摘要：河道流量数据为水文水资源领域科学研究与水利工程规划设计提供重要的科学依据。缺实测资料地区河道流量估算是过去几十年水文学界重点解决的科学问题之一。基于遥感观测的河道流量估算方法是解决水文资料缺乏的有效手段,同时也是定量遥感与水文水资源学科交叉研究的重要领域。本文系统总结了河道水面宽度、水面高程等与河道流量紧密相关水力学变量的遥感反演方法研究现状,梳理了经验关系法、与水文模型结合和与河流水动力模型结合等基于卫星观测的流量估算数学方法研究进展。在此基础上,阐述了河道流量遥感估算研究中流量估算结果误差评估、多星协作提升观测频率与方法普适性评估等难点问题与未来发展趋势。最后,探讨了遥感估算流量方法的应用前景。

摘要：针对遥感有向目标存在的检测问题,设计了一个基于改进Rotated RPN的网络,设计特征重组机制,通过加权使网络关注有效目标区域。使用新的有向框标注方法,避免在临界角度出现错位等问题。在检测头前端使用极化注意力模块,改善因为分类和回归任务所需特征不一致导致的性能下降问题。实验结果表明,该模型可以提高多类目标的检测精度。相较于基准Rotated RPN,该模型在Dior-R数据集上精度提升4.95%,在HRSC2016数据集上精度提升11.75%。

摘要：为了提高协同光学和雷达影像提取水稻的精度,该研究通过改进深度学习网络HRNet,提出一种多级特征融合的框架方法,改进后的MSATT-HRNet模型综合利用欧空局哥白尼项目哨兵1号(Sentinel-1)的双极化合成孔径雷达(synthetic aperture radar,SAR)影像和哨兵2号(Sentinel-2)多光谱光学影像,提取了湖南省长沙市望城区水稻种植区域。针对HRNet网络的改进主要包括两部分:1)设计了通道注意力机制与最大池化组成的卷积组用于提取SAR特征,同时将自注意力模块嵌入HRNet基础特征提取模块中用于提取多光谱光学影像的特征;2)为了探索双模态特征之间的内在互补关系,设计了由通道注意力与空间注意力组成的特征融合模块。研究针对改进模型进行了消融试验,并将MSATT-HRNet与其他常用深度学习方法(MCANet、Deeplabv3、Unet)进行了比较。结果表明,该研究提出的多源数据融合方法能够利用不同数据源的互补优势。水稻种植区域提取结果的总体精度、Kappa系数分别达到97.04%和0.961,与MCANet、Deeplabv3、Unet相比,总体精度分别提高6.90、2.67和2.98个百分点,Kappa系数分别提高0.055、0.025和0.030。证实了该方法可以有效提高水稻的判别精度。研究通过深度学习技术与遥感影像的耦合,为南方多云雨地区水稻制图提供了一种可行的选择。

摘要：卫星遥感降水产品是当前获取大范围、连续性降水观测的主要来源,但目前已有的卫星遥感降水产品空间分辨率粗糙,且存在一定的系统偏差。为此,本文充分考虑高分辨率环境变量(包括地形、NDVI、地表温度、经纬度)对降水影响以及邻近遥感降水(站点)空间相关性,构建了一种双阶段空间随机森林SRF (Spatial Random Forest)方法 (SRF-SRF)。以四川省2015年—2019年GPM (Global Precipitation Measurement Mission)月降水数据为例,借助SRF-SRF对其质量提升,并将计算结果与现有7种方法比较,包括地理加权回归(GWR)、反向传播神经网络(BPNN)、随机森林(RF)、站点降水Kriging插值(Kriging)、经SRF降尺度后的地理差异分析校正(SRF-GDA)、经双线性插值降尺度后的SRF校正(Bi-SRF)以及年降水经SRF降尺度后按月比例分解并利用SRF校正(SRFdis)等。实验分析表明:(1)在月尺度上,与原始GPM相比,SRF-SRF的平均绝对误差(MAE)降低了19.51%,中误差(RMSE)降低了16.35%,而且精度优于其他方法;在季尺度上,SRF-SRF在冬季误差最小,在夏季误差最大,但其计算精度均优于其他方法;在年尺度上,基于SRF的4种方法(包括SRF-SRF、SRF-GDA、Bi-SRF和SRFdis)优于GWR、BPNN、RF,并且SRF-SRF计算精度优于单阶段的Bi-SRF和SRF-GDA。(2) SRF-SRF降水产品空间分布连续性较好,且局部降水细节得到明显提升。(3)借助RF对各自变量重要性分析得出,降水空间相关性对卫星遥感降水质量提升具有重要作用。(4)基于月尺度的SRF-SRF融合校正效果优于基于年尺度的SRFdis,表明NDVI可用于该区域月尺度降水质量提升。

摘要：该研究旨在准确把握耕地“非农化”的时空格局,为制定合理的土地利用和耕地保护政策提供重要依据。随着特征提取技术和分类算法的进步,利用遥感影像进行大规模耕地动态监测变得更加准确和高效。该研究选用Sentinel-2卫星影像,探讨了不同算法和特征变量在耕地非农化监测中的优势。首先提取了4类特征共计31个指标,并通过主成分分析(principipal component analysis, PCA)和相关系数矩阵进行特征优选,获得了12个关键指标,并设计了5种特征组合方案。随后,采用7种基础算法执行影像分类,并通过“单阶段”和“二阶段”两种分类策略,提取耕地“非农化”信息。研究结果表明,有效选择多种特征变量和算法对于提高监测精度至关重要。在所有测试的模型中,采用Softmax构建的二阶段模型精度最高,最优特征组合为光谱特征+光谱指数特征+纹理特征,特征变量维度减少至12个。总体精度、平均用户精度、平均生产者精度和Kappa系数分别达到94.92%、95.16%、93.15%和0.88。对比2020年和2022年研究区数据发现,耕地转变为非农化用地的面积为146.153 km^(2),而非农化用地转变为耕地的面积为123.074 km^(2),导致耕地净减少23.079 km^(2)。综上所述,该研究提出的耕地“非农化”监测方法可以为相关的地物信息提取和耕地资源保护与可持续利用等研究提供技术支持和方法参考。

摘要：生态系统服务功能是人类从生态系统中获得的直接收益,因此从服务功能角度评估矿区生态系统状况具有重要意义。以大型煤炭基地宁东为例,在阐述矿区生态系统状况遥感监测研究现状和进展的基础上,设计了遥感数据驱动的气候调节、防风固沙、固碳释氧、水源涵养和土壤保持5项生态系统服务功能计算方案,利用长时间序列连续数据评估了上述功能的时空演变,衡量了矿区生产活动对地表生态系统的影响。应用Mann-Kendall非参数检验实现对研究区生态系统服务功能的时空动态评估。研究结果表明:(1)从2001年—2019年,宁东基地生态系统服务功能整体呈改善趋势,其中气候调节、固碳释氧、防风固沙改善趋势非常显著,水源涵养出现轻微下降现象,土壤保持处于基本不变的状态。(2)空间分布上,远离采煤工作面的区域生态系统服务功能比较强,反之则比较弱。(3)矿区与非矿区对照分析表明,矿区生产活动迟滞了生态系统服务功能的增加,其中非矿区的气候调节功能的上升速率约为矿区上升速率的两倍,非矿区防风固沙和固碳释氧功能的上升速率约为矿区上升速率的1.5倍。研究区生态系统服务功能的整体改善,可能是气候环境变化和人工修复活动的综合结果,但鉴于其整体改善速率明显低于非矿区,说明煤炭开采活动造成了一定的负面影响,仍然需要加大对生态系统保护和修复的力度。

摘要：针对遥感图像中目标尺度变化大和背景复杂导致检测精度低的问题,设计了一种改进YOLOv7目标检测算法。首先,为了缓解复杂背景对检测器的干扰,设计了一个注意力引导的高效层聚合网络(ALAN),以优化多路径网络使其更聚焦前景目标而降低背景的影响;其次,为了降低目标尺度变化大对检测精度的影响,设计了一种注意力多尺度特征增强(AMSFE)模块,用于扩展主干网络输出特征的感受野,以加强网络对尺度变化大目标的特征表征能力;最后,引入旋转边界框损失函数,以获取任意朝向物体的精确位置信息。在DIOR-R数据集上的实验结果表明,该算法mAP达到了64.51%,相比于基线原始YOLOv7算法提高了3.43%,且优于其他同类算法,能够适应遥感图像中多尺度和复杂背景的目标检测任务。

摘要：针对传统DCP去雾算法处理无人机遥感定位含雾图像时,天空或白色等明亮区域颜色易发生失真,图像整体对比度降低等问题,提出了一种自适应阈值分割的DCP去雾方法。利用灰度图像I_(gray)(x)求取图像明亮与非明亮区域的自适应阈值ThrB;根据自适应阈值ThrB将明亮区与非明亮区分割,并设计自适应修正函数M;优化由暗通道图像生成的大气耗散函数粗估计,利用双边滤波再次细化透射率,完成图像去雾复原。实验结果表明:提出方法在处理天空或反光较强的明亮区域时,能够有效避免复原后的颜色失真等问题,进一步改善遥感图像地面景物区域的处理效果,复原后整幅遥感图像的色彩饱和度和对比度明显提高,主观视觉效果有一定改善,且PSNR、FC、SSIM和CR等客观参数均有提升,有利于后续遥感定位图像分析。

摘要：农作物分布的提取精度对于后续的农田参数反演和作物单产估算等均具有深刻的影响,而农作物分类识别过程中,训练样本的准确性和数量对其最终分类结果的影响是至关重要的。针对样本较少且分布不均匀的问题,通过实地标识和目视解译2种方式构建农作物分类样本数据集,设计5种样本数据集构建方案:方案(1)全部采用实测样点(70%训练、30%验证);方案(2)全部采用目视解译样点(70%训练、30%验证);方案(3)实测样点与目视样点分别选取相同比例的训练样本与验证样本,再结合构建训练样本集与验证样本集(70%训练、30%验证);方案(4)目视解译样点作为训练样本,实测样点作为验证样本;方案(5)目视样点与实测样点选取相同数量的样本进行结合构建样本集(70%训练、30%验证)。研究不同方案下的农作物遥感分类精度。结果表明,除方案(4)外,(1)(2)(3)(5)4种样本数据集划分方案的整体精度均在95%以上,分类结果较好,表明采用目视解译补充样本点,可以有效解决样本点较少和分布不均匀的情况。方案(3)作为研究区作物识别提取的最佳分类方案,总体精度达到97.6%,Kappa系数达到0.970,且玉米、水稻、大豆单类精度均超过97%,表明目视解译样点与实测样点分别选取训练样本与验证样本再结合构建训练样本集与验证样本集,不仅可以提升分类结果的精度,而且可以提高分类结果的真实性、准确性。

摘要：元宇宙快速发展正在影响着文旅行业的变革。文旅行业强调创意与场景体验,文旅产品具有重内容、重体验、重参与及重个性化的特点,这与元宇宙的发展高度契合。现阶段,文旅元宇宙的研究还处于襁褓阶段,对文旅元宇宙的概念、核心技术和应用场景还处于探索中。首先,本文回顾了元宇宙的演化进程,并基于文旅行业特征,提出了文旅元宇宙的基本定义、概念模型及主要特征,认为文旅元宇宙是元宇宙的一个子系统,是现有信息技术在文旅行业深度融合形成的文旅互联网形态,是文旅活动在三维数字世界的一种重构和虚拟共生。其基于扩展现实技术提供文旅场景的沉浸式体验,基于数字孪生技术生成现实世界文旅场景的镜像,并依托元宇宙统一架构下的政治、经济、文化等体系,实现文旅行业虚拟世界和现实世界的全方位融合;然后,对文旅元宇宙相关关键技术在文旅行业应用的研究进展和应用进行了详细的描述;最后,展望了文旅元宇宙在文化遗产数字化与保护、景区(酒店)开发与管理、导游导览服务、文旅营销、行业监管与市场治理等方面可能的应用场景,提出了文旅元宇宙未来重点的研究方向。虽然文旅元宇宙的发展还面临着诸多的挑战,技术的发展还要不断地经历螺旋式的上升,但是元宇宙终会重塑未来的社会形态和人类的生活方式。