基于遥感的鄱阳湖丰水期悬浮泥沙数值模拟预测

悬浮泥沙是湖泊水体的重要水质要素之一,是湖泊水生态系统重要影响因子。利用遥感提取的鄱阳湖底质类型数据,对各类型底质区域上泥沙模型参数进行敏感性分析,基于2011年实测的不同底质区上泥沙浓度数据率定得到空间上不一致的泥沙模型参数,从而建立鄱阳湖丰水期二维悬浮泥沙输运模型。利用该模型模拟预测2013年丰水期悬浮泥沙输移过程,实测泥沙数据验证表明,模拟悬浮泥沙均方根误差为19.8 mg/L,相关系数R2为0.78,该模型能够较好地进行悬浮泥沙模拟预测。对比模型模拟和遥感反演的悬浮泥沙空间分布,两者具有较好的空间一致性,进一步表明该模型能够可靠地模拟预测鄱阳湖悬浮泥沙的时空动态变化。本研究充分利用遥感数据辅助建立鄱阳湖泥沙输移模型,为湖泊水环境动态变化监测提供有力的技术方法支撑,为进一步进行鄱阳湖水环境动态变化的数值模拟预测研究提供基础。     

复杂山地环境下典型地物解译规则库研究

选择重庆市山地区域为研究区,以World View-2影像为研究对象,基于植被构面成果,采用面向对象的分类方法探讨了复杂山地环境背景下典型地物的光谱、纹理、几何、结构等特征;构建了适合山地环境地物遥感分类的解译规则库,自动进行地物的分类解译,并对分类结果进行了精度评价。结果表明,面向对象分类方法构建的解译规则库能够适用于复杂山地环境遥感影像的分类,保证了地物形状和属性的完整性,提高了遥感影像的分类精度;基于植被构面成果建立的解译规则库解决了地物分类时林地和果园难以区分的困难,提高了复杂山地环境下遥感影像的分类精度。     

基于BP神经网络的高分辨率遥感影像分类

为了能有效地从高分辨率遥感影像中提取地物信息,本文通过影像的光谱和纹理特征,利用BP神经网络算法进行影像分类研究。首先提取分类所需的光谱和纹理特征源,然后根据影像和地物特征,建立BP神经网络,用于样本训练和分类处理,实现地物分类。为验证该方法的可靠性,以2006年11月获取的成都平原某区域的Quickbird影像为实验数据,进行高分辨率遥感影像的地物分类实验。实验结果表明,结合影像光谱和纹理特征的BP神经网络分类算法,不仅可以有效保证BP神经网络分类训练的稳定性和收敛速度,还能达到较高的分类精度。     

丹江口水库面积季节变化遥感监测

基于2014年2月19日、2014年6月7日和2014年10月8日的三景资源三号卫星影像分别作为春季、夏季和秋季的代表,以河南省内的丹江口水库为研究区域,采用面向对象的遥感影像监督分类方法进行影像的分割和分类,提取出遥感影像中的水体,并结合南水北调中线工程对水域面积和周围地物的影响对这3个时期的影像进行比较和分析,得出这3个时期水域面积的变化数据。     

基于Landsat影像的鄱阳湖地物覆盖遥感监测与预测

湿地监测是湿地保护中的基础性工作,也是重要性工作.以江西省鄱阳湖湿地为研究区,基于Landsat数据,通过支持向量机法对鄱阳湖2015—2020年1月枯水期初期水域范围遥感数据进行分类,对地物覆盖类型进行分类并统计各年份不同地物覆盖面积.利用CA-Markov模型计算研究期内土地利用的转移矩阵,由此预测2021年土地利用状态和趋势.通过分析监测结果得到研究区枯水期初期环境变化情况.研究结果可一定程度上对鄱阳湖生态管理与生态环境改善提供帮助.     

基于面向对象的珲春地区高分辨率遥感影像分类研究

以吉林省珲春市春化镇为研究区,以Pleiades、高分一号、资源三号影像为实验数据,利用面向对象信息提取方法实现了对3种遥感影像进行信息提取。利用3D Filter边缘检测算子对多尺度分割进行优化,通过对影像进行多次实验得出地物要素的最优分割参数,并且建立不同地物要素的分割层级。分析实验数据的特点构建了合理的分类层级,选取能区分各个地物要素的特征进行组合,利用阈值分类和模糊分类实现地物要素的信息提取。利用混淆矩阵对数据进行客观分析,得到3种影像的总体分类精度和kappa系数。分析结果表明:Pleiades影像分类精度较高,更适合本实验区的遥感影像信息提取。     

监督分类和目视修改相结合在高分辨率遥感影像中的应用

用计算机对遥感影像进行地物类型识别是遥感数字图像处理的一个重要内容，传统的地物分类一般采用MSS、TM和Spot等遥感影像作为数据源。与MSS、TM和Spot等传统遥感影像相比，QuickBird等高分辨率影像数据量大，混合像元减少、地物信息增大，能够被应用于土地分类。在监督分类中，对于达不到精度要求的模板，通常采用重新选择训练区的方法来进行修正，而本文采用目视修改的方法来对监督分类进行补充。本文方法可以改正初次分类中的误分、混分地物，使其归到正确的地物分类中，显著提高了土地分类的精度。为了验证算法的有效性，利用ERDASIMAGING遥感图像处理软件进行实验和精度评价。实验结果表明，监督分类和目视修改相结合的地物分类方法可以显著提高图像的分类精度。     

结合光谱相似和相位一致的高分辨率影像分类

针对面向对象分类结果存在“平滑地物细节”的问题,该文提出顾及光谱相似性和相位一致的高分辨率影像分类方法。该方法首先采用顾及光谱相似性的相位一致的模型方法来获得边缘相应幅度,再采用自动标记分水岭算法对影像进行初分割;顾及相邻分割对象的空间位置、形状、面积等特征的多重约束,提出相邻分割对象合并代价函数模型,对分割结果进行优化,最后结合支持向量机(SVM)对分割对象进行分类。结果表明,本文方法在提高高分辨率影像分类精度的同时,还能保持地物细节。     

基于最优尺度和规则的高分辨率影像分类研究

高分辨率影像的广泛应用推进面向对象影像分析(OBIA)的发展,而分割作为面向对象分类的关键步骤,其尺度的选择直接关系到地物信息的提取。空间尺度是地物的固有属性,在合适的分割尺度下可以更好地挖掘地物信息。本文结合最大面积法和分割质量评价模型对张山营镇影像进行分割实验,先通过分析对象最大面积初步得到最优尺度范围,后结合分割质量评价模型以确定最优分割尺度层次。在此基础上,综合样本提取的光谱、纹理等特征进行规则训练,最终完成面向对象的土地覆被分类研究。结果显示:基于多层次最优尺度的规则分类方法获得更好的分类结果,其总体精度为88.8%,Kappa系数为0.861,而基于单一尺度的最邻近法总体精度81.4%,Kappa系数0.773,基于单一尺度的规则分类法总体精度为83.2%,Kappa系数为0.85。     

基于面向对象的路域植被环境遥感动态分析

根据不同地物类型在遥感影像上的光谱、纹理、几何和位置响应特征的差异性,可以对地物进行分类。本文采用面向对象的方法,基于影像上地物类型的纹理和光谱等特征,利用ENVI EX面向对象特征提取模块对试验路域SPOT5影像进行地物分类,从而定量动态分析地物类型变化情况;并通过提取NDVI对植被覆盖度进行了分级统计分析。结果表明,定量分析成果与野外调研实验结果相吻合,可以用来评价实地植被覆盖度及地物分类变化情况,进而评价公路路域植被环境,为公路的可持续发展提供基础支持。     

2000年—2020年中国大型湖泊月平均透明度遥感监测数据集

湖泊水体透明度是湖泊水环境状况的综合表征,与多种水质参数关系密切,对湖泊水环境监测具有重要意义.本文的目的 是介绍一种中国大型湖泊(＞20 km2)月平均透明度遥感监测数据集的生成流程、主要特征和应用价值.数据集生产方法是将Liu等(2020)构建的透明度遥感算法应用于GEE (Google Earth Engine)...     

Studying Changes in Land Use Within the Poyang Lake Region

Poyang Lake is the largest freshwater lake in China. Because the lake is faced with a series of ecological and environmental problems, it is important and necessary to study the land use changes in the Poyang Lake region. In this study, Landsat images from 1976, 1989, 1999 and 2009, were used along with other evaluation methods (quantitative analysis of changes in land use, land use dynamic, degree and transfer matrix analyses) to investigate the changes in land use within the Poyang Lake region from 1976 to 2009. Land use was classified into seven types: cropland, woodland, grassland, the water body, construction land, bottomland and unused land. Areas of cropland, bottomland and the water body were decreasing although the area of the water body decreased relatively slowly. However, areas of construction land, grassland, woodland and unused land increased to a certain extent, with unused land increasing the most rapidly given its smaller proportion compared to the other types. All land types in the study region had different levels of conversion between other types of land. As a whole, the decrease in cropland and the increase in construction land, woodland and grassland were caused by human activities and the conservation policies such as Grain-for-Green and “returning farm to lake”. However, the decrease in the water body area was mainly influenced by natural factors and human activities. Changes in the area of bottomland were mainly influenced by water levels and human farming activities.     

Study of morphology and suspended sediment of Bhopal Upper Lake using spatial simulation technique and remote sensing data

The scope of this research was to study lake morphology using spatial simulation technique, to develop revised elevation-capacity curve, to develop elevation-water spread area curve, to study the relation between suspended sediment and remote sensing satellite data, and to estimate suspended sediment load in the lake using a Geographic Information System coupled with ground truth. The study area was the Bhopal Upper Lake, which has been classified as one of the major wetlands in India by the Ministry of Water Resources, India. A precise digital elevation model was created using 0.5 meter interval contour information collected from bathometric surveys. Water-spread areas at different water levels were simulated spatially in a Geographic Information System (GIS) through the neighbourhood connectivity operator. Revised elevation-capacity curve and elevation-area curve of the lake were prepared using the simulated results. Simulated water spread area at full tank level (FTL) was compared with the actual water spread area delineated using remote sensing data. Water samples at different locations of the lake were collected and located using the Global Positioning System (GPS) instrument. These samples were analysed in the laboratory for suspended sediment concentration. Different image processing techniques were applied to LANDSAT 5 TM satellite digital data (except thermal band). Correlation between radiance values of band 2 and suspended sediments was established and a positive linear equation was found to fit the data best. Spatial distribution of suspended sediment load was estimated using the developed regression equation and band 2 radiance image of the complete lake. Total suspended sediment load and loss of capacity at full tank level were computed.     

基于GEE的鄱阳湖湿地植被长期变化特征及其对水文情势的响应北大核心CSCD

针对鄱阳湖湿地植被长期变化的科学问题,本文基于谷歌地球引擎(GEE)遥感大数据平台和CART分类回归树算法提取鄱阳湖2000—2017年涨水期、丰水期、退水期和枯水期的年时序植被分布范围,阐明其时空变化特征;在此基础上,结合水位数据分析湿地植被与水文情势变化之间的响应关系。结果表明,(1)2000—2017年,枯水期、涨水期、丰水期和退水期鄱阳湖湿地植被平均面积分别为846.35、679.03、172.35、508.63 km^(2)。(2)2000—2017年,不同水位期鄱阳湖湿地植被总面积均呈增加趋势,并有向湖心演变的趋势。(3)鄱阳湖植被面积受水位影响显著,水位与植被面积呈负相关,降水异常(如极端降水或严重干旱)是导致植被面积明显偏离平均面积的主导因素。本文结论有助于鄱阳湖湿地生态系统的健康诊断,对鄱阳湖湿地保护和修复政策的制定具有科学参考意义。     

利用纹理分析方法提取TM图像信息

以北京市丰台区为试验区 ,采用纹理分析方法对高分辨率图像的纹理信息进行分析 ,选取统计指标熵 ,通过确定熵的最佳阈值 ,进行边界匹配和图像的分割 ,将光谱混淆地物菜地和耕地分割开来 ,然后将此分割结果与TM图像分类结果进行叠合 ,得到最终的分类结果。并将该结果与最大似然分类结果以及单纯依靠纹理特征得到的分类结果进行了对比。试验结果表明 :将纹理分析方法应用于图像分类中可区分光谱混淆的地类 ,光谱与纹理特征结合得到的分类精度要远高于单纯光谱和单纯纹理的分类精度。     

SPOT5影像纹理特征提取与土地利用信息识别方法

本文以太湖流域西苕溪上游安吉地区SPOT5影像600像元×600像元为试验区,首先采用主成分分析对SPOT5影像进行数据压缩和几何信息增强,再采用小波分析方法对影像进行滤波和噪音处理,利用灰度共生矩阵对高分辨率图像的纹理信息进行分析,以对比度和熵为统计指标,确定对比度和熵的最佳阈值,进行边界匹配和图像的分割,将此分割结果与NDVI阈值法分类结果进行叠合,得到最终的分类结果。试验结果表明:将纹理分析方法应用于图像分类中可区分光谱混淆的地物,光谱与纹理特征结合得到的分类精度高于单纯依靠光谱特征进行分类和单纯依靠纹理分类的分类精度。     

面向对象的eCognition遥感影像分类识别技术应用

以位于印度尼西亚Kalimantan热带雨林地区的1幅具有3个通道的雷达图像为研究对象,利用面向对象方法对高分辨率遥感影像的水体进行提取,在分割的基础上,经过分层分类,充分利用影像的光谱信息、拓扑信息、形状特征等构建知识库进行分类,实验结果理想,相对传统基于像素的图像分类分析方法结果图斑完整,提高了分类精度。     

基于空间遥感影像的居民地自动解译

针对当前地物要素信息采集劳动强度大、智能化程度不高、效率低等技术瓶颈,本文以深度学习理论为基础,在Caffe框架上依托Digits网络服务器构建居民地数据集进行分类识别训练,建立样本数据集并完成模型训练工作.整合居民地复杂数据信息,设计了针对遥感影像自动解译居民地的操作流程.通过对实验结果分析,利用深度学习获取的数据模...     

SVM多窗口纹理土地利用信息提取技术

针对单一窗口纹理分类时地物破碎,分类精度不高等问题,提出了一种基于支持向量机多窗口纹理的遥感图像分类方法。该方法在对SPOT5遥感影像进行纹理特征提取的基础上,构建了结合多窗口纹理的SVM模型。以陕西省佛坪县长角坝乡为试验区,利用此模型对该区域的土地利用类型进行分类研究,并将分类结果与单一窗口纹理SVM分类和单元数据(光谱)SVM分类结果进行了比较分析。结果表明:多窗口纹理参与的土地利用分类总精度达到85.33%,比单一窗口纹理分类提高了13.11%,而与单元数据SVM分类相比提高了近24.10%,取得了较好的分类效果,有效地解决了单一窗口纹理分类时地物破碎、分类精度不高等问题。