我国高光谱遥感技术的快速发展为开展大区域地物分类应用提供了充分保障。然而,如何在小样本下充分利用高光谱自身的空谱信息实现高精度的分类成为挑战。该文通过构建3D卷积自编码网络,以混合像元分解物理约束对模型进行引导,从而实现...我国高光谱遥感技术的快速发展为开展大区域地物分类应用提供了充分保障。然而,如何在小样本下充分利用高光谱自身的空谱信息实现高精度的分类成为挑战。该文通过构建3D卷积自编码网络,以混合像元分解物理约束对模型进行引导,从而实现在准确估计端元丰度的同时获得对规则化的高光谱空谱特征的有效表达,结合支持向量机分类器实现在小样本条件下的高光谱分类。实验中,采用包括监督分类方法在内的多种传统高光谱图谱特征提取及分类方法进行对比验证,并对比了不同模型在不同采样率下的分类性能表现。实验结果表明,所提出的高光谱分类方法具有明显的精度优势,其中平均交并比(mean intersection over union,mIoU)达到0.829,相对于传统分类方法精度有明显提升;在1/200采样率下mIoU值依然能接近0.8,优于同类方法,证实了该文方法在小样本条件下依然具有较好的鲁棒性,为解决小样本下高光谱分类问题提供了技术参考。展开更多
对滇中城市群绿色空间生态系统服务价值(Ecosystem Service value, ESV)进行时空演变及驱动因素的探析,有利于了解区域生态系统服务空间差异,有助于规划者从宏观层面掌握滇中城市群的自然资源情况,合理地制定规划建设策略。研究以滇中...对滇中城市群绿色空间生态系统服务价值(Ecosystem Service value, ESV)进行时空演变及驱动因素的探析,有利于了解区域生态系统服务空间差异,有助于规划者从宏观层面掌握滇中城市群的自然资源情况,合理地制定规划建设策略。研究以滇中城市群49个区、县、市作为研究单元,对2000年、2010年、2019年3期的ESV进行量化,并收集“自然—社会—经济”维度的驱动因子,采用主成分分析与地理加权回归探讨“自然—社会—经济”因素对滇中城市群绿色空间ESV的驱动作用。结果表明:(1) 2000—2019年滇中城市群绿色空间的ESV总体呈现增加状态,一级服务类型中,供给、支持和文化服务小幅度上升,调节服务小幅度下降,二级服务类型中,气候与水文调节对生态系统服务功能的贡献最大,其次为土壤保持、生物多样性和气体调节;(2) 3期ESV空间分布特征较为一致,呈现城市群边缘地区的ESV高于城市群中部地区的ESV的特征;(3)社会因素对滇中城市群绿色空间的ESV的时空演变影响最大、其次为自然因素和经济因素,主要驱动因子为城镇化率、人均GDP、人口密度、森林覆盖率、第二产业占比。(4)城镇化率、人口密度及第二产业占比呈现两极化驱动特征;人均GDP呈现负向驱动特征;森林覆盖率呈现正向驱动特征。综上,近20年滇中城市群绿色空间的ESV增加,其变化主要受社会因素影响。研究可为滇中城市群的可持续发展提供参考。展开更多
文摘我国高光谱遥感技术的快速发展为开展大区域地物分类应用提供了充分保障。然而,如何在小样本下充分利用高光谱自身的空谱信息实现高精度的分类成为挑战。该文通过构建3D卷积自编码网络,以混合像元分解物理约束对模型进行引导,从而实现在准确估计端元丰度的同时获得对规则化的高光谱空谱特征的有效表达,结合支持向量机分类器实现在小样本条件下的高光谱分类。实验中,采用包括监督分类方法在内的多种传统高光谱图谱特征提取及分类方法进行对比验证,并对比了不同模型在不同采样率下的分类性能表现。实验结果表明,所提出的高光谱分类方法具有明显的精度优势,其中平均交并比(mean intersection over union,mIoU)达到0.829,相对于传统分类方法精度有明显提升;在1/200采样率下mIoU值依然能接近0.8,优于同类方法,证实了该文方法在小样本条件下依然具有较好的鲁棒性,为解决小样本下高光谱分类问题提供了技术参考。
