导读:本文包含了遥感识别论文开题报告文献综述及选题提纲参考文献，主要关键词:海洋溢油,光谱特征,光学遥感,桑吉
遥感识别论文文献综述
陆应诚,刘建强,丁静,石静,陈君颖[1]（2019）在《中国东海“桑吉”轮溢油污染类型的光学遥感识别》一文中研究指出溢油是海洋环境监测的重要对象之一.在海洋环境动力作用下,溢油会形成复杂多样的污染类型.准确识别、分类并定量估算不同类型的溢油污染,有助于溢油事件应用处理策略的制定与灾损评估.微波雷达与光学是海洋溢油遥感监测的主要手段,具有不同的技术优势与应用特点.近年来,海洋溢油光学遥感的理论与应用研究发展迅速,其对不同海面溢油污染类型的识别、分类与定量估算能力得到认可.针对2018年1月中国东海"桑吉"轮溢油事件,利用中国GF-3合成孔径雷达数据,实现"桑吉"轮疑似溢油的圈定.优选欧洲空间局Sentinel-2卫星的多光谱数据,开展无云覆盖区域"桑吉"溢油的光学遥感探测.基于溢油模拟实验的光谱响应特征分析,阐明了典型溢油污染的Sentinel-2卫星多光谱特征,进一步开展"桑吉"轮溢油污染类型的光学遥感识别与分类.结果表明,"桑吉"轮溢油在其扩散与风化过程中,形成了3种显着差异的溢油污染类型,即海面油膜、油包水状、水包油状乳化物.不仅与GF-3合成孔径雷达的疑似溢油监测结果互为验证,更实现了不同溢油污染类型的光学遥感识别与分类.最后,初步讨论了光学遥感与微波雷达的集成应用策略,通过优势互补,能有效提高海洋溢油的遥感监测水平,并为中国海洋水色业务卫星的应用提供借鉴.(本文来源于《科学通报》期刊2019年31期）
王珊珊[2]（2019）在《综合遥感识别技术服务地方地灾防治》一文中研究指出本报讯 自然资源部中国地质调查局自然资源航空物探遥感中心结合二级项目“长江上游重大区航空遥感地质调查”和国家级地质灾害隐患识别中心建设，日前组织完成了金沙江攀枝花-会泽段地质灾害隐患野外调查工作。金沙江攀枝花-会泽段是航空物探遥感中心确定的地质灾(本文来源于《中国矿业报》期刊2019-09-18）
刘焕军,武丹茜,孟令华,Susan,Ustin,崔杨[3]（2019）在《基于NDVI时间序列数据的施肥方式遥感识别方法》一文中研究指出农产品生产过程时空动态监测是有机/绿色农产品认证亟待解决的问题,不同施肥方式的时空精准识别是解决该问题的关键。本文以美国加州大学戴维斯分校长期定位实验为基本材料,利用时间序列Landsat8和Sentinel-2影像研究长期施肥实验下不同施肥处理轮作地块的植被指数时间序列,对比分析不同施肥处理NDVI的差异以及NDVI与产量的相关性。结果表明:1)不同施肥处理下的NDVI时间序列曲线总体趋势相似,有机肥与化肥处理NDVI时间序列曲线差异较大;2)不同施肥处理NDVI随作物生长期呈现规律变化,生长初期和后期有机肥处理NDVI均值高于化肥处理,生长中期化肥处理高于有机肥处理;3)不同施肥处理下的NDVI与产量之间相关系数随作物生长期有规律变化,应用植被指数进行遥感估产需要考虑不同施肥处理的影响。研究成果初步探讨了利用不同施肥处理NDVI时间序列差异、NDVI与产量相关性差异区分有机肥与其他施肥方式,有望为有机/绿色农业的时空动态监测与认证提供遥感技术支持,深化遥感技术在农业领域应用。(本文来源于《农业工程学报》期刊2019年17期）
赵子娟,刘东,杭中桥[4]（2019）在《作物遥感识别方法研究现状及展望》一文中研究指出作物遥感识别是作物面积提取、长势监测、估产和时空分布研究的前提和基础。遥感识别作物方法多样,优势各异,应用性不同。本文系统梳理了基于光谱特征识别作物、基于纹理特征识别作物、基于物候特征识别作物及其他作物遥感识别的方法,归纳总结了每类方法的原理、优缺点和适用范围,指出了需进一步研究和解决的问题,并对今后的发展方向进行了展望,以期为作物遥感识别方法的应用及作物遥感研究提供参考与支撑。(本文来源于《江苏农业科学》期刊2019年16期）
杨闫君[5]（2019）在《基于植被指数时序谱类内差异特征的冬小麦遥感识别研究》一文中研究指出小麦是世界第叁大粮食作物,在世界范围内被广泛种植,其中冬小麦的种植面积超过了小麦总面积的80%。及时、准确地获取冬小麦种植面积对冬小麦产量估算、长势监测及生产规划等具有重要的现实意义。遥感技术因其覆盖面积广、重访周期短、数据获取相对容易和费用低廉等优点,为快速和准确获取冬小麦种植信息提供了强有力的技术手段。然而,农作物遥感识别是一项复杂的工作,既要考虑到技术的实用性和可执行程度,又要考虑识别结果的可信度和精度。利用单一时相遥感影像进行冬小麦识别时容易出现“错分、漏分”现象,难以达到理想的分类精度。时间序列尤其是植被指数时间序列数据成为农作物遥感分类识别研究的热点。近年来,随着对地观测技术水平的不断提高,多源、多时空分辨率的卫星传感器不断涌现,国内外遥感数据量迅速增加,为冬小麦遥感识别提供了丰富的数据源。面对庞大的数据量,如何高效地选择与合理地利用已有的多源、多时空分辨率卫星数据,开展冬小麦遥感分类识别方法研究,提高冬小麦分类识别精度,准确、快速地获取冬小麦种植面积及空间分布信息,对国家宏观决策具有重要的现实意义,也是当前我们面临的挑战。本文针对目前冬小麦遥感识别中存在的问题,以黄淮海平原为研究区,以高分一号WFV(GF-1,Wide Field of View)、MODIS(Moderate-Resolution Imaging Spectroradiometer)多光谱中、高分辨率影像为数据源,考虑到冬小麦光谱特征随季节变化的差异,分析了冬小麦植被指数时序谱特征,结合冬小麦与其他地物的时序波谱特征差异,探究冬小麦的遥感识别方法。研究采用矢量分析法,将N维矢量的方向和距离特征引入植被指数时间序列,基于GF-1WFV影像提出了冬小麦遥感识别矢量分析模型。同时,考虑到遥感识别的时效性问题,基于构建的识别模型进·步探究冬小麦遥感识别的最佳时序数据,以满足尽早获取冬小麦种植信息的实际需求。其次,将构建的模型用于MODIS影像,在大区域冬小麦遥感识别中进一步改进模型,并利用Landsat影像和统计数据对模型的识别结果进行验证。最后,采用MODIS数据在美国堪萨斯州对改进后的模型进行适用性评价模型。同时,结合景观格局指标中有关破碎度的相关指数,对影响冬小麦遥感识别精度的因素进行了讨论。论文的主要研究结论包括:(1)基于时序数据的空间方向与距离特征,采用矢量分析方法构建了冬小麦遥感识别矢量分析模型。基于GF-1 WFV影像构建覆盖冬小麦完整生长期的时间序列数据,考虑到同一区域的冬小麦具有相似的物候特征与生长状况,对比分析了冬小麦生长期内与其他地物类型的时序波谱曲线的特征差异。在借鉴光谱角制图法的基础上,将NDVI时间序列看作N维空间向量,基于冬小麦时序波谱特征,结合矢量的夹角和距离两个特征参量,构建冬小麦遥感识别矢量分析模型。结合地面数据验证,冬小麦识别精度达到了 94.83%,与其他方法对比,精度最大提高了 8.33%。结果表明构建的识别模型可以有效实现冬小麦的遥感识别并取得较高的精度。(2)基于构建的冬小麦遥感识别矢量分析模型,探究了冬小麦遥感识别的时效性问题,确定了用于冬小麦识别的最佳时序数据。考虑到农作物遥感识别需要满足时效性的需求,采用构建的冬小麦遥感识别矢量分析模型,依次对覆盖不同冬小麦物候期的时序数据进行测试,确定了满足精度需求的冬小麦识别的最早物候期。通过验证表明,采用本文构建的模型,基于冬小麦播种期至返青期的GF-1 NDVI时序数据,冬小麦识别精度可以达到90%以上。(3)提出了基于EVI时序谱类内差异特征的冬小麦遥感识别矢量分析模型。基于MODIS中等空间分辨率遥感影像,通过分析冬小麦植被指数时序谱特征,发现影像上大区域的冬小麦受不同的生长状况、耕作管理模式、气候环境等因素的影响,植被指数时序谱表现出较大的类内差异,在前文构建的模型基础上,加入考虑冬小麦时序谱类内差异特征的多个子训练样本集,进一步改进冬小麦遥感识别矢量分析模型。将改进后的模型在黄淮海平原应用,结合地面数据和Landsat影像对识别结果进行验证。结果表明,冬小麦识别总体精度达到85%以上,相比传统的监督分类(最大似然分类法),精度提高了 15%。同时,采用播种期至返青期的时间序列,冬小麦的识别精度为70.17%。(4)改进后的冬小麦遥感识别矢量分析模型在不同区域的适用性评价。为了验证改进后的模型的普适性,在与黄淮海平原同纬度的美国堪萨斯州进行模型适用性评价。对堪萨斯州的冬小麦遥感识别结果在区域、县级以及像元尺度上进行精度验证。结果表明,改进后的识别模型可以有效地识别不同区域的冬小麦分布,结合Landsat分类结果图在像元尺度上的验证表明冬小麦总体识别精度达到90.33%。同时,采用覆盖冬小麦播种期至返青期的EVI时序数据对模型进一步验证,结果表明冬小麦识别精度达到80.67%。在堪萨斯州的冬小麦识别结果充分说明了本文提出的识别模型具有较高的普适性。(5)基于景观格局指数,明晰了冬小麦遥感识别矢量分析模型的影响因素。基于中等分辨率影像的作物识别精度与农田的空间异质性特征有着密切关系。本文采用景观格局指数表达研究区的景观破碎度,定量分析冬小麦农田的景观破碎度对冬小麦遥感识别精度的影响。结果表明,景观破碎度指数(FRG)与冬小麦识别精度之间有很强的正相关关系(r=0.99)。同样,较高的冬小麦面积比例(PLAND)对应着较高的冬小麦识别精度。当PLAND值大于20%时,平均误差百分比小于10%,即冬小麦识别精度达到90%以上。分析结果表明在破碎程度较低的区域,改进的冬小麦识别模型表现更好。对比黄淮海平原和堪萨斯州的冬小麦识别结果,后者精度提高程度较大,同时也说明在美国连续大面积冬小麦农田背景下,基于MODIS数据的冬小麦识别可以取得较高的精度,而对我国农田破碎度较高的国情,需要借助高分一号这样的高分辨率数据才能满足大区域高精度冬小麦制图。(本文来源于《南京大学》期刊2019-08-04）
樊东东,李强子,王红岩,张源,杜鑫[6]（2019）在《通过训练样本采样处理改善小宗作物遥感识别精度》一文中研究指出训练样本质量是决定农作物遥感识别精度的关键因素,虽然高空间分辨率卫星的发展有效地解决了农作物遥感识别过程中的混合像元问题,但是当区域内不同作物种植面积差异较大时,训练集中不同类别样本数量往往相差较大,这样的不均衡数据集影响分类器的训练,导致少数类别的识别精度不理想。为研究作物遥感识别过程中的不均衡样本问题,本文基于GF-2号卫星数据,首先挖掘了地物的光谱信息、纹理信息,用特征递归消除RFE (Recursive Feature Elimination)方法进行特征优选,然后从数据处理的角度采用了5种采样算法对不均衡训练集进行处理,最后使用采样后的均衡数据集训练分类器,对比数据采样前后决策树与Adaboost(Adaptive Boosting)两种分类器的识别结果,发现:(1)经过采样处理后两种分类算法明显提升了小宗作物的分类精度;(2)经过ADASYS (Adaptive synthetic sampling)采样处理后,分类器性能提升最多,决策树的Kappa系数提高了14.32%,Adaboost的Kappa系数提高了10.23%,达到最高值0.9336;(3)过采样的处理效果优于欠采样,过采样对分类器的性能提升更多。综上所述,选择合适的采样方法和分类方法是提高不均衡数据集遥感分类精度的有效途径。(本文来源于《遥感学报》期刊2019年04期）
李佳琦,李家国,朱利,申茜,戴华阳[7]（2019）在《太原市黑臭水体遥感识别与地面验证》一文中研究指出城市黑臭水体整治是城市水环境治理的一项重要工作。本文通过构建黑臭水体遥感识别模型,解决城市黑臭水体整治过程中黑臭水体的识别问题,实现城市黑臭水体空间分布快速定位与排查。通过分析黑臭水体形成机理和试验数据,从光谱特征上构建反映水体清洁程度的光谱指数(WCI),从图像特征上构建水体颜色、次生环境、河道淤塞、岸边带垃圾堆放等解译标志,综合光谱指数和解译标志共同进行黑臭水体遥感识别。利用该方法对太原市建成区内黑臭水体空间分布进行排查识别,共得到疑似黑臭河段14条,长度为52.530 km。经验证,除去断流影响外,遥感识别黑臭水体点位精度为92.86%,遥感识别黑臭河段长度精度为78.19%。在精度验证基础之上,进一步分析了黑臭水体遥感识别光谱指数和各项解译标志在黑臭识别中所占的权重,其中光谱指数和水体颜色二者权重最大,分别占29.60%和27.10%,是构成遥感识别黑臭水体的主要特征标志。通过两时相影像识别结果比对表明,WCI指数能够明显反应黑臭水体变化特征。因此,利用本文方法进行城市黑臭水体遥感识别具有很高的精度,在城市水环境整治过程中具有重要的应用价值。(本文来源于《遥感学报》期刊2019年04期）
陈梦[8]（2019）在《基于深度学习的建筑物震害遥感识别研究》一文中研究指出地震尤其是特大地震一旦发生,对人类社会造成的危害十分巨大。地震发生后,建筑物作为重要的承灾体,其倒损是造成人员伤亡和经济损失的主要原因之一。地震发生后,灾区的道路、通讯等设施往往遭到破坏,如何判断灾区的受灾情况,以便根据受灾情况进行救援力量的投放,最大限度的降低损失,是震后的首要工作。由于遥感手段可以快速大范围的对灾区进行成像,因此可以通过灾区的遥感影像对灾区的受灾情况做出判断。针对遥感影像的解译任务,传统的基于像元和面向对象的方法存在一定的问题与不足,基于像元的方法精度不高,存在“椒盐”噪声;面向对象的方法中,图像的分割制约着图像解译的精度。随着以神经网络为代表的深度学习技术的发展,深度学习在图像处理领域取得了很好的应用效果。因此本文将深度学习的方法应用于建筑物震害的识别,以期提高建筑物震害遥感识别的自动化程度。本文主要开展了以下几个方面的工作:(1)对传统的建筑物震害遥感提取方法进行了对比分析。基于像元的建筑物震害提取,是图像处理的一种初级方法,仅利用了图像的光谱信息,不能充分利用影像的上下文信息,提取精度较差,而且会产生“椒盐噪声”。面向对象的建筑物震害提取技术是基于像元技术的延伸,在一定程度上克服了基于像元方法中不能充分利用上下文信息的问题,但是该方法在进行图像分割的过程中,分割得到的图像斑块往往不能比较精确的表示整个物体,这种现象影响了该方法的精度。(2)对深度学习技术在图像处理领域尤其是在图像语义分割领域的发展现状进行了研究分析。神经网络在图像语义分割领域的应用可以归纳为以下几种方法:基于传统卷积神经网络的方法,这种方法处理速度较慢;基于全卷积神经网络的方法,该方法是对传统卷积神经网络的一种发展,在一定程度上提高了图像语义分割的效率,但是对物体边界的识别能力较差;基于编码解码结构的神经网络,这种结构在一定程度上提高了地物边界的识别精度。(3)在比较各类方法的基础上,本文主要采用全卷积神经网络和基于编码解码的神经网络两种方法进行建筑物震害提取的研究分析。选取2010年玉树7.1级地震作为分析震例,研究区域为玉树县城区部分地区。基于研究区的航空影像,选取用于建筑物震害识别的样本,为今后更进一步的深入研究积累了数据。(4)基于全卷积神经网络进行建筑物震害识别的研究。全卷积神经网络主要包括卷积层,池化层,上采样层,并采用了跳跃层的策略。用393张500×500大小的图像对网络进行训练,另外34张500×500大小的图像对网络进行测试。测试结果表明,建立的模型对建筑物震害提取总体像素精度可达到82%,kappa系数为62%,表明该方法具有一定的建筑物震害信息提取能力。同时对该网络结构存在的问题进行了分析。(5)基于deeplabv3+模型进行建筑物震害遥感识别研究。deeplabv3+模型包括孔洞卷积、深度可分离卷积、改进的Aligned Xception模型,解码器、编码器等;用与全卷积神经网络相同的训练和测试数据对该网络进行训练和测试。测试结果表明,基于该模型进行建筑物震害遥感提取是可行的,而且可以达到较高的提取精度。总体精度为89.4%,Kappa系数为0.79。对背景,倒塌建筑物和未倒塌建筑物的提取精度分别为0.909,0.833,0.904。同时初步探究了不同样本量对建筑物震害识别精度的影响,结果表明虽然小样本量对建筑物震害提取的精度有所影响,但仍然具有较高的提取精度(总体精度高于80%)。(本文来源于《中国地震局地震预测研究所》期刊2019-06-24）
陈晓涵[9]（2019）在《油气矿山地物遥感识别方法研究》一文中研究指出矿山遥感监测是一项具有中国特色的基础国情调查工作。近年来,我国固体矿产资源开发遥感监测工作卓有成效,但由于种种原因,对油气矿山缺乏关注。为了丰富矿山遥感监测的技术方法,该文分别采用2016年、2017年、2018年获取的遥感数据,运用人机交互解译的技术方法,探索油气矿山地物的遥感识别方法。结果表明:油气矿山地物在高分辨率遥感图像上有其独特的特征,结合必要的野外验证,可以实现部分油气矿山地物的遥感识别。该文探索的技术方法能够为油气矿山遥感调查监测等提供技术借鉴。(本文来源于《科技资讯》期刊2019年15期）
石静[10]（2019）在《海面溢油乳化物的高光谱遥感识别研究》一文中研究指出海洋溢油在其风化迁移过程中,会形成不同类型、不同浓度的油水乳化物,对环境造成显着危害。准确识别并量化不同类型的油水乳化物,有助于海洋溢油污染应急处理与灾损评估。原油与水是不相溶的两相介质,在海洋动力作用下,会形成油包水相、水包油相两种类型的油水乳化物。近年来,海洋溢油光学遥感研究取得了较大的进展,光学遥感技术在本领域的应用特点与优势逐渐清晰,但油水乳化物的光谱响应特征与原理依然缺乏系统性的研究。本文基于油水乳化物室内模拟实验,分析不同类型、不同体积浓度油水乳化物的光谱响应差异与变化规律,研究其光谱吸收特征的作用机理;基于反射率与光谱吸收深度开展油水乳化物浓度的定量估算研究;分析溢油乳化物的高光谱遥感识别特征,研究高光谱溢油乳化物识别算法。主要研究内容包括:(1)开展油水乳化物的实验室模拟工作,获取了不同体积浓度的油水乳化物样品及其反射光谱,阐明了不同类型油水乳化物的高光谱响应特征及变化规律,分析诊断性吸收特征的作用机理。(2)根据不同体积浓度的光谱反射率数据,基于反射率及吸收深度,开展油包水相、水包油相乳化物光谱反射率与其体积浓度的数值统计分析,实现油水乳化物体积浓度的高光谱定量估算。(3)利用美国墨西哥湾2010年BP溢油事件获取的机载高光谱AVIRIS数据,验证了不同类型油水乳化物的光谱特征,发展了基于官能团特征检测的高光谱溢油乳化物识别算法,实现AVIRIS数据中溢油乳化物的识别与提取。基于上述研究内容,得出主要结论如下:(1)不同类型的油水乳化物具有显着的光谱响应差异,油包水相乳化物在近红外与短波红外光谱范围内具有较高的反射率,-C-H吸收光谱是其主要特征光谱。水包油相乳化物的光谱响应特征主要集中在400nm～1400nm内,因-O-H吸收在～970nm、～1130nm处形成显着的光谱特征;(2)在油包水相乳化物中,利用～1295nm、～1655nm、-2200nm处的反射率及～1445nm处的吸收深度能较好的估算其浓度;在水包油相乳化物中,利用～1075nm、～1295nm处的反射率能在可接受的误差范围内估算其浓度;(3)基于官能团特征检测的高光谱溢油乳化物识别算法,能够实现AVIRIS数据中溢油乳化物的识别与提取。(本文来源于《南京大学》期刊2019-05-21）
遥感识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本报讯 自然资源部中国地质调查局自然资源航空物探遥感中心结合二级项目“长江上游重大区航空遥感地质调查”和国家级地质灾害隐患识别中心建设，日前组织完成了金沙江攀枝花-会泽段地质灾害隐患野外调查工作。金沙江攀枝花-会泽段是航空物探遥感中心确定的地质灾
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
遥感识别论文参考文献
[1].陆应诚,刘建强,丁静,石静,陈君颖.中国东海“桑吉”轮溢油污染类型的光学遥感识别[J].科学通报.2019
[2].王珊珊.综合遥感识别技术服务地方地灾防治[N].中国矿业报.2019
[3].刘焕军,武丹茜,孟令华,Susan,Ustin,崔杨.基于NDVI时间序列数据的施肥方式遥感识别方法[J].农业工程学报.2019
[4].赵子娟,刘东,杭中桥.作物遥感识别方法研究现状及展望[J].江苏农业科学.2019
[5].杨闫君.基于植被指数时序谱类内差异特征的冬小麦遥感识别研究[D].南京大学.2019
[6].樊东东,李强子,王红岩,张源,杜鑫.通过训练样本采样处理改善小宗作物遥感识别精度[J].遥感学报.2019
[7].李佳琦,李家国,朱利,申茜,戴华阳.太原市黑臭水体遥感识别与地面验证[J].遥感学报.2019
[8].陈梦.基于深度学习的建筑物震害遥感识别研究[D].中国地震局地震预测研究所.2019
[9].陈晓涵.油气矿山地物遥感识别方法研究[J].科技资讯.2019
[10].石静.海面溢油乳化物的高光谱遥感识别研究[D].南京大学.2019