CatBoost模型在水深反演中的应用

在多光谱遥感水深反演研究中,由于影响反演精度的因素较多,传统的水深反演模型具有一定局限性。机器学习算法在解决非线性高复杂问题上较有优势,将其应用在某些特定区域水深反演可提高反演精度。本文利用Sentinel-2多光谱遥感影像和LiDAR测深数据,以瓦胡岛为研究区域,构建CatBoost水深反演模型,与传统水深反演模型及Boosting中的XGBoost和LightGBM模型的反演精度进行比较。试验结果表明,经过参数优化后的CatBoost水深反演模型的决定系数、均方根误差、平均绝对误差和平均相对误差分别为96.19%、1.09 m、0.77 m和9.61%,准确性最高,效果更佳。     

基于Sentinel-1A与Sentinel-2A融合的土地利用/覆盖分类研究——以昆明市呈贡区为例

为提高土地利用/覆盖分类精度,本文以昆明市呈贡区为例,融合Sentinel-1A(S1A)与Sentinel-2A(S2A)遥感数据,采用支持向量机(SVM)的监督分类方法对土地利用/覆盖进行分类。对比分析了Sentinel-1A与Sentinel-2A数据在不同组合情况下所有分类结果的总体精度,结果表明:将Sentinel-1A的强度数据、纹理数据与添加植被指数的Sentinel-2A数据融合时分类精度相对较高,总体精度可达93.60%。采用雷达数据与光学数据融合的方法可以在一定程度上提升土地利用/覆盖分类精度。     

主被动光学卫星遥感数据融合浅海水深测量

针对双介质立体摄影测量中水面高程不确定性带来的测深误差,本文提出了主被动光学卫星遥感数据融合浅海水深测量的技术路线,探讨了主动ICESat-2激光测高数据与被动WorldView-3立体像对数据融合的测深模型。首先通过ICESat-2激光测高数据提取海面高程作为WorldView-3立体像对数据水面高程纠正的起算位置,然后利用区域网平差的二次多项式加入适当的水深改正量。在我国南海岛礁开展了主被动光学卫星遥感数据融合进行浅海水深测量试验。结果表明,主被动融合测深模型的均方根误差(RMSE)小于0.70 m,实现了高精度、无实测控制点的浅海水深测量。     

ICESat-2/ATLAS全球高程控制点提取与分析

ICEsat-2/ATLAS是目前高程精度最高的星载激光数据,其数据覆盖全球,能够作为生产高精度全球地面参考高程的基础数据。基于ICESat-2/ATLAS全球激光数据产品ATL08,获取了全球ICESat-2陆地高程点,研究了基于参考高程数据和属性参数提取全球高程控制点的方法,并利用高精度参考高程数据验证了其精度。利用山东试验场和河南试验场30 cm高程精度的机载激光数据对所获取的激光点进行了验证,得到的均方根误差分别为1.11 m、1.39 m;经过参考DEM(digital elevation model)和属性参数限制筛选后的高程控制点的均方根误差分别为0.69 m、0.57 m,数据保留率分别为61.38%、60.00%,证明了该提取方法能够在保证数据保留率的同时有效提高高程精度。所提出的方法能够自动提取点位密度大、精度高的全球高程控制点数据,为国产高分辨率卫星进行无地面或少地面控制点的立体测绘和产品质量检验提供数据支持。     

ICESat-2与多源光学影像的潮滩地形反演方法

针对潮滩地形监测存在的操作难度大、价格高、精度低等问题,本文基于ICESat-2卫星激光点云剖面数据,提出了结合多源光学影像的潮滩地形反演方法。以中国黄海辐射沙脊群的两大沙洲系统——条子泥与高泥为研究对象,利用低通滤波降噪技术提取地形高度值,并与潮汐水位数据相结合赋值,实现了从二维到三维的转换,提高了目前主流的水边线潮位赋值法的反演精度。该模型展现了更多滩面地形起伏变化的细节,高度差异明显,可以观测到清晰的潮沟地形。对比实测数据,相关系数为0.89,均方根误差为0.34 m。研究结果验证了ICESat-2数据对于潮滩地形反演的重要作用,为构建人类活动影响下的潮滩演化理论奠定了数据基础。     

ASTER GDEM V2的南极冰川高程误差校正及精度分析

ASTER GDEM V2是研究南极冰盖表面的一种重要DEM数据源。由于南极冰雪区反射率高且缺乏地形特征，导致ASTER GDEM V2存在大量的坑、隆起等噪声，难以直接用于南极地形分析。本文以ICESat/GLAS激光点高程数据作为参考，采用修正等高线法对南极伯德（Byrd）冰川ASTER GDEM V2进行了误差校正，并将其与ICESat-1 DEM的垂直精度进行了对比分析。结果表明：ASTER GDEM V2的RMSE由校正前的26.56 m下降到校正后的18.77 m，远低于ICESat-1 DEM的RMSE（121.24 m）；校正后的ASTER GDEM V2高程精度受坡度影响较小，不存在明显的系统误差，而ICESat-1 DEM的高程精度受坡度的影响较大。本研究进一步通过地形剖面分析得到：校正前的ASTER GDEM V2噪声主要分布于高程较低、地形平坦的区域，通过修正等高线的方法可以有效去除这些噪声，去除噪声后的ASTER GDEM V2可作为研究伯德冰川理想的DEM数据源。     

利用全卷积网络提取Sentinel-2影像高低层建筑区

面向Sentinel-2多光谱数据，依据影像地物空间结构和地表实际功能类型将建筑区分为高层建筑区和低层建筑区，构建了一种基于全卷积网络模型的高、低层建筑区快速提取技术。在此基础上，以雄安新区及其周边为试验区，选取2017年3月获取的4景Sentinel-2多光谱数据进行试验验证和分析。结果表明：本文技术能够实现大范围区域内高层和低层建筑区的快速提取，总体平均提取精度达到95.30%，其中高层建筑区平均提取精度为99.22%，低层建筑区平均提取精度为91.38%，该技术明显优于现有基于纹理结构的高低层建筑区提取方法。通过对提取结果进行统计分析发现：约4.4×10⁴ km²的研究区内高层和低层建筑区分别约为94和7351 km²；雄安新区中心三县内高层和低层建筑区分别约为1.25和312.24 km²。本文技术具有很好的推广性，结合Sentinel-2数据大幅宽高频次观测特点和更多类型建筑区样本，可以实现大范围地表多类型建筑区动态监测。     

基于ICESat-2数据及TanDEM-X DEM的林下地形反演

传统光学遥感手段以及SAR获取的数字高程模型(DEM)包含一定的植被信号,如何准确估计植被高度并将其从包含植被高信号的DEM中扣除,对生成高精度DEM具有重要意义.基于此,提出一种基于ICESat-2/AT-LAS数据和TanDEM-X DEM的林下地形生成方法.首先利用ICESat-2 ATLAS数据联合MODIS、温度、降雨及高程等辅助信息通过随机森林进行建模及预测,实现空间连续植被高反演;之后,在估计X波段InSAR森林区穿透深度基础上,利用反演所得植被高,扣除TanDEM-X DEM中的植被高信号,得到林下地形.选取我国东北地区作为试验区,实验结果表明:反演林下地形精度为9.14 m,相比原始Tandem-X DEM的精度提高21.2％.     

基于ICESat-2 ATLAS数据的DEM高程精度评价

为探究ASTER GDEMV3、SRTM1 DEM和AW3D30 DEM 3种开源DEM数据的高程精度,本文以高精度ICESat-2 ATLAS测高数据为参考数据,利用GIS统计分析、误差相关分析及数理统计对DEM的高程精度进行对比评价。结果表明：①AW3D30的质量最稳定;SRTM1 DEM在平原精度最高;在高原山地精度由高到低依次为AW3D30 DEM、ASTER GDEMV3、SRTM1 DEM。②DEM数据高程精度受地表覆盖影响较大,且与地形因素密切相关,在相同地表覆盖的两个研究区中DEM数据高程精度表现情况不一致,SRTM在平原地表覆盖下精度表现最好,平均误差为3.15 m,AW3D30 DEM在山地地表覆盖下精度表现最好,平均误差为7.61 m。③坡度对DEM数据的高程精度影响较大,在两个研究区3种DEM数据的高程误差均随坡度的增加而增加;坡向对DEM数据的高程精度影响较小,未发现明显的规律。     

融合Sentinel-2数据的高分五号高光谱数据降尺度

高分五号(GF-5)是中国首颗实现对大气和陆地综合观测的全谱段高光谱卫星，其搭载的可见短波红外高光谱相机AHSI提供的遥感数据拥有极高的光谱分辨率。然而，AHSI数据的空间分辨率为30 m，较低的空间分辨率限制了应用场景。为实现GF-5数据的降尺度，本文通过融合10 m哨兵二号(Sentinel-2)多光谱数据，生成10 m GF-5高光谱数据。在方法上，针对现有先进的信息损失引导的图像融合方法ILGIF (Information Loss-Guided Image Fusion)在高光谱图像降尺度中计算时间成本高的问题，本文提出了其快速版本FILGIF (Fast ILGIF)。另一方面，在降尺度过程中，本文考虑并估计了30 m GF-5高光谱数据和10 m Sentinel-2数据之间的尺度转换点扩散函数PSF (Point Spread Function)，提高融合数据质量。实验结果验证了融合Sentinel-2数据用于GF-5高光谱数据降尺度的可行性。同时，结果表明：在获得与ILGIF相当精度的前提下，FILGIF大幅提高了运行效率；尺度转换PSF对降尺度过程有着重要影响，其准...     

同步激光测高数据的垂线偏差解算与分析

针对传统的垂线偏差计算过程中东西分量与南北分量差异过大的问题,提出了利用新型ICESat-2海面高数据获取高精度东西分量的方法,选定南中国海域(0°～23°N、103°～120°E)作为试验区域,基于ICESat-2 ATL12海表面高度数据产品进行垂线偏差解算.与此同时,采用XGM2019e_ 2159模型检核,对比同时间序列长度的Jason-2解算结果,分析了ICESat-2多波束同步观测模式的垂线偏差解算优势.数值试验表明:ICESat-2获取的海面高观测值精度优于传统雷达测高模式,计算的沿轨垂线偏差精度与Ku波段测高模式相当.ICESat-2中间束强波束的垂线偏差解算精度优于两侧强波束,并且多波束组模式首次提供了跨轨方向的同步观测数据,解算的跨轨垂线偏差精度可靠,可以提升垂线偏差东西向分量的确定精度.     

利用TanDEM-X影像和ICESat-2高程数据获取南极高精度数字高程模型

高精度DEM是南极科学研究的基础地理信息数据之一。德国空间局发布的TanDEM-X双站干涉影像对不仅分辨率高、覆盖范围大,而且具有零时间基线,不受时间去相关、大气变化及地面目标形变的影响。本文基于TanDEM-X双站干涉影像对和迭代差分InSAR技术获取南极高分辨率DEM;然后利用南极ICESat-2高程数据和最小二乘平差方法改正DEM产品的系统性偏移误差,提高DEM产品的绝对精度。真实数据试验结果表明,本文方法可获取分辨率优于5 m、绝对精度优于2 m的南极DEM。     

基于Sentinel-2A时序谐波分析的山区林草资源遥感自动分类

文章提出了基于Sentinel-2A密集时序的山区林草资源自动分类方法。在GEE云计算平台支持下,首先基于Sentinel-2A影像计算年度NDVI密集时间序列;然后利用HANTS谐波分析对年度NDVI进行时序重构,获得年度完整的NDVI时序特征谱;在此基础上构建随机森林分类模型,通过特征计算和优选,完成影像分类和精度评价;并以大别山西麓麻城市为研究区开展了实验研究。实验结果表明:时序谐波分析方法能够有效地区分林草资源及森林亚类,时序谐波特征支持下Sentinel-2A密集时序林草资源遥感分类总体精度较高,相比传统多期分类、现有的全球30 m GLC_FCS30-2020分类产品,OA和Kappa均有了一定的提高。     

星载LiDAR产品辅助的InSAR森林高度反演

针对星载重轨InSAR森林高度反演受时间去相干制约与模型解算辅助数据难以获取的问题.考虑ALOS-2 PALSAR-2干涉数据特点,采用一种顾及时间去相干影响的半经验散射模型,利用最新发布的星载激光雷达ICESat-2 ATL08高程产品中的植被高度数据作为辅助数据,并结合主成分分析思想(PCA)对ALOS-2 PALSAR-2相干幅度信息与树高的关联模型进行参数解算.实验结果表明,在ICESat-2树高数据辅助条件下,通过散射模型可以较好抑制时间去相干的影响,进而反演出可靠的模型参数及森林高度(RMSE约为3 m).本研究验证了联合星载重轨干涉SAR与星载LiDAR数据实现大范围、大尺度森林高度反演的可行性.     

ICESat-2机载试验点云滤波及植被高度反演

新一代星载激光雷达卫星ICESat-2将采用多波束微脉冲光子计数技术,并进行高程剖面式的对地观测。由于该点云数据具有背景噪声大、密度低并呈线状分布等特点,传统的点云滤波算法并不适用,研究新的点云滤波算法十分必要。本文以ICESat-2的机载模拟器MABEL数据为例,首先介绍了微脉冲光子计数激光雷达的基本原理和数据特点,并针对高程剖面点云提出基于局部距离统计和最小二乘局部曲线拟合的点云滤波算法;然后,对美国加利福尼亚州Sierras-Forest地区MABEL试验中532 nm通道的光子点云进行滤波处理,并利用识别的地面点插值得到3 m分辨率的线状DEM,进而估算了该区域美国云杉的平均树高;最后,对该滤波算法进行精度评价,并分析了误差来源及其对DEM精度和树高反演精度的影响。结果表明:(1)该算法整体精度达97.6%,能有效剔除绝大部分噪声点且对地形起伏具有较强的自适应能力;(2)误分噪声点影响了滤波过程中局部地形的拟合,而滤波过程中的分类误差将降低DEM和树高反演的精度。     

基于多源影像融合去云的水深遥感反演研究——以哨兵-2A和资源三号为例

利用Worldview-2、资源三号、Sentinel-2A、高分一号,以及Landsat-8等5种光学卫星数据和电子海图数据,在研究多光谱遥感水深反演机理以及基本流程的基础上,探究了多源遥感数据去云融合与水深反演。一方面,以不同空间分辨率的影像融合为切入点,用GM融合算法、小波融合探讨不同空间尺度、不同数据源融合影像对水深反演结果的影响,探讨水深反演过程中遥感影像去云融合的可行性。另一方面,以多源遥感水深反演为切入点,基于双波段比值法,反演实验区域20 m以内的水深,并进行精度评价。实验表明,利用小波融合去云可以改善水深遥感反演中有云区域的影响,一定程度上提高反演精度和制图资料的完整性。     

广西-东盟多源遥感数据的森林高度反演及应用

森林生态系统在调节生态气候与碳循环方面发挥着重要作用,森林高度是衡量森林生态系统功能的重要参数。利用单一遥感数据获取森林冠层高度会受到多种制约。因此,本文使用星载激光雷达ICESat-2提供的高质量离散森林冠层高度点,结合Sentinel-1、Landsat 8及地形数据,采用随机森林方法建立不同影像特征组合森林冠层高度的回归模型,并分析各特征对森林高度反演的影响,最后将模型应用于广西森林冠层高度制图。试验结果表明,多源遥感数据可有效提高森林冠层高度反演精度,在所利用遥感数据中,特征重要性从大到小依次为光学特征、地形特征、SAR特征,“L8+SRTM+Sentinel-1+邻域均值”特征组合的反演精度最高,加入邻域均值特征进行森林冠层高度反演效果最佳,随机森林模型能精确绘制森林冠层高度。     

基于Sentinel-2A的耕地质量综合评价

本研究以Sentinel-2A数据为基础,构建基于多光谱遥感影像和地球化学数据的耕地质量指标体系和评价模型,对海伦地区耕地质量进行综合评价。在分析土壤肥力、土壤水分、土壤退化与植被指数的相关性的基础上,确定了基于Sentinel-2A的遥感评价指标,并基于营养元素与重金属含量构建地球化学指标,并将两项指标进行结合形成P-S-R框架体系。在该指标体系下,采用层次分析法构建了耕地质量综合评价模型,创新性实现了通过遥感手段结合少量地球化学数据完成对耕地质量进行评价。利用土壤样本实测点对模型进行验证,结果表明评价模型获取的耕地质量评价结果与研究区实际情况比对精度达到75%,结果表明海伦地区耕地质量整体较好。该方法相比采用传统的地球化学评价土地质量的方法更加方便和快捷,对于大范围耕地的可持续利用提供有效的技术支撑和重要的现实意义。     

海底底质分类支持下的WorldView-3多光谱影像浅海海域水深反演

近几十年来,基于遥感影像进行水深反演一直是国内外学者研究的热点。本文使用WorldView-3高分辨率卫星影像,结合卫星测高数据,以中国海南岛附近的蜈支洲岛及其附近海域为主要研究区域,在进行数据预处理、底质分类之后,分别通过多元线性回归模型、Stumpf对数比值模型和BP神经网络集中对岛屿周围0～20 m水域的水深进行反演和结果分析。结果证明,对这3种模型而言,在进行底质分类之后精度都会明显提升。其中,BP神经网络反演水深精度最高(均方根误差范围为0.2～0.7 m),多元线性回归模型次之(均方根误差范围为0.3～0.8 m),对数比值模型精度最低(均方根误差范围为0.6～1.1 m)。     

利用机载点云检核ICESat-2/ATLAS激光测高数据精度

美国第2代激光测高卫星ICESat-2已经公开发布数据,能够提供剖面状密集点云,但其平面/高程精度还未得到充分验证。全球开源DEM或卫星光学立体影像生成的DEM精度远低于星载激光测高数据,无法实现激光精度检核。本文使用机载激光雷达/光学立体影像数据开展ICESat-2卫星ATLAS精度验证,通过单光子点云去噪、剖面地形恢复和数据内插等手段,对国内舟山、上海和汉中等不同地形条件下的星载光子计数激光雷达数据进行对比分析。实验结果表明, 6组ATLAS点云高程的均方根误差分别为0.43、0.65、0.72、0.53、0.45和0.77 m,平均值达到0.59 m,具备较好的高程精度。