融合空—天遥感数据的毛竹林叶绿素含量反演模型对比研究

毛竹(Phyllostachys edulis)是我国南方集约经营广泛且十分重要的森林资源之一,叶绿素含量(CCI,chlorophyll content index)是反映植物健康状况和生长情况的重要指标,实现毛竹林叶绿素含量遥感反演对监测毛竹林健康程度具有重要意义。本研究以毛竹为对象,基于卫星遥感影像与无人机多光谱数据,通过运用HSV(Hue-Saturation-Value)变换、GS(Gram-SchmidtPan Sharpening)变换、PCA(Principal Component Analysis)变换3种方式,实现Landsat 8多光谱影像与无人机(UAV,Unmanned Aerial Vehicle)高分辨率单波段影像数据融合;选取8种植被指数,利用K邻近(KNN,k-Nearest Neighbor)回归、随机森林(RF,Random Forest)回归和CatBoost回归3种机器学习模型构建毛竹林叶片叶绿素单位含量反演模型。结果表明：(1)就融合效果而言,GS为最优模型,其变换均值、标准差、平均梯度联合熵、空间频率均最高,分别为73.407 8、80.6...     

遥感数据融合方法分析与评价综述

论述了几种常用的基于像元级遥感影像融合方法的原理、特点、作用及限制条件，对各种相应的算法进行了分析和评价，归纳并阐明了遥感数据融合效果定量评价指标及其意义，展望了遥感数据融合方法的发展与应用前景。     

基于多源遥感数据融合的土壤水分反演研究

土壤含水量作为地表的重要参量之一,对地球能量循环、水循环、碳循环及生态环境都有十分重要的意义。以南京市金川河流域为研究区,融合哨兵 2 号 L2A 数据和 Landsat 8 遥感数据 2 种数据源,分别采用偏最小二乘法(PLSR)、最小二乘-支持向量机(LS-SVM)、反向传播神经网络(BPNN)和随机森林(RF)4 种建模方法,建立遥感数据与土壤含水量之间的关系,并进行模型的验证与评价。结果表明：1)土壤含水量与哨兵 2 号和 Landsat 8 各波段反射率均呈负相关关系,和海岸带监测波段(波长为 430~450 nm)和近红外波段(波长为 2 100~2 300 nm)相关性最佳;2)融合后的遥感数据相较于单一遥感数据源,预测土壤含水量的能力更佳, 最优模型 R2 达 0.996,均方根误差仅为 0.003 g/g;3)4 种建模方法中,建模效果从好到差依次为 PLSR,RF, LS-SVM,BPNN。融合哨兵 2 号 L2A 和 Landsat 8 数据,结合 PLSR 建模方法可进行土壤含水量的精准反演, 相较于现有研究反演精度大大提升,对研究该地区地表与地下水循环和生态环境治理有一定参考价值。     

基于小波变换的多源遥感图像的信息融合

图像融合是一种重要的增强图像信息的技术方法,如何对同一目标的多源遥感图像数据进行有效的融合,最大限度地利用多源遥感数据中的有用信息,提高系统的正确识别,判断和决策能力,这是遥感数据融合的重要内容之一,提出了一咱基于小波变换的融合方法,使得融合图像在最大限度保留了多波段光谱信息的同时,提高了清晰度和空间分辨率,并对实验结果运用MATLAB语言进行了仿真,从几个方面对结果做了深入的分析与对比,取得了良好的效果。》     

面向大数据的北京水务数据融合技术研究

为解决北京水务数据资源面临多源异构数据难以分析及数据集成困难等难题,在分析北京水务数据资源的基础上,采用大数据和云计算等相关技术进行北京水务数据资源的有效融合。针对北京水务的结构化及非结构化数据,研究相应的数据抽取、转换及存储的技术,提出基于水务数据资源融合的技术架构,其中结构化数据抽取使用D2RQ工具,非结构化数据的抽取使用jieba分词工具及tf-idf权重算法,并进行实验验证,证明该套技术方案的可行性与可信度,在数据存储模块采用基于云计算的分布式数据存储技术,用于存储融合后的海量数据。研究的数据资源融合技术方案能够帮助提高北京水务数据资源的融合效率与应用能力。     

高性能计算与天文大数据研究综述

数据是天文学发展的重要驱动。分布式存储和高性能计算(High Performance Computing,HPC)为应对海量天文数据的复杂性、不规则的存储和计算起到推动作用。天文学研究中多信息和多学科交叉融合成为必然,天文大数据已进入大规模计算时代。高性能计算为天文大数据处理和分析提供了新的手段,针对一些传统手段无法解决的问题给出了新的方案。文中根据天文数据分类和特征,以高性能计算为支撑,对天文大数据的数据融合、高效存取、分析及后续处理、可视化等问题进行了研究,总结了现阶段的技术特点,提出了处理天文大数据的研究策略和技术方法,并对天文大数据处理面对的问题和发展趋势进行了探讨。     

多源海洋遥感叶绿素数据融合

叶绿素α(chlorophyll-α)是一个关键的水色要素,掌握叶绿素α的含量及变化情况对保护水体及维护生态环境质量具有重要意义。针对国内外相关科研机构生产的海洋叶绿素α融合产品存在精度低、覆盖率低、时间跨度短等问题,收集整理了1998—2017年的MODIS-Aqua、MODIS-Terra、MERIS、SeaWIFS、VIIRS共5个传感器的叶绿素α浓度数据,构建了小波变换与Kalman滤波技术相结合的多源遥感数据融合算法,完成了全球叶绿素α数据的融合,开展了融合产品的均值、方差和信息量的分析,并进行了融合产品与实测数据、欧空局(European Space Agency,ESA)的GSM(Garver-Siegel-Maritorena)产品的对比分析。结果显示,本文的融合产品与实测数据相关性达到60%;与实测值和欧空局的GSM产品对比分析中,融合产品的数据可利用率为60%,而欧空局的GSM产品的数据可利用率为30%左右,融合产品与实测值的相关性为0.792 2,而GSM与实测值的相关性为0.349 4,均低于本文的融合产品。     

多源异构传感通信大数据的融合调度算法

本文研究了在能量受限条件下服务于多种类型的数据处理和传输的多源异构通信簇交通传感器节点系统的最优大数据的融合调度控制问题。传统方法需要大量关于系统动态的统计信息,并且求解效率低。使用针对更新帧的李雅普诺夫优化技术,本文设计了一种新的在线多源传感通信大数据融合调度算法来克服以上困难。仿真实验表明所设计算法稳定、鲁棒,为后续利用交通传感器网络传输大规模数据奠定基础。     

大数据机器学习系统综述

机器学习需要有大量的背景数据作为训练集,而大数据技术正好给机器学习带来了这样的大量数据训练集。结合机器学习和大数据技术,为了实现高效的大数据机器学习而设计的大数据机器学习系统面临着诸多的技术问题。大数据机器学习系统成为大数据技术和机器学习领域研究的重要课题。本文介绍了大数据机器学习系统应该具有的概念、特征及相关典型的大数据机器学习系统。     

苏锡常地区土地利用动态遥感监测应用研究

根据1999年土地利用动态遥感监测项目,利用TM和SPOTPAN影像对苏锡常地区1998－1999年土地利用动态进行监测,采用了多源信息叠加融合方法进行变化信息的增强,自动分类与人机交互结合方式进行变化的解译,得到该区域的土地利用变化情况,重点计算了该地区的耕地转移速率,得出工矿、城镇、公路是占用耕地的主要利用方式,城镇化水平仍很高。     

基于大数据的电力营销远程实时费控系统设计

针对传统电力营销远程实时费控系统存在实时控制效果差的问题,提出基于大数据的电力营销远程实时费控系统设计。构建数据分布式结构模型,采用分块特征采样方法,实现数据采集和样本组合,结合模糊信息特征检测方法完成信息的融合处理,根据直流电压谐波和电压波动的关联性检验结果,提取电力营销远程实时费控信息特征,实现数据的自适应分组匹配。在关联规则约束下,构建信息融合模型,引入综合性调度方法,实现对电力营销远程实时费用的优化控制。在嵌入式的DSP集成处理内核中实现对电力营销远程实时费控系统的硬件开发设计。实验结果表明,设计的电力营销远程实时费控系统智能性较好,自动控制能力较强。     

新的分布式遥感图像分类器系统开发*

为实现分布式的遥感图像分类,达到计算的高性能,提出一种利用决策树SVM和网格技术实现遥感图像分类的解决方案。通过共享计算资源,将经预处理后的遥感数据切割成块并分别分配到网格计算节点进行并行计算。针对比例尺为1∶50 000的TM遥感图像的实验表明,此方案提高了分类效率,并为海量遥感数据的分类开辟了一条新的途径。     

Research and application of flood detention modeling for ponds and small reservoirs based on remote sensing data

This paper proposes a method of small reservoir flood detention modeling that utilizes data from the American land resources satellite Landsat TM/ETM+. Precipitation and potential evapotranspiration are taken as the control conditions in this method on the basis of basin terrain classification. The objective of this method is to solve the question of a small-scale water conservancy project’s influence on flood forecasting precision, which can be used in the basin with multitudinous small reservoirs in the u...     

大数据下的典型机器学习平台综述

由于大数据海量、复杂多样、变化快,传统的机器学习平台已不再适用,因此,设计一个高效的、通用的大数据机器学习平台成为目前的研究热点。通过介绍和分析机器学习算法的特点以及大规模机器学习的数据和模型并行化,引出常见的并行计算模型。简单介绍了整体同步并行模型（BSP）、SSP并行计算模型以及BSP、SSP模型与AP模型的区别,主要介绍了基于这些并行模型的典型的机器学习平台和这些平台的优缺点,并指出各个平台最适合处理何种大数据问题。最后从采用的抽象数据结构、并行计算模型、容错机制等方面对典型的机器学习平台进行了总结,并提出一些建议和展望。     

航空遥感数据同化算法集成计算与可视化

遥感数据同化技术在动力模型框架内,使用数据同化算法对动力模型输出的定量(物理、化学量)数据与观测数据进行一致性处理与结果误差分析。将多源遥感数据同化到动力模型预测与参数估计中,可帮助改善地表、大气和海洋变化的分析和预测精度。以国家发改委"十二五"建设的国家航空遥感系统项目为依托,针对航空遥感系统10种传感器设计开发数据同化系统。因无法找到适用于该系统的3DVAR和EnKF算法程序,必须自主开发核心算法程序。介绍了研究开发的航空遥感数据同化算法集成计算与可视化系统及其核心算法的关键技术流程。实验结果证实,该系统可以有效地对航空遥感数据进行同化。     

基于大数据远程视频监控Web显示技术

视频监控在高清、智能、大联网时代,正面临着数据洪水的冲击,传统的视频体系架构设计思路正在被挑战。实时显示计算一般都是针对海量数据进行的,一般要求为秒级。基于大数据远程视频监控Web显示技术主要分为两部分：视频数据的入云平台及大数据的实时显示。如何有效地实时显示视频一直是安防领域的研究热点和难点。本文使用的大数据的实时显示主要是数据中心云平台对异地摄像视频数据采集技术、编码技术、视频显示技术、传输技术方式和实时显示技术的研究与分析。本文提出一种基于大数据远程视频监控Web显示技术,能为用户在远程观察,实时、清晰、真实地调阅监控的区域的画面。通过对网络传输速率判断,采用不同机制对本地视频数据进行存储、传送,达到不同网络不同方式实时向web客户端推送实时视频,提高用户实时体验满意度。     

中国遥感软件研制进展与发展方向——以像素专家PIE为例

随着航天航空遥感技术的飞速发展，立体式、多层次、多视角、全方位和全天候对地观测的时代已然到来。如何激活数据价值，更好地服务行业应用，满足快速增长的遥感应用需求，成为遥感企业面临的迫切课题。遥感图像处理软件作为遥感数据与行业应用的桥梁，在遥感产业化过程中发挥着不可替代的作用。本文概述了国内外遥感卫星数据和遥感软件发展历程，通过中国国产遥感图像处理软件——像素专家（pixel information expert，PIE）阐述了国产遥感软件的研制进展、典型应用和未来技术发展方向。PIE软件具有多源遥感载荷全方位支持、全谱段要素信息智能提取、多行业全业务链深度融合、海量遥感数据快速处理和自主产权程序完全可控等5大核心能力。未来将加强与大数据、云计算和人工智能等技术前沿领域的交叉融合，提升遥感数据分析处理、知识挖掘与决策支持能力，实现遥感数据的按需获取快速传输和专题信息聚焦服务。     

一种基于Hadoop的高分辨率遥感图像处理方法

随着海量、多源的高分辨率遥感数据的获取,耗时较多、效率低下的传统处理方式已经不能满足用户需求。针对上述问题,提出了一种基于云计算的高分遥感数据处理框架,利用Hadoop技术设计和改进了Meanshift图像边缘分割算法,并在Hadoop环境下进行了仿真实验。实验结果表明,在Hadoop环境下的高分辨率卫星图像数据处理速度有了明显的改善。