干侵入对我国东部一次强飑线过程的作用分析

利用NCEP/NCAR再分析资料、雷达资料、FY2E卫星资料等,对2014年7月30日至31日发生在我国东部的一次强飑线天气过程进行综合分析,并着重分析了干侵入对此次飑线过程的作用。结果表明：中层阶梯槽引导高层干冷空气向下入侵后叠加在低层暖湿气流之上,增强了大气不稳定,不稳定能量累积;低空切变线促使不稳定能量释放,是此次飑线的重要触发机制。对干侵入的分析结果表明：此次飑线过程中,干侵入来源于高空槽后下沉气流,干侵入底部风场调整使得飑线在移动过程中发生了转向。在飑线发展过程中,干侵入范围扩大、强度增强;干侵入使飑线发生区域上空空气变冷、变干,增强了大气不稳定。干侵入底部的低相当位温空气与飑线内部高相当位温空气混合是飑线长时间维持的重要原因。     

以SRTM-DEM为控制的光学卫星遥感立体影像正射纠正

针对全球测图缺少统一的控制基准的问题,提出了利用SRTM-DEM作为控制基准,对光学卫星遥感影像进行正射纠正的方法。首先,对光学卫星影像构建的立体影像对进行自由网平差并制作DEM;然后,以SRTM-DEM作为控制,将DEM作为单元模型,进行独立模型法DEM区域网平差,获得单元模型的定向参数;最后,改正立体影像的成像几何模型参数,进行正射纠正。选取湖北咸宁和江西某地两个测区的资源三号数据进行试验,试验结果表明,资源三号正视全色影像的平面定向精度由12.93像素提高到6.85像素。     

ECM算法的多视SAR影像分割

多视SAR影像像素强度通常建模为Gamma分布,其形状参数为常数(视数)。实验表明,多视SAR影像分割时,设Gamma分布的形状参数为变量可取得更好的分割结果。由于Gamma分布中形状参数以Gamma函数的形式出现,利用EM算法求解时无法获得形状参数的解析解。为此,本文提出了一种基于Expectation/Conditional Maxinnization(ECM)算法的多视SAR影像分割方法。利用ECM算法估计最大化后验概率条件下的Gamma分布参数及表征最优多视SAR影像分割的标号场实现。采用模拟和真实多视SAR影像验证提出算法。实验结果表明,Gamma分布的形状和尺度参数均能快速收敛到稳态值,且以此得到各同质区域的Gamma分布曲线可以很好地拟合其直方图。通过对分割结果的定性和定量分析,可知提出算法具有有效性和可行性,且优于EM算法。     

植被生物量高光谱遥感监测研究进展

植被生物量的评估对于研究全球碳循环具有重大意义,而高光谱遥感技术为精确反演地表属性提供了重要的数据支持。针对如何更好地应用高光谱遥感技术进行植被生物量精确反演的问题,该文详细阐述了国内外应用高光谱技术估测植被生物量的研究进展。对反演植被生物量所涉及的数据源、反演模型的构建方法及其模型特点、反演模型应用对象等内容进行了综合评述,并通过分析认为,高光谱遥感技术较传统的多光谱遥感技术在生物量反演精度上有了显著的提高。同时,对建模方法、多源遥感数据融合以及模型通用性等方面的研究进行了展望,以达到在大尺度范围内对植被生物量进行准确反演的目的。     

改进支持向量机的高分遥感影像道路提取

针对支持向量机受分类数的限制在高分辨率遥感影像中无法直接获取高精度道路网信息的问题,该文提出一种新的混合的基于支持向量机的方法:首先,利用模糊C均值聚类方法将输入的遥感影像分为3类,以减少支持向量机的错分现象;其次,运用支持向量机将不同类别的像素分为道路类和非道路类;最后,应用马尔科夫随机场对分类结果进行噪声去除,并采用形态学进行后处理,进而得到精确道路网信息。实验结果表明:该算法不仅能够从高分辨率遥感影像中提取出道路网,而且精度优于直接使用支持向量机算法以及对比算法。     

倾斜摄影测量的城市真三维模型构建方法

针对如何基于近年来新推出的倾斜摄影测量技术快速构建城市真三维模型的问题,在研究分析国内基于该技术构建三维模型方法的基础上,提出了利用Street Factory系统,结合少量人工干预快速构建城市真三维模型的方法。采用倾斜影像联合空中三角测量技术,实现了多角度倾斜影像的一体化区域网平差;通过多视影像密集匹配和自动纹理关联,实现了高精度真实三维模型的构建。基于RCD-30倾斜相机获取的西安大雁塔景区倾斜影像,开展城市真三维模型构建试验。结果表明,所提方法构建的城市真三维模型满足相关规范的要求,适合大规模区域城市三维模型快速构建,对测绘生产单位规模化生产具有一定的参考价值。     

A support vector machine classifier based on a new kernel function model for hyperspectral data

The kernel function is a key factor to determine the performance of a support vector machine (SVM) classifier. Choosing and constructing appropriate kernel function models has been a hot topic in SVM studies. But so far, its implementation can only rely on the experience and the specific sample characteristics without a unified pattern. Thus, this article explored the related theories and research findings of kernel functions, analyzed the classification characteristics of EO-1 Hyperion hyperspectral imagery, and combined a polynomial kernel function with a radial basis kernel function to form a new kernel function model (PRBF). Then, a hyperspectral remote sensing imagery classifier was constructed based on the PRBF model, and a genetic algorithm (GA) was used to optimize the SVM parameters. On the basis of theoretical analysis, this article completed object classification experiments on the Hyperion hyperspectral imagery of experimental areas and verified the high classification accuracy of the model. The experimental results show that the effect of hyperspectral image classification based on this PRBF model is apparently better than the model established by a single global or local kernel function and thus can greatly improve the accuracy of object identification and classification. The highest overall classification accuracy and kappa coefficient reached 93.246% and 0.907, respectively, in all experiments.     

干旱半干旱高寒山区蚀变矿物遥感信息提取效果与找矿预测

新疆阿尔金地区位于阿尔金成矿带,属于干旱半干旱高寒山区景观区,该区成矿条件优越,但自然地理条件较差,基岩裸露利于蚀变矿物准确提取,采用CASI/SASI航空高光谱遥感进行蚀变矿物遥感信息提取及找矿预测,可以克服自然条件影响,降低成本。本文以CASI/SASI航空高光谱遥感数据为数据源,以干旱半干旱高寒山区景观区为研究背景,评价研究该区CASI/SASI航空高光谱蚀变矿物遥感信息提取效果,通过野外地质调查,发现了镍、铁、钴、钒、钛、铜等元素多金属矿化线索,并最终圈定了YC01和YC02等两处找矿预测区。说明CASI/SASI航空高光谱遥感在干旱半干旱高寒山区蚀变矿物遥感信息提取效果显著。     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。     

Geometric-constrained multi-view image matching method based on semi-global optimization

Targeting at a reliable image matching of multiple remote sensing images for the generation of digital surface models, this paper presents a geometric-constrained multi-view image matching method, based on an energy minimization framework. By employing a geometrical constraint, the cost value of the energy function was calculated from multiple images, and the cost value was aggregated in an image space using a semi-global optimization approach. A homography transform parameter calculation method is proposed for fast calculation of projection pixel on each image when calculating cost values. It is based on the known interior orientation parameters, exterior orientation parameters, and a given elevation value. For an efficient and reliable processing of multiple remote sensing images, the proposed matching method was performed via a coarse-to-fine strategy through image pyramid. Three sets of airborne remote sensing images were used to evaluate the performance of the proposed method. Results reveal that the multi-view image matching can improve matching reliability. Moreover, the experimental results show that the proposed method performs better than traditional methods.