最新刊期
- “在海陆交接区域，记者报道了一种基于机载海洋激光雷达红外激光的海陆混合波形识别方法，为提取水边线精确位置提供新方案。”
摘要：在海陆交接区域，激光光斑中可能同时存在海洋和陆地，从而产生海陆混合波形。如果能准确识别出海陆混合波形，则可以利用这些混合波形来提取水边线的精确位置。本文顾及海陆混合波形的存在，提出一种基于机载海洋激光雷达（Airborne oceanic LiDAR， AOL）红外激光的海陆混合波形识别方法，并进一步提出利用海陆混合波形的水边线提取方法。首先，综合提取AOL红外激光全波形特征并进行特征降维；其次，对AOL波形进行模糊分类，得到隶属度矩阵，根据Otsu最大类间方差法确定海陆混合波形；再次，利用DBSCAN密度聚类算法对误分类的海陆混合波形进行识别和剔除；然后，结合海陆混合波形对应激光点的位置信息，利用PAEK平滑算法得到水边线位置信息。最后，对激光雷达方程进行扩展，给出红外激光海陆混合雷达方程的表达形式，并采用雷达方程理论分析和实测波形数据验证相结合的方式对海洋、陆地、海陆混合波形进行差异分析，为红外激光光斑内海陆并存引起的海陆混合波形研究提供理论基础。利用Optech CZMIL系统采集的实测AOL数据集验证了本文红外激光海陆混合波形法以及海陆混合雷达方程的正确性和有效性。与传统的AOL高程阈值法相比，本文提出的AOL混合波形法将水边线提取偏差的均值和标准差分别降低了24.07%和9.76%，SSIM指数提高了0.031，为AOL潮滩水边线提取提供了一种全新方式。关键词：机载海洋激光雷达;红外激光;海陆波形分类;海陆混合波形;潮滩水边线51|11|0更新时间：2025-03-03 - “最新研究显示，高光谱影像结合地形、土壤水分和生物量数据，能有效反演天然次生林土壤有机碳含量，为森林土壤质量监测提供技术支持。”
摘要：森林土壤有机碳（Soil Organic Carbon，SOC）是反映森林土壤质量的重要标准，很大程度上影响森林树木的生长，对林业的可持续发展起着十分重要的作用。探索应用高光谱影像反演天然次生林土壤有机碳含量的可能性至关重要，可以为长时间序列、大尺度的森林土壤有机碳估测提供技术支持。本研究以天然次生林SOC为研究对象，在东北林业大学帽儿山实验林场随机抽取67个样点，分别采集0-5cm、5-15cm、15-30cm土壤并实测SOC含量，并取三层均值作为0-30cm SOC含量。基于资源1F高光谱影像，计算光谱曲线的一阶微分、二阶微分、倒数对数、植被指数特征，并结合数字高程模型（Digital Elevation Model， DEM）、土壤水分和森林地上生物量（Aboveground biomass， AGB）数据集，使用递归特征消除法进行特征筛选。应用随机森林（Random Forest， RF）、极端梯度提升（extreme Gradient Boosting， XGBoost）、支持向量机回归（Support Vector Regression， SVR）、最小二乘回归（Ordinary Least Squares Regression， OLS）四种模型，分别对SOC进行估测，并选择最佳模型反演帽儿山实验林场不同深度SOC含量。结果显示：在土壤分层反演模型中均为XGBoost估测精度最高，0-30cm、0-5cm、5-15cm、15-30cm四层模型R2分别为0.54、0.54、0.46和0.30，RMSE分别为21.28g/kg、44.25g/kg、15.72g/kg和12.56g/kg。反演得到的帽儿山林场天然次生林0-30cm、0-5cm、5-15cm和15-30cm、四层的SOC平均值分别为67.20g/kg、88.87g/kg、46.92g/kg、40.12g/kg，森林SOC含量随土壤深度增加而减小。不同林分类型的SOC含量存在差异，SOC含量排序从大到小为阔叶林、针阔混交林、针叶林。高光谱影像所包含的波段信息为模型的建立提供了可能，但是过多的波段数量造成了数据冗余，导致模型估测精度的降低，采用递归特征消除法可以筛选出最佳特征组合，有效降低特征数量，提升模型估测精度。710-850nm波段的微分特征对天然次生林SOC的反演较为有效，地形因子对于15cm以上的SOC影响较大，土壤水分和地上生物量对于5-15cm层SOC影响较强。应用高光谱影像结合DEM、土壤水分及地上生物量数据可以有效地反演天然次生林SOC，为基于多期高光谱影像的长时间序列、大尺度的天然次生林SOC反演提供技术支持。关键词：天然次生林;SOC;高光谱;机器学习;特征选择54|42|0更新时间：2025-02-21 -
海岸带遥感研究综述：进展、机遇和挑战 AI导读
“海岸带遥感研究进展，分析了国内外现状，探讨了科学技术问题，明确了机遇与挑战，为科学认识海岸带遥感中存在的问题提供参考。”
摘要：海岸带是陆地、海洋、大气相互作用的地球生态关键带，汇集了大量的物质和能量，正经历着高强度人类活动、全球气候变化和物种入侵的叠加影响，面临着前所未有的挑战。遥感科学与技术是全面、系统、深入监测海岸带资源、生态、环境的有效手段。本文从海岸带独特性和遥感技术优势出发，借助Web of Science和CNKI数据库，分析了海岸带遥感国内外研究现状，探讨了海岸带遥感所面临的科学技术问题，综述了研究进展，明确了机遇与挑战，讨论了未来发展方向。本文可为科学认识海岸带遥感中存在的问题，把握海岸带遥感发展方向提供参考。关键词：海岸带;遥感;综述;科学技术问题;机遇;挑战74|55|0更新时间：2025-02-21 - “在生态文明建设领域，专家建立了基于物候的湿地分类体系，并验证了小微湿地提取模型的有效性，为小微湿地提取提供了新思路。”
摘要：在较大范围中更准确地提取小微湿地，对于进一步加强生态文明建设具有重要意义。本文结合物候特征与SAR影像特性建立了湿地的分类体系，并运用MultiRocket-RF时序分类模型基于地物在不同物候期对Sentinel-1雷达波束的散射差异实现湿地提取。此外，在以5hm2为面积阈值界定小微湿地的基础上，提出了一种缓解湿地斑块粘连问题的方法，以减少小微湿地被误分为非小微湿地。最后，以长三角生态绿色一体化发展示范区为例，分析与验证了小微湿地提取模型的有效性。结果表明：（1）SAR时序数据与MultiRocket-RF多元时序分类模型的结合能够较好地适应基于物候的湿地分类体系，对各类湿地的提取效果优良，总体精度达93.6%，Kappa系数达0.888，Macro-F1得分达0.804，尤其对于小微湿地中的淹水草本与木本植被、季节性淹没区的提取更具优势；（2）对湿地斑块粘连问题的缓解能够提升对小微湿地的提取精度，虽然Kappa系数没有显著变化，但Macro-F1得分由0.798提升至0.804，且混淆矩阵中各类小微湿地的提取准确率整体更优；（3）模型较适用于提取1hm2以上的小微湿地，而由于斑点噪声、几何失真等影响，对于1hm2以下小微湿地提取的效果欠佳。本文在拓展SAR数据应用领域的同时，也为小微湿地的提取提供了一种新的技术思路。关键词：遥感;物候;小微湿地;后向散射系数;相干系数;MultiRocket转换器;随机森林34|31|0更新时间：2025-02-21 - “最新研究利用I-DINCAE模型和DNN校正，有效重构南海海表温度数据，揭示其时空变化特征，为海洋研究提供重要依据。”
摘要：海表温度（Sea Surface Temperature，SST）是研究海洋动力学、海洋-大气相互作用和气候变化的重要指标之一，影响海洋生态系统的平衡和演变。传统的SST获取方式虽然精确，但受限于采样点的数量和覆盖范围，难以满足大尺度、高分辨率的海洋研究需求，而卫星遥感数据可覆盖全球海域，更新频率高，在海洋研究中应用广泛。但是卫星遥感数据在采集过程中，受到天气条件、卫星扫描轨道范围和卫星传感器运行故障等因素的影响，导致SST数据常常存在缺失，一定程度上限制了数据的使用。因此，对遥感数据进行重构以提高其利用效率，获得高质量全覆盖的数据集，对海洋研究及业务化应用具有重要意义。本研究通过引入Inception模块嵌入深度卷积自编码器（DINCAE），提出I-DINCAE模型用于FY-3C卫星南海海表温度产品的数据重构。同时结合研究区多年的实测数据，运用DNN模型对新模型重构的温度数据进行校正。采用11993个独立实测数据点的数据集进行检验，结果表明重构SST与实测SST的RMSE为1.27℃，MAE为0.96℃，R²为0.84，而经过DNN模型校正后，RMSE降至0.57℃，MAE降至0.43℃，R²提高至0.92。基于校正后的海表温度数据，从时间和空间两个维度分析了南海在月度和季度尺度上海表温度的时空分布和变化特征。结果表明：在季节尺度上，南海的SST变化特征明显，表现为夏季SST达到最高值，冬季SST降至最低；在月尺度上，南海SST的变化呈现出正（余）弦波动形式，SST通常在6月份达到极大值，在1月份达到极小值。本研究不仅揭示了南海海洋环境的独特性，也为理解南海海洋生态系统和气候变化提供了重要依据。关键词：海表温度;数据重构;深度学习;FY-3C;时空变化26|43|0更新时间：2025-02-21 - “在地理空间智能领域，专家提出土地空间对象化建模框架，为土地空间参数精准解算提供新思路。”
摘要：大模型作为人工智能发展的新浪潮，对于科研范式、生产方式、产业模式的革命性影响不可低估，投入大模型研究已是必然选择。在地理空间智能领域，大模型的科学设计与应用实践还相去甚远。本文秉承“解构复杂地表系统，求解精准土地参数”宗旨，提出在多源多模态观测数据支撑下开展土地空间对象化建模。在此基础上，梳理了土地利用、土地覆盖变化、土壤、土地资源、土地类型/应用等五“土”合一的土地空间参数体系，并针对参数的大规模求解设计了集“符号系统-感知系统-控制系统”三个核心系统于一体的遥感大模型。以农业生产空间的土地利用参数求解为应用案例开展初步实验，实践表明所提框架思路在提升土地空间大规模参数精准解算方面具有较大潜力，有助于服务精细化土地信息产品的智能定制，深化对土地空间的认知。最后，从模型的适应性/稳健性、结果的可解释性/可信度等方面对土地空间参数计算的大模型研究进行了展望。关键词：大模型;地理空间智能;土地空间对象化建模;土地参数求解;注意力机制;深度学习网络;农业生产空间138|149|0更新时间：2025-01-17 - “在建筑物提取领域，研究者提出了一种双分支网络，有效解决了形状尺度多变和边界提取不准确的问题，为建筑物提取提供了新方案。”
摘要：针对形状尺度多变和边界提取不够准确两个建筑物提取难题，提出一种集成主体边缘分离和多尺度信息提取的双分支建筑物提取网络。首先，利用解耦思想和光流技术，设计一种主体边缘分离分支，从而获取建筑物的主体和边缘特征，增强对建筑物边界的表征能力。然后，基于空洞卷积、深度可分离卷积和注意力机制，构建一种轻量级多尺度信息提取分支，来充分提取不同尺度的建筑物特征。最后，借助所获取的主体和边缘特征，给出一种主体和边缘特征辅助增强的损失函数，优化网络训练过程。两组常用公开建筑物提取数据集上的实验结果表明，所提出建筑物提取网络可行有效。关键词：遥感影像;建筑物提取;深度学习;U-Net;主体边缘分离;双分支;多尺度;轻量级107|122|0更新时间：2025-01-02 - “本报道介绍了一种结合深度学习和积雪微波辐射传输模型的降尺度雪深反演算法，为获取区域降尺度雪深产品提供保障。”
摘要：高时空分辨率雪深数据对水文建模和灾害预报至关重要。目前，高时间分辨率雪深通常源于被动微波数据，而其较粗的空间分辨率还无法满足区域水文和灾害研究的需求。本研究基于被动微波和光学等多源遥感数据，提出一种耦合深度学习模型（FT-Transformer）与积雪微波辐射传输模型（Snow Microwave Radiative Transfer， SMRT）的降尺度雪深反演算法。使用深度学习映射AMSR 2亮温差（Brightness Temperature Deviation， TBD）、积雪覆盖日数（Snow Cover Days， SCD）和积雪面积比例（Snow Cover Fraction， SCF）等特征与雪深的复杂非线性关系，耦合SMRT拟合等效雪粒径（Effective Snow Grain size， ESG）实现降尺度反演雪深，使用北疆39个站点数据进行模型训练和验证，获取了北疆500 m降尺度雪深。验证结果表明：引入SCD独立验证RMSE优化了18%，有助于提高模型的空间泛化能力；ESG显著优化了深度学习反演雪深的精度，RMSE为6.82 cm，较未添加ESG的模型提升了15%，同时大幅度改进了深雪低估。进行时间序列分析，发现ESG符合实测雪深的变化趋势，能够约束优化模型反演雪深的稳定性。最后对比已有的AMSR 2、ERA5-Land和SDDsd雪深产品，本研究降尺度雪深精度最优，RMSE为6.51 cm，雪深空间分布也更为精细，体现了山区复杂的雪深异质性。本研究探索了积雪微波辐射传输模型结合深度学习在降尺度雪深反演的可行性，为获取区域降尺度雪深产品提供了保障。关键词：雪深;降尺度算法;深度学习;SMRT;AMSR 2;积雪覆盖日数159|286|0更新时间：2025-01-02 - “在遥感科学研究中，地面观测与遥感数据结合驱动深度学习，创新陆表参数反演范式。但地面观测存在代表性误差，如何获取无限接近遥感像元尺度地面真值是关键。专家围绕像元尺度地面真值获取的关键环节，探讨挑战和解决途径，为提升获取准确性和精度提供新认识和理论指导。”
摘要：地面观测是遥感科学研究的基础，为定量遥感模型的构建、遥感信息准确高效的反演、真实性检验提供重要的数据支撑。特别是进入工智能时代以来，将地面观测与遥感数据相结合驱动深度学习的模式在一定程度上创新了陆表参数反演的范式。然而，由于地面观测与遥感像元的尺度差异以及陆表本身复杂的空间异质性，地面观测存在代表性误差，将其直接作为像元尺度地面真值使用时会给后续的地面观测数据与遥感数据的协同分析和处理带来很大不确定性。如何通过科学的地面观测获取无限接近遥感像元尺度地面真值是野外遥感观测实验关注的焦点。目前围绕像元尺度地面真值获取已经系统开展了从样区的选择、空间异质性评价、地面样点优化布设、地面观测、到尺度转换获取像元尺度“真值”等研究。虽然针对每一个环节都开展了大量的研究工作，然而各个环节中存在概念模糊和理解不充分的情况，导致像元尺度地面真值获取的不确定性很大。如何对像元尺度地面真值获取过程进行不确定性的约束和控制从而获得不确定性最小的像元尺度地面“真值”是目前亟需解决的瓶颈难题。本文围绕像元尺度地面真值获取的几个关键环节论述了目前存在的挑战以及可能的解决途径，在一定程度上为像元尺度地面真值获取的准确性和精度的提升提供一些新的认识和理论指导。关键词：像元尺度真值;地面观测;尺度差异;空间异质性;代表性误差;不确定性;真实性检验;质量评估;样本构建140|120|0更新时间：2024-12-27 -
基空间非对称拉普拉斯全变分高光谱图像去噪 AI导读
“在高光谱图像去噪领域，专家提出了基空间非对称拉普拉斯全变分模型，有效降低了噪声，保持了图像质量。”
摘要：真实的高光谱图像（HSI）容易遭受高强度混合噪声的破坏，如何精确地对噪声进行建模在后续处理任务中至关重要。非对称拉普拉斯噪声建模方法取得了较好的混合噪声去除效果，该类方法考虑到噪声的重尾性和非对称性，对不同波段的不同噪声进行建模。但忽略了HSI梯度基空间的内在分布特征，导致噪声残留。针对此问题，提出基空间非对称拉普拉斯全变分（BSALTV）的HSI去噪模型。梯度基空间 -
地理加权建模理论与技术框架 AI导读
“地理学第二定律揭示空间数据异质性，地理加权回归技术应运而生，覆盖多层面分析需求，但理论完善仍需努力。”
摘要：根据地理学第二定律，空间数据及其变量关系的异质性或非平稳性特征逐渐成为空间计量分析的重要内容之一。结合第一定律所阐释的空间依赖性原理，涌现了以地理加权回归分析技术为代表的一系列地理加权建模技术，功能层面覆盖描述性、探索性、解释性和预测模拟等不同分析需求层次。本文系统梳理了地理加权建模技术理论与技术框架，归纳了其共性特点与核心准则，从前提假设、距离度量、权重计算和带宽优选四个方面阐述了地理加权建模技术的基础构成，并从四个分析需求层次讨论了不同地理加权模型的潜在适用范围。但是，现有地理加权建模技术在理论基础、完备性、互补性和时空拓展方面仍然存在一定问题，距离成为一个完整的空间异质性量化分析框架仍然任重而道远。关键词：空间异质性;空间决定性;计量分析;空间非平稳性;空间统计284|482|0更新时间：2024-12-17 - “在稀土矿区生态恢复领域，专家提出了YOLOv8-AS检测方法，有效提升了复垦植被单棵植株的识别和定位能力，为矿区生态恢复提供技术支持。”
摘要：离子吸附型稀土矿因溶浸开采造成土壤污染，导致复垦植被长势差、成活率低，利用无人机影像监测有助于科学监管。然而矿区复杂环境下导致复垦植被整体特征差异较大使得无人机影像自动识别困难，识别准确率低。为了提高对无人机影像中矿区复垦植被单棵植株快速、精确的自动识别和定位，提出了融合全局特征YOLOv8n网络的矿区复垦植被检测方法（YOLOv8-AS）。该方法在YOLOv8n的基础上做了以下改进：（1）使用降采样模块ADown进行特征卷积操作，降低标准卷积随模型训练深度加深过程中导致的特征损失；（2）采用SPPF-GFP（Spatial Pyramid Pooling Fast-Global Feature Pool）模块进行特征提取，提高模型对整体特征差异较大的复垦植被的检测能力。结果表明：在自建复垦植被数据集上，YOLOv8-AS相较于YOLOv8n的mAP@0.5和mAP@0.5-0.95分别提升1.6%和2.4%；YOLOv8-AS的模型大小、参数量和浮点计算量较YOLOv8n分别下降了11%、10%和9%。YOLOv8-AS算法的mAP@0.5和mAP@0.5-0.95分别达到了91.1%、46.8%，相较于SSD、Faster R-CNN、RT-DETR、YOLOv5、YOLOv7和YOLOv7-tiny模型mAP@0.5分别提高了14.07%、23.32%、1.2%、2.3%、3.3%、2.9%和1.2%。此外，YOLOv8-AS能够针对小目标、简单和复杂场景进行快速、精准地检测复垦植被，同时较好地提升了对复垦植被单棵植株的识别和定位能力。该方法可为矿区生态恢复提供准确有效的技术支持。关键词：深度学习;目标检测;YOLOv8n;无人机影像;稀土矿区;复垦植被300|120|0更新时间：2024-12-13 - “在红树林资源管理领域，专家提出了一种结合深度学习与传统算法的高精度单木分割框架，为红树林资源调查提供数据支撑。”
摘要：热带红树林是生产力最高、最富有生物多样性的森林资源之一，红树林森林资源调查能为森林资源的科学管理和保护提供数据支撑，准确的单木分割是二类森林资源调查的前提。地基激光雷达（Terrestrial Laser Scanning， TLS）能够提供海量、高精度的三维点云数据。然而，点云数据存在无规则、近密远疏且因遮挡导致的数据残缺等问题。并且，红树林场景复杂，冠层交错，树木互相遮挡，现有研究方法不适用于红树林TLS点云。本研究创新性地结合深度学习与传统算法，提出了一种针对红树林复杂场景TLS点云的高精度单木分割框架。该框架首先利用深度学习网络 RandLA-Net进行地面滤波和样地枝叶分离，其次通过连通域分割方法进行主干分割，最后通过提出的基于树顶点多约束模块实现单木分割。本文选取了中国海南七个红树林样地进行算法的精度评价，并与两种经典算法进行对比分析。实验结果显示，本文方法的总体精度达到0.87，大幅高于两种经典算法，证明了本文方法的有效性和可靠性。关键词：热带红树林;地基激光雷达;点云;单木分割;深度学习320|204|0更新时间：2024-12-12 - “风云四号A星AGRI辐射性能退化，采用DCC方法评估，为定标系数更新提供依据。”
摘要：风云四号A星（FY-4A）先进的静止轨道辐射成像仪（AGRI）已进入设计寿命末期阶段，部分太阳反射通道的辐射性能出现明显退化，影响了定量遥感产品应用精度。本研究采用基于深对流云（DCC）的定标跟踪方法对AGRI反射波段辐射响应变化进行定量评估。为提高评估的精度和稳定性，研究了DCC方法对红外亮温阈值、像元邻域空间均一性条件和DCC角度分布模型（ADM）的敏感性。结果表明：对于红外亮温阈值，可见光通道DCC反射率均值的敏感性低于概率密度函数（PDF）峰值反射率；而在短波红外通道，DCC PDF峰值反射率的敏感性略低于反射率均值。在可见光-近红外波段采用CERES ADM模型能较好地校正DCC反射率各向异性的影响，且明显优于Hu模型，但两种ADM模型在短波红外波段均无明显校正效果。基于上述敏感性研究优化了DCC方法中的阈值选择和ADM策略，对2017年3月至2023年4月FY-4A/AGRI反射波段的辐射响应进行跟踪评估。结果发现：0.47μm、0.65μm和2.25μm通道出现显著退化，总衰减率分别为45.55%、26.22%和6.362%，该结果为AGRI反射波段定标系数更新提供了参考依据。关键词：遥感和传感器;辐射定标;深对流云;先进的静止轨道辐射成像仪;角度分布模型;表观反射率;反射太阳波段231|116|0更新时间：2024-12-11 - “中国林业科学研究院资源信息研究所发布亚热带林区多平台激光雷达森林样地点云数据集，为森林生态研究提供重要参考。”
摘要：共享多平台激光雷达点云数据对于开展森林生态以及激光雷达算法研究具有重要意义。为此，中国林业科学研究院资源信息研究所发布了亚热带林区的有人机、无人机和地基多平台激光雷达森林样地点云，以及地面调查基准数据集。数据集在中国广西国有高峰林场获取，包括桉树、杉木和马尾松3个树种，共25块样地。地面调查数据包括样地位置、树木位置、胸径、树高、枝下高和冠幅。该数据集可用于剖析不同平台激光雷达表征森林三维结构信息的特点，评估点云配准、单木分割等点云处理算法性能，分析森林结构参数提取的适用性，为区域、样地和单木尺度森林研究提供重要参考。此外，本研究发展了一种基于地基激光雷达点云的地面调查方法。该方法根据树干点云标记树木位置，并基于树木位置图进行每木检尺，记录树木参数，避免了实地单木定位和标记步骤，提高了作业效率，为林业地面调查提供一种新思路。关键词：亚热带林区;激光雷达;有人机;无人机;地基;多平台;森林样地;点云;基准数据集;地面调查509|258|0更新时间：2024-11-26 - “最新研究利用遥感数据和PLUS模型，分析鄂尔多斯市光伏电站土地利用变化，预测未来趋势，为土地规划和资源管理提供科学依据。”
摘要：太阳能作为清洁能源，通过减少碳排放，助力实现碳达峰和碳中和目标。光伏电站利用太阳能光辐射发电，是清洁能源的一种重要形式，通过光电转换技术将太阳能转化为电能，实现低碳、无污染的发电过程。将光伏电站纳入土地利用分类有助于全面评估土地资源利用和生态环境影响。然而，现有研究缺少针对光伏电站的长时序土地利用演变研究，且没有基于不同的政策情景对光伏电站建设进行预测。本文基于2000年-2023年间的Landsat5数据和GF2数据对鄂尔多斯市的光伏电站进行目视解译生成土地利用类型图，并在全市范围内分析光伏电站的面积变化、类型转化及空间变化。此外，本文通过绘制高斯投影椭圆，通过投影椭圆的重心演变分析了2000年-2023年间每五年鄂尔多斯市光伏电站的时空变化特征。最终通过PLUS模型分析驱动因素并进行不同政策情景下鄂尔多斯市土地利用类型的未来预测。研究结果表明：2000年-2011年与2011年-2023年相比，鄂尔多斯市土地利用变化的区域空间格局基本一致，但区域变化呈现了新的特征，2011年开始有土地利用类型转变成光伏电站。此外本文基于PLUS模型分析进一步显示人口增长、地表温度、土壤热通量、政策及降水量是造成鄂尔多斯市土地利用变化的主要驱动因素，且对2030年三种政策情景下的土地利用类型进行预测，三种政策情景下鄂尔多斯市建筑、林地、水体、耕地、草地和光伏电站面积均呈现增加的趋势。预测2030年的各类土地利用类型面积与2023年相比，荒漠和沙地分别减少了173.57km2、1.91km2；其余土地利用类型面积均增加，其中光伏电站增加约2.46 km2。不同情景下对鄂尔多斯市土地利用类型进行预测为鄂尔多斯市土地规划、资源管理和环境保护提供科学依据。关键词：光伏电站;空间格局;时空变化;驱动因素;情景模拟514|285|0更新时间：2024-11-06 - “陆地生态系统碳监测卫星激光测高全波形数据在森林冠层高度反演中的应用研究取得进展，为森林资源监测提供解决方案。”
摘要：陆地生态系统碳监测卫星（Terrestrial Ecosystem Carbon Inventory Satellite，TECIS）是我国首颗以激光雷达为主载荷，以高精度监测陆地生态系统碳储量、森林资源和森林生产力为主任务的遥感卫星，可服务国家“双碳”战略、全国重要生态系统保护和修复重大工程监测评价等工作。本文详细评估了陆地生态系统碳监测卫星激光测高全波形数据不同RH（Relative Height）指标表征森林冠层高度的能力，对比了固定增益和可变增益全波形森林冠层探测能力的差异，分析了坡度对冠层高度反演的影响。选取加拿大魁北克试验区的六轨数据进行试验分析，结果表明以RH0为冠层高度起算基准时，将明显高估冠层高度，提高计算背景噪声阈值的背景噪声标准差倍数有利于提高冠层高度精度，但效果有限，而以RH5为冠层高度起算基准将大大提升冠层高度精度，更大的RH起算基准如RH10以上则会低估冠层高度。陆地生态系统碳监测卫星固定增益全波形数据，以RH5为冠层高度起算基准，6倍背景噪声标准差计算背景噪声阈值，剔除少量异常激光点后，森林冠层不同百分比的高度反演精度的RMSE在3.58 m~4.23 m之间，ME小于1.0 m，MAE介于2.52 m~3.21 m之间。可变增益与固定增益全波形数据反演冠层高度的精度相当，但计算背景噪声阈值的背景噪声标准差倍数比固定增益更小。以RH5为冠层高度起算基准显著优于波形分解的最后波峰位置，并且受地形坡度的影响更小。可变增益和固定增益的配置有利于提高数据有效率。相关结论将有利于支撑陆地生态系统碳监测卫星激光测高数据在森林冠层高度反演中的应用。关键词：卫星激光测高;陆地生态系统碳监测卫星;全波形激光雷达;森林冠层高度;相对高度指标;背景噪声阈值;地形坡度;冠层高度模型541|165|0更新时间：2024-11-06 - “在遥感领域，对比学习被广泛应用于高光谱图像分类。针对现有方法的不足，专家提出了基于多尺度监督对比学习的高光谱图像分类网络，实现了精准分类。”
摘要：高光谱图像分类旨在为高光谱图像中每一像素赋予所属类别，是遥感领域中的一项重要应用。近年来，对比学习由于其良好的挖掘数据关键特征的能力，被广泛运用于高光谱图像分类任务中。但是目前自监督对比学习范式大多采用两阶段方案训练网络，在预训练阶段难以避免将同一类的物体定义为负样本，往往导致类内差距变大。此外，对比学习算法一般采用裁剪、旋转等数据增强方式生成正样本，生成正样本的多样性较为受限。针对上述问题，本文提出了一种基于多尺度监督对比学习的高光谱图像分类网络。具体而言，本文提出了多尺度对比特征学习网络逐层次提取光谱特征和多尺度空间特征，构建了类级对比策略将来自同一类别的不同尺度样本给予紧密一致的表示，进一步拉近特征空间中正样本之间距离，使类内数据更加聚集。然后，提出了空谱混合概率导向融合分类网络，设计了自适应机制动态调整特征融合的权重，挖掘光谱与空间信息的潜在关联，从而实现精准的分类结果。在Houston 2013、WHU-Hi-LongKou和Pavia University高光谱数据集上的试验结果表明，本文方法与其他主流深度学习方法相比表现出更加优越的分类性能。关键词：高光谱图像;图像分类;对比学习;空谱特征融合;注意力机制224|326|0更新时间：2024-10-30 - “最新研究提出SSAFormer模型，有效提高红树林群落分类精度，为海洋生态保护提供新方案。”
摘要：红树林是最富有生物多样性、生产力最高的海洋生态系统之一，整合高分辨率遥感影像和深度学习的红树林群落精细分类已成为当前研究的热点和难点。本文提出一种新颖的深度学习分类网络模型SSAFormer（Swin-Segmentation-Atrous-Transformer）进行红树林群落精细分类。该模型以视觉变压器的变体Swin Transformer为主干网络，在主干网络加入了CNN（Convolutional Neural Network）架构中的空洞空间卷积池化金字塔ASPP（Atrous Spatial Pyramid Pooling）提取更多尺度特征信息，在轻量级解码器中嵌入了特征金字塔FPN（Feature Pyramid Network）结构来融合低层和高层丰富的语义特征信息。本文利用GF-7（Gaofen-7）多光谱影像和UAV-LiDAR点云构建了三种主被动特征数据集，并对比分析SegFormer和本文改进的Swin Transformer算法的分类结果，进一步论证提出的SSAFormer算法对红树林群落的分类性能。研究结果表明：（1）相比于SegFormer和改进的Swin Transformer算法，SSAFormer实现了红树林的精细分类，总体精度OA（Overall Accuracy）提高了1.77%~5.3%，Kappa系数最高为0.8952，平均用户交并比MIou（Mean Intersection over Union）最大提升了7.68%；（2）在GF-7多光谱数据集上，SSAFormer算法实现了91%最高总体精度（OA），在UAV-LiDAR数据集上SSAFormer算法平均用户交并比（MIou）提升至57.68%，在加入光谱特征的UAV-LiDAR数据集上，SSAFormer算法平均用户交并比（MIou）的均值提高了1.48%；（3）UAV-LiDAR数据相比于GF-7多光谱数据平均用户交并比（MIou）最大提高了5.35%，总体精度（OA）的均值提升了1.81%，加入光谱特征的UAV-LiDAR数据分类精度（F1-score）提高了2.6%；（4）提出的SSAFormer算法实现了海榄雌分类精度（F1-score）97.07%最高，桐花树分类精度（F1-score）达到91.99%，互花米草分类精度（F1-score）达到93.64%，桐花树的分类精度（F1-score）的平均值在SSAFormer模型上达到了86.91%最高。上述结论证明了本文所提出的模型能够有效提高红树林群落分类精度。关键词：红树林;GF-7多光谱;UAV-LiDAR点云;SSAFormer;深度学习;主被动影像整合;特征选择;群落精细分类512|256|0更新时间：2024-10-18 - “风云系列气象卫星搭载的风场测量雷达，采用先进扫描体制，成功获取全球海面风场等参数，性能指标达到预期，为天气预报提供重要数据支持。”
摘要：风场测量雷达是我国风云系列气象卫星的第一部主动遥感仪器，是国际上第一部星载双频双极化散射计，采用先进的扇形波束圆锥扫描体制，通过地球系统的后向散射测量获取全球海面风场、土壤湿度和海冰覆盖等地球物理参数。本文介绍了风场测量雷达的测量原理、信号特性与主要性能指标，给出了风场测量雷达数据预处理方法；根据卫星发射后的测试数据，初步分析了仪器在轨工作性能。分析结果表明，风场测量雷达在轨状态良好，性能指标达到预期，为其数据的遥感应用、同化应用与天气预报奠定了基础。关键词：风场测量雷达;散射计;仪器性能;在轨测试;初步评价;辐射分辨率;数据预处理;风云三号;气象卫星414|221|0更新时间：2024-10-18
- 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