最新刊期
2024 年 第 28 卷 2 期
-
摘要：利用遥感影像识别土地利用类型及监测其变化情况在城市规划和土地利用优化等领域发挥着重要作用。当前，相关数据集存在样本量少、类别划分不合理、数据不开源等局限，难以满足样本驱动的深度学习遥感信息提取范式的需求。本文构建了一个面向深度学习的大规模场景分类与变化检测数据集MtSCCD（Multi-temporal Scene Classification and Change Detection）。该数据集包括MtSCCD_LUSC（MtSCCD Land Use Scene Classification）和MtSCCD_LUCD（MtSCCD Land Use Change Detection）两个子数据集，分别用于土地利用场景分类与变化检测任务。该数据集具有以下特点：（1）MtSCCD是目前规模最大的公开的土地利用类型识别与检测数据集，包含10种土地利用类型共65548幅图像，并且样本覆盖中国5个城市的中心区域；（2）由于MtSCCD数据集根据城市划分训练集、验证集以及测试集，对于新增的城市土地利用数据，可以根据需求划分为训练集与验证集或测试集，因此可扩展性较高；（3）MtSCCD数据集中测试集与训练集的样本来自不同的城市，因此符合实际业务需求，且能够验证模型的泛化性能。基于MtSCCD_LUSC和MtSCCD_LUCD两个子数据集，本文评估了多个深度学习网络的分类与变化检测效果，为后续的相关研究提供了参考。关键词：土地利用;场景分类;变化检测;数据集;信息提取;特征提取;深度学习;卷积神经网络- 1368
- |
- 722
- |
- 0
发布时间：2024-03-22 -
摘要：样本数据是开展湿地制图的研究基础之一，对于数据生产和精度验证具有重要作用。针对湿地生态系统类型多样，大区域的全湿地类型样本生产困难的问题，本研究提出了一种准确、高效的大区域密集湿地样本生产框架。该框架主要包括两部分：首先，基于已有的湿地数据产品，使用规则筛选的方法直接生产稳定的湿地样本点，能够得到河流、湖泊、水库、滨海木本沼泽（红树林）、滩涂的5种湿地类型样本点；其次，基于多源专题数据进行规则筛选，生产潜在湿地样本点，并利用Google Earth Engine大数据云平台、Google Earth平台和Collect Earth平台进行目视解译，以确定潜在湿地样本点的类型属性。本文开展大洲尺度的全湿地类型样本生产，结果表明：本研究共生产了150688个湿地样本点，其中内陆湿地样本点为121412个，滨海湿地样本点为11563个，人工湿地样本点为17693个。13种湿地类型中，湖泊样本点占比最大（39.22%），潟湖样本点占比最小（0.19%）。本文生产了稳定、高质量的湿地样本点，样本数量充足，空间分布合理，能够为湿地分类器的训练和分类结果精度验证提供可靠的数据基础。关键词：遥感，湿地，样本生产，多源专题数据，目视解译，Google;Earth;Engine，Google;Earth，Collect;Earth- 1377
- |
- 370
- |
- 0
发布时间：2024-03-22
数据集论文
-
摘要：洪涝灾害对中国沿湖沿江地带的国家经济和人民财产威胁巨大。针对洪涝灾害期间光学影像质量低，单幅SAR（Synthetic Aperture Radar）影像水体提取多依赖经验阈值且可靠性不足等问题，本文提出了一种适应复杂区域的时序SAR影像洪水监测方法。为获取完整的洪水淹没区域，首先结合影像序列的统计分析结果，设计了两个归一化差异指数——突出临时洪水的淹没范围提取指数SREI（Submerged Range Extraction Index）和突出矮植被覆盖的植被区淹没范围提取指数SRVEI（Submerged Range in Vegetation area Extraction Index）；然后，根据同一区域植被季候性分布较为稳定的前提，给出了阈值的自适应选取方式；最后，考虑中国湖泊周围地物特点，构建了适应的后处理过程，优化提取区域，形成了洪水淹没区域提取与监测的详细流程和通用框架。本文以东洞庭湖流域为主要研究区域验证了方法的提取精度，并在此基础上进行了2020年东洞庭湖流域洪涝灾害态势分析和洪水淹没地物分析，展示了方法在洪涝灾害监测评估上的应用性能。另外，本文还将该方法应用于东洞庭湖流域往年数据，进行了汛期洪水淹没范围年际分析，并添加了同年鄱阳湖洪水淹没区域的实验，验证了方法时空应用的稳定性。相关实验结果表明，本文方法对洪水淹没区域的提取精度高，用户依赖性低，可跨越时空地应用于不同洪水淹没区域监测场景，且可以初步区分不同属性的洪水淹没范围，能够为本文涉及区域及其他区域的洪涝灾害监测、评估和预警提供一定的参考。关键词：洪涝灾害;合成孔径雷达;时序监测;水文遥感;SAR;洞庭湖- 3565
- |
- 624
- |
- 0
发布时间：2024-03-22 -
摘要：叶面积指数LAI（Leaf Area Index）是表征植被生长状态的一个重要的冠层结构参数。MODIS LAI产品是全球常用的遥感LAI产品之一。然而，由于地表异质性、数据质量、模型精度等多方面的差异，MODIS LAI产品质量各有不同。基于无线传感器网络的LAINet仪器可以自动获取时间频率更密集的LAI实测数据，为验证卫星遥感LAI产品质量提供了有力支持。本文基于2018年和2019年黑河中游时间序列地面实测LAI数据与高空间分辨率卫星遥感植被指数数据，建立经验回归模型。将该模型反演高空间分辨率卫星遥感LAI作为参考LAI真值，对MODIS LAI产品进行了精度验证与稳定性评价，分析了MODIS LAI与LAINet地面测量的差异原因。结果表明：与Landsat 8参考真值相比，MODIS LAI生长季的质量（RMSE2018=1.17，RMSE2019=1.14）优于衰落季（RMSE2018=1.39，RMSE2019=1.84），MODIS LAI总体低估，尤其是生长季后期。时间序列上，MODIS LAI产品能够刻画植被生长和凋落的季节特征，但生长前期波动性要强于后期。与LAINet观测方式的差异是MODIS LAI低估的主要原因，即遥感传感器从太空平台向下观测，LAI值在生长季后期受到叶绿素降低的影响，而LAINet仪器从冠层下向上观测，主要受到冠层间隙率的影响，因此对叶片内色素变化不敏感。对MODIS LAI产品的精度验证与稳定性评价结果表明，可以利用地面实测数据和卫星遥感数据反演时间序列LAI，但是，在使用类似玉米作物的生长季后期数据的时候，需要考虑到MODIS LAI与LAINet LAI观测对象与算法原理的差异。本研究可为MODIS LAI产品的使用者和算法研究者提供参考。关键词：MODIS;叶面积指数;LAINet;精度验证;稳定性评价- 833
- |
- 167
- |
- 0
发布时间：2024-03-22 -
摘要：利用遥感技术获取过火区信息对生态环境监测具有重要意义，其中高分辨率数据更适合提取小范围过火区。目前已有多种利用国外火点产品结合遥感影像提取过火区的研究。为了增强国产遥感数据火情监测能力，提高小范围过火区的提取效率和精度，基于过火前后2幅GF-1 WFV影像和多时相FY-3D MERSI火点产品开展过火区提取研究。2处研究区分别位于四川省凉山彝族自治州木里藏族自治县和西昌市。首先根据火点与过火区形成的关系，结合火点的时间、空间和光谱特征，筛选并扩充火点像元，确定过火区粗略范围；然后确定每种地表类型的分割阈值，分类过火像元和非过火像元；最后剔除周边小斑块，得到过火区提取结果。以人机交互方式获得的过火区参考真值作验证，并与神经网络分类法提取过火区的结果作对比。结果表明本文方法的过火区提取结果精度要明显高于神经网络分类法，Kappa系数达到0.82。该方法可以充分结合GF-1 WFV影像和FY-3D MERSI火点产品数据的优势，降低样本像元选择时间成本和不确定性，快速准确地提取小范围过火区。未来可考虑通过选择更高精度的火点产品，结合实地考察验证对该方法改进完善。关键词：遥感;过火区;火点监测产品;FY-3D MERSI;GF-1 WFV;NDVI;阈值分割- 793
- |
- 177
- |
- 0
发布时间：2024-03-22
生态与环境
-
摘要：与高光谱热红外数据相比，超光谱热红外数据中包含了臭氧（O3）和甲烷（CH4）在大气垂直剖面上更多的状态信息，为提升O3和CH4廓线的反演精度提供了可能。然而，超光谱热红外数据通道之间的间隔较窄，这在给数据引入一些特有可反演信息的同时还引入了大量的相似信息，这些特征均无法被现有的基于高光谱热红外数据的通道选择方法识别。为了保证超光谱热红外数据反演O3和CH4廓线的效率和精度，我们提出了一种基于大气灵敏度和雅可比剖面的通道优选方法（OWSP法）。该方法首先通过分析通道对不同气体的灵敏度情况，优选出受其他气体干扰较小的通道为初选通道；其次，深度分析通道雅可比特征后提出了优化雅可比矩阵的策略，具体为将通道雅可比量化为表征通道信息容量的因素，并采用迭代的方法获取最终的通道选择结果。本文将OWSP方法应用在阿拉善、北京—天津、长江三角洲和珠江三角洲4个典型地区的冬夏季大气条件下，与常用的最佳灵敏度法（OSP法）相比，OWSP方法所选的通道集合中冗余信息少，同时也可以识别一些具有特殊有效信息但灵敏度相对较低且受其他干扰因素干扰较大的通道。反演结果进一步表明，在多数情况下，OWSP方法可以有效提升廓线的反演精度，O3廓线的平均反演精度提高了9.30%，CH4廓线的平均反演精度提高了4.90%。本文能为中国超光谱热红外载荷开发以及数据应用提供必要的技术支撑，具有重要的理论和应用价值。关键词：遥感;热红外数据;超光谱;通道选择;雅可比;气体敏感性;O3和CH4廓线反演- 652
- |
- 137
- |
- 0
发布时间：2024-03-22 -
摘要：遥感降水具备大尺度、近实时、高精度等优点，现已被广泛应用于流域水资源评估和生态环境保护的研究。但遥感降水产品众多，性能差异较大，不同产品在特定流域的适用性需要进行综合评估。本研究以渭河流域的4个子流域为研究区，以国家气象局（CMA）逐日降水格点数据集为标准，借助ABCD水文模型，评估了5种典型的遥感降水产品（CHIRPS v2.0，CMORPH v1.0，PERSIANN-CDR，TRMM，MSWEP v2.0）对降水等级和水文过程模拟的性能。（1）在捕捉降水的时空变化格局方面，TRMM产品表现出较好的性能；（2）在基本统计指标和分类统计指标方面，多源集成产品MSWEP明显优于其他4种产品；但各遥感产品对中雨和大雨，尤其是大雨的预测效果欠佳；（3）在径流模拟方面，以TRMM降水作为输入时，ABCD模型模拟径流的效果明显优于其他遥感产品，其NSE在渭河上游、泾河上游、马莲河和北洛河分别达到了0.66、0.46、0.56和0.55。TRMM产品在捕捉降水空间格局和径流模拟方面优越，而MSWEP的统计性能较为优越。本文的研究结果，可为半干旱半湿润区域水文和气象等应用研究，在遥感降水数据源的选择方面提供科学参考依据，还可为黄河流域生态保护和高质量发展提供数据支撑。关键词：遥感降水;渭河流域;ABCD模型;性能评估;MSWEP- 813
- |
- 220
- |
- 0
发布时间：2024-03-22 -
摘要：卫星遥感降水产品是当前获取大范围、连续性降水观测的主要来源，但目前已有的卫星遥感降水产品空间分辨率粗糙，且存在一定的系统偏差。为此，本文充分考虑高分辨率环境变量（包括地形、NDVI、地表温度、经纬度）对降水影响以及邻近遥感降水（站点）空间相关性，构建了一种双阶段空间随机森林SRF（Spatial Random Forest）方法（SRF-SRF）。以四川省2015年—2019年GPM（Global Precipitation Measurement Mission）月降水数据为例，借助SRF-SRF对其质量提升，并将计算结果与现有7种方法比较，包括地理加权回归（GWR）、反向传播神经网络（BPNN）、随机森林（RF）、站点降水Kriging插值（Kriging）、经SRF降尺度后的地理差异分析校正（SRF-GDA）、经双线性插值降尺度后的SRF校正（Bi-SRF）以及年降水经SRF降尺度后按月比例分解并利用SRF校正（SRFdis）等。实验分析表明：（1）在月尺度上，与原始GPM相比，SRF-SRF的平均绝对误差（MAE）降低了19.51%，中误差（RMSE）降低了16.35%，而且精度优于其他方法；在季尺度上，SRF-SRF在冬季误差最小，在夏季误差最大，但其计算精度均优于其他方法；在年尺度上，基于SRF的4种方法（包括SRF-SRF、SRF-GDA、Bi-SRF和SRFdis）优于GWR、BPNN、RF，并且SRF-SRF计算精度优于单阶段的Bi-SRF和SRF-GDA。（2）SRF-SRF降水产品空间分布连续性较好，且局部降水细节得到明显提升。（3）借助RF对各自变量重要性分析得出，降水空间相关性对卫星遥感降水质量提升具有重要作用。（4）基于月尺度的SRF-SRF融合校正效果优于基于年尺度的SRFdis，表明NDVI可用于该区域月尺度降水质量提升。关键词：遥感;降水;降尺度;点面融合;随机森林;GPM;机器学习- 1080
- |
- 206
- |
- 0
发布时间：2024-03-13 -
摘要：潮位是保证沿海安全、监测海洋气候、维持高程基准的重要参数。近年来基于地基Global Navigation Satellite Systems（GNSS）反射信号的遥感方法被证实可以用于潮位监测。相较于传统的潮位测量方法，GNSS-multipath reflectometry（GNSS-MR）技术有成本低、连续跟踪、全天候等优势；但是目前技术的精度不高、时间分辨率较低。通过获取更多GNSS卫星系统的观测数据可以提高潮位监测结果的时间分辨率，本文利用GPS、GLONASS、Galileo和BeiDou的观测数据，采用基于IGGIII模型的稳健回归方法对四系统的潮位反演数据进行融合研究。测站选取BRST站和HKQT站，这两个测站均可接收四系统数据；实验结果表明，利用多模多频GNSS-MR进行潮位反演，二个测站的反演精度分别优于13 cm和8 cm，相比于单系统单频精度有40%—70%的提升，而且能够大大提高时间分辨率。关键词：遥感;GNSS-MR;潮位反演;多模多频;稳健回归;IGGIII- 820
- |
- 275
- |
- 0
发布时间：2024-03-22
大气与海洋
-
摘要：建筑物变化检测在城市环境监测、土地规划管理和违章违规建筑识别等应用中具有重要作用。针对传统孪生神经网络在影像变化检测中存在的检测边界与实际边界吻合度低的问题，本文结合面向对象图像分析技术，提出一种基于面向对象孪生神经网络（Obj-SiamNet）的高分辨率遥感影像变化检测方法，利用模糊集理论自动融合多尺度变化检测结果，并通过生成对抗网络实现训练样本迁移。该方法应用在高分二号和高分七号高分辨率卫星影像中，并与基于时空自注意力的变化检测模型（STANet）、视觉变化检测网络（ChangeNet）和孪生UNet神经网络模型（Siam-NestedUNet）进行比较。结果表明：（1）融合面向对象多尺度分割的检测结果较单一尺度分割的检测结果，召回率最高提升32%，F1指数最高提升25%，全局总体误差（GTC）最高降低7%；（2）在样本数量有限的情况下，通过生成对抗网络进行样本迁移，与未使用样本迁移前的检测结果相比，召回率最高提升16%，F1指数最高提升14%，GTC降低了9%；（3）Obj-SiamNet方法较其他变化检测方法，整体检测精度得到提升，F1指数最高提升23%，GTC最高降低9%。该方法有效提高了建筑物变化检测在几何和属性方面的精度，并能有效利用开放地理数据集，降低了模型训练样本制作成本，提升了检测效率和适用性。关键词：遥感变化检测;孪生神经网络;面向对象多尺度分析;模糊集融合;生成对抗网络;高分辨率遥感影像- 1297
- |
- 386
- |
- 0
发布时间：2024-03-22 -
摘要：尽管深度语义分割网络有效提升了遥感影像语义分割性能，但其效果远未达到人类领域专家的目视解译水平。原因是人类视觉系统在进行遥感影像解译时，往往会综合运用视觉特征、语义信息和先验知识。然而，深度语义分割网络本质上是数据驱动的面向像素级损失反向优化的分类方法。这种基于像素级优化的深度语义分割网络，一方面受限于像素空间尺度，缺乏整体性目标线索挖掘；另一方面难以跨越结构化数据和非结构化知识之间的鸿沟，无法充分利用地学先验知识和空间语义信息。针对以上两方面的问题，本文提出了地学知识图谱引导的遥感影像深度语义分割方法，运用从地学知识图谱中抽取的地物目标语义信息和地学先验知识构建实体级连通约束和实体间共生约束，引导深度语义分割网络训练。其中，实体级连通约束以连通域实体而非像素单元计算损失，得到实体级别的特征表示，使得分割结果更具整体性，边界模糊和随机噪声现象得到抑制。实体间共生约束将共生条件概率量化的空间共生知识嵌入到数据驱动的深度语义分割网络中，实现空间语义信息和地学先验知识对实体空间分布的约束引导和自动优化。验证结果表明，在实体级连通约束和实体间共生约束的引导下，深度语义分割网络可以完成对实体级特征的学习并根据空间共生知识自动优化地物实体的空间分布，有效改善了遥感影像语义分割性能。关键词：地学知识图谱;深度语义分割网络;实体级连通约束;空间共生知识约束;地学知识嵌入优化- 578
- |
- 344
- |
- 0
发布时间：2024-03-22 -
摘要：为解决基于深度卷积神经网络进行SAR舰船检测网络训练过程中数据获取、数据标注等问题，本文提出一种生成式知识迁移的SAR舰船检测框架，该框架由生成式知识迁移网络和舰船检测网络两部分组成。通过知识迁移网络生成与有标注的光学遥感图像空间分布一致且包含SAR图像特征的带标注模拟图像；使用所生成的带标注模拟图像，进一步优化舰船检测网络，以提高基于深度卷积神经网络的舰船检测的泛化性能。SAR-Ship-Detection-Datasets（SSDD）和AIR-SARShip-1.0两个公开数据集上的实验结果表明，该框架有效提高了在仅包含少量标注SAR图像样本情况下的舰船目标检测效果，可显著降低舰船在复杂背景图像中漏检和误检的概率。关键词：SAR;目标检测;深度学习;图像生成;迁移学习- 2634
- |
- 315
- |
- 0
发布时间：2024-03-22 -
摘要：遥感图像因具有丰富的语义信息和空间信息，增加了语义分割的难度。然而已有提取双模态特征的分割方法采用相同的主干网络，没有考虑互补特征的差异，存在特征提取、特征融合和上采样恢复细节信息不足等问题，无法准确高效的学习高分辨率遥感图像信息。因此，本文提出基于双模态高效特征学习的高分辨率遥感图像分割算法。首先，针对不同模态的遥感图像设计合适的编码器，高效的提取双模态特征，并通过交互加强模块减少不同路径特征之间的差异。其次，提出双模态特征聚合模块和深层特征提取模块进一步融合和提取双模态特征，使网络能够充分学习互补信息。最后，提出多层特征上采样模块，利用语义信息丰富的高层特征对细节信息丰富的低层特征进行加权操作，逐步上采样实现特征高效恢复，提升分割性能。实验结果表明，所提算法在ISPRS Potsdam和Vaihingen数据集上的总体精度分别达到了94.52%、90.45%，能够高效的提取并融合高分辨率遥感图像的双模态特征，提高遥感图像分割的准确率。关键词：遥感图像分割;高效特征提取;交互融合;双模态特征聚合;深层特征提取;多层特征上采样- 216
- |
- 261
- |
- 0
发布时间：2024-03-22 -
摘要：针对高光谱图像样本标签量少且空间—光谱信息利用不充分而导致图像分类精度较低的问题，本文提出一种联合超像素降维和后验概率优化的高光谱图像分类方法。该方法首先基于高光谱图像的空间—光谱信息为每个样本构建局部邻域集合，并从局部邻域集合中提取超像素稀疏混合特征来充分表征图像的空谱信息和相关变化信息，然后将全局稀疏混合特征输入支持向量机分类器中生成像素的类别概率向量，最后采用后验概率模型优化类别概率向量，并依据概率最大值得到分类标签图。在3组常用的小规模数据集Indian Pines、Pavia University和Salinas以及一组大规模数据集HoustonU上的实验结果表明：本研究所提出的分类方法能够自适应地充分提取高光谱图像的高判别性特征信息，且在少量样本标签情形下，该方法在这4组实验数据集上分别获得了98.58%、96.88%、98.54%和91.01%的总体分类精度，优于文中对比的7种先进分类方法。关键词：遥感;高光谱图像分类;超像素降维;混合特征提取;后处理优化;支持向量机- 1017
- |
- 165
- |
- 0
发布时间：2024-03-22 -
摘要：高光谱图像分类是图像解译任务的重要技术之一，已经在遥感观测、智慧医疗等诸多领域得到广泛的应用。本质上，高光谱图像分类由特征提取与基于分类器的标签预测这两阶段操作组成。现有分类方法在特征提取时，大多不考虑分类器的影响，会导致提取的特征与所用分类器之间的兼容性较差，难免出现预测结果差的情况。针对此问题，本文提出具有分类器机制的高光谱图像特征提取方法，保证特征提取与分类器之间的兼容性，使特征能更易于被分类器准确计算，改善分类预测结果。本文给出了两种具有分类器机制的高光谱图像特征提取模型的形式：（1）以稀疏表示和支持向量机为例，将支持向量机特性集成到稀疏表示形式中，建立了能够与支持向量机分类器相兼容的SRS特征提取模型；（2）以深度自编码网络与softmax函数为例，将softmax分类器特性嵌入到深度自编码网络中，构建能与softmax分类器相兼容的DAES特征提取模型。为获得SRS和DAES模型的解，本文还给出了对应的求解策略与优化过程。在遥感高光谱图像和医学高光谱图像数据上开展实验验证，结果表明，本文SRS和DAES算法具有明显的有效性和优越性，在高光谱图像分类指标OA（Overall Accuracy）、AA（Average Accuracy）、Kappa上分别提升约5.03%、5.13%、7.30%。关键词：高光谱图像分类;特征提取;分类器机制;稀疏表示;深度自编码网络- 248
- |
- 328
- |
- 0
发布时间：2024-03-22
遥感智能解译
- 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