首页期刊导航|遥感学报
期刊信息/Journal information
遥感学报
遥感学报

顾行发

双月刊

1007-4619

jrs@irsa.ac.cn

010-64806643

100101

北京市安外大屯路中国科学院遥感应用研究所

遥感学报/Journal Journal of Remote SensingCSCD北大核心CSTPCDEI
查看更多>>本刊为专业性学术刊物。反映遥感领域的科研与技术应用成果。包括航天航空、农业、林业、资源开发、环境监测和保护、区域和工程地质勘探和评价、找矿、灾害监测和评估等领域的应用，以及地理信息系统、遥感、GIS及空间定位系统的综合应用等方面。读者对象为遥感及相关学科的科研人员及高等院校师生。
正式出版
收录年代

    近30年中国城市群城市建设用地扩张遥感监测与时空变化特征分析

    张涛王光辉郑利娟戴海伦...
    2838-2849页
    查看更多>>摘要：开展城市群建设用地扩张时空变化特征分析,对优化城市群空间格局、促进区域协调发展具有重要意义.本文以全国19个城市群为研究对象,基于1990年-2020年全国中等尺度分辨率的遥感影像数据,进行城市集中建设区提取,并从城市群扩张进程、城市群发展阶段、城市群扩张模式以及城市群重心迁移规律等方面开展了研究.结果发现:(1)近30年全国19个城市群城市规模变化曲线总体呈现"S"型,城市群扩张进程大致可分为缓慢扩张、快速扩张和平稳扩张3个时期;东部城市群进入快速扩张期比西部早10年左右;多数城市群在2015年之后进入平稳扩张期.(2)至2020年,19个城市群均处于较高级别发展阶段,内部中心城市与外围城市之间的空间扩张协调度不断提高;东部城市群整体处于更高级别的城市群发展阶段.(3)基于城市群在不同方向的扩张规模,全国19个城市群的空间扩张模式可以分为环状扩张、扇状扩张、轴状扩张,空间扩张模式与城市群内部核心城市的数量、位置和影响力密切相关.(4)从城市群重心位置变化来看,84％的城市群的重心位置在30年间相对稳定,基本位于核心城市或邻近核心城市的同一地市内,城市群的核心城市吸引力强,外围城市建设规模扩张较为平均.长时序、高精度的城市建设规模监测能够全面地反映城市群发展进程与模式,为城市群空间高质量发展规划与决策提供信息支撑与科学依据.

    城市群扩张进程扩张模式时空特征分析

      原文链接:
    • 维普
    • 万方数据

    结合空间注意力机制与多任务学习的耕地地块分割模型

    田富有曹玉佩赵航吴炳方...
    2850-2864页
    查看更多>>摘要：地块作为农业耕作的最小单元,对其精准识别是国土资源监测、耕地利用监测的需要.现有的方法多使用手工勾绘的方式获取,耗时费力,成本高昂,并且无法实现实时、近实时更新.本文设计了一种基于空间注意力机制与多任务学习的地块分割模型—Field-Net.模型基于UNet架构,增加了空间注意力机制,并采用多任务学习的策略,在语义分割的基础上增加了边界、像素到地块边界的距离等任务.在山东省东营市利津县对模型的性能进行了测试,结果发现耕地地块识别的交并比达到了 87.05％,总体精度为92.23％.Field-Net模型的性能优于几种高性能的深度学习框架,交并比较Link-Net模型高出0.26％,较DeepLab v3+高出7.59％.在空间泛化性能测试中,Field-Net模型的平均交并比Link-Net模型高出3.51％,空间泛化性能明显提升.通过消融试验发现,使用空间注意力机制的Field-Net较ResUNet模型F1-Score提高了 1.01％,交并比提高了 1.6％;多任务学习策略使得Field-Net模型的F.-Score提高了 0.18％,交并比提高了 0.21％;将模型权重特征进行可视化后发现空间注意力机制模块和多任务学习策略可以使模型学习到的特征更加聚集于地块边界和地块内部,使学习到的特征更具代表性.总体而言,Field-Net模型可以支撑地块级别国土资源和耕地非农化、非粮化利用监测,从而提高监测的效率和时效性.

    地块分割Field-Net模型空间注意力机制多任务学习高分卫星数据

      原文链接:
    • 维普
    • 万方数据

    基于多尺度时空全局注意力的遥感影像时间序列农作物分类

    张伟雄唐娉孟瑜赵理君...
    2865-2877页
    查看更多>>摘要：利用遥感影像时间序列进行自动化智能解译农作物精细类型,在农业资源调查、监管和规划等领域有着重要的作用.目前已有的深度学习方法通过卷积或循环网络获取遥感时序中局部的时序、空间信息,缺乏对遥感影像时间序列中时空信息的充分利用,导致分类精度不高.近年来,视觉自注意力机制在计算机视觉领域取得重要突破,自注意力机制是一种能够通过获取全局特征来充分挖掘数据信息的方法.基于此,本文提出了一种多尺度时空全局注意力模型 MSSTGAM(Multi-Scale Spatial-Temporal Global-Attention Model),该模型采用空间自注意力机制和时序自注意力机制相结合以构建多尺度的时空全局注意力,从而充分挖掘遥感影像时间序列中的信息用于农作物精细分类.本研究将该模型在公开数据集PASTIS和自制Mississippi数据集上进行了检验和评估,实验结果表明:本文提出的MSSTGAM能够有效地进行遥感影像时间序列的农作物分类;与其他方法相比定量分类精度最优,分别取得83.4％和86.7％的总体分类精度,地块内的可视化结果在空间一致性上更好.本研究提出的多尺度时空全局注意力模型MSSTGAM对遥感影像时间序列的农作物精细分类具有重要的理论和应用价值.

    遥感影像时间序列农作物分类自注意力机制全局注意力时空多尺度

      原文链接:
    • 维普
    • 万方数据

    作物遥感分类的样本依赖与模型空间外推研究

    谢炎曾红伟田富有张淼...
    2878-2895页
    查看更多>>摘要：降低对样本数量的依赖度,实现大区域、复杂作物类型的遥感监测识别是农业遥感的重要研究内容.本研究以黑龙江省产粮大市绥化市为例,采用监督分类方法,深入探索了样本量对作物分类效果的影响以及小区域尺度(如北林区)训练的监督分类模型空间外推至大区域尺度的可行性.研究发现:采用玉米播种至抽穗期中期的Sentinel-2时序遥感影像,在优化随机森林模型参数的基础上,当训练的样本量从10％逐步递增至50％时,即玉米、水稻和大豆的训练样本各为130个左右,就能提取北林区作物的空间分布,整体分类精度为94.6％;当样本量进一步增加时,模型的整体分类精度保持平稳,并不会进一步增长.因为水稻在育秧期—淹水期的陆表水体等光谱指数与玉米、大豆的存在显著差异,采用玉米播种至拔节期前期的Sentinel-2遥感影像,即可实现北林区高精度的作物遥感识别;当时间从玉米拔节期前期延长至抽穗中期,作物的总体分类精度仅有微小的提升.此外,作物空间分布和概率分布图表明,将北林区训练的最优模型外推至整个绥化市时,能取得与用绥化市采集的样本直接训练的模型得到相似的分类效果,整体分类精度为93.7％,仅比后者低1.3个百分点.距离、样本的空间代表性和数量、小区域和目标拓展区的作物种植结构的相似性是影响模型空间外推效果的关键因子.不同的作物对距离的敏感程度不同,由于水稻的水体指数、短波红外1等波段与其他作物的显著差异,水稻的分类效果对距离的变化并不敏感,而玉米和大豆的分类效果则随着外推距离的增长,总体上呈现下降的变化趋势.在源区域和目标拓展区作物种植结构相似的前提下,小区域的作物分类模型构建,需要同步兼顾样本的空间代表性和数量,才能取得较好的模型空间外推效果.本研究可为大尺度区域作物的遥感精准分类提供高效与经济的方法,为作物分类样本的采集与抽样策略的制定、分类时相、敏感波段的选择提供了科学依据.

    作物分类样本依赖模型外推随机森林谷歌地球引擎

      原文链接:
    • 维普
    • 万方数据

    高分辨率遥感生态指数构建及应用

    王瑛琦黄慧萍朱文露杨光...
    2896-2909页
    查看更多>>摘要：遥感生态指数RSE1(Remote Sensing Ecological Index)是目前使用最多的生态环境质量评估模型.由于高分辨率遥感影像普遍缺少RSEI计算涉及到的短波红外和热红外波段,使得RSEI在高空间分辨率生态环境质量评价应用中受到限制.为解决遥感影像波段与RSEI计算所需波段不匹配的问题,本文采用多分辨率波段融合技术,拟合生成高分辨率的短波红外波段和地表温度,基于RSEI原理构建了高分辨率遥感生态指数HRSEI(High-resolution Remote Sensing Ecological Index)并应用本研究提出的方法对河南省范县黄河滩区进行生态环境质量的实测验证.结果表明:多分辨率波段融合技术可以有效弥补高分影像波段较少的劣势,突破了 RSEI在精细尺度应用的限制性,拓展了高分辨率遥感数据的应用场景;4 m高分二号(GF-2)数据生成的HRSEI所呈现的信息丰度明显高于30 m Landsat 8数据生成的RSEI;2016年和2023年HRSEI实测结果发现,范县生态环境质量总体向好,环境质量恶化区域多集中于黄河滩区农村居民地迁建区域,旧村拆除后未及时复垦是该区域生态环境质量下降的重要因素.

    高分辨率遥感生态指数生态环境质量RSEI波段融合

      原文链接:
    • 维普
    • 万方数据

    基于GEE与多源遥感数据融合反演高时空分辨率物候

    宋杰张朝韩继冲
    2910-2926页
    查看更多>>摘要：高成本与有限范围的实地监测已经无法满足植被物候研究的要求,而遥感物候监测方式又经常受到卫星传感器的时空分辨率等限制,这些局限使得图像融合成为高精度植被物候反演的关键.本研究基于Google Earth Engine(GEE)平台,以4个PhenoCam物候相机所观测的水稻、落叶林、玉米和灌木为研究对象,利用ESTARFM(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model)算法融合 Landsat 8影像与 MODIS产品,生成了2018 年 1d、3d、5d、7 d、9d、11 d 的 30 m 遥感 EVI 时间序列,并采用 Savitzky-Golay 滤波和 Maximum Separation方法提取生长季开始期SOS(Start of Season)、结束期EOS(End of Season)、生长季长度LOS(Length of Season)等物候信息.我们发现:(1)与实测物候对比,整体上呈现时间分辨率越高,物候误差越低的趋势,且当时间分辨率小于7 d时,融合物候的误差基本处在同一水平;(2)融合影像与Landsat 8影像的空间特征基本一致,空间效率SPAEF(Spatial Efficiency)指标为0.14-0.74,其中水稻、灌木与实际的空间一致性偏低;(3)融合结果与实地观测到的时间变化趋势吻合(RMSE:0.01-0.02,r:0.73-0.95),可以反演出较为准确的物候参数,SOS、EOS、LOS的平均误差为4.25 d、4.75 d、7.5 d;(4)与MODIS物候反演结果相比,非农用地(落叶林和灌木)的物候参数误差缩小较为明显,而农业用地(水稻和玉米)的提升效果相对较小.本研究从空间和时间维度验证了 ESTARFM算法生成的高时间分辨率EVI序列的可靠性,评估了其在物候监测能力上相比MODIS数据的提升效果,并探讨了影响融合效果的因素,可为精细化的植被动态监测和生态系统研究提供理论支撑和数据参考.

    植被物候ESTARFMMaximumSeparation方法PhenoCamGoogleEartheEngine(GEE)

      原文链接:
    • 维普
    • 万方数据

    基于Landsat时间序列数据和ATC滤波算法的高山松碳储量估测

    滕晨凯肖月瑶张加龙和云润...
    2927-2942页
    查看更多>>摘要：借助遥感技术准确估测森林碳储量对于森林生态系统的保护和可持续发展具有重要意义.由于遥感时间序列数据存在大量的噪声,因此,为了提高森林碳储量的估测精度,有必要开发一种滤波算法,以减少高海拔地区Landsat时间序列数据噪声的干扰.基于1987年、1992年、1997年、2002年、2007年、2012年、2017年云南省香格里拉市国家森林资源连续清查固定样地的数据以及1987年-2017年的Landsat时间序列影像,本研究利用Python开发了自适应地形卷积ATC(Adaptive Topography Convolution)算法,该算法考虑到地形因素对于图像质量的影响,在尽可能保留图像细节的情况下去除图像的噪声,并使用Savitzky-Golay滤波、中值滤波对Landsat时间序列数据进行滤波.应用随机森林回归算法RFR(Random Forest Regression)构建香格里拉市高山松碳储量估测模型,选择最优估测模型对香格里拉市高山松碳储量进行反演制图.结果表明:(1)从图像的质量评价指标平均绝对误差MAE(Mean Absolute Error)来看,经过ATC算法滤波后的图像质量最好;(2)在使用RFR方法的情况下,滤波后的数据均表现出比原始数据更高的估测精度;(3)在使用RFR方法的情况下,基于贡献度前10的特征因子和累积贡献度达到70％的特征因子建模时,经过ATC算法滤波后的时间序列数据均表现出了最优的估测精度;(4)基于ATC算法和贡献度前10的特征因子对高山松碳储量的建模效果最优,其决定系数R2为0.867、均方根误差RMSE为15.527/(t/hm2)、预测精度P为73.54％、相对均方根误差rRMSE为41.14％;(5)基于最优估测模型的高山松碳储量反演结果分别为:677万t(1987年)、716万t(1992年)、722万t(1997年)、436万t(2002年)、720万t(2007年)、711万t(2012年)、753万t(2017年).综上,使用ATC滤波算法能够有效去除高海拔地区时间序列影像中的噪声,从而降低时间序列影像的不确定性,提高了高山松碳储量遥感估测精度.

    Landsat时间序列滤波高山松碳储量ATC

      原文链接:
    • 维普
    • 万方数据

    融合CNN与Transformer的高分辨率遥感影像建筑物双流提取模型

    刘宇鑫孟瑜邓毓弸陈静波...
    2943-2953页
    查看更多>>摘要：卷积神经网络CNN(Convolutional Neural Network)和Transformer已被广泛应用于高分辨率遥感影像的建筑物提取任务.然而,CNN在建模长距离空间依赖时仍存在挑战,导致提取的建筑物存在内部空洞问题;而Transformer在捕捉空间局部细节特征上存在不足,容易导致建筑物边缘模糊及小型建筑物的漏检.为解决上述问题,本文提出了一种新型的双流网络模型用于高分辨率遥感影像的建筑物提取,名为ILGS-Net(Network for the Integration of Local and Global Features Stream).该模型将 CNN 与 Transformer相结合,采用多层级的局部—全局特征融合模块,实现了对建筑物的局部细节特征与全局上下文特征的高效融合.同时,在目标函数中引入边缘损失函数约束模型训练,提高了建筑物边界的定位精度.在3个高分辨率建筑物数据集上的实验结果显示,所提出方法的交并比均高于本文所对比的最佳方法,平均提高了 1％.

    遥感建筑物提取深度学习双流网络边缘损失局部和全局特征融合

      原文链接:
    • 维普
    • 万方数据

    复杂城市环境下的资源三号遥感影像绿地提取

    杜虓宇王光辉陆尘闫志刚...
    2954-2969页
    查看更多>>摘要：城市绿地是城市生态系统的重要组成部分,具有生态、景观、文化、健康等多重作用,准确获取城市绿地空间分布能够为城市可持续发展提供科学依据和支持.利用资源三号遥感影像及归一化植被指数提取城市绿地,存在水体、蓝顶建筑、建筑物阴影等城市背景地物对绿地提取造成干扰的问题.为此,提出一种复杂城市环境下的资源三号遥感影像绿地提取方法.该方法提出抗低亮度像元干扰的绿地提取特征,并在HSI(Hue-Saturation-Intensity)颜色空间中设计对象级阴影提取特征,进而在阴影内外部计算不同绿地提取特征并进行阈值分割,实现城市绿地遥感提取.以南京、武汉、乌鲁木齐、沈阳等10个城市为研究区进行精度评价,结果表明:(1)使用本文方法提取城市绿地的整体精确率、召回率、F1值和交并比依次为93.28％、92.60％、92.91％和86.76％;(2)抗低亮度像元干扰的绿地提取特征性能优于RVI、NDVI、DVI,与Deeplab V3+、Segformer、UPerNet等相关模型相比,提出方法整体上有较优异的性能表现,并且提取精度优于典型城市绿地遥感制图产品UGS-1 m(Urban Green Space-1 m);(3)从局部提取细节来看,提出方法能够有效区分绿地与水体及蓝顶建筑,并对建筑阴影区内部植被具备提取效果.本文提出方法对于利用资源三号遥感影像快速高效地开展城市绿地空间业务化遥感监测具有重要意义.

    遥感城市绿地高分遥感影像资源三号归一化植被指数阴影提取

      原文链接:
    • 维普
    • 万方数据

    基于LBFGS加速多层感知网络的高光谱遥感非光学水质参数反演

    何汝艳吕子俊贾森
    2970-2983页
    查看更多>>摘要：高光谱遥感在水质监测方面具有巨大潜力,目前多集中在光学特性水质参数定量反演研究,而对同样能够反映人类活动对水体影响的非光学水质参数的研究相对较少.基于此,本文选择广东省某城中村河流作为研究区,开展了无人机高光谱遥感同步水体样本数据采集实验,提出了一种基于LBFGS加速多层感知网络模型(LBFGS-MLP)对城市河流的非光学特性水质参数进行反演研究.首先,通过Pearson相关分析筛选出总磷、总氮、氨氮3种非光学特性水质参数的相关波段作为模型输入;然后,在探究不同网络层数和优化算法对模型性能影响的基础上,基于LBFGS优化算法对多层感知网络进行加速;最后,利用构建的LBFGS-MLP模型应用于研究区水体的非光学特性水质参数浓度空间分析.总体而言,在总磷、总氮和氨氮3种非光学特性水质参数浓度的训练数据集和测试数据集上,提出的LBFGS-MLP模型反演精度明显优于随机森林、CatBoost和XGBoost模型,尤其在总氮和氨氮浓度的反演上;模型的决定系数(R2)分别为0.71、0.82和0.72,平均绝对误差(MAE)分别为0.0118 mg/L、0.0394 mg/L和0.0601 mg/L;研究区内总磷浓度主要分布在0.1-0.3 mg/L之间,总氮浓度在2-5mg/L之间,氨氮浓度在0.1-0.4 mg/L之间,与调查结果一致.通过本文的研究,验证了多层感知网络在非光学特性水质参数反演的有效性和可行性,可为更全面地评估城市河流水体状况提供理论依据和参考.

    非光学水质参数机器学习高光谱遥感浓度反演

      原文链接:
    • 维普
    • 万方数据