最新刊期
2024 年 第 28 卷 第 11 期
- “在遥感图像解译领域，知识与数据双驱动成为新方向，专家总结了知识类型并探索了与深度学习的融合方法，为智能解译提供新思路。”
摘要：知识与数据是贯穿遥感图像解译数十年发展历程的两大要素。随着传感器平台的不断丰富，以及深度学习、大数据、多模态、长时序解译方法的快速突破，数据驱动的智能解译成为了近年来的热点研究方向。然而在不断深入扩展的研究与应用中，数据驱动方法迁移复用难、样本依赖强、可解释性弱等局限开始显露。在长期解译实践中积累的各类知识具有客观实在性、确定性、场景适应性、解释推理性等特点，可以与数据驱动的方法互为补充，知识与数据双驱动正逐渐成为遥感图像解译的新方向。本文首先回顾了遥感图像解译发展的几个主要阶段以及知识和数据在各个阶段分别发挥的作用，继而总结了14类遥感图像解译涉及的主要知识类型。知识与深度学习的融合是实现知识与数据双驱动的重要路径，本文梳理了5大类15小类知识与深度神经网络的融合方法并例举了相关案例。以知识类型为主要脉络，本文进一步对现有知识与数据联合的遥感解译应用进行了综述，通过典型案例分析了效益能力增量。最后本文对知识与数据联合驱动的遥感图像智能解译框架及关键技术进行了展望。关键词：遥感图像解译;知识驱动;数据驱动;人工智能;知识图谱;深度学习;自然资源;综述- 1075
- |
- 1082
- |
- 0
发布时间：2024-12-13 -
基于多源遥感数据的河流断面提取进展与展望 AI导读
“在河流断面形态提取领域，专家系统梳理了近20年的研究进展，提出了适用于缺资料地区或大范围流域断面形态提取的“空—天—地”一体化观测方案，为获取河流断面形态提供了新方向。”
摘要：河流断面形态是开展河流水文过程、物质通量等研究的基础。断面形态的获取多基于现场量测，制约了难以抵达地区的断面获取及全流域、大范围河段的断面提取。随着多源遥感观测及水面、水下无人观测等智能技术的发展，融合有限的地面观测数据，建立与河流特征相适应的多源遥感自动化提取方法，成为获取河流断面形态的重要途径和新方向。本文系统梳理了近20年来河流断面形态提取的相关研究进展，提出并展望了适用于缺资料地区或大范围流域断面形态提取的“空—天—地”一体化观测方案，结合技术进步，探讨了方案的可行性及未来发展趋势。关键词：河流断面形态;多源遥感;“空—天—地”一体化观测;自动提取- 632
- |
- 838
- |
- 0
发布时间：2024-12-13 -
高分辨率遥感图像场景分类研究进展 AI导读
“高分辨率遥感图像场景分类技术取得新成果，为土地监测、环境保护等领域提供解决方案。”
摘要：高分辨率遥感图像场景分类作为遥感图像智能解译中的基本任务，在土地监测、环境保护等诸多领域都拥有着广泛且重要的作用。随着深度学习技术、大数据、大模型的快速发展，遥感图像场景分类取得了一系列全新的成果，并面临新的机遇与挑战。本文对遥感图像场景分类领域中的深度学习方法进行系统性研究，包括卷积神经网络、Vision Transformer、生成对抗网络等模型架构，并总结了从场景分类概念提出以来至今的具有代表性的24个数据集，基于其中的基准数据集评估了一系列经典的场景分类方法，最后讨论了遥感图像场景分类面临的主要挑战和技术发展趋势。关键词：高分辨率遥感图像;图像分类;场景分类;深度学习- 14
- |
- 2
- |
- 0
发布时间：2024-12-13 -
视频影像海滩监测技术研究进展与展望 AI导读
“在海岸带资源环境监测领域，视频影像监测技术为海滩全天候监测提供新方案，推动中国海岸动力地貌学精细化研究。”
摘要：海滩作为海岸带中一种独特的极具景观属性且易损海滨地貌形态，既是抵御海洋动力、守卫后滨生态环境的前沿阵地，又是沿海绿色经济发展的重要载体。长期以来，针对海滩的监测手段以人工现场测量为主，当前海滩研究面临多维度、高质量、长时序数据难于获取这一瓶颈问题。视频影像监测是可用于海岸过程观测和定量信息提取的光学遥感技术，为海滩全天候监测提供了新的、有效的解决方案。本文概述了岸基视频监测系统的发展历程，梳理了摄影几何与海滩关键信息提取算法的研究进展，分析了视频影像监测技术在海滩管理、海岸防护工程建设与评估、风暴潮过程观测、风沙运移过程观测等场景的适用性。在此基础上，展望了该技术的发展趋势及在中国的应用前景。探索以视频监测为代表的新型海岸带资源环境监测技术，有利于推动中国海岸动力地貌学精细化研究。关键词：视频影像;海滩监测;Argus;海滩养护;裂流;风暴潮;风沙运移- 263
- |
- 602
- |
- 0
发布时间：2024-12-13
前沿进展
- “在城市信息管理与防灾减灾领域，专家建立了高分辨率多光谱遥感影像细粒度建筑物特征集MFBFS，为建筑物结构细粒度提取研究提供数据支持。”
摘要：遥感影像建筑物信息提取对城市信息管理与防灾减灾等领域具有至关重要的作用。本文建立了一个高分辨率多光谱遥感影像细粒度建筑物特征集MFBFS。MFBFS采用国产高分二号多光谱遥感影像作为数据源，选择覆盖了总共3668 km2的中国各个灾害带的21个区县建筑物集中区域为研究区，从光谱、纹理、边缘、指数4个角度，生成了17种特征分量。MFBFS中共包含超过26万个建筑物实例，大规模的数据保证了较高的类内差异，包括尺寸、形状、颜色、角度、背景等差异，为后续泛化性模型的建立提供了数据支撑。此外，MFBFS特有地将建筑物按照结构类型分为钢及钢筋混凝土结构、砌体结构以及砖石和其他结构3种。不同结构类型的建筑物抵御灾害的能力以及可使用时间区别显著，细粒度的设计使得遥感提取建筑物任务将发挥更大的作用，尤其是灾害领域的灾前损失预测和灾后损失评估。为保证地面真实值的高度准确性，进行了严格的质量流程控制和实地考察验证工作，最终得到191GB高质量特征和标签数据。初步的深度学习实验表明了MFBFS的有效性。该特征集（下载方式：https：//github.com/WangZhenqing-RS/MFBFS［2023-12-11］）可为建筑物结构细粒度提取研究提供良好的数据支持，也可促进国产高分遥感数据应用发展。关键词：高分遥感;多光谱影像;细粒度类别;建筑物提取;特征集- 93
- |
- 108
- |
- 0
发布时间：2024-12-13 - “最新研究显示，中国沿海围填海面积急速衰减，退围还海、退围还湿措施速度突增，与国家政策执行力度增强直接相关，为海洋和海岸带管理提供数据支持。”
摘要：围填海是海岸线变迁、滨海湿地退化和近海海洋污染的重要原因，围填海管控和治理关乎国家海岸带保护和生态文明建设。目前缺少关于全国尺度围填海类型及其空间分布的高频次遥感动态监测，对于围填海治理措施在空间上还未能有效跟踪监测。基于Landsat时间序列遥感影像，采用海岸线与围填海一体化遥感动态监测方法实现了2010年—2015年、2015年—2018年和2018年—2020年3个时段中国海岸带围填海空间分布信息提取，以及相应时段退围还海与退围还湿措施空间分布信息的提取，数据成果以矢量格式存储。形成与海岸线变迁时间同步和数据基础统一的全国尺度时间序列海岸带围填海动态遥感监测成果，对于海岸线资源保护和海岸带生态环境治理效果评价意义重大。成果显示，在21世纪的第二个十年，中国沿海新增围填海的面积急速衰减，围填海增速得到了有效控制；退围还海、退围还湿措施主要表现为将养殖坑塘恢复为海涂和海面，且速度在2018年—2020年突增，这与2018年起国家对围填海管控相关政策的执行力度空前增强有直接关系。构建的海岸带围填海动态遥感监测数据集能为国家海洋和海岸带管理与科学研究提供基础数据保障，并为全球SDG 14.5的实现提供重要支持。关键词：遥感;围填海;动态;海岸带;中国- 16
- |
- 2
- |
- 0
发布时间：2024-12-13
数据集论文
-
集成多源遥感数据的屋顶光伏发电潜力评估 AI导读
“在可持续能源转型领域，专家构建了多源遥感数据和人工智能算法评估框架，为屋顶光伏潜力时空评估提供解决方案。”
摘要：屋顶太阳能光伏系统在全球可持续能源转型中扮演着越来越重要的角色；然而屋顶光伏系统的空间分布零散且规模较小，这对于进行准确和精细的区域潜力评估构成了挑战。为应对这一挑战，该研究构建了综合多源遥感数据和人工智能算法的评估框架，结合静止气象卫星影像和深度学习反演模型估算逐小时地表太阳辐射，同时利用高分辨率遥感影像和图像分割模型提取建筑物轮廓，并集成几何光学模型模拟光伏发电过程。该框架能够揭示太阳能资源禀赋时空差异，调查可用屋顶资源总量，并确定米级分辨率以及小时尺度的光伏发电量。江苏省的案例研究验证了该框架在大区域内应用的有效性，展示了其在不同地理位置和多个时间尺度的可扩展性。估算结果显示，江苏省屋顶资源可支撑236.25 GW的光伏装机容量，年发电量可达303.81 TWh，能够满足全省41.1%的社会用电量。这项研究展示了集成多源遥感观测进行屋顶光伏潜力时空评估的可能性，为推动可持续能源转型提供了有力的工具和技术支持。关键词：可再生能源;屋顶光伏;遥感图像分割;地表太阳辐射反演;碳减排- 1028
- |
- 765
- |
- 0
发布时间：2024-12-13 - “在长江中下游地区地表水体遥感监测领域，专家构建了多要素耦合和水体精细监测方法，为地表水资源管理提供技术支撑。”
摘要：全球气候变化和水土资源长期高强度利用背景下，长江中下游地区地表水体变化突显复杂性、极端性、破坏性，加剧了区域地表水资源遥感调查与可持续管理的挑战。针对区域地类复杂、结构破碎、要素特征不一致等因素带来的地表水体遥感提取难题，研究构建了面向复杂地理条件的多要素耦合和水体大范围精细监测方法。该方法通过挖掘复杂背景不同地物间的关键影像特征，发展了植被—地表水体耦合的增强型遥感水体指数。结合地形、水文、不透水面等基础地理信息数据，构建了多源地理空间数据融合的水体自动分层提取规则。利用地表水体季节变化特征，实现了水体识别频率引导的稳定水体、变化水体分类。利用提出方法和Google Earth Engine（GEE）平台，提取了长江中下游地区1984年—2020年30 m空间分辨率稳定水体与季节水体分布范围，研究并揭示了长江中下游地区地表水体时空分布及其变化趋势特征。面向大范围、长时序的地表水体遥感时序监测方法及数据成果，有助于提高对地表水时空分布、演变过程及其环境效应的认识，可为地表水资源时空调查、配置优化、统筹开发、灾害风险评估及预警提供空间数据和技术支撑。关键词：亚热带遥感;水资源;水体提取;时序分析;Google Earth Engine;长江中下游- 302
- |
- 326
- |
- 0
发布时间：2024-12-13 -
新增建设用地卫星遥感智能监测技术研究 AI导读
“本研究构建了新增建设用地卫星遥感智能监测技术框架，结合人工智能算法，提升了监测准确性和可靠性，为自然资源监测监管业务提供解决方案。”
摘要：为适应自然资源监测、土地执法督察等对高精度、高频率新增建设用地信息提取的应用需求，本研究构建了新增建设用地卫星遥感智能监测的技术框架。该框架包括“时空谱类”监测超立方体、监测底图生成、样本标注迭代、组件式AI变化检测模型构建、图斑知识筛选及精化后处理等步骤。为满足大区域、复杂场景的精准应用需求，本研究充分结合注意力机制、域适应、视觉Transformer等人工智能优势算法及网络结构，研发了组件式AI变化检测模型，以提升算法准确性和可靠性。针对自动提取图斑出现的误提取、图斑破碎、边缘不准等问题，充分利用地学知识进行业务规则约束，并研究图斑精化后处理方法。本研究通过开展新增建设用地大尺度遥感监测分区分时实验，验证了“时空谱类”监测超立方体思路的可行性；开展了AI变化检测模型组件消融实验，对比分析各算法优劣，结果表明，视觉Transformer模块在新增建设用地提取的完整性、边缘准确性、查全率方面呈现明显优势；另外，基于卫星影像督查执法部分业务数据，开展了云覆盖筛选实验，筛选出误提取图斑所占比例约0.84%，同时，采用图斑精细化后处理方法，进一步提升了监测成果的精确性、实用性。本文提出的新增建设用地卫星遥感智能监测技术方法，目前已在土地执法督查等自然资源监测监管业务中得到应用。关键词：卫星遥感;人工智能;新增建设用地;变化检测- 13
- |
- 4
- |
- 0
发布时间：2024-12-13 - “最新研究揭示了全国19个城市群建设用地扩张的时空变化特征，为优化城市群空间格局、促进区域协调发展提供科学依据。”
摘要：开展城市群建设用地扩张时空变化特征分析，对优化城市群空间格局、促进区域协调发展具有重要意义。本文以全国19个城市群为研究对象，基于1990年—2020年全国中等尺度分辨率的遥感影像数据，进行城市集中建设区提取，并从城市群扩张进程、城市群发展阶段、城市群扩张模式以及城市群重心迁移规律等方面开展了研究。结果发现：（1）近30年全国19个城市群城市规模变化曲线总体呈现“S”型，城市群扩张进程大致可分为缓慢扩张、快速扩张和平稳扩张3个时期；东部城市群进入快速扩张期比西部早10年左右；多数城市群在2015年之后进入平稳扩张期。（2）至2020年，19个城市群均处于较高级别发展阶段，内部中心城市与外围城市之间的空间扩张协调度不断提高；东部城市群整体处于更高级别的城市群发展阶段。（3）基于城市群在不同方向的扩张规模，全国19个城市群的空间扩张模式可以分为环状扩张、扇状扩张、轴状扩张，空间扩张模式与城市群内部核心城市的数量、位置和影响力密切相关。（4）从城市群重心位置变化来看，84%的城市群的重心位置在30年间相对稳定，基本位于核心城市或邻近核心城市的同一地市内，城市群的核心城市吸引力强，外围城市建设规模扩张较为平均。长时序、高精度的城市建设规模监测能够全面地反映城市群发展进程与模式，为城市群空间高质量发展规划与决策提供信息支撑与科学依据。关键词：城市群;扩张进程;扩张模式;时空特征分析- 1084
- |
- 1730
- |
- 0
发布时间：2024-12-13 - “在农业耕作领域，专家设计了基于空间注意力机制与多任务学习的地块分割模型Field-Net，提高了地块识别效率和时效性。”
摘要：地块作为农业耕作的最小单元，对其精准识别是国土资源监测、耕地利用监测的需要。现有的方法多使用手工勾绘的方式获取，耗时费力，成本高昂，并且无法实现实时、近实时更新。本文设计了一种基于空间注意力机制与多任务学习的地块分割模型—Field-Net。模型基于UNet架构，增加了空间注意力机制，并采用多任务学习的策略，在语义分割的基础上增加了边界、像素到地块边界的距离等任务。在山东省东营市利津县对模型的性能进行了测试，结果发现耕地地块识别的交并比达到了87.05%，总体精度为92.23%。Field-Net模型的性能优于几种高性能的深度学习框架，交并比较Link-Net模型高出0.26%，较DeepLab v3+高出7.59%。在空间泛化性能测试中，Field-Net模型的平均交并比Link-Net模型高出3.51%，空间泛化性能明显提升。通过消融试验发现，使用空间注意力机制的Field-Net较ResUNet模型F1-Score提高了1.01%，交并比提高了1.6%；多任务学习策略使得Field-Net模型的F1-Score提高了0.18%，交并比提高了0.21%；将模型权重特征进行可视化后发现空间注意力机制模块和多任务学习策略可以使模型学习到的特征更加聚集于地块边界和地块内部，使学习到的特征更具代表性。总体而言，Field-Net模型可以支撑地块级别国土资源和耕地非农化、非粮化利用监测，从而提高监测的效率和时效性。关键词：地块分割;Field-Net模型;空间注意力机制;多任务学习;高分卫星数据- 386
- |
- 478
- |
- 0
发布时间：2024-12-13 - “在农业资源调查领域，专家提出了多尺度时空全局注意力模型MSSTGAM，有效提高了遥感影像时间序列农作物分类精度。”
摘要：利用遥感影像时间序列进行自动化智能解译农作物精细类型，在农业资源调查、监管和规划等领域有着重要的作用。目前已有的深度学习方法通过卷积或循环网络获取遥感时序中局部的时序、空间信息，缺乏对遥感影像时间序列中时空信息的充分利用，导致分类精度不高。近年来，视觉自注意力机制在计算机视觉领域取得重要突破，自注意力机制是一种能够通过获取全局特征来充分挖掘数据信息的方法。基于此，本文提出了一种多尺度时空全局注意力模型MSSTGAM（Multi-Scale Spatial-Temporal Global-Attention Model），该模型采用空间自注意力机制和时序自注意力机制相结合以构建多尺度的时空全局注意力，从而充分挖掘遥感影像时间序列中的信息用于农作物精细分类。本研究将该模型在公开数据集PASTIS和自制Mississippi数据集上进行了检验和评估，实验结果表明：本文提出的MSSTGAM能够有效地进行遥感影像时间序列的农作物分类；与其他方法相比定量分类精度最优，分别取得83.4%和86.7%的总体分类精度，地块内的可视化结果在空间一致性上更好。本研究提出的多尺度时空全局注意力模型MSSTGAM对遥感影像时间序列的农作物精细分类具有重要的理论和应用价值。关键词：遥感影像时间序列;农作物分类;自注意力机制;全局注意力;时空多尺度- 334
- |
- 307
- |
- 0
发布时间：2024-12-13 -
作物遥感分类的样本依赖与模型空间外推研究 AI导读
“在农业遥感领域，专家探索了样本量对作物分类效果的影响及模型空间外推可行性，为大尺度区域作物遥感精准分类提供高效经济方法。”
摘要：降低对样本数量的依赖度，实现大区域、复杂作物类型的遥感监测识别是农业遥感的重要研究内容。本研究以黑龙江省产粮大市绥化市为例，采用监督分类方法，深入探索了样本量对作物分类效果的影响以及小区域尺度（如北林区）训练的监督分类模型空间外推至大区域尺度的可行性。研究发现：采用玉米播种至抽穗期中期的Sentinel-2时序遥感影像，在优化随机森林模型参数的基础上，当训练的样本量从10%逐步递增至50%时，即玉米、水稻和大豆的训练样本各为130个左右，就能提取北林区作物的空间分布，整体分类精度为94.6%；当样本量进一步增加时，模型的整体分类精度保持平稳，并不会进一步增长。因为水稻在育秧期—淹水期的陆表水体等光谱指数与玉米、大豆的存在显著差异，采用玉米播种至拔节期前期的Sentinel-2遥感影像，即可实现北林区高精度的作物遥感识别；当时间从玉米拔节期前期延长至抽穗中期，作物的总体分类精度仅有微小的提升。此外，作物空间分布和概率分布图表明，将北林区训练的最优模型外推至整个绥化市时，能取得与用绥化市采集的样本直接训练的模型得到相似的分类效果，整体分类精度为93.7%，仅比后者低1.3个百分点。距离、样本的空间代表性和数量、小区域和目标拓展区的作物种植结构的相似性是影响模型空间外推效果的关键因子。不同的作物对距离的敏感程度不同，由于水稻的水体指数、短波红外1等波段与其他作物的显著差异，水稻的分类效果对距离的变化并不敏感，而玉米和大豆的分类效果则随着外推距离的增长，总体上呈现下降的变化趋势。在源区域和目标拓展区作物种植结构相似的前提下，小区域的作物分类模型构建，需要同步兼顾样本的空间代表性和数量，才能取得较好的模型空间外推效果。本研究可为大尺度区域作物的遥感精准分类提供高效与经济的方法，为作物分类样本的采集与抽样策略的制定、分类时相、敏感波段的选择提供了科学依据。关键词：作物分类;样本依赖;模型外推;随机森林;谷歌地球引擎- 192
- |
- 205
- |
- 0
发布时间：2024-12-13
资源智能遥感
-
高分辨率遥感生态指数构建及应用 AI导读
“最新研究突破了遥感生态指数RSEI在高分辨率应用的限制，通过多分辨率波段融合技术，构建了高分辨率遥感生态指数HRSEI，为生态环境质量评估提供新方案。”
摘要：遥感生态指数RSEI（Remote Sensing Ecological Index）是目前使用最多的生态环境质量评估模型。由于高分辨率遥感影像普遍缺少RSEI计算涉及到的短波红外和热红外波段，使得RSEI在高空间分辨率生态环境质量评价应用中受到限制。为解决遥感影像波段与RSEI计算所需波段不匹配的问题，本文采用多分辨率波段融合技术，拟合生成高分辨率的短波红外波段和地表温度，基于RSEI原理构建了高分辨率遥感生态指数HRSEI（High-resolution Remote Sensing Ecological Index）并应用本研究提出的方法对河南省范县黄河滩区进行生态环境质量的实测验证。结果表明：多分辨率波段融合技术可以有效弥补高分影像波段较少的劣势，突破了RSEI在精细尺度应用的限制性，拓展了高分辨率遥感数据的应用场景；4 m高分二号（GF-2）数据生成的HRSEI所呈现的信息丰度明显高于30 m Landsat 8数据生成的RSEI；2016年和2023年HRSEI实测结果发现，范县生态环境质量总体向好，环境质量恶化区域多集中于黄河滩区农村居民地迁建区域，旧村拆除后未及时复垦是该区域生态环境质量下降的重要因素。关键词：高分辨率;遥感生态指数;生态环境质量;RSEI;波段融合- 249
- |
- 670
- |
- 0
发布时间：2024-12-13 - “在植被物候研究领域，专家基于Google Earth Engine平台，利用ESTARFM算法融合Landsat 8影像与MODIS产品，生成高时间分辨率EVI序列，验证了其在物候监测能力上相比MODIS数据的提升效果，并探讨了影响融合效果的因素，为精细化的植被动态监测和生态系统研究提供理论支撑和数据参考。”
摘要：高成本与有限范围的实地监测已经无法满足植被物候研究的要求，而遥感物候监测方式又经常受到卫星传感器的时空分辨率等限制，这些局限使得图像融合成为高精度植被物候反演的关键。本研究基于Google Earth Engine（GEE）平台，以4个PhenoCam物候相机所观测的水稻、落叶林、玉米和灌木为研究对象，利用ESTARFM（Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）算法融合Landsat 8影像与MODIS产品，生成了2018年1 d、3 d、5 d、7 d、9 d、11 d的30 m遥感EVI时间序列，并采用Savitzky-Golay滤波和Maximum Separation方法提取生长季开始期SOS（Start of Season）、结束期EOS（End of Season）、生长季长度LOS（Length of Season）等物候信息。我们发现：（1）与实测物候对比，整体上呈现时间分辨率越高，物候误差越低的趋势，且当时间分辨率小于7 d时，融合物候的误差基本处在同一水平；（2）融合影像与Landsat 8影像的空间特征基本一致，空间效率SPAEF（Spatial Efficiency）指标为0.14—0.74，其中水稻、灌木与实际的空间一致性偏低；（3）融合结果与实地观测到的时间变化趋势吻合（RMSE：0.01—0.02，r：0.73—0.95），可以反演出较为准确的物候参数，SOS、EOS、LOS的平均误差为4.25 d、4.75 d、7.5 d；（4）与MODIS物候反演结果相比，非农用地（落叶林和灌木）的物候参数误差缩小较为明显，而农业用地（水稻和玉米）的提升效果相对较小。本研究从空间和时间维度验证了ESTARFM算法生成的高时间分辨率EVI序列的可靠性，评估了其在物候监测能力上相比MODIS数据的提升效果，并探讨了影响融合效果的因素，可为精细化的植被动态监测和生态系统研究提供理论支撑和数据参考。关键词：植被物候;ESTARFM;Maximum Separation方法;PhenoCam;Google Earthe Engine（GEE）- 437
- |
- 349
- |
- 0
发布时间：2024-12-13 - “最新研究利用遥感技术，开发自适应地形卷积算法，有效提高高山松碳储量估测精度。”
摘要：借助遥感技术准确估测森林碳储量对于森林生态系统的保护和可持续发展具有重要意义。由于遥感时间序列数据存在大量的噪声，因此，为了提高森林碳储量的估测精度，有必要开发一种滤波算法，以减少高海拔地区Landsat时间序列数据噪声的干扰。基于1987年、1992年、1997年、2002年、2007年、2012年、2017年云南省香格里拉市国家森林资源连续清查固定样地的数据以及1987年—2017年的Landsat时间序列影像，本研究利用Python开发了自适应地形卷积ATC（Adaptive Topography Convolution）算法，该算法考虑到地形因素对于图像质量的影响，在尽可能保留图像细节的情况下去除图像的噪声，并使用Savitzky-Golay滤波、中值滤波对Landsat时间序列数据进行滤波。应用随机森林回归算法RFR（Random Forest Regression）构建香格里拉市高山松碳储量估测模型，选择最优估测模型对香格里拉市高山松碳储量进行反演制图。结果表明：（1）从图像的质量评价指标平均绝对误差MAE（Mean Absolute Error）来看，经过ATC算法滤波后的图像质量最好；（2）在使用RFR方法的情况下，滤波后的数据均表现出比原始数据更高的估测精度；（3）在使用RFR方法的情况下，基于贡献度前10的特征因子和累积贡献度达到70%的特征因子建模时，经过ATC算法滤波后的时间序列数据均表现出了最优的估测精度；（4）基于ATC算法和贡献度前10的特征因子对高山松碳储量的建模效果最优，其决定系数R2为0.867、均方根误差RMSE为15.527/（t/hm2）、预测精度P为73.54%、相对均方根误差rRMSE为41.14%；（5）基于最优估测模型的高山松碳储量反演结果分别为：677万t（1987年）、716万t（1992年）、722万t（1997年）、436万t（2002年）、720万t（2007年）、711万t（2012年）、753万t（2017年）。综上，使用ATC滤波算法能够有效去除高海拔地区时间序列影像中的噪声，从而降低时间序列影像的不确定性，提高了高山松碳储量遥感估测精度。关键词：Landsat时间序列;滤波;高山松;碳储量;ATC- 207
- |
- 129
- |
- 0
发布时间：2024-12-13 - “在高分辨率遥感影像建筑物提取领域，ILGS-Net模型结合CNN与Transformer，实现了局部细节特征与全局上下文特征的高效融合，提高了建筑物边界定位精度。”
摘要：卷积神经网络CNN（Convolutional Neural Network）和Transformer已被广泛应用于高分辨率遥感影像的建筑物提取任务。然而，CNN在建模长距离空间依赖时仍存在挑战，导致提取的建筑物存在内部空洞问题；而Transformer在捕捉空间局部细节特征上存在不足，容易导致建筑物边缘模糊及小型建筑物的漏检。为解决上述问题，本文提出了一种新型的双流网络模型用于高分辨率遥感影像的建筑物提取，名为ILGS-Net（Network for the Integration of Local and Global Features Stream）。该模型将CNN与Transformer相结合，采用多层级的局部—全局特征融合模块，实现了对建筑物的局部细节特征与全局上下文特征的高效融合。同时，在目标函数中引入边缘损失函数约束模型训练，提高了建筑物边界的定位精度。在3个高分辨率建筑物数据集上的实验结果显示，所提出方法的交并比均高于本文所对比的最佳方法，平均提高了1%。关键词：建筑物提取;深度学习;双流网络;边缘损失;局部和全局特征融合- 658
- |
- 597
- |
- 0
发布时间：2024-12-13 -
复杂城市环境下的资源三号遥感影像绿地提取 AI导读
“记者从最新研究中获悉，一种新的资源三号遥感影像绿地提取方法被提出，有效提高了城市绿地提取的精确度和效率。”
摘要：城市绿地是城市生态系统的重要组成部分，具有生态、景观、文化、健康等多重作用，准确获取城市绿地空间分布能够为城市可持续发展提供科学依据和支持。利用资源三号遥感影像及归一化植被指数提取城市绿地，存在水体、蓝顶建筑、建筑物阴影等城市背景地物对绿地提取造成干扰的问题。为此，提出一种复杂城市环境下的资源三号遥感影像绿地提取方法。该方法提出抗低亮度像元干扰的绿地提取特征，并在HSI（Hue-Saturation-Intensity）颜色空间中设计对象级阴影提取特征，进而在阴影内外部计算不同绿地提取特征并进行阈值分割，实现城市绿地遥感提取。以南京、武汉、乌鲁木齐、沈阳等10个城市为研究区进行精度评价，结果表明：（1）使用本文方法提取城市绿地的整体精确率、召回率、F1值和交并比依次为93.28%、92.60%、92.91%和86.76%；（2）抗低亮度像元干扰的绿地提取特征性能优于RVI、NDVI、DVI，与Deeplab V3+、Segformer、UPerNet等相关模型相比，提出方法整体上有较优异的性能表现，并且提取精度优于典型城市绿地遥感制图产品UGS-1 m（Urban Green Space-1 m）；（3）从局部提取细节来看，提出方法能够有效区分绿地与水体及蓝顶建筑，并对建筑阴影区内部植被具备提取效果。本文提出方法对于利用资源三号遥感影像快速高效地开展城市绿地空间业务化遥感监测具有重要意义。关键词：城市绿地;高分遥感影像;资源三号;归一化植被指数;阴影提取- 13
- |
- 2
- |
- 0
发布时间：2024-12-13 - “在水质监测领域，专家提出了基于LBFGS-MLP模型的非光学特性水质参数反演研究，为评估城市河流水体状况提供理论依据。”
摘要：高光谱遥感在水质监测方面具有巨大潜力，目前多集中在光学特性水质参数定量反演研究，而对同样能够反映人类活动对水体影响的非光学水质参数的研究相对较少。基于此，本文选择广东省某城中村河流作为研究区，开展了无人机高光谱遥感同步水体样本数据采集实验，提出了一种基于LBFGS加速多层感知网络模型（LBFGS-MLP）对城市河流的非光学特性水质参数进行反演研究。首先，通过Pearson相关分析筛选出总磷、总氮、氨氮3种非光学特性水质参数的相关波段作为模型输入；然后，在探究不同网络层数和优化算法对模型性能影响的基础上，基于LBFGS优化算法对多层感知网络进行加速；最后，利用构建的LBFGS-MLP模型应用于研究区水体的非光学特性水质参数浓度空间分析。总体而言，在总磷、总氮和氨氮3种非光学特性水质参数浓度的训练数据集和测试数据集上，提出的LBFGS-MLP模型反演精度明显优于随机森林、CatBoost和XGBoost模型，尤其在总氮和氨氮浓度的反演上；模型的决定系数（R2）分别为0.71、0.82和0.72，平均绝对误差（MAE）分别为0.0118 mg/L、0.0394 mg/L和0.0601 mg/L；研究区内总磷浓度主要分布在0.1—0.3 mg/L之间，总氮浓度在2—5 mg/L之间，氨氮浓度在0.1—0.4 mg/L之间，与调查结果一致。通过本文的研究，验证了多层感知网络在非光学特性水质参数反演的有效性和可行性，可为更全面地评估城市河流水体状况提供理论依据和参考。关键词：非光学水质参数;机器学习;高光谱遥感;浓度反演- 137
- |
- 129
- |
- 0
发布时间：2024-12-13
生态环境智能遥感
- “最新研究揭示了2001至2021年四川省森林草原火灾的时空特征，为火灾预警防控提供科学依据。”
摘要：近年来，四川省冬春季森林草原火灾频发，对当地生态、百姓和消防人员的生命财产安全造成巨大威胁。本研究旨在基于多源遥感观测数据探究2001年—2021年四川省森林草原火灾的时空特征，服务于该区域未来火灾预警防控等需求。该研究基于MCD64A1、Fire_CCI51和MCD14ML等多源遥感数据提取研究区域有效火点数据，运用地理信息系统探究森林草原火灾时序趋势及空间分布，并采用数理统计、自适应模糊神经网络两种方式探究气象、可燃物和地形等影响因子与火灾的相关性。结果显示，该区域2001年—2014年火灾频率及过火面积呈上升趋势，1—5月为火灾高发期；火灾空间分布具有异质性，主要集中于四川省西南部，而近期东北部的草原火灾明显增加；森林火灾发生与可燃物含水率的相关性较高，草原火灾发生与相对湿度的相关性较高，同时推测人为因素对草原火灾的诱发存在较大影响。该项研究基于多源遥感观测数据对2001年—2021年四川省森林草原火灾时空特征进行了定性与定量的分析，为该区域森林草原火灾防控预警等需求提供有效先验信息。关键词：遥感;四川省;MCD64A1;Fire_CCI51;MCD14ML;森林草原火灾;空间分布;时间趋势;时空特征- 489
- |
- 538
- |
- 0
发布时间：2024-12-13 - “据最新研究，云南省红河州冰雹灾害时空分布特征与规律被揭示，专家提出多级格网冰雹灾害遥感监测模型，为农业防雹提供解决方案。”
摘要：1961年以来云南省红河哈尼族彝族自治州（红河州）冰雹灾害频发，对当地农业生产造成了重大损失。当前基于气象台站数据采用统计分析方法获得的县市、站点尺度雹灾分布数据无法满足农业防雹需求，少数冰雹灾害监测遥感方法受限于遥感数据源单一及针对全局分析的特点，在山区缺乏适用性。为掌握红河州冰雹灾害发生的时空分布特征与规律，本文选用2009年—2022年红河州防雹点冰雹灾害记录，研究基于Ross-Li与STARFM的多源遥感卫星影像时空融合方法，提出多级格网冰雹灾害遥感监测模型与冰雹灾害识别指数RNDVI_M进行雹灾区遥感监测，并采用空间叠加分析与空间相关分析，在耕地地块级别定量分析了不同地貌类型、地形起伏度、坡度、地形类型等冰雹灾害频次，构建冰雹易发性评估模型计算气候、气象、地形、地貌等自然条件造成冰雹灾害易发区空间分布特征。验证结果表明应用该模型的冰雹灾害遥感监测结果最大相对误差为9.08%，平均误差为5.62%，标准偏差为1.66%，山区冰雹灾害空间分布与海拔相关性显著，与坡度、起伏度具有中等相关性，河谷、山谷沿线的耕地更易受雹灾影响。因此，本研提出的多层次格网模型参数自适应的方式，提高了模型适应性，将冰雹灾害监测精度与风险评估精度提高到耕地地块尺度。关键词：冰雹灾害;冰雹遥感识别指数RNDVI_M;冰雹灾害遥感监测;冰雹灾害时空分布;红河州- 873
- |
- 213
- |
- 0
发布时间：2024-12-13 -
考虑季节性特征的矿区地面沉降时空预测 AI导读
“在矿区地面沉降预测领域，专家提出了SFF-PredRNN模型，为矿区沉降灾害防治提供有效数据支撑。”
摘要：矿区过度开采会造成严重的地面沉降，而且这类沉降常常伴随着大范围、不均匀的特点，对矿区的生产生活产生了巨大的威胁，因此，精准的地面沉降预测对于矿区沉降灾害的防治具有重要意义。针对传统的时序预测模型存在时空信息捕捉能力差、时空特征学习不充分的问题，本文将时序分解策略与深度学习网络模型相结合，基于地面沉降时序位移在时间维度上的特性提出考虑季节性位移特征的Seasonal-Feature-Focused PredRNN（SFF-PredRNN）模型。本文选取新密市的米村煤矿作为研究区，通过小基线集干涉技术算法获得了研究区2018年—2021年的地面沉降信息，在此基础上构建了地面沉降时序数据集，利用构建的SSF-PredRNN模型对研究区地面沉降进行时空预测，并通过平均绝对误差（MAE）、均方根误差（RMSE）、峰值信噪比（PSNR）以及结构相似性指数（SSIM）进行模型的精度评价。验证结果证明，与CNN-LSTM、ConvLSTM以及PredRNN模型相比，本文提出的SFF-PredRNN模型在各项指标中均有最好的表现，表明本研究可为矿区的地面沉降灾害的预防预治提供有效的数据支撑。关键词：InSAR;地面沉降;时空预测;季节性;SFF-PredRNN- 95
- |
- 108
- |
- 0
发布时间：2024-12-13 - “新密市地面沉降预测研究取得进展，专家构建TSC-LSTM模型，为城市地面沉降研究提供支持。”
摘要：地面沉降预测对于城市地面沉降模式的深入分析和早期预警具有重要的指导意义。传统的数值预测模型难于捕捉地面沉降数据复杂特征，导致预测结果的准确性不高。为了解决该问题，本研究基于小基线集合成孔径雷达差分干涉测量方法SBAS—InSAR（Small Baseline Subset Interferometric Synthetic Aperture Radar）获取的2018年—2022年新密市地面沉降信息，在此基础上构建了结合趋势和季节特征长短时记忆网络的地面沉降预测模型TSC—LSTM（Trend Seasonal Characteristics—LSTM），该模型联合基于加权回归季节趋势分解（STL）在沉降数据时序特征提取方面的优越性和长短期记忆模型（LSTM）在时序预测方面对梯度消失问题的处理优势，实现对地面沉降数据更准确的预测。首先划分出该城市的沉降中心，再将该城市不同沉降中心区域的地面沉降数据分解为具有各自特征的子序列再分别进行预测，并与深度学习模型和传统机器学习模型进行对比分析。结果表明：（1）新密市2018年—2022年的地面沉降速率为-60.3—51.96 mm/a，共形成5个地面沉降中心区域。其中，最大累计沉降和最大累积隆起分别为304.9 mm和197.68 mm。（2）本研究提出的TSC—LSTM模型在5个沉降中心区域的预测中表现出色，TSC—LSTM模型的R²值范围为0.9985—0.9992，明显高于次优模型LSTM的0.9662—0.9872。TSC—LSTM模型预测精度的RMSE值<2 mm，达到了1.2426—1.7403 mm。（3）单点预测结果表明，TSC—LSTM模型能够更精确的把握累积沉降数据中的局部变化趋势。因此，本研究提出的方法能为城市地面沉降的深入研究提供有力支持。关键词：地面沉降预测;TSC—LSTM模型;SBAS—InSAR;累积沉降数据分解;新密市;LSTM- 344
- |
- 307
- |
- 0
发布时间：2024-12-13
防灾减灾智能遥感
- 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