基于GF-1卫星的县域冬小麦面积提取及年际变化监测

利用遥感技术提取冬小麦种植面积及年际变化监测,可为农业经济的宏观决策提供可靠的依据.自2013年我国首颗高分卫星发射以来,高分一号卫星数据以其高分辨率的优势成为了我国农业遥感监测的主要数据源之一.本文以高分一号卫星携带的16m空间分辨率的宽视场(wide field view,WFV)数据为主要数据源,以开封县为例,采用Google Earth(以下简称GE)0.3m遥感影像为样本辅助数据,加上人工目视解译选择样本控制点,采用监督分类中的最大似然法提取冬小麦种植面积,并利用样本点对分类结果进行精度验证和年际变化监测.实验数据表明:采用冬小麦生长周期内的11月份到翌年4月份间的一幅高质量GF-1/WFV影像,利用本文给出的处理流程提取冬小麦面积均可达到农业使用的标准,且1月份为开封县冬小麦提取的最佳时像.同时,采用2013年12月29日、2015年2月25日及2016年2月20日的开封县GF1/WFV数据,面积提取精度均达到95%以上,kappa系数均大于0.96,种植面积提取的数据均略小于河南省统计局公布的数据,但两者呈现出的波动趋势是一致的.结果表明以GF-1/WFV影像为主要数据源,GE影像为辅助数据进行县域尺度上的冬小麦面积提取及年际变化监测的方法是有效可行的.     

基于面向对象和CART决策树方法的遥感影像湿地变化检测研究——以龙祥岛地区为例

以乌龙江流域龙祥岛地区为研究区,以两期不同水位的Landsat-8 OLI影像与高分一号(GF-1)PMS1影像为数据源,经过面向对象的分割技术,以CART(Classification And Regression Tree,CART)决策树方法挖掘不同地类的特征指数阈值,提取出该地区滩涂湿地并根据水位值进行变化检测分析.研究表明:GF-1 PMS1传感器8 m分辨率影像可以与Landsat-8 OLI传感器15 m分辨率影像结合进行变化检测,总体分类精度分别达到0.89和0.92;CART决策树算法与面向对象的分类方法相结合可以获得很好的分类效果,对于湿地滩涂信息提取具有高效快捷的优势,这种方法随着多元遥感的发展将展现巨大的应用潜力;水位变化对湿地滩涂的影响可以通过遥感影像进行检测分析,两期影像T1与T2两时刻水位高程分别为3.34 m与3.56 m,水位变化0.22 m,T1时刻河流水面面积为1 811.09 hm~2,T2时刻河流水面面积为2 092.34hm~2,两期变化增加的水面面积为281.25 hm~2,未变化面积为1 778.47 hm~2,占T1时刻总面积的98.20%,T1时刻内陆滩涂转化为T2时刻河流水面的面积为244.91 hm~2,占T1时刻内陆滩涂总面积的34.60%.     

基于间接校正的高分三号正射影像生成

由于高分三号卫星(gaofen-3 satellite, GF-3)数据问世时间较短、参数不足,现有软件未针对GF-3数据添加传感器支持,导致难以利用现有各类软件生成其正射影像。提出一种基于间接校正的GF-3正射影像生成方法。模拟待校正区域卫星成像过程,采用RD模型利用与该区域对应的DEM数据构建模拟GF-3影像;在模拟与真实GF-3影像中分别提取特征点,并配准提取的特征点对,进而建立两影像间的映射关系;利用模拟GF-3影像分别与DEM数据和真实GF-3影像之间的映射关系,间接完成正射校正,生成正射影像。针对GF-3多成像模式的特点,选取3种具有代表性成像模式的影像进行正射影像生成试验,取得了较好的实验结果。将真实GF-3影像与模拟GF-3影像的对应像元坐标进行比较表明,x和y方向误差均小于一个像元,精度较高。提出算法充分考虑到了GF-3系统的成像特点,在不同的地形细节均取得了较好的结果。定性和定量的分析实验结果验证了提出方法的可行性及有效性。     

深圳大鹏湾南澳养殖区主要环境因子分布规律的研究

根据2003年3～11月在深圳大鹏湾南澳养殖区的监测结果,分析了该养殖区主要环境因子的时空分布规律．结果表明：大鹏湾养殖区各监测站位的海水营养状态综合指数均小于1,属于贫营养型海区．经过统计学分析,网箱养殖区中的氨氮、无机磷、COD含量和弧菌总数要明显高于贝类养殖区,两差异显．网箱养殖区中的氨氮和无机磷含量、弧菌总数要明显高于其外部水域,亦具有显性差异．整个调查海区N／P值较高,6～8月该比值明显升高．     

大型经济藻类对湄洲湾泉港区网箱养殖水体的影响

选择湄洲湾泉港水产养殖区作为调研对象,在海带和紫菜的养殖期间(2006年10月～2007年5月)对网箱养殖区、大型经济藻类养殖区、非养殖区和对照区各站位营养盐、叶绿素a、pH值、温度和盐度等水质参数进行了为期8个月的跟踪调研.调查结果显示,在网箱养殖区,总氮含量0.41～0.60 mg/L,均值0.49 mg/L,接近富营养化水平,总磷含量0.046～0.17 mg/L,均值0.10 mg/L,显著超过富营养化水平,叶绿素含量0.71～1.54 μg/L,均值0.93 μg/L,低于富营养化水平;大型藻类养殖水域的水质相对较好,氨氮、硝氮、亚硝氮含量均值分别为0.025,0.170,0.010 mg/L,与网箱养殖区存在显著差异;非养殖区的营养盐含量略高于大型藻类养殖区,对照区的营养盐含量较低,但总磷含量仍显示了较高的含量水平.本次调研结果为泉港水产养殖区建立鱼藻复合养殖系统提供了基础数据.     

Gabor滤波器在高分一号影像纹理提取中的应用

为了有效获取高分辨率影像的纹理特征,以覆盖黑龙江省穆棱市的高分一号影像为研究对象,选用在二维测不准的情况下对信号空间域和频率域描述最佳的Gabor滤波器进行影像的纹理特征分析提取。通过分析二维Gabor函数中不同参数之间的相互关系,计算自适应滤波器参数组,有效获取高分影像的纹理特征。结果表明:利用二维Gabor滤波器自适应参数组能够对遥感影像进行不同方向纹理信息提取,且30°,60°,120°,150°滤波方向上能明显提取纹理特征;当滤波器的中心频率稳定在0.27时,影像在120°方向的信息熵值达到了最高值5.823 6,说明在该频率该方向上提取到的纹理信息最丰富;采用最大似然分类方法验证Gabor滤波器的纹理特征提取效果,实验表明利用Gabor滤波器提取纹理特征辅助高分一号影像分类的Kappa系数和总精度分别达到0.843 2%和87.924 3%,明显高于不加入纹理特征的遥感影像分类精度的0.778 1和82.983 0%.证明Gabor滤波器能够较好提取高分辨率影像纹理信息特征。     

边缘检测与面向对象结合的高分影像建筑物提取

随着遥感影像分辨率的不断提升,影像中地物目标的细节变得更加清晰。由于早期影像分辨率较低,图像模糊,影像处理主要参考光谱信息,忽略了空间信息,提取精度一般。为了提高高分影像中建筑物的提取精度,充分利用光谱、空间、纹理3类信息,研究了基于面向对象的高分影像建筑物提取,并将基于改进Canny算子的多尺度分割与多规则相结合提取建筑物,最后用样本区验证精度。研究结果表明,该方法对高分影像建筑物的提取效果较好。与常规面向对象相比,方法对建筑物提取精度明显提升,且能更加充分的利用影像的空间信息与纹理信息。     

基于双源遥感数据的杉木林分蓄积量估测模型研究

为了提高森林蓄积量估测精度,以福建省三明市将乐县国有林场中杉木林作为试验区,选择资源3号卫星多光谱高分辨率影像及Alos Palsar影像为数据源,将相关性较高的极化雷达参数与最优窗口下的纹理参数相结合,协同两种遥感数据反演蓄积量。利用灰度共生矩阵分别提取高分辨率影像在3×3、5×5、7×7、9×9和11×11的5组窗口大小下8种纹理特征信息,提取Alos Palsar影像双极化方式下后向散射系数并进行比值运算。采用多元逐步回归分析方法,分别利用5组纹理特征信息反演杉木林蓄积量,找出最优窗口; 检测不同极化方式下后向散射系数与蓄积量之间相关性。结果表明,单数据源反演蓄积量模型中,5×5窗口反演效果最好,模型复相关系数R=0.869,均方根误差σ_RMSE=23.38 m³/hm²,蓄积量总体的估测精度为80.32%; 多数据源反演蓄积量模型中,两种极化方式下的后向散射系数比值与高分影像纹理特征参数结合后,反演模型的效果更好,模型中R=0.901,σ_RMSE=22.32 m³/hm²,蓄积量总体估测精度达到85.42%。研究表明,基于多数据源数据的森林蓄积量反演精度更高,结果更准确。     

基于优化FGFCM方法的滑坡遥感影像自动提取

为实现滑坡遥感影像的自动提取,以贵州省水城县为研究区,运用GF-1遥感影像数据,剔除明显非滑坡地物后,应用云变换计算样本区影像像元亮度值,统计得到聚类中心值和聚类个数,结合快速广义模糊C-均值聚类算法进行像元聚类,提取出128处准确滑坡,kappa系数达0.752,总体精度达0.880。该方法可自动提取出滑坡范围,减少工作量和主观影响,提高了基于遥感影像进行滑坡识别的效率和精度。     

高分一号卫星重大工程用地监测应用评价研究

文章介绍了高分一号卫星与资源一号02C卫星的基本数据情况,结合2014年上半年重大工程用地监测应用项目,制定了GF-1卫星16 m影像进行土地利用动态遥感监测的技术流程。并以资源一号02C卫星数据提取的变化图斑为真值,对重大工程用地监测的结果进行质量评价,有针对性地选择一些关键性指标,如判别精度、面积精度和最小可监测图斑三方面进行了研究。建立了基于GF-1卫星16 m数据重大工程用地监测的技术流程,为在全国范围内进行重大工程用地监测提供参考依据。     

一种藻类养殖区自动化提取的Otsu优化算法

针对传统Otsu算法在藻类养殖区分布信息的自动化提取过程中存在欠/过分割、计算量大和运算效率低等问题,提出一种优化的藻类养殖区自动化提取Otsu算法(GA-Otsu).GA-Otsu算法在最大类间方差的基础上,引入类内方差,共同参与阈值选取,提高藻类阈值选取的准确性,并用遗传算法代替遍历法快速搜索最优解,实现藻类养殖区...     

多源数据结合的高分一号土地利用/覆盖分类方法研究

基于多时相的GF-1数据获取NDVI时序变化、NDWI和MNDVI等指数图像数据，辅以Landsat8卫星OLI影像和数字高程模型(DEM)数据，得到了不同地物在光谱、时相和形状等方面的特征；通过分析各种地物类型在这些特征上的差异和变化规律，总结出不同地物的特征提取规则，构建了一种基于GF-1数据在地物复杂地区的土地利用/覆盖分类方法，并以广州市为实验区，运用该方法、最大似然法和最小距离法进行了土地利用/覆盖分类及其精度评价.结果显示:基于GF-1数据在地物复杂地区的土地利用/覆盖分类方法的总体精度为85.86%(部分地物分类精度达到95%以上)，与最大似然法及最小距离法相比，其总体精度分别提高了4.62%和12.24%，说明该方法能够更好地发挥GF-1遥感数据在土地利用/覆盖分类中的实际应用潜力，且有效提高了各种土地利用/覆盖地物类别的分类精度.     

GF-1遥感影像结合等高线消除云层干扰的连续水体重建法

为了解决遥感影像水体提取时易受到云干扰的问题,针对连续水体局部受云层干扰的影像图,采用高精度地形信息与高分一号卫星(GF-1)遥感影像两种数据相结合的方法重建水体。分别对高分一号卫星影像数据和高精度等高线地形数据进行预处理后,对缓冲区多次迭代提取未受云层覆盖的部分水体,通过对两种数据的地理配准、数学统计计算等图像运算确定水体还原水位值,从而还原云层影响下的水面面积。结果表明:该方法可以有效消除云层的影响,7幅受云层干扰影像提取水体还原后的水体面积平均相对误差在5%以内,与参考值相比,水体面积平均差值为0.0809km2。该方法较准确地还原了云层干扰下的水体面积,可广泛应用于受云层干扰影像的水体提取。     

基于多时相高分四号影像的雪盖范围提取

积雪覆盖监测是地球科学研究的基础,对于研究全球气候变化,开展防灾减灾救灾等工作都有重要的意义.高分四号卫星是我国高分辨率对地观测系统重大专项中唯一一颗民用高轨卫星,也是世界上首颗静止轨道高分辨率光学成像卫星,其机动灵活、高频次观测能力在积雪遥感业务化监测中具有广阔的应用前景.该文利用高分四号卫星多谱段、高时效、大幅宽和中分辨率等成像优势,紧密结合积雪和移动云层在多时相图像上的反射特点,提出了基于多时相高分四号卫星数据的积雪覆盖范围提取方法.首先对高分四号卫星全色图像进行二值化分割以消除低反射目标的影响;然后对多时相云雪覆盖区域进行合成来剔除移动云层的干扰;在此基础上,利用云、雪在多时相近红外图像上反射值变化的差异性,通过对多时相高分四号卫星近红外图像的最小值合成和阈值分割精细化地提取积雪覆盖范围,进一步去除变化云层的影响.以新疆中西部为试验区,通过与基于HJ-1B卫星的积雪覆盖结果比较,实验表明：两类数据提取的积雪空间分布具有较好的趋势一致性,高分四号卫星影像监测积雪范围更广,总体精度达92.19%,高于HJ-1B卫星图像的89.84%;但受空间分辨率和“不变云层”的影响,基于高分四号卫星影像的积雪识别精度为85.16%,低于基于HJ-1B卫星图像的识别精度94.53%.     

基于空间自相关的县域尺度土壤侵蚀抽样方法研究

【目的】探讨不同空间抽样方法和插值方法对土壤侵蚀预测精度的影响,为县域土壤侵蚀快速评价提供技术支撑。【方法】以沂蒙山区蒙阴县为研究区,GF-1号和GF-6号卫星影像、1∶1万地形图等数据为基础数据源,基于空间自相关理论,采用不同的空间抽样方法和空间插值方法,对研究区土壤侵蚀状况进行快速抽样预测研究。【结果】①根据全局Moran’s I指数、Z score和平均图斑类型,选取400 m×400 m方格为抽样单元最优尺寸。②与空间随机抽样、空间系统抽样方法相比,空间分层抽样样本容量最少(150个,其他样本容量最均超过250个),抽样精度最高(96.69%),抽样效率最高。③空间分层抽样下,普通克里金法和协同克里金法的计算结果与栅格计算法差异较小,相对差异分别为8.25%和9.85%(另两种方法的相对误差大于25%),但在空间分布上,受坡度影响的协同克里金法土壤侵蚀强度分布更为详细。【结论】综合考虑抽样调查的精度和工作量,在沂蒙山区县域尺度开展土壤侵蚀调查工作时,可采用空间分层抽样和协同克里金法或普通克里金法的方法进行土壤侵蚀快速预测,从而为区域生态环境保护提供重要数据支撑。     

一种基于特征选择的面向对象遥感影像分类方法

针对GF—1多空间分辨率遥感数据空间信息丰富,传统影像分类方法无法满足实际应用需要的问题,提出了一种基于特征选择的面向对象遥感影像分类方法——object-RJMC算法,即在影像分割及特征提取的基础上,运用Relief F算法和J-M(Jeffries-Matusita)距离算法去除无关及冗余特征,筛选出适于各类别分类的特征,然后利用CART算法建立分类规则,完成分类过程。以GF-1号2 m、8 m和16 m空间分辨率的三组影像进行算法验证,并与object-CART和pixel-CART影像分类方法进行对比分析。实验结果显示object-RJMC算法的分类精度均高于object-CART和pixel-CART算法的分类精度;且对高空间分辨率的影像分类效果要优于对中低空间分辨率影像的分类效果。该算法减少了特征选择及规则建立的人工干预,克服了以像素为单位的分类算法中由于缺少空间邻域信息而产生孤立、离散、不连通分类结果的问题,可有效地提高GF-1遥感影像分类精度。     

面向鄱阳湖洪涝风险分析的HY-1C/D卫星CZI影像水体面积与水位关系研究

海洋一号C星(HY-1C)和海洋一号D星(HY-1D)搭载的海岸带成像仪(coastal zone imager，CZI)广泛应用于海洋、海岛和海岸带监测，同时也是内陆水体动态监测的重要数据源.该文选择水体范围变化剧烈、旱洪灾害频发的鄱阳湖为研究区，以瑞利校正后的CZI反射率数据为基础，利用归一化水体指数(normalized difference water index，NDWI)与归一化植被指数(normalized difference vegetation index，NDVI)联合的水体范围提取方法，相对精度达到96%，并获取了2019年3月至2020年8月鄱阳湖湖泊淹没面积.在此基础上，结合同步的水文站水位测量数据，建立了适用于鄱阳湖的水面积－水位定量关系模型(R＝0.97).分析结果显示，鄱阳湖9月中旬至1月，水体面积最小，水位最低；2月至6月，水体面积逐渐增大，水位逐渐抬升；7月和8月，水体面积和水位达到年内峰值.洪涝风险区主要集中在鄱阳湖的东南部和西部.该研究对星地联合的洪涝风险分析有一定的借鉴意义.     

基于深度学习的高分六号影像水体自动提取

为了探究高分六号(GF-6)卫星多光谱相机(PMS)影像提取水体的潜力,分别构建全卷积神经网络(FCN-8s)、U-Net及U-Net优化(VGGUnet1、VGGUnet2)4种神经网络进行了水体提取研究.基于水体提取结果对比分析,确定优选模型为VGGUnet1;提出基于组合损失函数FD-water loss(focal-dice-water loss)的VGGUnet1网络模型,并与归一化差分水指数(norma-lized water index,NDWI)阈值法、最大似然分类法、支持向量机分类法等方法比较.结果表明:基于FD-water loss损失函数的VGGUnet1网络模型能有效提取水体目标,增强小面积水体识别能力,减少水体错分、漏分现象,提高水体提取效果.可见全卷积神经网络在GF-6遥感影像水体提取方面具有可行性,为后续该领域的进一步研究应用提供了参考.     

基于粒子群算法的多尺度反卷积特征融合的道路提取

研究基于传统FCN算法下的不同比例的多尺度特征融合对于复杂场景下道路提取准确度的提高.针对复杂的航拍道路场景,设计了针对于农田环境下的FROBIT农田道路数据集,并使用全卷积神经网络（FCN）对FROBIT农田道路数据集和Massachusetts城市道路数据集进行道路提取工作.本文基于传统的FCN的网络,对其反卷积方式进行改进,采用粒子群算法（PSO）设计了不同比例的多尺度特征融合.通过将本文提出的Multi-Scale FCN网络与传统的FCN神经网络在FROBIT数据集和Massachusetts道路数据集上进行对比实验,结果表明Multi-Scale FCN网络相比于传统的FCN神经网络在提取精度上得到了提高.      

基于自适应标注样本的高分辨率影像道路提取

针对现有道路提取算法中难以大规模人工标注样本类别标签的问题,提出了一种基于自适应标注样本提取遥感影像道路的方法.首先,通过改进的模糊C均值聚类算法提取道路区域,进行初步的样本标注;其次,利用基于二次投票的集成去噪算法定位标签噪声样本,更新样本数据集;再次,将更新后的样本集投入随机森林训练并预测影像的分类结果;最后,对道...