基于知识的垦利县土地利用／覆被遥感信息提取技术研究

针对黄河三角洲地区地物光谱特征混杂严重、土地利用／覆被遥感信息提取对目视解译依赖程度高的特点，文中以位于黄河入海口的垦利县为研究区，尝试将基于知识的遥感信息提取技术应用于该地区．通过对地物光谱特征的深入分析，建立了多个专题信息提取模型，辅助进行旱地、林草地、沙地、盐碱地、农村居民点、坑塘、河流等类型的信息提取，实现对遥感数据的深入挖掘；同时，依据经验知识以及土地利用现状信息、土壤信息等本底资料，建立了各用地类型提取规则，进行土地利用／覆被信息计算机自动提取．分类结果的精度评价表明：在没有进行任何人为修正的情况下，该方法面积精度达到了81．8％，空间精度为84．5％，实现了该地区快速和较高精度的计算机自动分类，取得了理想的研究结果．该方法可为其他光谱特征混淆严重地区进行遥感信息提取提供借鉴和参考．     

青藏高原土地利用与覆被变化的时空特征

青藏高原土地利用与土地覆被变化(LUCC)研究是区域土地科学与全球变化科学研究的重要内容,也是保障高原生态安全屏障功能稳定与提升的科学基础.本文通过对已有LUCC数据与成果的再分析,研究了高原整体LUCC时空特征、典型区LUCC的时空过程及典型类型的变化过程与机制.结果表明:青藏高原土地利用与土地覆被结构稳定,一级地类变化面积比例低于7%,并以单次变化为主,土地覆被状况总体改善.近年来高寒草地覆被状况整体好转、局部退化,林地恢复良好,耕地基本稳定,建设用地显著扩张,裸地轻微减少.人口较为密集的河湟谷地与"一江两河"地区,建设用地、耕地、人工林地等增加明显;藏北高原和三江源等牧区,超载过牧和生态建设的作用均有体现;珠穆朗玛峰国家级自然保护地区土地覆被类型多样、变化复杂,并表现出对气候变化和人类活动有较强的敏感性.高原土地变化研究中还存在现有数据产品数量不足、精度不高,土地利用变化过程及其环境效应认识不够深入等问题,需要加强野外监测和遥感技术的结合,关注LULC在不同时空尺度下的变化特征,同时注重土地利用与土地覆被类型转化和类内渐变,使高原LUCC研究更好地服务于高原生态安全屏障建设和区域可持续发展.     

基于面向对象的高分辨率遥感影像道路提取研究

随着遥感技术的发展,高分辨率数据越来越多,地物细节丰富,为遥感应用提供了新的数据来源,道路是城市的重要设施,作为典型的人工线状目标,提取道路信息对数据库更新意义重大。文章利用ENVI EX软件采用面向对象分类方法,对影像进行分割,并分析道路特征,根据道路对象光谱、形状、纹理特征构建道路规则知识库,提取道路信息。实验证明,有较好的提取效果。     

干旱区绿洲地下水水位时空变异性对土地覆被变化的响应

应用遥感、地理信息系统和地统计学方法, 分析三工河流域绿洲土地利用/土地覆被变化对地下水位时空变异性的影响. 通过半变异函数模型、克里格插值拟合三工河流域1978, 1987和1998年地下水位时空变异性特征, 结合遥感解译生成的1978, 1987和1998年三期土地利用/土地覆被类型分类图, 叠加分析不同地下水埋深等值线区域土地利用/土地覆被类型转移关系. 结果表明1978~1998年20年间无论是平水期还是丰水期, 整个绿洲地下水补给量变幅并不显著, 而地下水位和土地利用/土地覆被均发生了显著的时空变化, 并且两者之间具有密切的相关性. 流域地下水水位整体具有中等的空间相关性(33.4%), 空间自相关距离为17.78 km. 地下水位急剧变化的区域均是土地资源开发加剧的区域, 主要表现为耕地、林地、建设及工矿用地土地资源的开发. 研究反映出干旱区绿洲土地利用/土地覆被变化对地下水资源时空变异性产生了深远的影响, 这对于合理利用浅层地下水资源, 维护绿洲的稳定性具有直接的现实意义.     

利用人工智能神经网络和DEM数据进行植被变化探测

适时精确的探测土地利用和覆盖变化是研究其起因、过程和效应的基础.本研究利用人工智能神经网络对两景不同时期的影像(2003和2004年)进行一次性变化探测.并且输入层中增加了DEM和坡度两个额外"波段".在选取训练样区的过程中,共选取了82个亚类型,其中36个为植被变化亚类型,46个为无变化植被亚类型.NDVI差值法被用于探测变化和无变化的区域,该方法为获取精确的和足够的植被变化类型训练样区提供有效的参考.研究结果显示利用人工智能神经网络探测变化技术所产生的植被变化图,其精度明显高于分类后比较法所产生的植被变化图精度.此外将DEM和坡度作为额外波段结合两景影像得的8个主成分作为输入层,能够有效的提高人工智能神经网络进行山区植被变化探测精度.同时在选取训练样区的过程中,将各不同的变化和无变化的植被类型根据其不同的光谱特征分成不同的亚类型进行取样,对提高人工智能神经网络进行山区植被变化探测精度有着非常重要的促进作用,此处理可以降低山区影像的地形效应.     

中国北方土地利用/覆盖变化的情景模拟与预测

以北方13省(市)为研究区, 借助系统动力学(SD: System Dynamics)、人工神经网络(ANN: Artificial Neural Network)和元胞自动机(CA: Cellular Automata)模型建立了 “自上而下“和“自下而上”相结合, 数量变化与空间分布相结合的不同情景下土地利用/覆盖变化时空演变规律的动态模拟模型, 并对研究区多种土地利用/覆盖类型变化的时空特征进行模拟. 模型充分发挥了各子模型的特点和优势, 综合了土地利用/覆盖变化的宏观驱动因素与微观格局演化特征, 较全面地考虑了多种土地利用/覆盖变化驱动因子, 并引入CA模型中, 利用BP神经网络简化了CA模型模拟过程中参量权重确定问题, 提高了参量权值确定的精度和模拟结果的可靠性, 模拟精度约74%, 在一定程度上反映了大区域土地利用/覆盖变化的空间格局演变特征, 对脆弱生态区土地利用/覆盖变化的复杂性和生态环境响应研究具有一定参考价值. 模拟结果表明, 未来30 a中城建用地、林地、水体将明显增加, 耕地和未利用地将不断减少, 草地的数量则在波动变化中相对保持稳定; 空间上, 农牧交错带和东-南部地区变化最为显著.     

基于影像边缘信息的Moravec算子阈值选取方法

文章阐述了自动选取阈值方法的研究现状,针对Moravec点特征提取算子,通过计算机仿真对实验结果进行了比较研究.在此基础上,提出一种基于影像边缘信息的计算机自动选取阈值方法.实验证明具有更好的精度.     

基于激光诱导击穿光谱地沟油鉴别的初步探究

对常见食用油和地沟油进行了基于激光诱导击穿光谱鉴别研究,建立了人工神经网络模型,预测检验结果良好.选择本地超市常见的2种食用油和大连市产品质量监督检验所提供的地沟油,以定量无尘分析滤纸为基底,获得了滤纸、豆油、调和油、地沟油4种样品各140组LIBS光谱数据,提取了24个特征谱线进行主成分分析,各类样品在主成分空间中呈现良好聚集分类.将得到的140组光谱数据,100组作为训练集,建立人工神经网络模型,40组作为测试数据进行鉴别,识别率达98.1%.基于主成分分析建立的人工神经网络模型识别率达94.2%.研究结果表明,基于主成分分析和人工神经网络的激光诱导击穿光谱检测技术为地沟油快速高效鉴别研究带来了新的思路与方法,对地沟油的鉴别具有十分重要的意义.     

遥感技术在城市洪涝模拟中的应用进展

对基于遥感的气象水文数据和地表信息在洪涝模拟中的应用进行了梳理综述,介绍了激光测高(Li DAR)、合成孔径雷达干涉测量(In SAR)技术以及倾斜摄影和高光谱遥感等目前使用较多且精度较高的遥感数据源及其相关应用,进一步对城市洪涝模拟中基于遥感的基础信息的相关热点技术和方法进行了总结.最后以实例阐述了基于遥感的城市洪涝模拟基础信息提取框架,并对遥感技术在城市洪涝模拟中的应用前景以及面临的问题与挑战进行了展望.     

一种端到端的日冕物质现象检测新方法

日冕物质抛射与日冕活动、空间天气以及许多行星际的扰动有着密切的联系,其检测对于空间天气防灾减灾具有重要意义.现有方法通过人为定义特征或利用简单阈值的方法进行CME检测,对弱CME或暗CME的检测效果差.为了解决这一问题,本文提出了一种端到端的日冕物质抛射检测方法:通过引入卷积神经网络,自动提取适应于描述日冕物质抛射检测的图像特征,并基于这些自动提取的特征建立日冕物质抛射检测模型.该过程不需要人为参与特征的选择及分类规则的设定,可以方便地实现数据到结果的端到端的映射.实验结果表明,在本文构建的测试数据集上可以得到98.05%的准确率,并以2007年5月的观测数据为例,检测了26个普通CME事件中的24个事件,得到了优于当前常用日志的效果.因此,本文方法可以有效地进行日冕物质抛射检测.     

中药材产地的近红外光谱自动鉴别和特征谱段选择

以白芷和丹参为例, 用近红外漫反射光谱数据、应用多类支持向量机方法对中药材产地及生长条件进行自动鉴别, 并进一步用递归支持向量机等方法选择对分类最有效的特征谱段, 结果在仅用5个和8个特征谱段的情况下在独立的测试集上达到了92%的识别正确率. 这一研究不但为建立快速准确的中药材产地自动鉴别系统提供了技术原型, 也为进一步探索不同产地的中药材在化学成分上的细微差异及研究它们与药效的关系奠定了基础.     

以作物光谱与热红外信息为基础的复合估产模式

在遥感作物估产过程中,最关键的是建立有效的估产模式。Idso等继美国大面积作物估产模式后,提出一个更多地利用遥感信息的SDD估产模式。作者于1983年提出了SDD改进作物估产模式。这两个模式要求每日的遥感资料才能保证精度。本文的目的就是以18天重复一次的作物光谱及热红外资料,建立有一定精度的作物估产模式。     

基于影像边缘信息的Moravec算子阈值选取方法

文章阐述了自动选取阈值方法的研究现状，针对Moravec点特征提取算子，通过计算机仿真对实验结果进行了比较研究。在此基础上，提出一种基于影像边缘信息的计算机自动选取阈值方法。实验证明具有更好的精度。     

土地利用遥感变化监测中影像融合方法的研究

遥感影像融合技术已广泛用于土地利用和资源环境的变化监测,然而现有的融合方法存在较大的光谱畸变,影响了监测分析后处理的精度.本文提出了一种保光谱的遥感影像融合方法,以IKONOS全色和多光谱影像为试验数据进行融合,并与IHS变换、主分量变换和小波变换融合方法的结果进行了比较.结果表明,本文提出的遥感影像融合方法的融合影像在视觉效果和保光谱特性上都优于其他三种方法.     

基于正交基光谱的大数据新型快速比对算法的构建

基于光谱分析快速、简便的优点,利用光谱标准谱库与未知样品光谱图进行比对,是未知样品定性分析的重要手段.随着"大数据时代"的来临,互联网的发展使得全球各存储端的光谱数据库都可以调用,数据量显著增加,这给需要进行逐一比对的传统方法的分析速度带来了巨大压力.本文就此问题进行探讨,提出一种基于正交基光谱的新型比对算法,用于大数据背景下的光谱快速比对.该方法基于不同结构化合物具有典型特征光谱这一基本化学规律,通过提取各类化合物有代表性的特征光谱信息构建正交基光谱,称为基谱,利用基谱与未知样品谱图进行比对,参照提出的判断原则综合比较以得到正确的比对结果.构建的基谱具有明确的化学意义,表征了其对应光谱的特征光谱信息.同时,由于基谱具有正交性,原始光谱的特征不能在其对应的基谱中完全体现出来,但可以利用基谱进行构建,不丢失有用信息.以标准拉曼光谱数据库Aldrich Raman库为例进行方法验证,完成了5种烃类化合物的比对,正判率为93.94%.本方法可以进一步应用于其他结构(如不同取代基数目)化合物的细分比对,并有望推广到其他光谱数据库.     

视觉分类的时间过程: 事件相关电位提供的电生理证据

视觉分类是来自视觉刺激的传入特征集与源自概念知识的预期特征集之间的相互作用过程, 包括匹配提取加工和冲突抑制加工. 本研究采用事件相关电位(ERP)探索视觉分类的时间过程. 结果表明, 预期特征集越大则N1波幅越大, 显示出预期特征集对注意的调节效应; 当预期特征集大于或等于2时, 引出了明显的N2成分, 显示出预期特征与传入特征不一致时的冲突效应; 类别判断在晚正成分(late positive component, LPC)成分上有明显反映, LPC对冲突刺激的抑制加工也相当敏感. 分析表明, 视觉分类加工的时间过程如下: 选择性注意、特征知觉、特征匹配/提取、类别判断/冲突抑制, 其中类别判断是分类的核心过程, 但前3个子过程构成了分类的基础. 本研究结果支持高水平分类加工主要反映在LPC上的结论.     

氨基酸分子的太赫兹时域光谱

采用THz时域光谱(THz-TDS)测试技术, 在室温氮气环境中, 对4种氨基酸分子(酪氨酸、精氨酸、组氨酸和谷氨酰胺)在0.2~3.0 THz波段的光谱特性进行了探测. 根据提取材料THz光学参数的物理模型, 获取了吸收系数和折射率等光学参数, 得到了具有高分辨率的特征吸收谱和折射率谱; 所得结果填补了氨基酸在远红外区域的光谱空白, 为利用THz时域光谱技术研究其他氨基酸分子, 建立氨基酸类分子的指纹谱库以及分析分子构象等问题提供了科学依据.     

中国东海“桑吉”轮溢油污染类型的光学遥感识别

溢油是海洋环境监测的重要对象之一.在海洋环境动力作用下,溢油会形成复杂多样的污染类型.准确识别、分类并定量估算不同类型的溢油污染,有助于溢油事件应用处理策略的制定与灾损评估.微波雷达与光学是海洋溢油遥感监测的主要手段,具有不同的技术优势与应用特点.近年来,海洋溢油光学遥感的理论与应用研究发展迅速,其对不同海面溢油污染类型的识别、分类与定量估算能力得到认可.针对2018年1月中国东海"桑吉"轮溢油事件,利用中国GF-3合成孔径雷达数据,实现"桑吉"轮疑似溢油的圈定.优选欧洲空间局Sentinel-2卫星的多光谱数据,开展无云覆盖区域"桑吉"溢油的光学遥感探测.基于溢油模拟实验的光谱响应特征分析,阐明了典型溢油污染的Sentinel-2卫星多光谱特征,进一步开展"桑吉"轮溢油污染类型的光学遥感识别与分类.结果表明,"桑吉"轮溢油在其扩散与风化过程中,形成了3种显著差异的溢油污染类型,即海面油膜、油包水状、水包油状乳化物.不仅与GF-3合成孔径雷达的疑似溢油监测结果互为验证,更实现了不同溢油污染类型的光学遥感识别与分类.最后,初步讨论了光学遥感与微波雷达的集成应用策略,通过优势互补,能有效提高海洋溢油的遥感监测水平,并为中国海洋水色业务卫星的应用提供借鉴.     

基于自动特征提取方法的太阳耀斑预报模型

在太阳耀斑预报模型中,首先需要从原始观测数据中提取刻画太阳活动区特性的物理特征参量,然后使用统计或机器学习方法寻找物理特征参量与太阳耀斑发生的关系,以达到建立太阳耀斑预报模型的目的.其中,太阳活动区物理特征的提取在整个建模过程中发挥着重要的作用,活动区物理特征的优劣直接决定着预报模型性能的高低.然而,随着机器学习技术的发展,机器学习方法中的深度学习算法能够从原始数据中自动提取特征,并建立预报模型.本文利用深度学习方法建立了一个太阳耀斑预报模型.与先提取活动区物理参量、再建立预报模型的传统机器学习方法相比较,本文所建立的预报模型具有更好的预报性能.     

北方季风边缘区洞穴石笋δ18O序列预测初步研究

基于时域组合模型建立了中国北方季风边缘区万象洞及黄爷洞石笋δ¹⁸O时间序列的动态模型, 并对未来20年的降水变化趋势进行了预测. 研究结果表明, 时域组合模型较好地提取了时间序列的周期信息, 用其拟合实测数据精度较高; 用其预测时间序列的变化情况, 和现代气象观测记录相吻合, 具有一定的可信度. 同时通过中国北方季风边缘区树轮的预测结果对比显示, 该地区在2012~2013年前后降水最少, 随后20年里将呈现先升后降的变化趋势.