中国矿业大学(北京)孙灏老师课题组在遥感学科顶刊RSE上发文,率先提出30m分辨率植被干旱遥感综合监测模型

本文主要是介绍中国矿业大学(北京)孙灏老师课题组在遥感学科顶刊RSE上发文,率先提出30m分辨率植被干旱遥感综合监测模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

《Remote Sensing of Environment》高空间分辨率干旱响应指数(HiDRI):基于遥感、深度学习和时空融合的植被干旱监测一体化框架

图片

第一作者:徐振恒

通讯作者:孙灏

       该项研究首次构建30m分辨率植被干旱遥感综合监测模型,突破了国内外现有植被干旱遥感综合监测模型公里级空间分辨率的约束,为农田、矿区等局域尺度植被干旱监测提供了有力工具。

介绍

       独特的地理与气候条件决定着我国干旱灾害频发,并且干旱灾害影响较为严重。在全球气候变化背景下,未来我国干旱事件发生的范围、程度、频次及其造成的损失都有可能进一步恶化。植被干旱胁迫严重威胁着我国粮食和生态安全,已成为制约社会经济可持续发展的重要因素之一。遥感科技在植被干旱监测和预警方面具有显著的技术特长和应用潜力,是我国进一步提升干旱灾害防御能力的“精兵利器”。然而,已有植被干旱遥感综合监测模型处于公里级空间分辨率,难以满足农田、矿区等局域范围高空间分辨率的监测需求。本文首次将遥感综合化干旱监测由公里级提升至30m,成功建立适用矿区、农田等局域尺度的高空间分辨率植被干旱遥感综合监测模型。

材料与方法

研究路线

     针对目前仍缺少田间尺度精细化植被干旱监测方案的问题。研究综合了多源多尺度遥感影像、气象再分析资料、站点数据、植被生长环境等多方面数据资料,基于深度学习、时空融合、空间欧氏距离、联合累积分布等先进技术方法。形成了一套系统的局域尺度植被干旱综合化监测的解决方案,建立了30m高空间分辨率植被干旱遥感综合监测模型。

图片

图1 研究技术路线图

研究方法

(1)建立了局域尺度精细化植被干旱监测的因子分类体系。基于自然灾害系统理论,从孕灾环境、致灾因子、植被状况等三方面对植被干旱进行综合化监测,具有突出的物理意义。

(2)形成了一套完整的局域尺度精细化植被干旱监测地表特征参数反演以及耦合方案。结合多源遥感影像、再分析资料等数据,基于深度学习和时空融合技术,实现了高分辨率植被干旱地表参数的有效反演;基于空间欧式距离、联合累积分布函数等,完成了对不同方面干旱特征参数的有效耦合。

(3)建立了30m高空间分辨率植被干旱遥感综合监测模型,具有可拓展性及业务化运行的能力。

研究结果

图片

图2  干旱区典型站点3km范围内30m x 30m 植被干旱监测结果

图片

图3  干旱半湿润区典型站点3km范围内30m x 30m 植被干旱监测结果

图片

图4  湿润区典型站点3km范围内30m x 30m 植被干旱监测结果

图片

图5 30m高分辨率地表特征参数反演精度验证-NDVI

图片

图6 30m高分辨率地表特征参数反演精度验证-NDMI

图片

图7 30m高分辨率地表特征参数反演精度验证-LST

图片

图8  30m高分辨率地表特征参数反演精度验证-环境致旱因子

图片

图9  30m植被干旱监测结果与SPEI对比

图片

图10  30m植被干旱监测结果与土壤湿度对比

图片

图11 30m植被干旱监测结果与SPEI的空间相关性

研究结论

      将遥感综合干旱监测能力从公里级首次提升至30m,形成了一套系统的局域尺度植被干旱综合化监测的有效解决方案,建立了30m高空间分辨率植被干旱遥感综合监测模型,并具有业务化运行的能力。

DOI:https://doi.org/10.1016/j.rse.2024.114324

图片

第一作者:徐振恒,博士生,研究领域:人工智能、遥感数据融合、植被干旱监测。

图片

通讯作者:孙灏,副教授,博士生导师,北京地理学会青年工作委员会副主任、中国矿业大学(北京)越崎青年学者、《遥感学报》编委、《煤炭学报》青年编委。主要研究领域:热红外遥感、生态水文遥感、矿区生态环境遥感。EMAIL: sunhao@cumtb.edu.cn

这篇关于中国矿业大学(北京)孙灏老师课题组在遥感学科顶刊RSE上发文,率先提出30m分辨率植被干旱遥感综合监测模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1090674

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

电力系统中的A类在线监测装置—APView400

随着电力系统的日益复杂和人们对电能质量要求的提高,电能质量在线监测装置在电力系统中得到广泛应用。目前,市场上的在线监测装置主要分为A类和B类两种类型,A类和B类在线监测装置主要区别在于应用场景、技术参数、通讯协议和扩展性。选择时应根据实际需求和应用场景综合考虑,并定期维护和校准。电能质量在线监测装置是用于实时监测电力系统中的电能质量参数的设备。 APView400电能质量A类在线监测装置以其多核

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言