NPP/VIIRS多时相夜光遥感影像校正方法

针对NPP/VⅡRS影像含有短暂光源和背景噪声的问题,研究了月度影像的辐射特征,提出了多时相夜光遥感影像校正方法。该方法采用峰值特征化放大影像的辐射差异,通过卷积运算区分稳定像元与异常像元,结合最大熵阈值自适应滤波分割了卷积边界的混淆噪声。试验结果表明,该方法修正了原始影像的异常波动,剔除了异常像元,影像拟合经济数据的能力明显提升,弥补了夜光数据微观小尺度研究的缺失,可为社会经济数据动态评估提供新的途径。     

POI与NPP/VIIRS夜光数据空间耦合关系下的城市空间结构分析——以武汉市主城区为例

城市兴趣点（POI）和夜光遥感影像能够直观反映城市社会经济等实体要素的空间分布特征,在城市空间结构研究中发挥着重要作用。本文首先选取长江中游城市群的典型城市代表——武汉市作为研究区,选用研究区2016年POI和NPP/VIIRS夜光遥感数据作为基础研究数据,采用GIS分析工具对POI数据进行了空间核密度分析;然后分别对POI核密度分析结果和NPP/VIIRS夜光遥感数据进行了空间网格化处理;最后采用双因素制图和栅格叠加分析方法对两类数据的空间耦合关系进行了探讨,并在此基础上进一步分析了城市空间结构特征。研究表明,武汉市POI数据和夜光遥感数据的空间耦合性整体较好,空间耦合相一致区域占比为82.15%;但POI数据和夜光遥感数据的空间耦合性在长江沿岸地区也存在部分差异,如硚口区、汉阳区夜光遥感数据和POI数据多以低—中的空间耦合模式为主,而青山区、武昌区和汉口区则多以中—低的空间耦合模式为主。武汉市作为中原城市群的核心城市之一,其城市内部空间结构与长江经济带发展关联密切,通过对POI和夜光遥感数据的空间耦合关系探讨,能够对武汉市空间实体要素的空间结构特征有更加深入的了解。本文结果可为沿江城市内部空间结构的研究提供一种崭新的视角。     

夜光遥感视角下的巴基斯坦区域发展差异分析

获得巴基斯坦的区域发展规律对于支持中巴经济走廊建设具有参考意义.基于可见光红外成像辐射仪(visible infrared imaging radiometer suite,VIIRS)月度夜光遥感影像,分别使用夜光变化率、Mann-Kendall(MK)趋势检验法和位序-规模法则3种方法研究巴基斯坦省级/城市级、格网...     

2012—2019年南海南部海洋油气资源开发活动时空变化

南海南部油气资源蕴藏丰富,但开发态势异常复杂。研究油气资源开发活动时空变化是分析南海南部油气资源开发态势的基础。本文基于2012—2019年的VIIRS月度夜光遥感影像数据,采用卷积阈值分割结合时序频次统计方法提取了南海南部海域油气开发目标分布,在此基础上使用空间统计分析方法揭示了2012—2019年南海南部海域油气开发活动时空变化特征。结果表明：1)南海南部油气开发目标数量逐年增长,由142个增长到199个;2)近海海域油气开发目标数量呈间歇性增长,而远海海域呈持续性增长;3)近海油气开发目标空间分布密度高于远海,但远海空间分布密度增长态势显著;4)各油气盆地内油气开采空间重心正逐步由浅海向深海方向转移。该研究结果能够为我国掌握南海油气开发态势,制定南海油气开发战略提供参考。     

异质时空数据插值方法研究

正插值建模旨在利用已有采样数据对空间/时空缺失数据或未采样数据进行估计,生成高精度空间曲面或时空网格,精确表达时空过程的空间/时空分布模式。然而,现有插值方法没有充分考虑时空数据的异质性和多元协变量的影响,导致插值精度很难满足要求。鉴于此,本论文以异质时空数据为主要研究对象,深入研究了顾及多元协变量影响的高精度空间/时空插值方法,具体包括:     

顾及时空异质性的缺失数据时空插值方法

时空插值方法被广泛应用于缺失时空数据集的插值与估计。时空插值是时空建模与分析的一个重要内容,当前该研究关注的热点之一是异质条件下的时空插值与估计问题。因此,本文从时空数据的异质性出发,提出了一种顾及时空异质性的缺失数据时空插值方法。该方法首先对数据集进行时空分区,然后分别在时间和空间按照异质协方差模型计算缺失数据的估计值,进而利用相关系数确定时空权重、融合时间和空间估计值得到缺失数据的最终估计结果。最后通过两组气象数据集进行交叉验证对比分析试验。试验结果表明本文方法对比其他插值方法具有更高的精度和适用性。     

基于夜光遥感的城市用电量预测研究

随着智能电网的不断普及,对城市用电量数据进行快速准确预测对于电网规划和经济部门的管理决策具有重要的指导意义.本文研究了一种基于可见光红外成像辐射仪(Visible Infrared Imaging Radiometer System,VIIRS)城市夜光遥感数据和市县公开统计年鉴的城市用电量预测模型.该模型首先结合改进通用矩阵应用城市GDP和人口数据对城市进行分类;接着按城市类型构建了一种顾及滞后效应的城市用电量优化预测模型,该模型考虑了城市夜光遥感数据反映出的用电量消耗存在的滞后效应.随后采用长三角地区城市用电量数据进行模型训练及实验,实验结果表明:引入夜光遥感数据作为城市用电量模拟量,能够快速准确反映出城市用电量空间分布;利用改进通用矩阵方法对不同发展状态的城市分类建模,并引入滞后项进行模型优化,使得用电量预测模型有较好的预测精度和稳定性,总体上实现了基于夜光遥感数据和统计年鉴的公开数据源支持下的城市用电量预测.     

顾及混合像元分解的遥感图像光谱模拟

基于尺度下降理论,利用高时间分辨率的MODIS遥感影像数据,结合同时间段高空间分辨率的ETM+遥感影像及其分类数据,应用混合像元分解技术,获得了不同时间段的MODIS子像元类别反射率数据。通过类别反射率与像元反射率间的关系模型,以原有的ETM+影像的像元反射率和时间序列的类别反射率,模拟出具有高时间分辨率与高空间分辨率特征不同时间段的模拟影像,实现了遥感影像地物类别反射率在时间上和空间上的细化。通过计算模拟影像与真实影像的相关系数,以及比较模拟影像与真实影像生成的NDVI影像,验证了该方法的有效性。     

时序NDVI数据集螺线型构建及多形状参数变化检测

地表覆盖遥感监测是生态环境监测、自然资源管理、可持续发展规划等的重要基础。覆盖大区域的高分辨率时序遥感影像往往难以获取,且现有多种变化检测算法受困于物候差异带来的伪变化问题,严重制约着大区域地表覆盖遥感监测的有效开展,已成为国内外学术界关注的前沿课题。目前一个重要研究方向是利用长时间序列的低空间分辨率NDVI数据和高空间分辨率多光谱影像,通过基于混合像元分解的时空融合构建兼具较高空间分辨率和时间分辨率的NDVI数据集,以解决物候差异带来的伪变化问题。然而,现有的分解算法易造成方程组无解的欠定问题,难以在大区域构建出高质量的时序NDVI数据检测地物变化。     

基于最优插值的土壤含水量遥感反演缺失数据插补

遥感反演土壤含水量是干旱遥感监测中必不可少的环节,但遥感传感器往往受到云雪或自身性能等因素影响而存在数据缺失。现有基于时间序列数据的滤波插补法对数据要求较高而难以推广,而空间插值方法在成块缺失区域效果较差。针对此问题,提出利用最优插值法,根据气象站点实测数据对插值点的贡献定权,进而实现缺失像元的插值与填充。选取宁夏回族自治区为实验区,应用植被条件反照率干旱指数(vegetation condition albdedo drought index,VCADI)反演多个时期的土壤含水量结果,结合分布在研究区的16个国家级气象台站观测数据,利用最优插值法对缺失数据进行插补,结果表明该方法对不同程度数据缺失都具有较好的效果。通过人工模拟具有成块缺失与不同缺失率的数据,对比反向距离加权插值、Kriging空间插值方法和本文方法的插补效果,验证了本文方法具有更高的插补精度。     

利用城市公共摄像头分析夜间灯光变化规律

与卫星影像相比,摄像机影像数据具有更高的时间和空间分辨率。互联网共享的摄像头视频提供了丰富的夜间灯光信息,但数据的获取难度较大。针对实时视频数据设计特定爬虫程序进行数据获取,再基于获取的视频进行数据挖掘。通过分析日本东京某实验区的影像,发现城市夜间灯光表现复杂且存在一定的随机性,但是整夜的夜间灯光随着时间呈现明显减弱的趋势,并且部分区域呈现出先增加后减少等更为复杂的变化规律,此外不同建筑物侧面灯光趋势也存在差异。     

结合VIIRS和监测数据插值的北京雾霾监测方法

本文使用2014-03-20至2014-03-26的北京市VIIRS夜间灯光影像数据和地面监测站PM2.5质量浓度数据,通过遥感图像处理和GIS空间分析相结合,对雾霾强度变化及PM2.5质量浓度空间分布进行分析,提出一种监测雾霾的新方法。结果表明,VIIRS夜间灯光影像成像特征与雾霾浓度变化密切相关,结合同时期地面监测站PM2.5监测数据,能定性反映北京市雾霾强度变化及定量反映PM2.5质量浓度的空间分布。该方法不仅弥补了MODIS等数据在夏季的雾霾监测效果优于冬季的不足,同时也填补了传统光学遥感卫星难以在夜间监测雾霾的空白。     

一种通用的跨模态遥感信息关联学习方法

针对“异质鸿沟”问题导致的不同模态遥感信息间相似性难以度量的问题,构建并公开了一个包含4种模态信息的跨模态遥感数据集,并基于不同模态信息间潜在的语义一致性,提出了一种通用的跨模态遥感信息关联学习方法。利用深度神经网络的表征能力,分别对图像类信息和序列类信息设计各模态信息的特征学习网络,实现对不同模态高层语义信息的准确表示;设计了一个新的关联学习损失函数对模态内的语义一致性和模态间的互补性进行限制,利用知识蒸馏的思想,以先融合后迁移各模态间信息的方式增强模态间的语义相关性。在构建的数据集上进行实验,结果表明,所提方法平均精度均值达到70%,超过基准方法。     

使用多尺度模糊融合的高分影像变化检测

为了提高高分辨率遥感影像变化检测的可靠性,提出了一种基于模糊综合评判的遥感影像变化检测方法.首先对两个时相的影像进行波段叠加,对多波段新影像进行多尺度分割;然后针对单一尺度上的对象,综合考虑两时相遥感影像对象的光谱特征和纹理特征,建立模糊综合评判模型,对各个对象内的像素是否发生变化进行隶属度计算;最后采用熵权法对影像各...     

顾及垂直递减率的中国区域Tm格点产品空间插值

大气加权平均温度(T_m)是全球导航卫星系统(global navigation satellite system, GNSS)反演大气水汽(precipitation water vapor, PWV)的关键参数。当前已有T_m模型提供的T_m信息难以捕获其日周期变化,因此限制了其在高时间分辨率GNSS PWV估计中的精度。大气再分析资料可提供高时空分辨率的T_m格点产品,但是在使用时需要对其进行空间插值,且T_m在高程上的变化远大于其在水平方向上变化。同时,针对中国区域地形起伏大等特点,提出顾及垂直递减率的中国区域T_m格点产品空间插值方法,以分布于中国区域的2015年89个探空站资料为参考值,验证了提出的方法在全球大地测量观测系统大气中心T_m格点产品和美国国家航空和太空管理局提供的MERRA-2的T_m格点产品中的空间插值精度。结果表明：(1)在顾及垂直递减率的T_m格点产品空间插值中,反距离加权法的...     

遥感图像质量等级分类的深度卷积神经网络方法

遥感图像应用发展对图像质量的要求越来越高,不同质量的遥感图像往往需要不同的处理方法和参数。通过遥感图像质量等级分类研究,不仅能够为遥感图像的处理提供先验信息,还能够对遥感图像的客观质量评价和传感器的成像效果进行评估。为了克服现有的遥感图像质量等级分类方法计算参数获取困难、等级数量少的缺点,利用深度学习方法的分类机能,通过改进特征提取网络和等级分类设计,建立了一种基于深度卷积神经网络的遥感图像质量等级分类模型。通过质量等级分类预处理后,利用经典的深度学习方法进行目标检测实验。结果表明,所提方法在西北工业大学遥感图像数据集上质量等级分类的准确率、召回率、精确率和F1最高能达到0.976、0.972、0.974和0.973, 优于传统算法。利用卷积神经网络实现遥感图像质量等级分类,既拓展了深度学习的应用领域,又为遥感图像质量评估提供了一个新方法。     

一种利用Mask R-CNN的遥感影像与矢量数据配准方法

遥感影像数据与地理信息系统（geographic information system,GIS）矢量数据的配准是遥感与GIS集成的基础。目前遥感影像与矢量数据的配准关键在于遥感影像特征的提取,而现有遥感影像特征提取方法存在特征提取不完整、配准失败和精度不高等问题。由此提出了一种基于Mask R-CNN（region-based convolutional neural network）的遥感影像与矢量数据配准方法,首先,利用Mask R-CNN模型提取影像的道路交叉口作为影像控制点; 然后,依据几何拓扑关系筛选矢量数据道路交叉口作为矢量控制点,再根据遥感影像与矢量数据控制点的欧氏距离确定同名控制点;最后,以同名控制点为基础实现遥感影像与矢量数据的配准。选取上海市矢量数据和高分二号影像数据进行配准实验,实验结果表明, 所提方法鲁棒性强、精度高。     

基于无人机LiDAR和高空间分辨率卫星遥感数据的区域森林郁闭度估测模型

森林郁闭度是森林资源调查中的一个重要因子,对森林质量评价具有重要作用。随着人工智能技术和遥感技术的不断发展,研究如何利用深度学习有效协同不同空间覆盖能力的遥感数据实现区域森林郁闭度的估测具有重要意义。由此提出了一种协同应用高密度无人机激光雷达和高空间分辨率卫星遥感数据,对区域森林郁闭度进行定量估测的深度学习模型（UnetR）。对用于图像分类的Unet模型的损失函数进行改进,并在卷积层后加入批量归一化层,使其具有对连续变量进行定量估测的能力。与全卷积神经网络、随机森林和支持向量机回归模型进行对比实验。结果表明, UnetR模型的均方根误差较低,估测精度较高,为实现区域森林郁闭度遥感监测提供了一种人力成本低、自动化程度高的估测方法。     

利用多源空间数据的城中村空间层次化识别方法

城中村的精细空间分布是城市规划与城市更新的重要参考。由于城中村具有语义高级和遥感影像特征辨识度不足的特点,使用传统的场景识别方法难以从高密度城市中获得精度良好的城中村精细空间分布。针对城中村的精细识别问题,提出了一种新颖的融合遥感影像和社会感知的层次化识别方法。该方法在特征上融合了遥感图像和社会感知数据的优点,其层次化结构同时考虑了大范围的上下文信息和小范围的局部信息,为在精细尺度全面理解城中村提供了一个新思路。基于该方法对深圳市的城中村进行了空间识别,获得了2.5 m空间分辨率的精细城中村分布。精度验证表明,该结果的总体精度和Kappa系数分别达到98.68%和0.807,说明该方法具有优秀的表现。此外,还通过对照实验分别证明了层次化识别框架、融合遥感影像和社会感知数据的增益效果。结果表明,层次化框架和多源空间数据都能有效提高城中村识别方法的精度。