基于深度学习的耕地“非农化”遥感监测初探

来源 :地理空间信息 | 被引量 : 0次 | 上传用户:xdzc2009cccc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对耕地“非农化”行为的快速发现与定位需求,通过综合分析深度学习算法在卫星遥感地物检测和变化发现中的应用案例,提出了一种基于深度学习的耕地“非农化”快速遥感监测技术路线.选取实验区,采用基于DeepLab V3+语义分割的深度学习遥感影像地物变化检测方法对典型耕地“非农化”行为进行了变化图斑监测自动提取与后处理,并验证了技术路线的可行性,提高了耕地“非农化”疑问图斑提取的效率.
其他文献
以GNSS水汽为标准,对中国西南地区进行MODIS水汽精度评价和相关性分析,构建MODIS水汽的区域校正模型和单站点校正模型并开展可靠性检验.分区域进行MODIS水汽校正和图像叠加得到校正后的中国西南地区MODIS水汽分布.结果表明,区域模型可替代单站点模型,中国西南地区MODIS水汽季节校正模型效果显著,在春、夏、秋、冬季的均方根误差RMSE分别优于8 mm、9 mm、11 mm和4 mm.
提出一种顾及接收机未校准硬件延迟偏差(uncalibrated phase delays,UPD)的PPP分步模糊度固定方法,利用卫星端UPD产品对观测卫星的浮点模糊度进行改正,采用与整数无关的三角函数进行计算,得到接收机端UPD估计值.基于非差法估计接收机端UPD,根据非差窄巷模糊度协方差大小进行分步模糊度固定,并选取全球225个和14个测站分别作为服务端和用户端进行方法验证.结果表明,与PPP浮点解相比,静态情况下传统方法和新方法定位精度分别提升68.3%和76.4%,收敛时间分别缩短56.3%和69
基于小波分析方法,利用GPS、GLONASS、Galileo和Beidou观测数据,通过对不同类型的信噪比数据进行质量分析,筛选质量较好的数据提取瞬时潮位.实验结果表明,基于小波分析的多模多频GNSS-MR潮位反演可大幅提升潮位反演结果的时间分辨率,且精度与LSP方法相当,可达到dm级.
为研究利用数字天顶摄影定位方法测定地球自转参数的可行性,结合数字天顶摄影定位原理及时空基准转换差异,详细分析多台站地球自转参数测定及单台站UT1-UTC测定原理,并推导给出相关数学模型.模拟仿真及实测验证结果表明,采用目前高精度天顶摄影定位系统(精度0.05″),通过全国范围内的合理布站,可实现UT1-UTC参数±5 ms、极移参数±0.06″的测量精度.单台站UT1-UTC实测精度为5~8 ms,可满足特定军事工程需求,同时可为多台站联合解算ERP参数提供数据支撑.研究成果可为我国开展地球自转参数测定提
选取营口台和岫岩台记录的2012~2017年辽宁盖州青石岭ML≥2.5地震波形资料,利用波形互相关方法拾取青石岭震群重复地震序列,并采用Sato单次散射模型计算单台记录的重复地震序列尾波Qc值对频率的依赖关系及随时间的变化.结合盖州青石岭震群地区的地震活动特征可知,Qc值变化所反映的区域应力变化与中强地震具有一定相关性;盖州地区在ML≥4.0地震后Qc值波动明显,存在局部调整并恢复的特点,局部应力积累不足以孕育更大的地震,而是以多次中等地震的形式释放局部积累的能量.
针对GNSS高程时间序列中不可避免地含有粗差,以及在非线性、不平稳性的高程时间序列中粗差难以探测的问题,在传统MAD方法基础上,构建一种引入小波分析的WT-MAD粗差探测方法.利用模拟数据和LHAZ、BJFS、TWTF三个IGS站的实测高程数据进行实验,将WT-MAD法与基于最小二乘的3σ法、IQR法和MAD法进行对比分析.结果表明,新构建的WT-MAD法能够更有效地探测出GNSS高程时间序列中的粗差,可为后续GNSS高程时间序列的分析处理提供更“干净”的数据.
通过对日本3·11大震前后GEONET观测站位移时间序列以及中国东北三维形变特征进行分析,结合地震及大地电磁研究成果,探讨中国东北长白山火山区现今地壳运动特征及动力学环境.结果表明,奥羽山脉是日本东北地壳运动的分界带.3·11地震后,两侧点位以东向运动为主,大震对中国东北形变的影响还未结束.受板块俯冲及壳幔岩浆运动的影响,长白山火山区现今地壳变形及地震的发生与区域应力变化及岩浆活动有关.
利用金州地震台跨断层形变观测资料分析金州断裂现今活动特征.长趋势分析结果表明,金州断裂以右旋兼正断为主,活动水平总体较弱.断裂活动分段分析结果表明,北段活动速率高于南段.GPS资料分析表明,2011-03-11日本MW9.1地震对东北地区应力积累具有缓解作用,结合金州断裂跨断层数据认为,金州断裂在2011~2014年活动速率明显减弱,2014年至今断层活动与其背景资料一致,但活动水平较弱.
针对天然地震事件、爆破事件分类问题,使用甘肃及周边地区80个天然地震事件和20个爆破事件建立数据集,采取深度学习卷积神经网络(convolutional neural network,CNN)方法搭建两个不同结构的模型进行训练,并用500条训练集之外的天然地震事件与爆破事件波形作为测试数据集,其训练和测试准确率均达到90%以上.结果表明,本文设计的两种模型均具有一定的泛化能力,尤其是Inception V1模型在天然地震事件与爆破事件分类识别中效果良好.
基于中国大陆区域2074个具有实测速度的已知测站,进行中国大陆速度场在CGCS2000坐标转换中的应用研究.采用不同内插组合方法,充分考虑未知点与已知速度测站的距离因素,使已知速度测站的数据得到充分利用.相比于单纯利用速度场格网模型,该方法得到的未知点速度精度具有较大幅度提高,其在点位X、Y、Z三个方向上的历元归算精度最高可提高24.00 cm、10.89 cm和17.82 cm,对利用已知速度的测站提高历元归算精度具有一定指导意义.