昆仑山口西8.1级大地震震后库赛湖地区多时相InSAR地表形变遥感探测

利用2003年~2007年间14景欧空局ENVISAT ASAR卫星数据,结合SRTM DEM数据,采用多时相SAR协同配准方法进行二路干涉处理,对2001年11月昆仑山口西8.1级大地震宏观震中—库赛湖地区的地表形变场进行了多时相探测。结果表明:①多时相InSAR技术能够对位于高海拔山区的东昆仑断裂带库赛湖段的地表形变实施连续监测;②震后发震断裂带的调整活动经历了一个动态变化的过程,2003年~2004年、2005年9月至2006年2月相对活跃,调整幅度较大,2004年11月至2005年9月间调整较小;③2006年~2007年发震断裂带地区活动逐渐减弱。     

基于变化检测的滑坡灾害自动识别

在分析当前滑坡灾害信息识别方法的基础上,指出这些方法的适用性和不足之处,并针对这些不足之处,以滑坡的地学原理为依据,提出了以多时相遥感影像为数据源,结合纹理分析的变化检测自动识别滑坡灾害信息的方法。最后,以地震前(2006-5-14)后(2008-6-3)的北川县城及附近区域的福卫2号多光谱遥感影像作为数据源,以结合比率变换和纹理分析的变化检测进行滑坡灾害信息识别试验。结果表明,结合纹理分析的变化检测方法能够突破影像光谱特征的局限,对于滑坡灾害信息识别具有显著的适用性。     

黄河中游水沙变化关系不确定性的时间尺度特征研究

针对河川径流与泥沙变化所具有的复杂多时间尺度性和其间变化关系的复杂不确定性,为深入研究黄河中游水沙变化关系在不同时间尺度上的表现,以三门峡水文站为例,首先应用EMD方法对该站1919~1995年的年径流量和年输沙量时序分别进行多时间尺度分解,得到一系列相应的具有不同周期的波动分量,在此基础上,运用SPA方法对基于不同分解水平和时间尺度而得到的集对进行了分析。结果表明,黄河中游年径流量和年输沙量时序之间变化关系的不确定性具有显著的时间尺度特征,即二者之间的同、异、反特性在不同的时间尺度上具有明显的差异。     

多时相遥感影像监测南极冰川流速

测定南极冰川的流速，对于研究南极冰雪物质平衡、南极环境变化及其对全球环境的影响和极区航行有重大意义。本论述了利用多时相卫星遥感影像监测冰川变化的原理和方法，通过对英格里特一克里斯泰森海岸不同时期的遥感影像进行几何纠正和配准及叠加处理，测量和计算出极记录冰川的平均流速，并对它们的变化特点进行了初步的分析和评价。     

基于多时相遥感数据的矿区地表植被与土壤变化监测

基于多时相的Landsat遥感数据,以陕西省榆林市大柳塔矿区为例,通过图像处理得到地面归一化植被指数(NDVI)和土壤指数两个研究要素,结合矿区采掘工作面,提取了采区和非采区样本点的时序数据,使用单一变量法对比分析其时序变化情况,并对研究区域的植被和土壤未来变化趋势作了预测。结果表明:矿井工作面采掘活动破坏了地面植被和土壤的稳定性,降低了其对环境影响的抵抗和恢复能力,矿区植被覆盖度逐年增加,但是土壤受侵蚀情况严重;在未来几年内,大柳塔矿区的植被覆盖度会持续增加,土壤较容易受到侵蚀,特别注意地面采矿活动区域和受扰动影响区域的土壤保护,改善土壤退化现状。     

一种新的无监督的卫星影像变化检测算法

提出了一种基于主分量分析(PCA)和上下截集模糊Kohonen聚类网络(UDSFKCN)的、无监督的、不同时相的和卫星影像的像素级变化检测新算法.将PCA和UDSFKCN两种方法结合,并将它应用于不同时相的卫星影像的变化检测.该方法结合每个像素的邻域信息,利用PCA,产生每个像素对应的基于邻域信息的特征向量;又将变化区...     

一种基于CW-RNN的多时间尺度序列建模推荐算法

序列化推荐试图利用用户与物品的历史交互序列,预测下次即将交互的物品。针对序列化推荐中推荐物品依赖于用户的长时间全局兴趣、中时间兴趣还是短时间局部兴趣的不确定性,该文提出了一种基于CW-RNN的多时间尺度序列建模推荐算法。首先,该算法引入CW-RNN层,从用户与物品的历史交互序列中抽取多个时间尺度的用户兴趣特征。然后,通过尺度维卷积来建模对不同时间尺度的用户兴趣特征的依赖,生成多时间尺度用户兴趣特征的统一表示。最后,利用全连接层建模统一的多尺度用户兴趣特征和隐式物品特征的交互关系。在MovieLens-1M和Amazon Movies and TV两个公开数据集上的实验结果表明,相比于现有最优的序列推荐算法,该文提出的算法在准确率上分别提升了3.80%和8.63%。     

海流兔河流域径流变化的周期和趋势分析

以荒沙草滩区典型河流海流兔河为例,利用连续小波变换、多时相趋势分析,并联合利用离散小波变换和Mann-Kndall秩次检验法对1957—2011年的年均径流分别进行周期、趋势以及趋势结构分析。结果表明:1海流兔河年均径流量在时间序列上主要存在着12~21 a周期变化,第一主周期为17 a,且径流量偏少阶段将从2010年持续至2016年左右,之后将进入偏多阶段。2海流兔河流域径流量呈现显著下降趋势,与整个黄河中游总体径流量减少趋势相一致。3联合利用离散小波变换和Mann-Kendall秩次检验法可以很好地解释趋势的基本结构,8~16 a的周期性事件对海流兔河径流的趋势影响最大。水文时间序列周期部分的周期性越强,其对序列趋势的影响越大。4序列趋势的显著性和方向取决于其长度以及在整个序列中的位置,主要是因为序列中长周期丰枯交替的存在,多时相趋势分析一定程度上解决了由于序列长周期丰枯交替的存在造成的序列趋势判断的不确定性问题。     

基于GIS的景观动态远程监控系统

由于人类活动和地表运动使土地覆盖变化产生很大变化,所以需要对景观动态准确绘图来进行环境监测.为此提出一种基于地理信息系统(GIS)的景观动态远程监测系统,根据遥感图像的多时相遥感光谱和表面模型数据,利用多时相决策树分类器和形态学图像处理技术,实现对土地利用/覆盖变化(LUCC)的动态监测.在Landsat 5 TM数据库中的本地图像上进行实验,结果表明,该方法能够达到90.77%的识别准确度,且具有较低的计算时间,能够很好的检测出植被分布(植物/植被恢复)、城区(城市化/拆迁)和地理形态特征(河流地貌变化/边坡失稳).     

多时相遥感影像的深度卷积匹配算法研究

针对传统人工设计的特征描述符在面对几何差异和辐射差异较大、地物变化明显的多时相遥感影像时,容易造成大量误匹配问题,提出一种适用于遥感影像的双筛选双约束的卷积神经网络匹配算法,通过CNN提取影像深层语义特征图,在特征图中筛选同时满足优先最大原则和精确极值原则的关键点,并在对应位置提取512维描述符。在特征匹配阶段,通过由粗到精的反向匹配约束和RANSAC约束相结合的策略,保证了误匹配点有效剔除的同时保留一定数量的正确匹配点对,提高了匹配的精度。实验结果表明：该方法的匹配数量适中,正确匹配率较实验选取的其他算法相比有所提高,影像配准误差减小2个像素左右,匹配运行时间提升明显,匹配效果良好并且具有一定的适应性和鲁棒性。