【摘 要】
：
湿地植被的高精度分类与快速监测是系统研究湿地的结构与生态功能的重要基础。深度学习算法已成为湿地植被的精准识别的重要手段之一,但尚未有研究系统探索深度学习算法在多源光学影像与多频率极化合成孔径雷达（SAR）影像中的适用性,以及两类影像对湿地植被的迁移学习分类能力。本文以黑龙江省洪河国家级自然保护区为研究区,选取高分一号（GF-1）、高分二号（GF-2）、资源三号（ZY-3）、Sentinel-2A与
论文部分内容阅读
湿地植被的高精度分类与快速监测是系统研究湿地的结构与生态功能的重要基础。深度学习算法已成为湿地植被的精准识别的重要手段之一,但尚未有研究系统探索深度学习算法在多源光学影像与多频率极化合成孔径雷达（SAR）影像中的适用性,以及两类影像对湿地植被的迁移学习分类能力。本文以黑龙江省洪河国家级自然保护区为研究区,选取高分一号（GF-1）、高分二号（GF-2）、资源三号（ZY-3）、Sentinel-2A与Landsat8 OLI等多源光学影像,以及Terra SAR-X、Radarsat-2与ALOS-2 PALSAR（ALOS-2）三种不同频率SAR影像为数据源,探究深度学习算法在光学和极化SAR影像下对沼泽植被的分类能力,进而论证深度学习算法在光学和极化SAR影像下对沼泽植被的迁移学习分类能力。研究结果如下:（1）DeepLabV3+算法能较好地识别沼泽植被的空间分布状况,不同分类方案的总体精度主要集中在0.764～0.928之间;（2）在相同光谱波段（Blue～NIR）中,随着空间分辨率的提高沼泽植被的总体精度逐渐提高,0.8m空间分辨率的GF-2影像的分类精度达到0.894;光谱指数和多种光谱波段的综合利用对沼泽植被的分类精度有较大提高;（3）扩展多光谱影像的空间分辨率可以提高低分辨率影像中沼泽植被的分类精度,总体分类精度提高了1.37%～8.25%;拓宽多光谱影像的光谱范围可以提高GF-1影像的分类精度;基于像素的分类结果与面向对象多尺度分割结果的整合可提高沼泽植被的分类效果;（4）DeepLabV3+和HRNet算法在沼泽植被分类中具有较好的迁移学习能力,两种算法在同一光谱范围内的分类方案中的迁移学习能力较强,且HRNet算法在灌草植被与深水沼泽植被中的迁移学习能力要优于DeepLabV3+算法;（5）Radarsat-2与ALOS-2基于散射模型的分解影像对灌草植被与浅水沼泽植被的分类效果较好;SAR影像波长越长沼泽植被的总体分类精度越高,在Radarsat-2与ALOS-2影像中极化分解参数影像对沼泽植被的分类效果要优于后向散射系数影像,ALOS-2极化分解参数影像对沼泽植被的总体分类精度最高,达到0.871;（6）在沼泽植被分类中,Radarsat-2与ALOS-2数据各自的极化分解参数与后向散射系数影像之间的迁移学习能力较强;多光谱与SAR影像间可利用迁移学习的方式提高沼泽植被的分类效率,迁移学习后SAR影像的分类精度处于0.706～0.865之间,且多光谱与SAR影像间的迁移学习效果要弱于SAR影像间的迁移学习能力。
其他文献
化学计量学是通过综合运用数学、统计学等学科的方法对实验数据进行分析和整理,得到有关物质成分信息的推断和预测。近红外光谱分析（NIR）是一项快速、绿色、高效的检测技术,光谱分析技术的实现依赖化学计量学方法对数据进行筛选、分类和建模等处理。由于光谱数据普遍具有较高共线性的特点,在建立NIR光谱多元校正模型时需要进行光谱特征筛选。群智能优化算法作为有效的统计分析工具和波长组合优化方法,对提高NIR光谱分
Kirchhoff型方程的解的存在性是偏微分方程中重要的经典问题之一,其最早是用于描述物理学中可伸缩绳横向自由振动所引起的变化,其后广泛应用于宇宙物理、弹性理论和非牛顿力学等其他领域.本文主要利用临界点理论、Nehari流形、Pohoˇzaev恒等式研究了几类Kirchhoff型方程的基态解、变号解的存在性,并获得了一些主要结果,具体如下:在第一章中,给出了Kirchhoff型方程的研究背景以及现
靖江王府是全国唯一保存完好的明代藩王府邸。而桂林是国际著名旅游城市,靖江王府在桂林城市文化景观发展中,留存了众多的历史遗迹与景观建筑。然而,明代至今,靖江王府景观原真性在发展过程中,有遭到不同程度破坏,且在遗产认知及景观原真性保护上的研究相对有限。因此,本文通过遗产认知的时空维度,分析桂林靖江王府景观遗产现状及原真性保护问题,提出相应的保护措施,传承明代桂林靖江王府景观原真性。桂林靖江王府是广西地
为了分析大数据环境下供应链领域的研究趋势,收集了2000年至2020年Web of Science数据库的812篇文献,并进行了主路径分析和主题演化分析,发现该领域的研究脉络为前期偏好于利用社交媒体数据对供应链进行改良,后期转向探讨供应链的环境问题,并且消费者感知对绿色供应链的构建存在一定影响;学者们越来越致力于对供应链风险的研究,这一主题也在新冠疫情的背景下受到广泛关注;大数据技术不但可以直接运
沼泽植被和水文的相互作用已经成为生态系统领域研究的热点之一。本文以洪河国家级自然保护区为研究区,以1985-2021年Landsat系列和Sentinel-1 SAR时序影像为数据源,基于Google Earth Engine平台,利用Land Trendr和CCDC算法构建高精度的沼泽植被和水文遥感时空监测模型,引入随机森林（RF）算法对CCDC时序变化监测结果进行分类,探究沼泽植被和水文近36
街道景观结构类型和表现的多元化导致了街道景观设计的复杂性,为了满足城市居民的不同需求和城市发展的迫切需要,设计者需要采用更灵活更普适的设计手段,摆正“人”在街道结构中的主体地位,在设计中引入环境行为学理论,通过研究使用者行为因素和街道景观的潜在关系,更客观全面地展现城市公共空间的本质特点。本文以桂林市中心区内5大类典型街道样地为例,通过拍照、行为地图标注、实时数据采集等方式对研究街段进行实地调研,
基于高分辨率光学图像的遥感建筑物提取是遥感领域的基础应用,高分辨率带来的细粒度纹理特征为区分建筑物与其他地物类别提供鉴别条件。然而,在遥感图像分割任务中,存在高分辨率光学图像难以获取、人工标注建筑物样本的劳动力成本较高等问题。因此,针对遥感建筑物提取开发一套高效且低成本的语义分割算法拥有重要意义。本文重点研究如何在训练样本极其稀少的情况下,训练出高精度的语义分割模型。语义分割任务中的训练样本较少时
对流层延迟是影响全球卫星导航系统（Global Navigation Satellite System,GNSS）精密单点定位（Precise Point Positioning,PPP）收敛速度和定位精度的关键因素之一。随着大气再分析资料在时间和空间分辨率上得到相当大的提高,可以从再分析资料中获取高精度的对流层延迟信息。同时,将大气再分析资料计算所得的对流层延迟产品应用于GNSS PPP也成为了
光谱指数是光学遥感技术中广泛使用的数据处理方式,使用光谱指数可以快速地从复杂的光谱数据中提取出与研究目标相关的信息。相比于原始波段,光谱指数是更接近于研究目标的特征,在地物分类、变化监测以及生物变量反演等遥感应用中经常使用光谱指数代替原始波段作为输入特征。然而,如何为不同遥感应用选择最合适的光谱指数是个难题。因此,有必要发展因地制宜的光谱指数设计方法以应对遥感应用的需求。传统基于人工经验设计光谱指
广西桉树占全国林地面积的千分之七,却满足了全国四分之一的木材需求,对维护我国木材安全及保护天然林砍伐起到重要作用。我国桉树人工林多以短轮伐期经营为主,而现有森林资源清查数据周期相对较长,数据更新频率难以满足短轮伐桉树人工林经营管理的数据需求。因此,本研究以广西壮族自治区为研究区,以Landsat、Sentinel-2和MODIS数据为基础数据,通过对不同数据源、不同分类算法桉树人工林空间分布提取结