植被覆盖区高精度遥感地貌场景分类数据集

地貌数据集是实现地貌自动分类和加深对地貌形态学认识的重要支撑数据之一。当前缺乏高精度地貌成因类数据集,制约了地貌遥感自动解译的发展。本文在中国东北地区以沟—弧—盆体系为主的天山—兴蒙造山系中,针对强烈的构造运动和新生代以来的火山作用、流水作用形成的地貌成因类型,制作了构造地貌、火山熔岩地貌和流水地貌3类场景数据集（GOS10m）。数据集覆盖面积约5000 km²,包括哨兵2号可见光遥感影像、SRTM1 DEM及基于DEM提取的7个地貌形态参数（山体晕渲图、坡度、DEM局部平均中值、标准偏差、坡向—向北方向偏移量、坡向—向东方向偏移量和相对偏离平均值）。单张样本图为64像素×64像素,空间分辨率为10 m。采用多模态深度学习神经网络对数据进行训练并分类,平均测试精度可达到82.63%,表明构建的数据集具有较高的质量。可为地貌成因遥感自动分类研究以及推动遥感地貌智能解译的向前发展,提供数据集支撑。     

基于深度特征的双极化SAR遥感图像岩性自动分类

基于像元基元、极化合成孔径雷达（Synthetic Aperture Radar,SAR）数据和传统机器学习算法的岩性分类方法,易受SAR图像固有斑点噪声影响,精度不高.为了降低噪声的影响,本研究以大尺度像元邻域为基元,用于表征地表地质体的遥感图像特征和岩性语义信息;采用高分三号双极化SAR数据进行极化分解构建3通道假彩色合成影像;然后采用深度卷积神经网络（Deep Convolutional Neural Network,DCNN）迁移学习的方法,提取有效的深度特征表示,分别实现5 m和15 m两种空间分辨率下岩性遥感自动分类.结果表明:基于不同分辨率数据和不同DCNN算法,岩性遥感自动分类的总精度均大于80%,最高精度达到91%.基于大尺度像元邻域和DCNN迁移学习方法,能够实现基于SAR数据的高精度岩性分类.      

GF-2遥感数据在盖孜河流域典型第四纪地层调查中的应用

国产高分辨率卫星遥感技术的发展为第四系宏观、局部及细部特征调查提供了新的手段。中巴经济走廊东段地区分布较多的冲洪积扇、河谷阶地、冰川堆积等地貌类型,为了研究国产高分数据在该地区第四纪地质调查中的适用性,以高分二号（GF-2）影像为主要数据源,借助数字高程模型构建三维场景,选取中巴公路沿线盖孜河流域乌鲁阿特山前冲洪积扇、盖孜河河谷阶地与克拉牙依拉克冰川堆积物3处典型第四纪地层为研究对象,建立了遥感解译标志,并进行了精细尺度遥感解译;经过野外实地验证,查明了其物质组成与变化规律,修正了前人关于克拉牙依拉克冰川不同期次冰碛物的划分范围;通过对盖孜河河谷阶地分析,盖孜河流域晚更新世以来经历了至少5次阶段性构造抬升,阶地基座冰碛物至少由两期冰川作用形成。研究表明,GF-2影像能快速从宏观尺度上识别地貌、松散堆积物变化特征,能够看到常规方法无法观察到的地质现象;满足大比例尺解译、制图要求,特别是在微地貌识别以及第四纪地层解译中,能够提升精细地质解译水平。研究成果能为盖孜河流域河流、冰川的发展演化过程研究提供基础地质资料,为中巴公路沿线第四纪土体遥感调查提供典型案例。      

2000—2017年中国区域地表反照率变化及其影响因子

在全球气候变暖的背景下,地表反照率已成为地表辐射平衡和气候研究的重要参数之一。利用中国陆地生态系统研究网络（Chinese Ecosystem Research Network,CERN）提供的34个站点辐射数据、GLASS地表反照率产品、ERA-Interim再分析资料、MODIS EVI（MOD13A3）和中国气象数据共享网提供的气象数据,基于Sen's Slope趋势分析方法,分析不同生态系统地表反照率的变化特征;利用全子集回归和分层分解方法计算地表反照率与各要素之间的相关性和相对重要性;探讨各气候因子对地表反照率的影响。结果表明,2000—2017年裸土地和裸岩砾石地变化率最大,冬季斜率达-0.083% yr^-1。生长季地表反照率与降水、增强型植被指数（Enhanced Vegetation Index,EVI）、土壤水分和气温显著相关的像元分别占总像元的73%、79%、56%和86%。EVI是干旱和半干旱地区地表反照率变化的主导因素,其对地表反照率变化的独立贡献率分别为41%和56.18%。7月东北地区降水量和气温对地表反照率的影响大约滞后2个月;内蒙古沙漠地区和长江中下游平原土壤水分对地表反照率的影响大约滞后1~2个月。