基于高分六号红边特征的面向对象桉树人工林信息提取

有效监测桉树林空间分布对区域生态环境保护及有关部门的统筹决策具有重要指导意义。本文在现有研究的基础上,以国内首个提供红边波段的多光谱高分六号（GF-6）卫星影像为数据源,选取广西鹿寨县为典型研究区域,结合光谱特征、植被指数特征和红边特征,设计不同特征组合分类方案,采用面向对象多尺度分割方法,对不同尺度层分别构建隶属度函数和CART决策树模型以进行分类提取桉树人工林信息。试验结果表明,红边特征在CART决策树模型构建中具有重要影响,融入GF-6红边特征能有效提高桉树人工林分类提取精度,总体精度达到91.75%,相比仅采用传统波段和植被指数的分类方案,精度提高了11.25%。本文研究结果在利用国产卫星红边波段识别提取桉树人工林方面具有重要的理论意义和实用价值。     

基于HJ–CCD数据的海面溢油提取方法研究

快速、准确地获取溢油污染信息,对海洋的动态监测、保护和可持续利用具有重要意义。环境与灾害监测预报小卫星星座一号(HJ–1)是我国针对生态环境污染和灾害监测发射的新型卫星平台,但HJ–1 CCD多光谱数据的光谱波段较少,仅依赖光谱信息获取海面溢油范围的精度较低。因此,以墨西哥湾溢油事件为研究对象,在分析不同地物光谱特征的基础上,采用灰度共生矩阵,选择合适的纹理结构因子,提取HJ–1 CCD图像中影响溢油识别的地物纹理特征;建立光谱特征和纹理特征相结合的决策树模型,提取海面溢油信息,并与只考虑光谱信息的传统分类方法进行精度对比。结果表明,与最大似然分类法相比,决策树方法的油膜提取用户精度和制图精度分别提高了11.85%和4.28%。     

面向土地利用分类的HJ-1 CCD影像最佳分形波段选择

环境一号卫星（HJ-1）CCD影像光谱波段较少,地物之间的准确分类识别有一定困难。采用分形纹理辅助地物分类识别是一种有效方法,而波段选择是提高分类识别精度的关键。本文以江西赣州定南县土地利用分类为例,采用双毯覆盖模型对HJ卫星CCD影像6类典型地物的波谱分形特征进行了分析,利用不同地物在不同波段上的分形区分度差异构建了最佳分形波段选择模型,并利用该模型挑选出最佳分形波段来辅助土地利用分类,最后对分类结果进行检验。结果表明：最佳分形波段选择模型能够综合权衡不同地物在不同波段上的分形区分度差异,利用挑选出来的最佳分形波段来辅助分类,其分类总体精度相对于原始影像分类提高了11.77%,相对于第1主成分分形辅助下的分类提高了1.56%。     

黄河三角洲地区GF-3雷达数据与Sentinel-2多光谱数据湿地协同分类研究

黄河三角洲湿地的动态变化监测对湿地资源合理利用、开发保护具有重要意义。采用C波段全极化高分三号（GF-3）合成孔径雷达数据与欧洲空间局哨兵二号（Sentinel-2B）多光谱数据，分析了黄河三角洲湿地7类地物的光谱、指数、极化散射以及纹理等特征信息，分别基于最大似然法（maximum likelihood，ML）、决策树（decision tree，DT）、支持向量机（support vector machine，SVM）方法实现了有监督分类，评估了两者协同与单独应用于湿地地物分类与识别的能力，结果表明，两者协同分类时，其总体精度分别可达90.4%、95.4%、95.7%，均明显高于两者单独分类的结果，证明了GF-3雷达数据与多光谱数据在湿地协同分类方面的可靠性和应用潜力。     

基于光谱指数的高温目标识别方法

目前,高温目标遥感识别研究所采用的波段或光谱指数大多局限于定性分析,缺乏定量评价指标与筛选方法。为建立具有普适性的波段筛选原则及评判指标筛选方法,实现高温目标的有效识别,根据方差分析思想,构建可分性度量指标对高温目标与各类常温地物分别进行特征波段筛选,确定高温目标识别的若干有效波段,结合地物波谱特性构建并筛选高温目标最优识别指数。研究表明,经定量筛选综合确定的最优光谱指数能有效将高温目标与绝大多数常温地物区分开;在此基础上,再利用区分高温目标与易与其混淆的彩钢地物的最优识别指数进行二次识别,可进一步提高识别精度,高温目标2次识别精度分别为95. 4%和97. 6%。     

基于同步观测的高分一号卫星影像辐射质量评价

针对高分一号卫星(GF-1)影像进行辐射特征的质量评价研究。通过设计同步观测实验,得到目标区域的同步观测卫星影像数据、大气与太阳光照数据和地面光谱数据;利用值域、均值和标准差等灰度特征指标以及对比度、清晰度、信息熵和角二阶矩等纹理特征指标评价GF-1影像的整体质量。实验结果表明:GF-1影像能较好地区分不同的地物类别,反映不同地物的空间特征和结构差异;整体信息的丰富程度和地物特征表现能力上能满足一般的使用需求,使用时可根据需求选用不同波段的影像来满足实际需要。     

高分遥感影像的围填海变化图斑自动提取方法

针对已有的围填海图斑提取方法精度不高、普适性不强、自动提取结果不理想等问题,该文提出了通过构建归一化差异水体指数(NDWI)进行围填海变化图斑自动提取的方法。以高分辨率QuickBird影像和HJ-1卫星影像为数据源,首先,根据研究区的用海类型进行5种易混淆地物的波谱特征分析;然后,根据水体与非水体的光谱特征差异,构建2009、2011年两个时相的NDWI指数;最后,将两时相NDWI指数影像进行空间相减,设置判断阈值,识别围填海变化图斑,并以目视提取结果作为依据验证其自动提取效果。对比分析结果表明:利用该文构建的两期NDWI指数可以将大部分围填海区域准确、自动地探测出来,可以将该方法纳入到沿海地区围填海变化监测的业务中。     

一种加入空间关系的海岸带遥感图像分类方法

 海岸带作为海洋、陆地和大气共同作用的地带，其地物混杂度大，变化频繁，单纯利用光谱特征分类难以取得理想的精度。 但海岸带地物滨临水体，而水体与地物存在巨大光谱差异，易于识别。据此，本文尝试提出一种简单的加入空间关系的遥感图像分类 方法，即，先准确识别出海水类，然后统计非海水类的每一个像元到最近海水的空间距离。由于不同的海岸带地类距离海水的空间距 离有其自身的特点，因此，利用这一距离信息辅助分类能提高分类精度，尤其是针对那些光谱特征相近而距离相差较大的地类。     

典型植被指数识别火烧迹地潜力分析

植被指数法是利用卫星遥感影像识别火烧迹地的常用方法之一。植被因受火的干扰会形成火烧迹地,其光谱特征易与裸地、水体、道路、阴影和耕地等地物光谱混淆,使用遥感影像采用合适的植被指数提高过火区遥感监测精度仍是亟待解决的问题。以四川省2014年和内蒙古自治区2017年发生的4次森林火灾形成的火烧迹地作为研究区,利用高分一号16 m宽幅(GF-1 WFV)数据和Landsat8数据的波谱特性,选取归一化植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI)、全球环境监测植被指数(global environment monitoring index,GEMI)、过火区识别指数(burned area index,BAI)和归一化火烧指数(normalized burn ration,NBR)等5种典型植被指数,通过构建不同植被指数的分离指数M来定量评价这些植被指数识别火烧迹地的潜力。研究结果表明,基于近红外—短波红外波段的NBR和基于可见光—近红外波段的BAI对过火区的分离性较好,NDVI的分离性次之,EVI和GEMI的分离效果较差;基于GF-1 WFV和Landsat8数据采用BAI和NBR指数对内蒙古鄂伦春自治旗火烧迹地进行了识别(其中GF-1 WFV数据只用于BAI识别),并利用高分二号(GF-2)数据进行了精度验证,两者火烧迹地识别总体精度均大于87%,Kappa系数均大于0. 7。     

基于GF-1卫星数据的水库叶绿素a浓度联合反演研究

探明不同区域及不同营养状况下水库叶绿素a的共同敏感波段,基于G F-1号卫星16 m分辨率的多光谱WFV传感器影像构建叶绿素a浓度普适性反演模型.文中以湖南省3种不同营养状况的水库为研究对象,在实测高光谱及GF-1/WFV影像预处理基础上,对比实测高光谱数据与GF-1/WFV影像数据,采用相关性分析筛选叶绿素a敏感波段,基于GF-1/WFV影像数据构建叶绿素a浓度一元回归联合反演模型,生成浓度等级图.研究表明,相关性分析下叶绿素a的敏感波段区间为550～620 nm,波段区间对应影像中的绿波段(520～590 nm),模型反演精度较优,满足水库叶绿素a浓度监测精度要求,可为发展基于遥感影像大面积反演不同污染程度水质叶绿素a浓度提供基础支持.     

时序Sentinel-2A影像光谱特征的茶园提取应用

针对当前茶园遥感识别研究未充分分析利用光谱特征提取茶园的问题,该文详细探讨了光谱时间变化特征在茶园遥感识别中的应用潜力。研究利用时序Sentinel-2A影像,分析7种典型地物的时序光谱变化与NDVI变化,发掘出可用于区分茶园与其他地物的特征波段——红边2、红边3、近红外、红边4、短波红外1、短波红外2。基于上述波段或NDVI构造18个茶园提取特征,最终确定14个茶园提取特征,并基于每种特征分别构建决策树,实现茶园提取,并验证每种特征的可行性。结果表明,分类精度较高的前3个特征分别为SR-SWIR2-NIR_(_May)、SD-NIR-SWIR2_(_May)、SR-NDVI_(_MayDec);总体精度依次为96.71%、94.24%、93.43%。     

赣中红壤区TM图像的居民地信息自动提取专家模式研究

从遥感信息分析入手,分析了抚州地区居民地在Landsat TM1 TM2 TM3 TM4 TM5 TM6 TM7各个波段上与其它背景地物的可分性。通过对各地物光谱曲线特征进行分析,利用居民地光谱特征与其它地物的差异性,建立条件表达式,即可把该区的居民地提取出来。通过验证,其点位精度达到81%,面积精度达到75%。该研究表明,通过简单模型的建立,可将以水泥顶房屋和瓦顶房屋为主的居民地提取出来。     

基于高分二号的城市黑臭水体动态监测

目前,城市黑臭水体的遥感识别处于算法初探阶段,由于受到水深、阴影等因素的影响,在实际应用中精度较低,并且对于长时间的黑臭水体动态监测研究较少。以芜湖鸠江区为研究区,分析黑臭水体的成因及表观特征,针对单波段阈值法、波段差值法、归一化指数法和斜率指数法,基于GF-2影像进行阈值修正并评价精度,同时联合黑臭水体目视解译标志进行动态监测。结果表明:(1)水体发生黑臭通常伴有颜色异常、河道淤塞、次生环境问题等特征;(2)单一识别算法中差值法识别效果最好,总精度为87.5%;(3)GF-2的高空间分辨率特性提升了目视解译的效率和精度,可以有效减少水深和建筑物阴影对其遥感识别的干扰,相比使用单一算法,进一步提高了动态监测的识别精度和可靠性;(4)利用2014—2020年4景GF-2影像提取鸠江区主城区黑臭水体面积分别为0.313 km~2,0.152 km~2,0.069 km~2和0.008 km~2。结果显示,鸠江区水体黑臭现象正逐步得到改善,但神山公园水系黑臭现象依然严重。     

基于GF-5高光谱特征分析的水体提取方法研究

针对山区水体、山体阴影与裸地等地类光谱混淆性,基于高分五号(GF-5)影像数据,结合高光谱特征分析构建了山区水体决策树提取模型. 先对水体和相关干扰地类进行高光谱特征分析实现特征波段选取,应用单波段阈值法、多波段谱间关系法、归一化水指数(NDWI)法进行提取实验. 通过比较以上实验不足之处,提出了单波段阈值法与构建的阴影水体指数(SWI)相结合的决策树水体提取模型,以Google Earth高清影像为参考结合实地采样得到的混淆矩阵进行精度评价. 实验结果表明:单波段阈值法与NDWI法易将山体阴影识别为水体,受裸地影响较小;多波段谱间关系法对山体阴影有一定抑制作用,受小面积裸地影响;决策树提取模型能有效抑制山体阴影和裸地影响提取完整水体. 其总体精度为89.39%,Kappa系数为0.82,显著提升了山区水体提取精度.      

基于小波特征融合的Hyperion影像降维方法

根据影像中地物光谱曲线的小波特征点确定地物识别的合适光谱分辨率,通过融合原先若干窄波段生成具有适合地物识别光谱分辨率的宽波段数据,达到降维高光谱数据的目的。文中对hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正,得到155个波段。对提取的八类地物的样本平均光谱进行DB4小波分解,计算小波细节系数方差;以小波细节系数信息熵作为特征点,得出不可渗透表面、居民地、水田、裸土4类地物识别适宜光谱分辨率为80nm,其余地物识别适宜光谱分辨率为160nm。以窄波段间的活跃度为指标进行融合,生成降维后的宽波段分别是21个波段和11个波段。8类地物在3尺度和4尺度下的分类结果说明降维影像能满足应用需求,提出的降维方法可行。     

结合目标分割的高光谱城市地物分类

结合高光谱影像地物光谱特征与高空间分辨率影像分割获得的目标对象进行地物分类。首先,对Hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正后,得到研究所用的155个波段;其次,利用地物光谱曲线的特征点确定适合地物识别的光谱分辨率,进行Hyperion影像降维,生成降维后所需的21个宽波段;然后,对IKONOS影像采用小波融合,利用多分辨率分割技术生成高空间分辨率影像目标对象;最后,基于层次分析法对分割后生成的目标对象进行分类,采用模糊隶属函数利用植被红边效应、水体在近红外波段吸收特征进行第1层次分类,再取距离值最大的前10个Hyperion影像波段作为标准最邻近分类的特征波段,完成第2层次分类。分类结果表明,研究区共分出9种地物类型,分类效果明显优于最大似然法分类与光谱角填图法。     

基于谱间特征分析的城市建筑用地信息提取

以2003年某地区QuickBird多光谱影像为数据源,首先分析建筑用地及其他地物在QuickBird卫星影像4个波段上的光谱特征,并由此探讨其在光谱特征上的可分性。研究发现对于建筑用地等地物类型,波段2和波段4的光谱特征对比度最大,因此通过简单的波段比值运算可最大限度地增强该类地物的亮度。在此基础上,通过分析水体、裸露地的波谱特性,建立基于光谱特征的决策树模型,对研究区域建筑用地进行提取并对结果进行精度评价,结果表明,该方法总体提取效果较好。因此利用该模型可以将背景地物类型复杂的某地区建筑用地信息提取出来,并且模型受时相影响较小,只是在阈值大小上会存在一些差异。     

融合空谱特征和集成超限学习机的高光谱图像分类

为提高高光谱图像的分类精度,提出了一种融合空谱特征和集成超限学习机的高光谱图像分类方法。首先结合每个像素邻域的光谱信息提取空谱特征向量;考虑到高光谱相邻波段信息具有一定的相关性,先对提取的特征向量进行平均分组,然后从每个区间随机选择若干个波段进行组合,采用具有快速学习能力的超限学习机训练分类器。为提高分类模型的泛化能力,基于集成学习思想,对提取的空谱特征进行多次抽样,训练得到多个弱分类器,最后采用投票表决法得到用于高光谱图像分类的强分类器。采用3个典型高光谱数据进行了分类试验,试验结果表明,提出的算法总体分类精度较优,尤其当训练样本数较少时能取得较高的分类精度。提出的算法具有可调参数少、训练速度快、分类精度高等优点,具有广阔的应用前景。     

基于最佳波段组合的高光谱遥感影像分类

针对高光谱数据维数高、数据量大、信息冗余多、波段相关性强等特点,在综合各种数据降维方法的基础上,提出一种基于最佳波段组合的高光谱遥感影像分类方法。以美国印第安纳州地区的AVIRIS数据为例,分析各波段信息量和相邻波段的相关性,利用子空间划分、分段波段指数选择法,进行特征波段的选择;并针对难区分地物类别,应用J-M距离模型对其可分性进行判别,获得最佳波段组合。最后采用支持向量机分类器进行分类。实验结果表明,采用最佳波段组合方法,可以有效地提高高光谱的分类精度。     

高分四号静止卫星数据的地表反照率反演

地表反照率(Albedo)是描述地表辐射能量平衡的重要参数,为了获得高分四号(GF-4)静止卫星的地表反照率产品,构建了一种基于核驱动双向反射率分布(BRDF)模型的反照率反演方法。首先,探索核驱动BRDF模型对GF-4卫星数据的适用性,加入地表分类信息,为核系数赋初值,并引入鲍威尔迭代算法优化模型结果。然后,对BRDF模型进行角度积分获得各个波段的地表窄波段反照率。在此基础上,结合GF-4卫星光谱响应函数与光谱库,首次建立了将窄波段反照率到宽波段反照率的转换系数,并反演得到0.4—0.7μm和0.3—3.0μm的宽波段反照率。最后,利用Landsat 8卫星数据和MODIS地表反照率产品对基于GF-4卫星数据的地表反照率反演结果进行交叉验证。Landsat 8与GF-4的反照率结果对比表明,GF-4卫星可见光范围内的反照率反演结果精度为85.6%,短波范围内的反照率反演结果精度为93.4%;MODIS与GF-4的反照率结果对比表明,可见光范围的地表反照率精度达到87.7%,短波范围的地表反照率精度达到85.9%。这说明GF-4卫星地表反照率反演结果具有较高精度,GF-4卫星反照率产品具有一定应用潜力。