最新刊期
2024 年 第 28 卷 第 9 期
-
植被物候遥感监测关键问题 AI导读
“植被物候监测技术进展，专家探讨遥感监测关键环节，为准确监测提供新方向。”
摘要：植被物候是陆地生态系统响应全球气候变化最灵敏的生物学指示指标，也是影响陆地生态系统碳循环的重要因子。因此，植被物候的准确监测对模拟陆地生态系统碳循环以及理解陆地生态系统响应气候变化至关重要。物候学发展至今，已有包括人工观测、物候相机观测和通量监测在内的地面观测以及遥感监测等多种植被物候监测手段，并已形成卫星遥感监测为主要手段、地面观测为验证的区域和全球尺度植被物候监测体系。植被物候遥感监测通用技术流程中的每个处理环节都会造成物候监测的不确定性。本文重点梳理了遥感时序数据、物候指标提取和遥感物候真实性检验3个物候监测关键环节，深入探讨了地表背景对遥感指数的干扰、不同物候指标提取方法的差异以及物候验证中遥感物候指标与参考物候指标之间的匹配问题。最后，探讨了解决这些关键问题的两个重要发展方向：（1）发展抗地表背景干扰的植被物候遥感监测方法；（2）构建结合地面多传感器协同观测和“天—空—地”多尺度一体化观测的联合观测网络。关键词：遥感;植被物候;遥感时序数据;植被指数;验证;尺度效应- 1146
- |
- 1079
- |
- 0
发布时间：2024-11-06 -
水稻遥感制图研究综述 AI导读
“水稻遥感制图研究取得进展，专家探讨了水稻物候特征、时序数据获取、空间分辨率提升等课题，为提高水稻制图精度提供新思路。”
摘要：水稻是人类的主要粮食作物之一，及时准确的获取水稻面积分布和时空变化对粮食政策制定具有重要的参考意义。本文围绕“水稻遥感制图”研究主题，首先回顾调研国内外文献资料，系统梳理了水稻的生理生长过程和主要的种植模式。全球范围内，水稻种植集中在东南亚地区；从全国范围看，单季稻产区主要位于东北地区和长江中下游地区；双季稻和三季稻产区位于湖南、江西、广东等华南省份。其次，受云雨影响，早期水稻制图以雷达数据为主，随着遥感数据源日益丰富，光学和雷达数据协同应用于水稻遥感制图；在重点分析水稻的“（遥感）信号—空间—时间”特征的基础上，探讨了水稻遥感制图中典型光学植被指数和雷达后向散射系数；并从传统机器学习和深度学习两个方面总结了现阶段水稻遥感制图的主流方法。然后，从机器学习模型、多源遥感数据融合以及遥感计算云平台3个方面归纳了水稻遥感制图的应用现状。总结发现目前水稻制图研究存在以下难点：（1）由于相似生长周期植物的存在导致水稻的漏分、错分；（2）光学和雷达数据都存在时序观测不连续的现象；（3）地形破碎区域或多季、轮作水稻种植地区的制图困难较大；（4）制图方法的泛化问题。针对这些问题，本文从水稻物候特征发掘、水稻时序观测数据获取手段、水稻遥感制图空间分辨率改进等方面探讨了水稻遥感制图的发展方向：（1）水稻物候期遥感信号特征挖掘；（2）覆盖水稻完整生长期的时序遥感数据获取；（3）水稻遥感制图空间分辨率提升；（4）光学和雷达数据的协同应用。关键词：水稻;遥感制图;（遥感）信号—空间—时间;多源遥感数据;机器学习- 748
- |
- 1525
- |
- 0
发布时间：2024-11-06 - “在动态场景深度估计领域，专家系统性梳理了基于深度学习的自监督单目动态场景深度估计技术进展，为解决动态物体对深度估计的影响提供解决方案。”
摘要：现实世界中不存在完全静态的场景，动态场景下的单目深度估计方法是指从单幅影像中同时获取动态前景和静态背景的深度信息，与传统双目估计方法相比具有运用灵活、成本较低等优势，有着极强的研究意义和广阔的发展前景，在三维重建、自动驾驶等下游任务中起着关键作用。深度学习技术迅速发展，自监督学习不使用真实数据标签，吸引众多学者的研究热情。国内外众多学者为了处理场景中的动态物体相继提出一系列自监督单目深度估计算法，为广大相关领域的研究者奠定了研究基础，但目前尚未有对上述方法进行综合分析的研究。针对这一问题，本文对基于深度学习的自监督单目动态场景深度估计技术进展情况进行了系统性梳理与总结，首先归纳了基于深度学习的自监督单目深度估计的基本模型，分析了动态物体是如何对场景深度估计产生的影响；其次，介绍了单目深度估计研究的常用数据集以及评价指标，对经典动态场景下单目深度估计模型进行了性能对比分析；然后，依据对动态物体的处理方式不同，分别从动态场景鲁棒深度估计和动态物体跟踪与深度估计两个研究方向，进行了总结与定量分析；最后对动态场景单目深度估计的未来发展方向进行了展望。关键词：遥感;动态场景;单目深度估计;自监督学习;深度学习;三维重建- 392
- |
- 394
- |
- 0
发布时间：2024-11-06 - “在土壤盐渍化监测领域，专家详细分析了监测原理、数据源和方法，指出了技术体系的局限性，并提出了未来研究方向。”
摘要：土壤盐渍化是全球面临的土壤退化和环境恶化的共性问题。近地传感、卫星遥感与机载遥感等星地传感技术的蓬勃发展使得高效且准确的土壤盐分周期监测成为可能，并为土壤盐渍化研究提供了坚实技术支撑。本文针对土壤盐渍化星地传感监测的发展进程，以“数据—方法—应用”为脉络，详细分析梳理了土壤盐渍化监测的原理、主要数据源及主流方法；随后归纳总结当前技术体系的发展现状和监测数据、监测方法及尺度效应等局限性；最后针对基于星地传感技术的土壤盐渍化监测研究的进一步发展提出了展望和设想，明确了多源星地数据融合的次生土壤盐渍化监测；依托多平台开展土壤盐渍化的多尺度协同监测；借助学科交叉加深土壤盐渍化的探测深度；以及基于云计算的土壤盐渍化共享数据集与平台开发等未来需要重点关注的研究方向。关键词：土壤盐渍化;遥感;近地传感;时空变化;数字土壤制图- 782
- |
- 654
- |
- 0
发布时间：2024-11-06
综述
- “在遥感领域，专家构建了高分辨率多维度SAR地物分类数据集AIR-MDSAR-Map，验证了深度学习算法在地物分类中的应用，为多维度SAR数据应用研究提供支撑。”
摘要：随着合成孔径雷达SAR（Synthetic Aperture Radar）成像和深度学习技术的发展，利用深度学习算法对SAR图像进行地物分类得到了广泛关注及应用研究。本文基于对地观测航空遥感系统高分机载数据构建了高分辨率机载多维度SAR地物分类数据集AIR-MDSAR-Map（Airborne Multi-Dimensional Synthetic Aperture Radar Mapping Dataset）。本数据集包含海南省万宁市和江苏省射阳县两个区域的P、L、S、C和Ka等5个波段的多极化SAR图像和高分辨率光学图像，将地物划分为水域、裸地、道路、工业区、林草地、住宅区、种植地、养殖场和其他等9类，并提供精细化的像素级别标签。本文首先利用深度学习中较经典的语义分割方法对AIR-MDSAR-Map进行地物分类验证，同时也检验了不同波段SAR图像对各类地物的分类敏感性。然后，通过不同的融合策略对多维度SAR数据进行融合分类，最终融合方法在多类地物目标上的表现优于单波段，在综合指标FWIoU和PA上提升10%—15%，FWIoU达69%，PA达81%。该数据集将发布于国家综合地球观测数据共享平台（http：//www.chinageoss.cn［2022-06-21］），能满足不同行业用户和科研用户的需求，可为多维度SAR数据的应用研究提供支撑。关键词：遥感;机载SAR;多维度;地物分类;深度学习;语义分割;AIR-MDSAR-Map- 600
- |
- 491
- |
- 0
发布时间：2024-11-06
数据集论文
-
MODIS亚洲高山区积雪面积比例制图 AI导读
“在亚洲高山区，基于LC-MARS模型的MODIS FSC反演算法，为气候变化和水文水资源研究提供重要数据支撑。”
摘要：积雪面积比例FSC（Fractional Snow Cover）能在亚像元尺度上定量描述积雪的覆盖程度，相比二值积雪更适合反映复杂山区积雪的分布情况，是山区融雪径流模拟，气候变化预测的重要输入参数。本研究在亚洲高山区HMA（High Mountain Asia）基于分地类特征选择的多元自适应回归样条MARS（Multivariate Adaptive Regression Splines）模型LC-MARS发展了MODIS FSC反演算法，并制备了亚洲高山区FSC产品。以Landsat 8提取的FSC为参考真值验证LC-MARS模型反演FSC精度，对比相同训练样本下LC-MARS模型与线性回归模型反演FSC精度，比较LC-MARS模型制备的FSC与MOD10A1、SnowCCI在亚洲高山区的精度表现。结果表明：（1）LC-MARS模型反演的FSC总Accuracy、Recall分别为93.4%、97.1%，总体RMSE为0.148，MAE为0.093，总体精度较高。（2）相同训练样本下LC-MARS模型在林区、植被和裸地反演FSC精度均高于线性回归模型，表明LC-MARS模型更适用于山林区FSC反演。（3）MOD10A1总体RMSE为0.178，MAE为0.096；SnowCCI总体RMSE为0.247，MAE为0.131，LC-MARS制备的FSC精度均高于MOD10A1、SnowCCI，表明由LC-MARS反演的FSC具有一定的应用价值。总体而言，LC-MARS模型可以拟合高维非线性关系，显著提高山林区FSC的反演精度且模型运算效率高，适用于制备大尺度长时间序列的FSC产品。本研究基于LC-MARS模型制备了2000年—2021年亚洲高山区逐日MODIS FSC产品，为亚洲高山区气候变化、水文水资源研究提供重要的数据支撑。关键词：遥感;亚洲高山区;积雪面积比例;MODIS;MARS;地形校正- 236
- |
- 282
- |
- 0
发布时间：2024-11-06 - “全球导航卫星系统发展催生GNSS-MR技术，基于信号强度的雪深反演方法在阿拉斯加实验中验证了其可行性和有效性。”
摘要：近年来，随着全球导航卫星系统GNSS（Global Navigation Satellite Systems）的发展，兴起了一种基于信噪比SNR（Signal to Noise Ratio）的GNSS多路径遥感技术GNSS-MR（GNSS-Multipath Reflectometry）。该技术利用GNSS接收机即可获取反射面信息，在雪深反演中具有信号源丰富、采样率高等优势。但是目前许多GNSS接收机并不记录SNR观测值。为了使这些接收机也具有雪深监测能力，文章提出了一种基于信号强度SSI（Signal Strength Indicator）的多模多频GNSS-MR雪深反演融合方法。实验研究选取美国阿拉斯加州SG27测站；结果表明，4大全球卫星系统的多频点SSI数据均能反演雪深。经多模多频GNSS-MR雪深反演融合后，SSI反演结果与雪深实测序列间的均方根误差为2.36 cm，相关系数为0.98。同时，实验研究也进行了基于SNR数据的多模多频GNSS-MR雪深反演，发现SSI反演结果和SNR反演结果具有一致性，实验验证了基于SSI的多模多频GNSS-MR雪深反演融合方法的可行性和有效性。关键词：GNSS多路径遥感;多模多频;雪深;稳健估计;信号强度- 354
- |
- 426
- |
- 0
发布时间：2024-11-06 - “最新研究利用Sentinel-2卫星数据，提出了一种新颖的山区融雪监测方法，比传统SAR技术更准确。”
摘要：季节性积雪的演变对于山区水文循环具有决定性影响，同时也是调控陆地生态系统的关键要素。精确监测融雪动态对于气象、水文以及全球气候变化的研究至关重要，同时也对灾害预测、预警发挥着不可或缺的作用。然而，传统的基于时间序列合成孔径雷达（SAR）的融雪监测技术常受到植被、地形及积雪特性等因素的影响，并且在重访周期较长的区域监测效果有限。本研究利用高时空分辨率的Sentinel-2卫星光学遥感数据，基于雪表粒径的时间序列变化信息，提出了一种新颖的融雪监测方法。以阿勒泰地区为例，参照站点雪水当量和气温数据，深入分析了新方法的融雪监测性能。本文对比了新融雪监测方法与常规的时间序列SAR方法，探讨了两者在山区融雪监测方面的优势与局限。结果表明该新方法能够较为准确地识别融雪起始时间，并且在植被和混合像元等干扰因素的影响下，展现出了比时间序列SAR方法更出色的监测能力。但是，新方法易受云雨气象条件的影响，未来可与时间序列SAR方法互为补充，共同提升山区融雪监测的时效性和准确性。关键词：积雪粒径;后向散射;融雪;合成孔径雷达;光学遥感- 222
- |
- 213
- |
- 0
发布时间：2024-11-06
冰冻圈遥感
- “在地震预测领域，专家利用FY-2H卫星长波辐射数据，分析泸县6.0级地震前异常变化，为地震监测提供新方法。”
摘要：2021年9月16日四川省泸县发生MS 6.0地震，利用FY-2H地面长波辐射数据产品（OLR）分析研究区8月27日至10月1日长波辐射异常分布及变化。结果显示，研究区内震中东北部最先出现异常，异常整体呈北西—南东分布；时空演化呈现出初始增温—异常加强—高峰—衰减—平静的特征，与岩石受力应变破裂所经历的微破裂—破裂—加速破裂—破裂过程演化特征吻合。结果表明，天体引潮力对此次地震具有诱发作用，长波辐射异常一定程度上表征了地震孕育过程中应力应变的辐射变化。之后，利用NOAA卫星长波辐射产品数据追踪验证异常时段（9月11日—17日），发现两者结果表现特征较为一致，进一步说明了FY-2H卫星长波辐射数据可较好地应用于地震异常监测。关键词：遥感;FY-2H;短临异常;泸县地震;长波辐射;引潮力- 733
- |
- 1093
- |
- 0
发布时间：2024-11-06 - “在城市应急管理领域，专家构建了应急避难场所承载力评价模型，为城市韧性建设提供决策支持。”
摘要：应急避难场所可以在灾害发生后供居民紧急避难、救援和疏散，是国家公共安全和应急管理的重要组成部分。评价应急避难场所的承载力，对于推进韧性城市建设、促进城市可持续发展具有重要意义。北京市是世界上仅有的3个位于设防烈度为Ⅷ度区域的首都之一，也是中国最早建设应急避难场所的城市，在应急避难方面具有典型性和代表性。本文采用遥感影像、POI等多源数据，构建基于AHP-EWM多目标决策的城市应急避难场所承载力评价模型，并以人口分布比较集中的北京市五环内为例进行分析评价和情景模拟。首先，从安全性、可达性、有效性和保障性4个方面构建应急避难场所承载力评价指标体系；其次，采用层次分析法（AHP）、熵权法（EWM）主客观赋权，并用最大离差平方和理论求解权重系数；然后，构建多目标决策评价模型，对应急避难场所承载力进行评价；最后，考虑灾害发生后的复杂性，对不同避难情景下的承载力进行模拟分析。结果表明，北京五环内的应急避难场所承载力整体较好，但二—三环承载力为优的区域占地面积为0，存在环域间的不均衡性。本研究可为城市应急避难场所承载力评价提供定性和定量的依据，也可为应急避难场所的规划布局和资源高效配置提供决策支持。关键词：遥感;应急避难场所;层析分析法（AHP）;熵权法（EWM）;组合赋权;承载力评价;多目标决策法;情景模拟;北京- 76
- |
- 72
- |
- 0
发布时间：2024-11-06 - “在遥感领域，专家构建了深度学习滑坡数据集，并提出改进的DeepLabV3+模型，有效提升了滑坡识别精度。”
摘要：利用“深度学习+遥感”在高分遥感影像上快速识别滑坡，对于灾后应急救援工作的开展具有非常重要的现实意义。但目前为止，公开的深度学习滑坡识别数据集较少，难以满足相关研究人员利用深度学习方法开展滑坡识别研究的任务需求；基于此，本文使用谷歌地球影像和高分六号遥感影像制作并公开了一个样本数量达到10000+，空间分辨率为2 m的深度学习滑坡数据集，用于相关学者开展研究。此外，为有效识别滑坡，提取滑坡边界及细节等信息，本文提出了一种改进的DeepLabV3+模型用于滑坡识别，即在DeepLabV3+模型的基础上，引入通道注意力机制特征融合模块和转置卷积来重构模型。实验结果表明，与主流算法（FCN，U-Net，SegNet，DeepLabV3+）相比，改进的DeepLabV3+模型在滑坡的边界及细节方面提取效果更好，所得结果更接近于真实标签。本文的相关代码和数据可在（https：//github.com/ZhaoTong0203/landslides_identification_model_code.git）获得。关键词：高分遥感影像;滑坡数据集;深度学习;DeepLabv3+;高分六号- 522
- |
- 399
- |
- 0
发布时间：2024-11-06 - “最新研究揭示茅尾海潮滩地表形变时空演变及其影响因素，为生态环境保护及修复提供科学依据。”
摘要：分析茅尾海潮滩地表形变时空演变及其影响因素，为茅尾海生态环境保护及修复提供科学依据。基于结合PS特征点的SBAS-InSAR技术，利用研究区176景Sentinel-1A SAR影像数据提取了研究区2015年—2022年的地表形变信息，同时结合该地区植被分布、降水、海平面上升和地质背景等数据，借助GIS空间分析技术与数理统计等方法对研究区地表形变的整体特征、时空演变趋势及其影响因素进行了定量化分析。结果表明：（1）在空间维度上，研究时段内研究区地表形变速率介于-43.07—36.22 mm/a，研究区内地表形变不均匀分布明显且总体上呈现轻微抬升趋势，其中，茅尾海东岸和北岸表现为沉降趋势，而康熙岭地区则呈现出抬升趋势。（2）在时间纬度上，各沉降严重区域从整体上随着时间变化呈现不均匀的下沉趋势，4年最大沉降量达-184.9 mm。（3）在形变影响因素上，生物作用、人类活动、水文过程、海平面上升和降水等引起的地貌变化是潮滩地表形变的主要因子。关键词：遥感;地表形变;InSAR;哨兵;时序分析;潮滩;茅尾海红树林- 236
- |
- 191
- |
- 0
发布时间：2024-11-06
地质与灾害
- “最新研究利用葵花-8卫星数据，反演云微物理参数，计算地表和大气层顶短波辐射强迫，与CERES产品相关性高达0.97和0.98，为辐射收支估算提供重要参考。”
摘要：云微物理参数的准确获取对辐射收支计算具有重要研究意义。本研究首先基于新一代静止气象卫星葵花-8（Himawari-8）数据，结合辐射传输理论与最优化方法反演获得了水云和冰云的光学厚度和粒子有效半径，并将反演结果与MODIS二级云产品进行了对比，发现两者具有较好的一致性。然后，利用反演获得的云光学厚度和粒子有效半径进一步计算获得了地表和大气层顶的短波辐射强迫，并将结果与CERES三级辐射产品进行对比，发现本研究计算得到的结果与CERES产品均具有较高的相关性，地表和大气层顶短波辐射强迫相关系数R分别高达0.97和0.98，均方根误差RMSE分别为15 Wm-2和15.6 Wm-2，表明具有较高的精度。本文在以往地表短波辐射估算研究基础上，首次将非球形冰晶模型Voronoi拓展至卫星的地表以及大气层顶短波辐射强迫的估算，并通过CERES辐射产品证实了其有效性，该研究可为后续完整辐射收支（短波、长波）估算提供重要参考。作为CARE（云遥感、大气辐射和再生能源）研究计划之一，旨在提供相关的算法及产品，详情见CARE主页（http：//www.slrss.cn/care/）。关键词：遥感;Himawari-8;云光学厚度;云粒子有效半径;短波辐射强迫- 767
- |
- 548
- |
- 0
发布时间：2024-11-06 - “在海洋内波检测领域，研究人员提出了一种基于超像素分割和全局显著性特征的SAR海洋内波检测算法，有效抑制斑噪影响，实现高分辨率SAR海洋内波条纹的准确检测。”
摘要：海洋内波是一种常见的致灾性中尺度海洋现象，因其对海洋军事和海洋工程等存在巨大威胁而被广泛关注。为了实现合成孔径雷达（SAR）图像海洋内波的准确检测，解决传统检测算法易受斑噪干扰的问题，本文提出了一种基于超像素分割和全局显著性特征的SAR海洋内波检测算法。首先，基于简单线性迭代聚类算法（SLIC）将SAR图像分割成特征均一的超像素；然后，利用超像素的梯度特征、灰度特征及空间特征构建内波显著性特征向量，计算其全局显著性并基于显著度提取内波超像素；最后，根据内波在傅里叶能量谱上的特征对内波区域和非内波区域进行标记并生成标签图像，用于对显著性检测结果进行校正。实验结果表明：本文方法对5景实验数据的内波条纹检测平均F1分数可达到0.884、平均虚警率为0.009，证明了本文方法在不降低SAR图像空间分辨率的条件下可以有效抑制斑噪的影响，实现高分辨率SAR海洋内波条纹的准确检测。关键词：遥感;海洋内波;超像素分割;显著性特征检测;傅里叶能量谱;合成孔径雷达- 445
- |
- 406
- |
- 0
发布时间：2024-11-06 - “卫星遥感数据在估算近地面臭氧浓度方面展现潜力，通过DINEOF和XGBoost算法提升模型性能和覆盖度。”
摘要：以TROPOMI大气成分产品为代表的卫星遥感数据在近地面臭氧（O3）浓度估算中表现出很好的潜力。由于云及反演算法局限性等原因，TROPOMI的大气成分产品存在一定的数据缺失，使得基于此的近地面O3浓度估算数据覆盖度较低。为此，本文采用经验正交函数分解插值法（DINEOF）对TROPOMI NO2、CO、HCHO原始数据产品进行缺失像元重构，并基于重构数据产品采用极限梯度提升算法（XGBoost）估算了中国大陆地区2019年—2021年高覆盖度的日最大8 h平均O3浓度（MDA8 O3）。对比研究了DINEOF方法对TROPOMI NO2、CO、HCHO原始数据产品的缺失像元进行重构后再建模估算O3的方法（方案1），使用TROPOMI NO2、CO、HCHO原始数据产品并对其缺失像元赋空值并输入其他特征变量来建模估算O3的方法（方案2），有TROPOMI NO2、CO、HCHO原始数据产品的建模结果和无TROPOMI NO2、CO、HCHO原始数据产品，只有其他特征变量的建模结果相结合的方法（方案3），均可提升O3模型估算结果的覆盖度。实验表明：方案1的结果最好，其十折交叉验证R2=0.86，RMSE=15.86 μg/m3，模型精度和方案2基本一致且高于方案3，在重构区域的模型精度最高（训练集R2=0.82，RMSE=15.57 μg/m3），且当重构区域出现O3重污染时（浓度大于160 μg/m3），能明显改善模型高值低估现象，结果的空间分布更合理。方案1估算的2019年—2021年近地面MDA8 O3的平均覆盖度从33.6%提升到97.2%，使用TROPOMI NO2、CO、HCHO重构数据产品建模估算O3可提升模型性能和模型结果的覆盖度。关键词：遥感;近地面O3;TROPOMI;DINEOF;XGBoost;数据重构- 205
- |
- 1064
- |
- 0
发布时间：2024-11-06
大气与海洋
- “深度学习框架下的多尺度注意力机制超分辨率重建网络，有效提升全极化合成孔径雷达影像的空间分辨率，同时保持极化信息。”
摘要：全极化合成孔径雷达影像（PolSAR）可提供丰富的极化信息，但成像系统限制使其空间分辨率受到制约。为解决此问题，本文基于深度学习框架，提出一种基于多尺度注意力机制的超分辨率重建网络（MS-PSRN），通过对低分辨率PolSAR影像进行分辨率增强，生成高分辨率的PolSAR影像。在该模型框架下，采用多尺度注意力模块对不同尺度下的地物目标进行特征提取；提出联合式与分离式两种内嵌方式，在模型中嵌入通道注意力与空间注意力，利用注意力机制的权值重校准特性，增强PolSAR影像的极化信息与空间信息；引入残差信息蒸馏机制，提取判别性特征并对模型参数进行压缩；提出自适应损失函数对网络训练过程进行约束以提升模型的数值拟合能力以及边缘信息保持能力。最后，采用RADARSAT-2卫星的模拟数据与真实数据两个数据集对提出的方法进行验证。空间信息实验结果表明本文方法在目视结果与定量指标中均优于对比算法，具有更高的空间纹理细节重建精度与较低的重建误差；极化信息保持测试表明，本文方法可在提升空间分辨率的同时，有效保持PolSAR影像的极化信息。关键词：遥感;全极化合成孔径雷达;超分辨率重建;深度学习;多尺度;注意力机制- 408
- |
- 411
- |
- 0
发布时间：2024-11-06 - “在航空大视场红外扫描仪领域，专家构建了几何外检校模型，有效提升影像几何定位精度，为提高传感器影像质量提供解决方案。”
摘要：摆扫航空大视场红外扫描仪具有视场角大、分辨率高等优点，但因在传感器安装、运输、飞行时会受到抖动的影响，常导致传感器的中心、安置角度发生偏移，特别是此类扫描仪不同摆扫方向会对成像质量造成不同影响。因此，有必要对CCD影像进行几何外检校，以提高传感器影像的几何质量。本文针对航空大视场红外扫描仪成像特点，构建了考虑左、右摆扫不同影响的几何外检校模型。该检校模型具有如下特点：（1）左、右摆影像同时检校，并分别设置不同的安置参数矩阵。扫描仪的左、右摆扫会造成成像积分方向的不同，进而导致左、右摆影像定位精度的不一致，因此该模型利用不同的左、右摆参数矩阵，消除摆扫角误差对成像几何精度造成的影响。（2）增加检校参数伪观测方程。由于该航空大视场红外扫描仪存在大摆扫角，随着摆扫角的变化，相机与定位定姿系统安置误差检校参数间可能存在较强相关性，因此引入检校参数伪观测方程来解决参数间的强相关性，提升检校参数的解算精度。实验验证结果表明该检校模型能有效提升影像的几何定位精度，检校后左右摆影像反投影偏差降低到亚像素水平。关键词：遥感;航空大视场高分红外扫描仪;左右摆扫;几何外检校;检校参数;反投影残差- 163
- |
- 214
- |
- 0
发布时间：2024-11-06 - “在全球气候变暖背景下，长江中游地区植被遥感产品应用于VCI计算的不确定性研究取得进展，为干旱监测提供解决方案。”
摘要：在全球气候持续变暖的背景下，干旱风险持续增大，对自然生态系统和社会经济系统的可持续发展带来巨大威胁。植被遥感产品能够量化地表植被状况，表征生态系统对受气候及人类活动影响的响应。基于长时序植被遥感产品定义的植被状态指数VCI（Vegetation Condition Index）被广泛应用于大尺度快速干旱监测。当前植被遥感产品众多，产品之间时空一致性各异，由此导致所表征的地表植被扰动特征的不一致性目前尚不明晰。本文以长江中游地区为例，考虑传感器（MODIS、AVHRR）、生物物理定义（NDVI、EVI、LAI、VOD）和时间跨度（5年、10年、20年）等产品特征因素的影响，定量分析了多源植被遥感产品应用于VCI计算的不确定性，并对产品之间存在的差异进行了归因分析。结果表明：（1）由传感器导致的差异较大，基于不同传感器的NDVI产品计算得到的VCI时间序列，在大部分区域上显示出显著的不一致性，二者计算所得的VCI时间序列之间存在微弱相关性、总体偏差较大；（2）不同的植被参数产品导致的差异远低于不同传感器导致的差异，但在特定区域上的差异仍然非常显著，基于NDVI和EVI产品、NDVI和LAI产品分别计算得到的VCI时间序列之间具有较强的相关性，而基于NDVI和VOD产品计算得到的VCI时间序列在大部分区域均呈现出显著性差异；（3）由时间跨度导致的差异较小，基于不同时间跨度计算所得的VCI时间序列之间具有较好的一致性，产品的时间跨度越大、VCI变化差异越小。总之，在使用植被遥感产品进行干旱监测时，需要全面地分析和评估多源植被遥感产品之间的不确定性特征，对监测结果作出合理性的解释，从而保证旱情评价结果的准确性和有效性。此外，对于短时的遥感干旱监测应用，建议先剔除产品中的长期趋势项再进行干旱指数计算。关键词：植被状态指数（VCI）;干旱监测;不确定性分析;植被遥感;遥感产品- 1009
- |
- 380
- |
- 0
发布时间：2024-11-06 - “遥感技术在小麦种植面积反演领域取得新突破，SLSU算法显著提高提取精度和稳定性。”
摘要：遥感作为大范围地表覆盖提取和时空动态监测的有力工具，在小麦种植面积反演领域具有显著优势。然而，混合像元现象限制了小麦种植面积估计的精度，端元的光谱变异性现象也使得传统的混合像元分解方法表现不佳。针对小麦种植面积估计过程中存在的混合像元和端元光谱变异性等问题，本文提出基于自监督学习的光谱解混算法SLSU（Self-supervised Learning-based Spectral Unmixing Algorithm）。首先，使用变分自编码器实现无监督的端元光谱变异性解释和端元库生成；然后，使用交替最小二乘法和全约束最小二乘模型估计各类端元对应的丰度；最后，利用概率松弛标记法对解混结果进行空间邻域校正，以进一步提高光谱解混和小麦面积估计的精度。以河南省新乡市3个典型的小麦种植区为实验区，利用Sentinel-2影像获取小麦种植面积并利用实地测量的小麦分布现状数据计算提取精度。结果表明：基于SLSU算法获取的小麦种植面积的相对提取误差中位数＜1.3个像素，显著优于全约束最小二乘、扩展线性混合模型等传统混合像元分解算法以及支持向量机、随机森林等监督学习分类方法所提结果。所提SLSU算法可以提高小麦提取的精度和稳定性，为农作物分布提取和种植面积估算提供了有效的方法。关键词：遥感;自监督学习;变分自编码器;混合像元分解;地物提取;作物面积估计- 684
- |
- 536
- |
- 0
发布时间：2024-11-06 - “简缩极化CP SAR技术在森林地上生物量反演研究中取得新进展，云南省昆明市宜良县小哨林区实验结果表明，基于CTLR模式的反演结果最优，R2=0.52，RMSE=13.02 t/hm2。”
摘要：简缩极化CP（Compact Polarimetry）SAR作为一种国内外学者高度关注的新型SAR，目前鲜有将其应用于森林地上生物量AGB（Above Ground Biomass）反演研究。在全球气候变化及“双碳”目标下，森林AGB的精确反演是当下亟待解决的热点问题。为探究CP SAR数据在森林AGB反演中的可行性，以云南省昆明市宜良县小哨林区为研究区，提取水平线性CP Stokes1模式、垂直线性CP Stokes2模式、π/4线性模式及CTLR模式的4种CP SAR数据，并基于波的二分性原理，分别提取了各种模式的若干SAR参数，利用基于快速迭代特征选择的K最近邻（KNN-FIFS）算法开展了研究。结果表明：基于CTLR模式的森林AGB反演结果最优，R2=0.52，RMSE=13.02 t/hm2；联合4组CP SAR数据的森林AGB反演结果精度有明显提升，R2=0.58，RMSE=12.16 t/hm2；KNN-FIFS适合于采用CP SAR参数进行森林AGB反演，其反演结果与采用全极化SAR数据进行反演的差别并不明显。本研究提取的CP SAR参数中，线极化度- 592
- |
- 193
- |
- 0
发布时间：2024-11-06
模型与方法
- 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