键词：遥感;玉米;大豆;遥感识别;特征;分类;GF-1- 1433
- |
- 312
- |
- 1
发布时间：2022-08-08 -
摘要：由于显著的经济效益和生态效益，近年来稻虾共作模式分布面积迅猛扩张。准确获取稻虾田空间分布信息，对于水稻种植结构调整、产量估算和水资源管理具有重要意义。本文以“小龙虾之乡”——湖北省潜江市为研究区域，基于Google Earth Engine平台协同Landsat 7/8和Sentinel-2卫星数据，通过分析稻虾田的农业耕作管理和季相节律特征，提取了稻虾田区别其他农作物的关键“水淹”信号和“植被”信号。基于实地稻虾田样本统计分析关键特征的阈值，构建稻虾田规则集识别模型，提取了湖北省潜江市2019年稻虾田空间分布。最后，基于实地样本验证该物候窗口特征方法的精度，并评估和比较了该方法与随机森林和基于水体季相差异方法的表现。结果表明：物候窗口1月1日—4月30日内的水淹信号（LSWI>NDVI或EVI）、物候窗口7月15日—9月30日内的植被信号（NDVI或EVI>LSWI）和物候窗口11月10日—12月31日内的水淹信号是稻虾田遥感识别的典型特征。基于该方法提取的2019年潜江市稻虾田制图精度和用户精度分别为90.74%、94.69%，显著高于水体季相差异方法和随机森林方法的精度。基于关键物候窗口的稻虾田提取方法具有较高的泛化能力，能以较少的实地样本进行时空尺度的延展，从而为大尺度长时序稻虾田遥感制图提供重要的方法支撑。关键词：遥感;稻虾田;作物提取;Google Earth Engine;物候窗口;Landsat;Sentinel-2- 899
- |
- 301
- |
- 3
发布时间：2022-08-08 -
摘要：本文旨在研究基于地块数据约束的深度学习模型的分类特征表示方法，以识别不同作物在不同时相上光谱差异从而对作物类型进行分类。通过Google Earth Engine平台获取作物生育期内全部Landsat 8影像，利用其质量评定波段完成研究区无云时相及区域上的地块统计，提取地块级别的各波段反射率均值按照时相顺序及波长进行排列，构建波谱、时相二维特征图作为该地块的抽象表示。通过构建相对最优的卷积神经网络CNN（Convolutional Neural Network）结构完成对特征图的分类，从而完成对地块的分类。构建CNN模型并不需要手工特征和预定义功能的需求，可完成提取特征并遵循端到端原则进行分类。将该模型的分类结果与其他最为常用机器学习分类器进行了比较，获得了优于常用遥感分类算法的分类精度。结果表明地块数据的加入可以有效的缩减计算规模并提供了准确的分类边界。所提出得方法在地块特征表示及作物分类中具有突出的应用潜力，应视为基于地块的多时相影像分类任务的优选方法。关键词：遥感;作物分类;CNN;特征图;二维表征;时序影像;地块数据- 805
- |
- 272
- |
- 2
发布时间：2022-08-08
农业遥感
-
摘要：冰山出水高度是测量冰山厚度进而估算冰山体积的一个重要几何参数，是定量评估冰山对海洋的淡水输入量的基础。冬季冰山在海冰上成影且阴影较长，本文提出利用阴影测高模型高精度测量冰山出水高度的方法。试验选择2016年8月29日、9月7日和9月16日中心太阳高度角分别为5.43°、7.49°和11.01°的3期Landsat 8全色15 m影像，以独立扁平冰山为例，自动提取冰山在海冰上的阴影长度计算冰山出水高度，并利用不同时相同名成影点进行交叉验证评估测量精度。结果显示：阴影长度测量误差优于1个像元，在太阳高度角低于11.01°时，全色15 m影像提取的冰山出水高度均方根误差（RMSE）低于2.0 m，平均绝对误差（MAE）低于1.5 m。由此表明：在冬季低太阳高度角下，Landsat 8全色15 m影像可用于高精度测量冰山出水高度，具有大范围测量南极冰山出水高度的潜力。关键词：遥感;南极;冰山;出水高度;阴影测高;Landsat 8- 708
- |
- 235
- |
- 0
发布时间：2022-08-08 -
摘要：城市作为高密度建筑区域，在较小范围内有大量结构相似的建筑紧密分布。当前从高分辨率图像中准确检测建筑仍然是一个挑战，本文受边缘检测网络启发，提出一种强化边界精度的建筑物提取新方案，根据建筑物及边界特点改进深度网络，结合自下而上分组的分水岭分割提高分类精度和建筑边界的准确度。首先对数据预处理，生成建筑边界和建筑分割线两类辅助标签；改进性能较优的建筑检测框架ICT-Net网络，修改网络结构和损失函数，针对两类辅助标签，强化边界影响，提高网络性能；最后对网络预测结果应用结合分水岭分割和梯度提升回归树的后处理，实现高精度的建筑提取。结果表明，数据预处理、改进深度学习算法可提高建筑检测像素精度IOU（Intersection over Union）约1%。后处理能充分利用网络输出的概率信息，有效优化建筑边界，在网络预测结果的基础上提高建筑实例召回率10.5%。本文方案与原始的ICT-Net网络相比，提高建筑实例召回率22.9%。关键词：遥感;建筑检测;深度网络;边界损失;分水岭分割;实例分割- 896
- |
- 266
- |
- 2
发布时间：2022-08-08 -
摘要：随着城市化进程加快，自然地表物理结构及属性的变化使得城市不透水面不断增加，进而造成城市土地覆盖类型剧烈变化，极大地影响着其环境质量和生态循环。因此，探讨不透水面的空间变化规律，对建设生态、和谐、宜居城市变得极为重要。本文选取新疆维吾尔自治区（简称新疆）典型城市（乌鲁木齐、喀什、哈密及克拉玛依）主城区为研究区，通过对Sentinel-2A/B影像L2范数归一化处理，结合增强型归一化差值不透水面指数ENDISI（Enhanced Normalized Difference Impervious Surface Index），采用最大类间方差法（OTSU）自适应确定阈值，提取2017年和2019年新疆典型城市不透水面。结果表明：L2范数归一化处理与ENDISI结合能较好的突显不透水面与非不透水面的差异；OTSU自适应确定的阈值能够很好的区分不透水面，经示例验证（2019年乌鲁木齐主城区），不透水面提取结果总体精度为86.60%，Kappa系数为0.73。通过对不透水面空间差异分析可知：从剖面线角度分析得出乌鲁木齐北部、喀什中部和北部及哈密中东部和北部ENDISI指数值均显著增加，而克拉玛依北部和中西部区域ENDISI指数值增加较少；从不透水面盒维数分析中得出，新疆典型城市的盒维数值均呈增加趋势，城市结构复杂度不断增强，其中哈密盒维数值最大，乌鲁木齐盒维数值最低，且哈密的盒维数值变化幅度最大，克拉玛依的盒维数值变化最小。本文可为新疆典型城市内涵式发展提供科学指导，为干旱区城市生态环境保护提供理论依据。关键词：遥感;城市不透水面;Sentinel-2A/B;ENDISI;OTSU;盒维数;新疆维吾尔自治区- 944
- |
- 266
- |
- 2
发布时间：2022-08-08
遥感技术方法
- 地址：北京市海淀区北四环西路19号 《遥感学报》编辑部 邮编：100190
- 联系电话：010-58887052 Email：nrsb@aircas.ac.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备20021838号-9
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0