径流是水循环中的重要过程,流域中河流的分布信息对该区域的水资源、生态、环境及其社会经济活动具有重要意义。我国广西、云南、贵州和东盟十国属于多云雨、山地特点突出的区域,对比已有的河流面域数据产品,发现对该区域的河流信息表...径流是水循环中的重要过程,流域中河流的分布信息对该区域的水资源、生态、环境及其社会经济活动具有重要意义。我国广西、云南、贵州和东盟十国属于多云雨、山地特点突出的区域,对比已有的河流面域数据产品,发现对该区域的河流信息表征不足。为获得更为精确的河流分布数据,满足水资源及生态环境评估,本文采用欧亚大陆河流矢量数据(2010)及欧空局(ESA)全球土地分类数据(2020)陆表水体产品,通过融合形成综合河流矢量数据,再采用膨胀和收缩缓冲分析方法,解决河流不连续问题,并制作了中国广西、云南、贵州及东盟十国河流面域矢量数据。通过对ESA土地分类数据的进一步处理,获得了同区域的湖泊面域矢量数据。最终,本文计算了河流和湖泊的覆盖率,并生成1 km格网的河流和湖库覆盖率数据集。与Hydro RIVERS数据集,以及4种水体遥感数据集(Global Surface water,Esri Land Cover,Dynamic World V1,GRWL)的对比结果显示,本数据集在研究区对河流水系的表征能力更强,比原始输入数据集具有更丰富的细节,表现为:本数据集填补了欧亚大陆河流矢量数据(2010)中缺少的山区支流部分,解决了河流不连续、缺失等问题。本数据集为我国广西、云南、贵州及东盟十国的水体提取提供基础的先验数据,在洪水预报、水资源管理等方面具有重要价值,可服务于生态环境、交通运输、农业灌溉、能源等社会经济活动。展开更多
为充分利用多时相极化合成孔径雷达(SAR)数据的时间相干性和散射特征,提出一个多时相极化SAR分类方法,该方法基于完整的极化协方差矩阵,能够在张量空间保持协方差矩阵的复数矩阵结构,实现时间维度的独立表示,可同时适用于全极化和简缩极...为充分利用多时相极化合成孔径雷达(SAR)数据的时间相干性和散射特征,提出一个多时相极化SAR分类方法,该方法基于完整的极化协方差矩阵,能够在张量空间保持协方差矩阵的复数矩阵结构,实现时间维度的独立表示,可同时适用于全极化和简缩极化SAR。该方法采用目标级的分类策略,首先,通过简单线性迭代聚类方法实现多时相极化SAR的超像素联合分割;随后,将目标的极化协方差矩阵表示为张量的形式,利用张量域的多线性主成分分析方法,实现多时相极化协方差矩阵的特征降维;最后,用决策树方法实现农作物分类。获取4景RADARSAT-2 Fine Quad模式全极化SAR图像,对天津市武清区农作物种植区开展作物分类实验,相较于其他文献提出的方法,本文方法取得了最高的总体分类精度。进一步,将该方法推广至π/4模式和CTLR模式的简缩极化SAR,并将其农作物分类精度与全极化SAR进行对比,以研究不同极化SAR数据对作物的识别能力。实验结果表明,简缩极化SAR可以取得与全极化SAR相当的总体分类精度,但全极化SAR在水稻、荷花等小样本地物上表现更优。展开更多
文摘径流是水循环中的重要过程,流域中河流的分布信息对该区域的水资源、生态、环境及其社会经济活动具有重要意义。我国广西、云南、贵州和东盟十国属于多云雨、山地特点突出的区域,对比已有的河流面域数据产品,发现对该区域的河流信息表征不足。为获得更为精确的河流分布数据,满足水资源及生态环境评估,本文采用欧亚大陆河流矢量数据(2010)及欧空局(ESA)全球土地分类数据(2020)陆表水体产品,通过融合形成综合河流矢量数据,再采用膨胀和收缩缓冲分析方法,解决河流不连续问题,并制作了中国广西、云南、贵州及东盟十国河流面域矢量数据。通过对ESA土地分类数据的进一步处理,获得了同区域的湖泊面域矢量数据。最终,本文计算了河流和湖泊的覆盖率,并生成1 km格网的河流和湖库覆盖率数据集。与Hydro RIVERS数据集,以及4种水体遥感数据集(Global Surface water,Esri Land Cover,Dynamic World V1,GRWL)的对比结果显示,本数据集在研究区对河流水系的表征能力更强,比原始输入数据集具有更丰富的细节,表现为:本数据集填补了欧亚大陆河流矢量数据(2010)中缺少的山区支流部分,解决了河流不连续、缺失等问题。本数据集为我国广西、云南、贵州及东盟十国的水体提取提供基础的先验数据,在洪水预报、水资源管理等方面具有重要价值,可服务于生态环境、交通运输、农业灌溉、能源等社会经济活动。
文摘为充分利用多时相极化合成孔径雷达(SAR)数据的时间相干性和散射特征,提出一个多时相极化SAR分类方法,该方法基于完整的极化协方差矩阵,能够在张量空间保持协方差矩阵的复数矩阵结构,实现时间维度的独立表示,可同时适用于全极化和简缩极化SAR。该方法采用目标级的分类策略,首先,通过简单线性迭代聚类方法实现多时相极化SAR的超像素联合分割;随后,将目标的极化协方差矩阵表示为张量的形式,利用张量域的多线性主成分分析方法,实现多时相极化协方差矩阵的特征降维;最后,用决策树方法实现农作物分类。获取4景RADARSAT-2 Fine Quad模式全极化SAR图像,对天津市武清区农作物种植区开展作物分类实验,相较于其他文献提出的方法,本文方法取得了最高的总体分类精度。进一步,将该方法推广至π/4模式和CTLR模式的简缩极化SAR,并将其农作物分类精度与全极化SAR进行对比,以研究不同极化SAR数据对作物的识别能力。实验结果表明,简缩极化SAR可以取得与全极化SAR相当的总体分类精度,但全极化SAR在水稻、荷花等小样本地物上表现更优。
