澳大利亚东南部森林山火HJ卫星遥感监测

以2009年2月发生在澳大利亚东南部的森林山火为研究对象,利用HJ-1B遥感影像识别森林山火,分析HJ-1B在林火灾害事故中的监测能力,通过对HJ-1B IRS B07设计参数及数据特点进行分析,提出适用于HJ-1B卫星林火监测的归一化火点指数(Ku)算法.研究表明:Ku值大于0.40为潜在可能的火点像元,云耀斑和地表虚假高温点是影响林火监测的主要噪声.由于HJ-1B没有获取到研究区域未着火前的影像数据,利用MODIS(Moderate-resolution Imaging Spectroradiometer)空间分辨率为250 m的通道1和通道2计算植被指数,其结果能较好的应用于HJ-1B林火监测算法中.通过对比分析HJ-1B林火监测结果和MODIS林火产品MOD14认为,HJ-1B能更好的监测出澳大利亚东南部森林火灾,反映出火灾的局部空间分布和细节特征.     

复杂背景下深度学习方法的夜光船舶目标检测

文章针对传统阈值方法难以适用复杂背景下夜光船舶目标检测的问题,提出一种尺寸扩张注意力特征融合的Faster R-CNN方法（Size Expansion Attention Fusion Faster R-CNN,SEAFF）。首先,在Faster R-CNN基础上加入图像尺寸扩张,提升夜光船舶目标空间特征;然后,在深层残差网络后加入注意力机制模块,从通道和空间维度上对夜光船舶目标特征筛选;最后,结合特征金字塔网络,弥补不同层次特征提取缺失现象。实验表明,图像尺寸扩张具有很强的不可替代性,特征金字塔特征融合在抑制夜光船舶目标检测漏检具有显著影响,注意力机制在降低虚警方面有一定影响,同时引入三部分使模型达到最优。此外,通过与主流目标检测模型SSD、YOLOv5、Faster R-CNN对比表明,分别提高11.4、7.1和5.6个百分点。SEAFF模型在复杂背景下船舶夜光目标检测中具有显著优势和潜力。     

基于Hydrolight模型的太湖SDGSAT-1卫星悬浮物浓度反演研究

利用卫星遥感反演水体中的悬浮物浓度对水质监测和保护具有重要意义,在悬浮物浓度反演过程中,如何避免或最大程度降低水体中叶绿素a、有色可溶性有机物(Colored Dissolved Organic Matter,CDOM)的干扰是当前的技术难点。文章针对可持续发展科学卫星1号(SDGSAT-1)MII传感器,利用Hydrolight辐射传输模型,从理论上挖掘只与悬浮物强相关的反演因子,以此构建适用于MII影像的太湖悬浮物浓度反演模型,通过水体的实测数据和遥感数据对模型应用效果进行验证。结果表明：反演因子R′(B₅/B₃)与悬浮物浓度为强相关,同时与叶绿素a、CDOM浓度弱相关;利用R′(B₅/B₃)作为反演因子构建的幂函数模型为最优反演模型;将幂函数模型分别应用于实测数据和2022年5月4日的太湖SDGSAT-1 MII数据,两次验证试验显示反演结果和现场测量结果具有较强一致性,模型适用性较好。该研究可为SDGSAT-1卫星在湖泊水体悬浮物浓度监测、水资源评估与保护等提供一些技术参考。