Google Earth在成都市功能分区研究中的应用

在历经了20余年的改革发展后,成都市在基础设施建设、产业结构调整和生态环境保护等方面都取得了长足的进步,在政治经济文化发展的同时,城市的用地规模日益扩大,城市功能分区日趋复杂,人地矛盾、功能与形态分区矛盾日渐凸现,城市功能分区已经成为制约城市发展的重要因素之一.为此开展成都市功能分区的研究也愈加重要,利用Google Earth软件提供的在线浏览的高分辨率遥感图像,结合其特有的空间分析和查询功能,探讨成都市的功能区的分区及成因,并对城市功能分区的发展趋势做出预测.     

遥感技术在矿山资源管理中的研究与思考

遥感技术在矿山生产与管理中发挥着重要的作用,为地质找矿、区域环境监测、矿山测绘等基础性工作提供全面、精确、丰富、可靠的信息源,同时也为矿山资源管理规划与决策、矿山资源开采过程环境宏观监控提供依据,是依法办矿和科学办矿的保证。文章以遥感技术在唐山矿山环境监测中的应用为实例,说明了遥感技术对矿山资源管理的重要性,并探讨了在矿山资源管理中进一步应用遥感技术等问题。     

基于RS的佛山市土地利用变化的时空特征研究

对1988，1999年佛山市两期TM遥感影像数据加以处理。分析了土地利用程度变化值和土地利用动态度。土地利用变化的时空特征表现为近10年来城市用地面积沿主要道路迅速扩展，导致水域，耕地和林地面积大量减少，城市用地矛盾日益突出。     

江西省遥感信息技术应用的回顾与展望

文章在回顾江西省遥感信息技术应用的基础上,审视了20世纪50年代以来,江西省有关行业、高等院校和遥感协会在遥感应用的各个领域所取得的成绩和存在的差距。提出了未来5到10年江西遥感信息技术应用的目标,即建立和完善江西省遥感综合信息预警系统;农情遥感速报和主要农作物估产系统;土地利用动态监测系统;遥感信息资源共享中心等四大系统。为实现数字江西奠定基础。     

基于优化HRNetV2的高分辨率遥感影像土地利用自动分类

研究目的：基于语义分割模型HRNetV2实现高分辨率遥感影像的土地利用自动分类,以期推动深度学习语义分割方法实现遥感影像的土地利用自动分类研究,并为该类研究提供可参考的案例。研究方法：首先对语义分割模型HRNetV2从损失函数、特征提取方面进行优化,以提高模型的分割精度;其次用优化后的HRNetV2模型对民乐县2 m的高分辨率遥感影像进行土地利用分类,并基于混淆矩阵对分类的结果进行评估。研究结果：（1）优化后的HRNetV2语义分割模型的MIOU达81.9%,相较于优化前提高了4.4%, 证明了优化方法的有效性;（2）针对民乐县进行的土地利用自动分类总体精度达89.72%,Kappa系数达0.888。研究结论：优化后的HRNetV2语义分割模型在高分辨率遥感影像的土地利用自动分类中具有较强的应用前景。     

基于光谱吸收的光纤瓦斯气体传感系统分析

根据瓦斯气体在一定波段对光有吸收的特性,通过对煤矿瓦斯气体吸收光谱的分析,研究了一种光纤传感瓦斯气体系统。     

污染地域环境水文地质勘查技术应用浅探

随着时代的发展,科技水平的不断进步,社会对水文地质勘察技术的关注程度越来越高,其应用范围也越来越广。     

遥感技术农业资源台账建设应用潜力分析

目的 为了系统地分析遥感技术在农业资源台账建设中的应用潜力。方法 文章通过文献研究,阐述了农业资源台账的研究现状,分析了农业资源遥感监测数据源与监测技术的发展趋势,研判了当前遥感技术在农业资源台账建设中的应用潜力。结果 （1）农业资源台账的建设内容主要包括农业资源清单、农业资源评价两个方面,具有空间与时间两种属性。（2）农业遥感数据源向着高空间分辨率、高时间分辨率、高光谱分辨率的方向发展,其监测技术向着多源遥感数据融合应用、智能分类、多维海量数据高效计算的方向发展。（3）遥感技术可对农业资源清单中的主要农业自然资源和社会经济资源的信息进行获取,对农业资源组分评价与农业生态系统整体评价也有很大潜力。结论 总的来看,农业资源台账建设内容不断丰富,遥感技术在农业资源台账建设中的应用能力显著提升,其应用潜力仍有很大的上升空间,对高效开展农业资源台账建设具有积极作用。     

基于深度学习模型的种植结构复杂区农作物精细分类研究

目的 卫星遥感技术具有覆盖范围广、探测周期短、调查成本低等优势而广泛应用于大区域农作物分类。然而在种植结构复杂区（如城乡结合部）,因其地块破碎、同期生长的作物种类多且分布分散,利用传统的统计分类或机器学习方法进行农作物分类时仍存在精度不高的问题。为提高种植结构复杂区农作物分类精度。方法 文章选取河北省廊坊市广阳区为研究区,以GF-1 PMS全色多光谱融合影像为数据源,采用U-Net、PSPNet及DeepLabv3+,3种深度学习模型进行农作物分类研究。分析模型参数对农作物分类精度的影响,评价3种深度学习模型的农作物分类精度,优选农作物精细分类方法。结果 （1）学习率与3种深度学习模型的分类精度呈正相关关系,较大的学习率（0.01,0.001）下,3种模型收敛速度快,分类精度高。批样本量与模型分类稳定性相关,批样本量设为100时,3种模型的分类稳定性最好。（2）相比PSPNet、DeepLabv3+模型,U-Net模型分类效果最好,总体分类精度为89.32%。（3）GF-1 PMS影像结合U-Net模型可有效提升种植结构复杂区农作物分类精度,大宗作物春玉米、夏玉米的分类精度在80%以上,花生、红薯、蔬菜小宗作物分类精度在60%以上。结论 该研究可为准确获取种植结构复杂区的农作物类型、面积及空间分布信息提供参考依据。     

海洋环境监测高频地波雷达的研究现状与发展趋势

高频地波雷达作为一种海洋遥感的重要手段，已有30多年的历史，它可用于海洋表面风、浪、流等状态参数的提取，还可用于目标探测，在专属经济区的监测中，高频地波雷达具有无可比拟的优势。本文介绍了高频地波雷达的发展历史和研究现状及其应用领域，详细叙述了武汉大学研制的高频地波雷达OSMAR2000的体系结构、性能指标和信号处理方法，最后对该研究领域的发展趋势作了简要分析。