Landsat 8影像像元地理坐标计算

在遥感卫星数据处理中,计算影像中像元对应地面点的地理坐标不仅是遥感影像数据编目的主要工作之一,同时也是各级几何校正的基础,其计算精度直接影响数据产品处理的几何精度.本文在充分了解Landsat 7卫星和SPOT5卫星像元地理坐标计算算法的基础上,对USGS提出的Landsat 8卫星像元地理坐标计算算法进行了系统性整理和研究,并比较了3种传感器间扫描方式和探测器排布的差异造成计算方法的差异,最后以一景Landsat 8的模拟数据为样本,以GLS2005地面控制点库为参考,将本文介绍算法得到的坐标与控制点库坐标作了对比分析,结果验证了该算法的有效性.  

利用长时间序列Landsat分析博斯腾湖面积变化

目的 近年来博斯腾湖面积波动较大,影响当地经济发展,掌握博斯腾湖面积变化及其与气候变化的相关规律,以指导湖泊保护和可持续利用管理策略。方法 利用Landsat影像计算1988—2014年博斯腾湖面积,监测并分析湖水面积年际变化及空间变化趋势,探讨博斯腾湖流域年降水量、年均气温变化和人类活动对湖水面积的影响,并将监测结果与MODIS数据计算的2000—2014年湖水面积以及1987—2011年实测水位数据进行对比验证。结果 结果表明,以2002年为分界线,博斯腾湖面积变化分2个阶段:1)1988—2002年,湖水面积呈增加趋势,增加288.88 km²,增长了31.62%;2)2002—2014年呈减小趋势,减小281.56 km²,减少了23.42%。根据气候条件分布差异,将博斯腾湖流域分为山区和平原区,分析发现:1988—2002年,山区年降水量和气温上升,与湖水面积呈显著正相关;2002年后,山区年降水量相对下降,平原区气温升高,人类活动用水量增加。结论 湖水面积变化受流域气候与人类活动共同作用,1988—2002年主要受山区气候影响,2002年后湖水面积缩小可能是气温升高和人类活动用水量增加导致。  

基于ArcSDE与WebGIS的卫星数据管理与检索系统研究与实现

针对遥感卫星数据的特点，研究了遥感卫星数据管理和检索的各项关键技术，然后提出了使用ArcSDE与Oracle对卫星数据进行管理，实现了卫星数据的空间化。在此基础上采用J2EE技术，设计并实现了一个基于WebGIS的卫星数据检索系统。  

基于WRS-2的陆地卫星分景算法研究

WRS-2是为了便于陆地卫星数据的查询和管理而设计的一种全球参考系。本文深入研究了基于WRS-2参考系的2种分景算法WRSID1和WRSID2,比较分析了2种分景算法的异同,最后以Landsat-5为例分别实现2种算法并进行数据验证。通过研究和数据验证,发现WRSID2能显著减少高纬度地区的分景误差。该算法原理适用于美国陆地系列卫星,也能够为其他卫星地面系统的研制提供参考。  

迁移学习下高分快视数据道路快速提取

目的 传统的道路提取方法自动化程度不高，无法满足快速获取道路信息的需求。使用深度学习的道路提取方法多关注精度的提升，网络冗余度较高。而迁移学习通过将知识从源领域迁移到目标领域，可以快速完成目标学习任务。因此，本文利用高分辨率卫星快视数据快速获取的特性，构建了一种基于迁移学习的道路快速提取深度神经网络。方法 采用基于预训练网络的迁移学习方法，可以将本文整个道路提取过程分为两个阶段：首先在开源大型数据库ImageNet上训练源网络，保存此阶段最优模型；第2阶段迁移预训练保存的模型至目标网络，利用预训练保存的权重参数指导目标网络继续训练，此时快视数据作为输入，只做目标任务的定向微调，从而加速网络训练。总体来说，前期预训练是一个抽取通用特征参数的过程，目标训练是针对道路提取任务特化的过程。结果 本文构建的基于迁移学习的快速道路提取网络，迁移预训练模型与不迁移相比验证精度提升6.0%，单幅尺寸为256×256像素的数据测试时间减少49.4%。快视数据测试集平均精度可达88.3%。截取一轨中7 304×6 980像素位于天津滨海新区的快视数据，可在54 s内完成道路提取。与其他迁移模型对比，本文方法在快速预测道路的同时且能达到较高的准确率。结论 实验结果表明，本文针对高分卫星快视数据，提出的利用预训练模型初始化网络能有效利用权重参数，使模型趋于轻量化，使得精度提升的同时也加快了提取速度，能够实现道路信息快速精准获取。