中图网

>

天文学

全球地表覆盖时间序列更新、精度评价与整合

作者：朱凌

出版社：科学出版社出版时间：2021-09-01

开本：其他页数： 200

本类榜单：自然科学销量榜

中图价:¥135.4(7.2折) 定价 ~~¥188.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满69元免运费

?快递不能达地区使用邮政小包，运费14元起

云南、广西、海南、新疆、青海、西藏六省，部分地区快递不可达

本类五星书更多>

>
宇宙、量子和人类心灵

宇宙、量子和人类心灵

¥40.6¥58
>
(精)BBC地球故事系列-星际旅行

(精)BBC地球故事系列-星际旅行

¥25.5¥85
>
从一到无穷大

从一到无穷大

¥22.5¥46
>
图说相对论(32开平装)

图说相对论(32开平装)

¥14.7¥46
>
一本有趣又有料的化学书

一本有趣又有料的化学书

¥18.9¥45
>
刘薰宇的数学三书:原来数学可以这样学全3册

刘薰宇的数学三书:原来数学可以这样学全3册

¥35.4¥118
>
光学零件制造工艺学

光学零件制造工艺学

¥72.5¥98

商品详情
商品评论(0条)

中图价:¥135.4 加入购物车

版权信息
内容简介
目录
节选

微信公众号

全球地表覆盖时间序列更新、精度评价与整合版权信息

ISBN：9787030697387
条形码：9787030697387 ; 978-7-03-069738-7
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
自然科学
>
天文学

全球地表覆盖时间序列更新、精度评价与整合内容简介

本书主要针对遥感地表覆盖产品制图高效、智能化的需求，系统开展了基于深度学习的遥感影像变化检测、时间序列地表覆盖更新、地统计学模拟评价地表覆盖精度、基于本体的地表覆盖产品整合等方面的学术研究。基于循环神经网络模型构建了具有迁移能力的变化检测算法，采用深度学习框架实现时间序列遥感影像变化检测。在变化提取的基础上，结合局部光谱特征证据、预期类别变化证据采用D-S证据融合算法实现变化区域的时间序列遥感影像分类。为了进一步提升地表覆盖产品的精度，提出了一种耦合生态地理分区专家知识和马尔可夫链地学统计模拟来提高地表覆盖分类产品精度的方法。将需要进行精度改善的地表覆盖分类产品作为辅助数据，与生态地理分区专家知识共同协同仿真。结果表明，利用耦合生态地理分区和马尔可夫链地学统计模拟协同仿真的方法可以将地表覆盖数据精度提高10%以上。提出了基于EAGLE矩阵构建地理本体语义模型的方法，构造地表覆盖本体和属性，结合多源数据的优势，将地表覆盖类型进行二级细化。相比于传统的模糊理论的集成方法其效果更好。

全球地表覆盖时间序列更新、精度评价与整合目录

目录
前言
第1章绪论 1
1.1 大数据时代的地表覆盖制图 1
1.2 地表覆盖语义的异构问题 6
1.3 本书结构 13
第2章深度学习提取不透水面 15
2.1 引言 15
2.2 深度学习概述 17
2.3 深度学习提取不透水层 36
2.4 深度学习提取不透水层实验 52
2.5 结论与展望 56
第3章时间序列地表覆盖更新 58
3.1 时间序列地表覆盖产品 58
3.2 证据决策分类规则 66
3.3 碎片多边形提取与处理 71
3.4 时间序列地表覆盖更新结果 74
3.5 结论与展望 91
第4章生态地理分区耦合地学统计改善地表覆盖数据精度 92
4.1 引言 92
4.2 生态地理分区知识库及作用 95
4.3 转移概率图与跨场转移概率矩阵 98
4.4 马尔可夫链序列协同仿真模型(Co-MCSS) 101
4.5 实验结果及分析 102
4.6 结论与展望 111
第5章基于本体的地表覆盖整合方法研究 113
5.1 引言 114
5.2 基于本体的地表覆盖产品模式层整合 118
5.3 地表覆盖产品数据层整合 129
5.4 本体映射与局部精度结果 132
5.5 整合结果与精度分析 141
5.6 结论与展望 145
第6章地表覆盖伪变化检测 147
6.1 引言 147
6.2 方法 150
6.3 实验区域和数据 163
6.4 伪变化检测结果及精度评估 168
6.5 讨论 175
6.6 结论与展望 178
参考文献 180

展开全部

全球地表覆盖时间序列更新、精度评价与整合节选

第1章绪论 1.1 大数据时代的地表覆盖制图地表覆盖是地球表面各种物质类型及其自然属性与特征的综合体，是*明显和*常用的表征地表和相应人类或自然过程的指标。地表覆盖数据是地学科学大数据之一，全球范围的地表覆盖产品为《联合国2030年可持续发展议程》《联合国气候变化框架公约》《京都议定书》等国际倡议，以及科学界监测环境及全球变化重要的基础数据（朱凌等，2020）。目前，遥感是大范围地表覆盖制图的唯一有效手段（陈军等，2016）。大数据时代背景下，随着卫星数据开放，谷歌地球引擎（Google Earth engine，GEE）等云计算平台的发展（Gorelick et al.，2017），地表覆盖产品的数据量在不断增加。在全球水体地表覆盖产品综述中（Xu et al.，2020），回顾的33个数据集中约有50%（16个）是在2014年之后生产的。目前，商业化的、大规模的云计算普遍存在。亚马逊网络服务（Amazon web services，AWS）存储了全球哨兵（Sentinel）和陆地卫星（Landsat）档案的副本，使其可用于云处理。谷歌地球引擎（GEE）是免费的地理计算云平台，是谷歌（Google）提供的对大量全球尺度地球科学资料（尤其是卫星数据）进行在线可视化计算和分析处理的云平台。GEE能够存取卫星图像和其他地球观测数据资料，并提供足够的运算能力对这些数据进行处理。GEE上包含超过200个数据集，超过500万张影像，每天的数据量增加大约4000张影像，容量超过5PB。相比于ENVI、ERDAS等传统的遥感图像处理工具，GEE可以快速、批量处理数量“巨大”的影像。通过GEE可以快速计算归一化植被指数（normalized difference vegetation index，NDVI）、预测作物相关产量、监测旱情长势变化、监测全球森林变化等。GEE不仅提供在线的JavaScript API，同时也提供了离线的Python API。通过这些API可以快速地建立基于GEE及Google云的Web服务（Gorelick et al.，2017），GEE的官方地址为。Liu等（2020）利用GEE平台，以5km的分辨率建立了全球地表覆盖（global land cover，GLC）产品——全球地表覆盖年动态（global land surface satellite-global land cover，GLASS-GLC）数据，包括自1982～2015年的34年的年度动态产品。与早期的全球地表覆盖产品相比，GLASS-GLC具有高一致性、更多细节和更长时间覆盖的特点，包括农田、森林、草地、灌丛、冻原、荒地和冰雪7个类型的平均总准确率为82.81%。利用免费获取10m分辨率的Sentinel-2图像和GEE提供的巨大计算能力，Gong等（2019）使用随机森林分类器开发了包含10个类型的10m分辨率的精细分辨率观测和监测全球地表覆盖（fine resolution observation and monitoring of global land cover，FROM-GLC）产品——FROM-GLC10；验证样本验证的总体精度为72.76%。Zhang等（2020b）在GEE平台，结合Landsat 8卫星陆地成像仪（operational land imager，OLI）光学图像、Sentinel-1合成孔径雷达（synthetic aperture radar，SAR）图像和可见光红外成像辐射计套件（visible infrared imaging radiometer suite，VIIRS）夜间光（nighttime light，NTL）图像，生成2015年分辨率为30m的全球不透水面图；采用多源、多时相随机森林分类（multisource，multitemporal random forest classification，MSMT_RF）方法，总体准确率为95.1%。与GEE类似，国内研制了PIE-Engine Factory遥感处理云服务，是一套面向国内外主流遥感卫星、航空摄影数据提供标准化产品生产、管理、调度及质检一体化服务的分布式处理平台。平台提供了丰富的算法和生产线模板；支持光学、高光谱、SAR等影像数据标准产品的自动化、批量化生产，生态参量产品反演，分类产品、地表要素的智能提取与信息挖掘；并支持对上述产品的质量检查与精度评估。 PIE-Engine Factory采用先进的分布式计算、中央处理器（central processing unit，CPU）与图形处理器（graphics processing unit，GPU）混合调度及可扩展流程驱动等技术，将复杂的、耗时的生产环节编排成可自动化执行的生产流程，实现大规模影像数据的快速自动化生产；采用云原生技术，以微服务架构进行设计，支持用户从多终端随时访问平台功能与资源。同时，平台提供算法模块的界面集成、流程编排、并行调度及任务监控，能为气象、水利、北斗等各行业数据处理和专题产品分析制作提供统一接口标准和服务集成平台。 PIE-Engine Factory支持高分（GF）系列（GF-1/B/C/D、GF-2、GF-3、GF-5、GF-6）、资源（ZY）系列（ZY-02C、ZY-3）、风云（FY）系列（FY-3、FY-4）、NOAA系列（NOAA-18、NOAA-19）等卫星影像数据的自动化、流程化处理及产品制作。 PIE-Engine Studio遥感计算云服务，作为PIE-Engine产品家族的重要组成部分，是一个集实时分布式计算、交互式分析和数据可视化为一体的在线遥感云计算开放平台，它基于云计算技术，汇集遥感数据资源和大规模算力资源，通过在线的按需实时计算方式，大幅降低遥感科研人员和遥感工程人员的时间成本和资源成本。用户仅需要通过基础的编程就能完成从遥感数据准备到分布式计算的全过程。 PIE-Engine Studio以在线编程为主要使用模式，提供了完善的在线开发环境，是目前国内*接近GEE的产品，将弥补国内长期缺失GEE竞品的局面，加速推动中国遥感技术生态圈的快速形成和发展。在一个共享的协作环境中提供遥感地表覆盖制图所需的所有要素，这为遥感观测数据的应用提供了一个独特的机会，但也对充分发挥其在数据开发方面的潜力提出了重大挑战。在这种情况下，欧洲航天局（European Space Agency，ESA）启动了地球观测开发平台Thematic Exploitation Platforms（TEPs）倡议，目的是在欧洲创建一个相互关联的主题开发平台生态系统，解决7个主题，包括海岸带、林业、水文、地质灾害、极地、城市、粮食安全。地球观测开发平台TEPs是一个虚拟的、开放的和协作的环境，它汇集了地球观测和非地球观测数据，计算资源，支持数据开发的工具（处理、数据挖掘、数据分析），算法开发、协作和通信（如社交网络、论坛），以及市场功能。地球观测开发平台TEPs为不同类型的利益相关者提供了执行各种任务和实现其目标的基础。科研人员可以根据地球观测数据开展科学研究，分享行之有效的算法；软件供应商可提供处理地球观测数据的工具箱；服务提供商可为本领域技术人员提供可扩展的运营服务；基础设施提供商可提供数据开发所需的计算资源；数据所有者向平台提供地球观测或非地球观测数据产品；专题知识所有者可与本领域的利益相关者分享他们的专业知识；*终用户可使用平台上可用的资源，获取更高层次的信息，*终共享平台上的衍生信息，获得收益。由于地球观测数据量的迅速增长及对处理大量多时相数据集的需求，随着越来越多的云平台的出现，传统的将地球观测数据下载到本地的模式将逐渐被淘汰。国内外遥感卫星的创新发展在空间、时间和光谱领域逐步提升着遥感数据。目前，可以免费获得卫星遥感数据主要包括：欧洲航天局发射的Sentinel-1和Sentinel-2卫星免费公开提供10～20m分辨率的光学和雷达数据，重访时间为几天。Sentinel-3卫星于2016年发射A星、2018年发射B星，搭载4种传感器包括海陆彩色光谱仪、海陆表面温度辐射计、合成孔径雷达高度计和微波辐射计。Sentinel卫星数据可在下载。开放获取的美国陆地卫星（Landsat）由美国国家航空航天局（National Aeronautics and Space Administration，NASA）和美国地质调查局（United States Geological Survey，USGS）共同管理。自1972年起，陆续发射了系列卫星，已经持续了近50年。Landsat 8卫星自2013年运行，提供连续的地表观测影像，仍然是地表监测的主要数据来源之一。下载的网址为或。中国资源卫星应用中心通过陆地观测卫星数据服务平台向用户免费提供国产高分一号（GF-1）和高分六号（GF-6）16m分辨率多光谱宽幅（wide field of view，WFV）影像。可在中国资源卫星应用中心网站下载。美国Hyperion高光谱数据包括2000～2017年220个光谱段影像，空间分辨率为30m。下载的网址为或。高分辨率卫星数据源的发展开启了以10～30m分辨率绘制全球地表覆盖图的新时代，全球地表覆盖产品的空间分辨率逐步提高。图1.1是1990～2015年研制的全球地表覆盖产品的空间分辨率的变化情况（Herold et al.，2016）。可以明显看出，空间分辨率一直在不断提升，卫星数据开放在这一趋势中发挥了重要作用，特别是美国Landsat卫星数据的免费获得，推动了全球高分辨率（30m）的地表覆盖产品的研制，如FROM-GLC（Gong et al.，2013）和GlobeLand30（Chen et al.，2015a，2015b）。除此之外，目前还有几款全球30m分辨率不透水面产品：NUACI（normalized urban areas composite index；Liu et al.，2018）、HBASE（human builtup and settlement extent；Brown de Colstoun et al.，2017）、GHSL（global human settlement layer；Pesaresi et al.，2016）和MSMT_RF（Zhang et al.，2020b）。Li等（2020）利用Landsat历史数据辅以夜间灯光影像和Sentinel-1合成孔径雷达（SAR）影像，在GEE云平台生成了1985～2018年逐年的30m全球人工不透水面范围（global artificial impervious areas，GAIA）。通过评估1985年、1990年、1995年、2000年、2005年、2010年和2015年的GAIA数据，平均总体准确率高于90%。对年度、月度地表覆盖产品的需求主要来自于用户。我国已向联合国捐赠了2000年、2010年和2020年三期分辨率为30m的全球土地覆盖产品——GlobeLand30（GlobeLand30.org）。FROMGLC利用开放的Sentinel-2影像研制了全球10m分辨率产品——FROM-GLC10（Gong et al.，2019），再次将全球地表覆盖产品的空间分辨率推向新高。大数据处理和存储的发展使我们可以相对容易地生成更高空间分辨率的全球地表覆盖图。图1.1 1990～2015年研制的全球地表覆盖产品的空间分辨率的变化情况（据Herold et al.，2016）全球地表覆盖产品的时间覆盖越来越密集，全球地表覆盖基金（Global Land Cover Facility，GLCF）和地表覆盖气候变化倡议（land cover climate cha

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐