基于高分一号影像的深圳市黑臭水体遥感识别

城市黑臭水体空间分布的精准识别对准确和全面治理黑臭水体具有重要意义。本文针对当前黑臭水体遥感识别主要的模型算法,包括单波段法、差值法、比值法、黑臭水体模型判别指数法（HCI）,结合地面试验测量数据对其进行阈值修订,从修订后的算法中选取精度最高的差值算法对2017年深圳市黑臭水体空间分布进行识别并计算识别精度。结果表明：深圳市建成区内共识别黑臭河段26条,总长度128.409 km。深圳市黑臭水体主要分布在宝安区和龙岗区,且宝安区数量大于龙岗区。其中,宝安区的黑臭水体长度为100.789 km,占该区水体的25.92%;龙岗区的长度为27.620 km,占该区水体的22.04%。黑臭水体遥感识别在城市黑臭水体识别中具有较高的应用价值,为城市黑臭水体整治提供技术与数据支撑。     

基于高分二号影像的城区水体提取方法研究

针对高分二号遥感影像在进行城区水体提取时,遥感影像波段数较少,造成MNDWI、CWI等方法无法使用,同时受污染的水体与裸地、建筑物、阴影难以完全区分,本文提出采用城区水体阴影指数,结合最大似然估计的方法,通过区分水体和阴影光谱特征,完成与阴影彻底分离,实现在高分二号遥感影像上城区水体的高精度提取.对比阴影水体指数(SWI)、基于植被指数和中红外通道的混合水体指数模型(CIWI)、归一化差异水体指数(NDWI)以及单通道阈值法提取结果,本文方法的处理结果提取精度更高,噪声和阴影更少,总体精度在90%以上,Kappa系数在89%以上.评价数据结果表明,本文处理方法在高分二号遥感影像的城市及周边地区水体提取上是有效可行的.     

城市水体信息光学遥感提取方法研究进展报告

准确、快速地提取城市水体信息,是对城市水体时空分布状况进行调查、水污染监测、水环境保护和水环境科学开发利用的基础.该文依据近年来城市水体信息遥感提取的国内外研究成果,综述了水体信息遥感提取方法的研究进展,综合评价了常用的城市水体信息提取方法的特点;揭示了基于遥感手段提取城市水体信息的最优阈值设定、方法普适性、城市水体遥...     

城市黑臭水体治理与经济协调发展评价研究——以深圳市大康河黑臭水体为例

现如今我国部分城市水体出现黑臭现象,一定程度上影响了该城市的经济发展水平.因此,以城市黑臭水体治理效果与经济协调发展状况作为评价对象,以评价指标体系构建的原则与步骤为基础,构建两者协调发展的评价指标体系,进而确定评价模型——协调度(C_v),最后结合实例,对上述研究方法的科学合理性进行分析,为今后经济建设和城市黑臭水体治理协调发展提供理论依据.     

基于深度学习的无人机遥感影像水体识别

针对无人机遥感影像分辨率高、信息量大易造成错分、漏分现象,导致识别分类精度不高的问题,采用一种基于深度学习的水体识别方法进行无人机遥感影像水体识别。该方法首先选取大量样本训练并构建深度卷积神经网络模型(DCNN),然后利用最大稳定极值区域(MSER)对无人机遥感影像进行分割得到待识别目标子区,最后根据深度卷积神经网络模型对分割后影像目标进行水体识别,并且将识别结果与目前常用方法进行比较。实验结果表明,该方法能有效识别水体目标,减少错分、漏分现象,提高识别精度,优于其他方法。     

应用多源遥感影像提取鄱阳湖形态参数

鄱阳湖是我国最大的淡水湖,也是我国的洪水多发地带.利用遥感影像自动、快速、准确提取鄱阳湖形态参数(水体面积、水位高程值),实时监控鄱阳湖水情空间动态变化,具有非常重要的意义.本文通过在Radarsat SAR和Terra Modis遥感影像上提取水体,测量计算了遥感影像上的水域面积.将遥感测量结果与利用鄱阳湖历年的水位高程与面积水文统计数据拟合模型测量结果进行交互验证,误差绝对值小于0.70%,最终建立了一个具有较高精度的鄱阳湖主体水域水位-面积分布数学模型.为利用遥感影像实时监控鄱阳湖水情空间动态变化提供了可行的方法手段,对湖泊、水库的泛洪监测、调洪功能分析具有重要的意义.     

基于Landsat遥感影像的黑河干流中游湿地信息提取

基于Landsat卫星遥感影像,将一种新的水体自动提取指数(AWEI_nsh/AWEI_sh)运用于湿地信息提取,并通过箱型图统计方法自动获取了12种相关变量的阈值范围.结果表明:利用该水体自动提取指数和归一化植被指数,结合数字高程模型建立决策树模型,可对研究区内的湿地信息进行有效提取,且2000,2014年的遥感影像湿地信息提取精度分别为83%、93%,提取方法可用于大范围湿地研究.     

前言

正华东师范大学是国内较早开展水污染控制、水环境治理和水生态修复的主要高校之一,从20世纪70年代初开始,先后在苏州河环境综合整治等重大项目中做出了重要贡献.从2015年开始,我国分批实施了海绵城市和黑臭水体治理等工作计划,要系统解决我国城市发展过程中面临的水安全、水污染、水环境、水生态问题,如城市内涝、径流污染、水体黑臭和水生态失衡等.应国家环境保护的形势和需要,本课题组近年来主持和参与了多项     

水体遥感指数研究进展

水体遥感指数是当前全球和大区域水体分布和面积估算采用的主要技术.文中对近20多年来提出的水体遥感指数进行总结,分析指数构建原理并比较两种主要指数类型(比值型和差值型)的区别,讨论水体遥感指数应用中的几个主要问题.总的看来,比值型指数对水和非水信息的分离度较强,并能抵消地形的影响,因此可以较好地去除云和阴影的影响.加上比值型指数的变量通常不带系数,因此普适性较强.现有的水体指数中还鲜有被证明可以不用选取阈值就能高精度提取水体的指数.但好的水体指数阈值选取简单,稳定性较强.常用的OTSU法(大律法)获得的阈值已被许多研究证明并不可靠,因此不宜基于OTSU获取的阈值进行水体信息提取及其方法对比.     

基于全卷积网络模型的高分遥感影像内陆网箱养殖区提取

为了研究高分遥感影像的内陆网箱养殖区自动快速提取,利用福建省北部内陆水域的GF-1影像和GF-2影像,并对影像中的网箱养殖区进行人工标注,经过旋转、缩放和镜像翻转等数据增强处理后构建了2种影像的内陆网箱养殖区样本库;利用样本库训练内陆网箱养殖区提取的深度学习全卷积网络(fully convolutional networks,FCN)模型并开展精度验证。结果显示,GF-1影像提取结果的F值达到83.37%,GF-2影像提取结果的F值达到92.56%。表明基于FCN的高分影像内陆网箱养殖区提取具有较高的精度,能够进行大规模内陆网箱养殖区提取应用,为内陆水产养殖区的监测提供重要依据。     

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.     

基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演

针对太湖叶绿素a浓度反演大多采用低中分辨率遥感数据,缺少基于高分辨率遥感数据研究的现状,采用高分六号卫星遥感影像,运用波段比值模型、归一化差异叶绿素指数（NDCI）模型和三波段模型定量反演了太湖蓝藻的叶绿素a质量浓度,并采用2018年10月28日、2019年4月6日和2019年6月3日的高分六号卫星遥感影像对3种模型的反演精度进行了验证。结果表明,采用NDCI模型的平均相对误差、均方根误差和平均绝对误差最小,NDCI模型具有更好的精度和稳定性,更适合高分六号卫星遥感影像在太湖叶绿素a质量浓度反演方面的应用。     

基于ENVI/IDL的高分遥感数据自动预处理及植被 提取方法:以湖南林业为例

随着我国高分对地观测系统的逐步完善,面向林业领域的国产高分遥感数据的应用需求也越来越大.本文提出一种基于ENVI/IDL的高分光学遥感数据自动预处理及植被提取方法,通过快速大气校正(QUAC)、RPC正射校正、GS图像融合和图像配准等步骤,实现高分数据自动预处理,一定程度上解决了林业应用中前期预处理耗时长及过程繁琐的问题.通过进一步提取植被覆盖区域,可为湖南省林业调查人员提供高质量卫星遥感影像.在湖南省郴州市和常德市的高分二号遥感数据上进行的实验验证结果表明,所提方法进行高分遥感数据的自动预处理以及植被提取时性能较好,且处理时长稳定,可以满足实际需求.     

基于迁移学习的高分辨率遥感影像场景分类研究

对于小样本集合的遥感影像场景分类问题,采取了一种基于迁移学习的卷积神经网络高分辨率遥感影像识别方法,通过深度卷积神经网络Inception-v4在ImageNet上训练,得到预训练模型以及相应的初始化参数,随后将小样本遥感数据按比例划分注入预训练模型当中,根据样本集合特征,不断调整网络参数以便获得最佳识别分类模型.最后将本文的方法与现有的场景分类方法进行实验对比,测得该方法在UC merced land use场景影像数据集上取得97.92%的准确率,有效提高了高分影像场景分类精度.     

小样本学习在高分遥感影像分类与识别中的应用

遥感影像分类与识别是近年来深度学习以及图像分类与识别研究的热点,其中一个关键问题是因样本数据集的数据较少而极易出现过拟合。许多图像分类的模型和方法并不完全适用于遥感影像分类,将小样本学习与遥感影像处理结合起来,实现遥感影像数据增强和识别模型优化是一个可行的思路。根据小样本学习的发展现状,针对特征提取、模型分类方法,归纳总结了典型学习方法的原理及其在相关领域的应用; 分析遥感影像处理的现状和存在问题,基于适用场景、优缺点对各方法进行了比较; 通过分析小样本学习在高分遥感影像分类与识别上的应用,发现引入注意力机制和迁移学习后,小样本学习能够用于样本数据量小的遥感影像分类。     

量子粒子群优化核极限学习机的遥感影像分类

极限学习机初始参数具有随机性,容易导致其对高分辨率遥感影像的分类结果出现局部最优现象.为了解决上述问题,提出了一种基于量子粒子群优化核极限学习机的遥感影像分类方法.该方法利用量子粒子群算法对核极限学习机的核参数与正则化参数进行优化,根据参数优化后的结果构建量子粒子群优化核极限学习机的遥感影像分类模型（QPSO-KELM）.通过实验对比了SVM、KELM、PSO-KELM、QPSO-KELM这几种分类方法对高分二号遥感影像数据的分类精度与效率.结果表明：QPSO-KELM的分类精度、运行速度均优于其他几种分类方法,该方法能有效提取遥感影像上的地物要素信息.     

一种基于白帽变换的细小水体信息提取方法

提出一种基于形态学白帽变换的线性特征增强处理技术,从而有效提取遥感影像中的细小水体信息.通过白帽变换对改进的归一化差异水体指数(MNDWI)影像进行线性特征增强处理,获取形态学细小水体指数(MNWI)特征影像,并采用经验阈值和自动阈值相结合的方式实现水体样本信息双阈值分割提取,解决细小水体与线状道路容易混淆的问题.利用多幅Landsat影像测试本文方法,结果表明,本文方法能较好地提取细小水体信息,较好地保持细小河道形态的连续性,细小水体提取精度达到80%以上.     

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。     

利用TM/ETM+影像提取水污染信息的方法

为获取水体污染监测信息及其变化规律,以TM/ETM+影像为实验数据,研究利用遥感影像提取水体及水污染信息的方法.根据影像数据及提取物的特点,采用谱间关系法与阈值法综合的方法进行水体提取,依据清洁水体视反射率信息,对比分析水中悬浮泥沙、水华等信息,完成水质分类处理.研究结果表明:通过该实验方法和技术手段,利用TM/ETM+影像能够较好的进行水污染信息的提取及水质分类.该方法为大面积的水污染监测与治理提供了有益的经验.     

基于像元信息分解的城市绿地信息自动提取系统

 为了快速而有效地监测城市绿地的变化,建立了基于遥感和GIS的城市绿地自动识别系统。系统利用像元信息分解的方法,将城市环境下的像元信息分解为绿地、水体、土壤、水泥地等4种地物端元组份信息,求解绿地在混合像元中的丰度,并允许自由设定判定绿地像元的阈值,以便通过调整达到分离的最优分离结果。此外,系统也集成了绿地信息的空间分析以及统计分析识别等功能。最后,以深圳市罗湖区和福田区TM影像作为实验区,将系统自动提取的绿地面积和目视解译的结果进行对比,准确率达到98.7%。