基于RS和GIS的县域洪涝灾害风险评估

洪涝灾害风险评价是研究洪涝灾害的重要手段之一,评价结果可为区域洪涝灾害监督预测、防洪减灾措施的制定与规划提供依据。以河北武安市为研究区域,以自然灾害风险系统理论为基础,考虑当地实际情况,从洪涝灾害的致灾危险性、灾害敏感性以及防减灾能力三个方面出发,选取降水、地形等自然因素和人口密度、经济投入水平等社会经济要素共9个评价指标,采用GIS空间分析叠加功能、加权综合评价法等方法,得出洪涝灾害风险评价结果。结果表明:武安市洪涝灾害风险分布整体呈现由中部、西南部高风险区向四周逐渐递减的特点,具体表现为河谷风险等级突出,洺河沿岸地区的风险要高于其他地区;平原风险等级明显,平原区由于易出现洪水汇入,且敏感性强的特点,易出现洪涝灾害;农耕区域的风险等级要高于林草区域。通过历史灾情数据对评价结果进行验证,本文提出的武安市洪涝灾害评估结果与实际情况一致性较高。     

Economics of electric power generation options and sulfur oxide emission control

By the use of spreadsheet techniques, a simple but versatile program has been developed for analyzing the economics of electric power generation for all types of plants. The incentives for various power-generation options are quantified.The impact of SO_x, emission control using flue-gas desulfurization (FGD) on power cost is about $0.013/kWhr for plants with a load factor of 0.7 and represents 20% of the power cost. It is shown that use of an aged plant is more economical than of a new plant equipped with FGD to meet the SO_x emission regulations, even though continued use of old plants defeats measures for environmental improvement. With the current price structures, continued use of an aged, oil-fired, steam-electric plant is economically attractive, and a natural gas combined-cycle electric plant may now be economically viable.     

深度卷积神经网络特征提取用于地表覆盖分类初探

目的 地表覆盖监测是生态环境变化研究、土地资源管理和可持续发展的重要基础,在全球资源监测、全球变化检测中发挥着重要作用。提高中等分辨率遥感影像地表覆盖分类的精度具有非常重要的意义。方法 近年来,深度卷积神经网络在图像分类、目标检测和图像语义分割等领域取得了一系列突破性的进展,相比于传统的机器学习方法具有更强的特征学习和特征表达能力。基于其优越的特性,本文进行了深度卷积神经网络对中分辨率遥感影像进行特征提取和分类的探索性研究。以GF-1的16 m空间分辨率多光谱影像为实验数据,利用预训练好的AlexNet深度卷积神经网络模型进行特征提取,以SVM为分类器进行分类。分析了AlexNet不同层的特征以及用于提取特征的邻域窗口尺寸对分类结果的影响,并与传统的单纯基于光谱特征和基于光谱+纹理特征的分类结果进行对比分析。结果 结果表明在用AlexNet模型提取特征进行地表覆盖分类时,Fc6全连接层是最有效的特征提取层,最佳的特征提取窗口尺寸为9×9像素,同时利用深度特征得到的总体分类精度要高于其他两种方法。结论 深度卷积神经网络可以提取更精细更准确的地表覆盖特征,得到更高的地表覆盖分类精度,为地表覆盖分类提供了参考价值。     

面向半球尺度数据的云检测方法

目的 云覆盖着地球上空大部分区域,在地球水循环、地气系统能量平衡和辐射传输过程中有着重要的作用,同时云也是天气气候中最重要、最活跃的因子之一;此外,云覆盖地表信息,导致影像配准、融合等处理过程的很多问题,所以云检测十分重要。方法 基于2015年发射的深空气候观测台（DSCOVR）卫星搭载的地球彩色成像相机（EPIC）数据,针对EPIC数据波段范围较广和影像数据是半球尺度的特点,以云指数法作为基础,提出一种新的面向半球尺度数据的云检测方法。首先,分析EPIC数据各个波段的波段特征,尤其是紫光波段,然后根据云在不同波段的反射特性,以指数的形式完成波段组合进行云检测,再与SVM（support vector machine）云检测法和可见光云检测法进行比较,最后利用EPIC L2产品对所获得的云分布图和统计云量值进行结果验证,以正确率、漏检率、误检率和Kappa系数作为参考标准完成精度评定。结果 实际EPIC夏季（2017年7月）和冬季（2017年1月）数据的实验结果表明,本文方法的正确率均高于91%,Kappa系数大于0.9;其他方法的正确率均低于89%,且Kappa系数在0.8左右,均小于0.9。所以本文能够有效地检测到薄云（即使在冬季）,且云量和云的分布都最为接近实际。结论 在EPIC影像的云检测过程中,本文方法从云分布图和云量结果两个方面都优于可见光云检测法和SVM云检测法,经EPIC L2产品验证,本文方法有效、可靠,且能够快速获得半球范围内云的分布情况,有助于对全球云的动态研究和自然天气预测。     

基于水体散射特性的SAR图像水体检测

基于SAR图像中水体后向散射系数服从Gamma分布的特点,提出了一种基于水体散射特性的自动化水体提取算法。研究重点包括:第一,利用高斯分布拟合地物后向散射系数,并结合改进的Gamma模型进行分析,确定最优阈值位置,构建优化准则,自适应迭代求解目标阈值。第二,引入含水体的目标块选择准则,剔除非目标块,对目标块运用所建模型获取阈值,取各目标块平均值作为全景图最优阈值,该过程大大缩短了运行时间,增加了阈值准确率,对SAR图像中水体的实时检测具有深刻意义。实验数据选用Radarsat-2获取的淮南地区单极化数据,实验结果表明该算法可以实现大幅图像中水体的快速、精确和自动化提取。     

面向对象的高分辨率SAR图像处理及应用

目的随着合成孔径雷达(SAR)技术和分辨率的不断提高,越来越多的空间细节呈现在高分辨率SAR影像上。与此同时,SAR图像的数据量越来越大,人们对其应用需求也越来越高,这使得传统的基于像素的SAR处理方法不再适用。面向对象分析技术以像元集合——"对象"为分析单元,为高分辨率遥感图像处理提供了有效的思路,并日渐成为遥感、摄影测量以及GIS等领域所关注的对象和研究热点之一。目前该技术在光学遥感中已经得到了广泛的应用,但在SAR图像处理中的应用还处于起步阶段。方法本文在简要阐述面向对象分析技术起源和特点的基础上,对SAR图像面向对象技术中常用的多尺度分割算法进行了分类分析,接着对面向对象技术在SAR遥感的应用方向进行全面介绍,最后对面向对象技术在SAR上的应用进行了总结与展望。结果面向对象分析技术在SAR图像处理中的应用主要分为以下五个方面:地物分类、城市信息提取、变化检测、海洋应用、森林应用。结论面向对象分析技术在解决高分辨率SAR图像尺度效应、抑制噪声等方面有着重要作用。目前,国外学者在基于SAR的面向对象分析技术研究上已经取得了一定的进展,但总体上该技术仍面临诸多问题,需要进一步的研究和完善。     

基于Radarsat-2全极化数据的高原牧草覆盖地表土壤水分反演

大面积土壤水分反演对于青海湖流域草场的管理和保护具有重要的意义。利用C波段全极化的Radarsat-2 合成孔径雷达(SAR)影像数据,开展了青海湖流域刚察县附近草场的土壤水分反演研究,在“水-云”模型和Chen模型的基础上,发展了一种新的土壤水分反演算法。该算法消除了植被覆盖以及地表粗糙度对雷达后向散射系数的影响。实验结果表明:预测结果能够与实测数据很好地吻合,R²、RMSE和RPD分别达到0.71\,3.77%和1.64,反演精度较高,能够满足研究区土壤水分的反演精度要求。如果能够更细致地刻画植被层以及地表粗糙度对雷达后向散射系数的影响,土壤水分反演精度有望得到进一步提高。
     

高分辨率SAR辐射定标中两种角反射器响应测量方法的应用对比研究

利用角反射器进行SAR图像辐射定标是一种简单、实用、精度较高的绝对定标方法。其关键技术包括角反射器响应测量、天线方向图拟合和定标常数确定。针对机载分米级高分SAR影像定标问题,在同一场景中布设了30和10cm两组三面角反射器,依据雷达中心入射角估计值、均方根误差和变异系数等指标,分析了已有的两种角反射器响应测量方法,即峰值法和积分法的适用性,并提出了一种新的天线方向图拟合方法。最后给出了两种方法对高分辨率SAR辐射定标的适用性结论。