基于高分二号卫星数据的煤矿区地质灾害信息提取研究

随着遥感数据获取技术和能力的全面提高,遥感数据呈现出明显的大数据特征。发展适应于遥感大数据的智能分析和信息挖掘技术,成为当前遥感技术研究的前沿。高分二号（GF-2）卫星数据是我国首颗自主研发的亚米级高分辨率卫星数据,具有观测幅宽、重访周期短、高辐射精度、高定位精度等优势,为未来我国地质灾害的长期、动态地监测和研究提供了高精度、稳定可靠的数据源。本文选取安徽谢桥煤矿2015年1月8日的GF-2卫星影像为研究数据,在对煤矿区主要地质灾害遥感地学分析的基础上,采用面向对象的影像分析方法对研究区由采煤活动所诱发的地质灾害信息进行自动提取。结果表明：利用GF-2卫星数据能够有效地识别地质灾害体的位置、范围、形态等空间分布特征;面向对象的自动提取方法对于煤矿区大面积的积水塌陷盆地、小规模的塌陷坑和线性的地裂缝都有很高的提取精度,识别精度达90% 以上;基于逐层剔除的思路构建的提取规则,为GF-2数据在地质灾害调查和大数据分析中的应用提供了很好的技术支持,也为其它地物目标的提取提供了参考,但在特征的选择和阈值的设定上需要具体分析。     

基于高分二号遥感影像的露天灰岩矿区裸岩提取方法

为了高效、准确地从高分辨率遥感影像中提取裸岩,利用国产高分二号（GF-2）影像数据,通过构建斜率差异裸岩指数模型（slope difference bare rock index,简称SDBRI）和裸岩阴影指数模型（bare rock shadow index,简称BRSI）,提出了亚米级高分影像的露天矿区裸岩提取技术方案.以青州市南部山区为试验区对此方法进行检验,结果表明：在SDBRI指数图像中,裸岩能够与周边植被较好区分,裸岩与其他地物的可分性显著高于NDVI、CRI1、CRI2等指数模型;以基于谷歌地球高清影像的目视解译结果作为验证数据进行精度评估,交并比（IoU）指标达到91%左右.此方法能够满足基于国产高分影像数据进行大范围矿区裸岩制图的需求,可以为矿山环境的遥感监测提供技术支持,具有较强的实践价值.     

一种基于多特征波段岩土层次分类方法

岩土分类与一般地表的地物分类相比难度大得多,针对已有的分类方法（监督分类和非监督分类）对于岩土分类精度不高、分类效果欠佳问题提出一种基于多特征波段岩土层次分类方法。它是一种自顶向下、逐步求精的层次分类方法,该方法结合无监督分类和监督分类两种分类方法的优势,利用多个特征波段组合,有层次地将不同类型的岩土体逐步分开,实现对岩土的精确分类。对北京市怀柔山区附近的ASTER影像数据进行的岩土分类实验结果表明,基于多特征波段岩土层次分类识别方法能显著提高岩土分类精度,总体精度提高10%,Kappa系数提高了0.1,并且能识别以往分类识别方法难以区分的岩石阴影和水体等地物,能够有效地克服“同物异谱”现象。     

卷积神经网络和视觉注意力语义分割模型在高分辨率遥感影像分类中的性能分析

随着深度学习语义分割的快速发展,基于计算机视觉语义分割模型的高分辨率遥感影像分类方法也大量涌现。为系统定量地研究经典的和先进的视觉语义分割模型在遥感影像分类中的性能,在总结深度学习语义分割进展的基础上,选择9种基于卷积神经网络(CNN)和视觉注意力的语义分割算法,对米级和厘米级2个尺度的遥感数据集进行分析研究。在模型构建上基于计算机视觉通用的语义分割框架,训练时采用红绿蓝3波段遥感图像并基于ImageNet预训练权重进行迁移学习训练。研究结果表明：通用的语义分割模型通过常规训练设置进行训练能取得较好的遥感影像分类效果,部分地物的交并比(IoU)可以达到90%以上;基于视觉注意力的遥感影像分类模型的精度普遍高于基于CNN的模型,且MaskFormer能更有效地提取离散的地物信息;不同类别的精度最高值并不全在总体最优模型中,部分会存在于次优模型中;类似的地物在更高分辨率遥感数据集中可以获得更高的精度。     

矿区高分遥感影像智能提取应用研究

文章通过深入研究广西某矿区航空遥感影像,以遥感影像基元模型为基础,辅以土地利用规划、现状信息建立影像基元与地理实体对象之间的关系,构建地理实体逻辑推理组合规则,进行遥感信息地理实体分类提取,进而对分类结果进行精度对比评价,实现高分遥感影像空间信息提取的自动化、智能化处理。     

基于国产GF-2卫星影像的遥感地质解译:以阿吾拉勒地区为例

"高分二号"(GF-2)卫星的成功发射标志着我国民用卫星进入亚米级的"高分时代",多光谱数据与全色数据的融合不仅保留了多光谱的色彩优势,也提高了多光谱影像的空间分辨率,GF-2卫星提供的海量遥感影像在促进我国地理信息产业快速发展的同时,也在地质领域发挥着越来越重要的作用。在简述GF-2 1A级数据处理的基础上,详细判读了断裂、褶皱、环形构造等构造特征和地层岩性信息,以及岩脉等细微构造。结果表明GF-2数据可以有效应用于地质调查,对于地质构造识别及地质体空间属性确定有较强的实用价值和广泛的应用前景。     

面向对象的喀斯特地区石漠化遥感信息提取研究——以贵州省大方地区为例

针对现有基于像素的监督和非监督分类方法在地质环境复杂、地形起伏较大、阴影明显的喀斯特石漠化地区难以满足石漠化信息提取精度要求的问题,采用基于纹理特征数据和地形数据辅助面向对象方法进行喀斯特地区石漠化信息的提取。该方法首先依据石漠化分布在TM/ETM+影像面积大小不均匀的特征,利用纹理和地形因子计算最优分割参数进行多尺度分割;然后根据植被覆盖率、岩石裸露率以及坡度因子构建石漠化分级指标;最后参照石漠化分级标准、光谱信息以及纹理特征等建立的分类规则提取喀斯特地区石漠化信息。选取贵州省石漠化严重的大方县时序TM/ETM+影像进行石漠化信息提取试验,结果表明:与基于像素的监督分类和非监督分类方法相比,基于面向对象的分类可以有效地减少因复杂地形导致石漠化信息提取结果"椒盐化"现象,提取精度明显优于基于像素的监督分类和非监督分类方法。      

基于GF-1卫星遥感的冰川边界识别

高分一号（GF-1）卫星的成功发射开启了国产高分辨率对地观测的新时代, 为探讨国产高分卫星在冰川边界识别中的有效性, 在缺少短波红外和热红外波段的情况下, 将GF-1影像、 建立的波段比值Band1/Band4, 数字高程模型和坡度相结合, 采用面向对象的分析方法, 经过反复试验, 确定影像分割和合并尺度, 进而确定冰川边界的知识规则, 最终实现冰川边界的识别。以研究区第二次冰川编目数据集作为参考数据, 采用混淆矩阵的方法对识别结果进行验证, 总体精度和Kappa系数为90.05%和0.79。同时将识别结果与人工修订冰川边界进行对比, 可以发现除少量冰舌末端冰川外, 该方法可以有效地对冰川进行识别。建立的知识规则显示仅仅利用蓝色波段和DEM就可以有效地提取裸冰区, 波段比值、 坡度和纹理特征更有助于冰舌的提取。该研究表明GF-1卫星数据可以有效识别冰川范围, 为冰川研究提供可靠的数据和研究基础。     

基于高分一号影像的半干旱地区土地利用信息提取方法对比分析:以建平为例

为验证遥感技术在国产高分卫星土地利用信息提取方面的应用效果,本文分别运用阈值法、波谱间关系法、NDVI对示范区的单个地类信息进行提取试验,运用非监督分类法、面向对象法进行全要素信息的提取,并对提取结果进行精度验证。试验表明,在单个地类信息的提取方面,3种方法有各自的提取优势以及对应的地类信息;在全要素信息提取方面,非监督分类法和面向对象法在各个地类信息的提取精度上有差异。     

高分一号卫星在京津矿山遥感监测中的应用

高分一号卫星于2013年成功发射,可获取 2 m全色影像与8 m多光谱影像,在矿山遥感监测中有很大的应用空间。研究并总结了高分一号卫星在矿山遥感监测应用时的数据处理流程和方法,根据高分一号影像特征建立了矿山遥感解译标志并对部分图斑进行了野外验证,最后进行了京津矿山遥感调查与监测工作。通过应用研究得出结论,高分一号卫星拥有较高的分辨率和较好的数据质量,地物轮廓纹理清晰、数据处理方便、解译精度较高,运用高分一号卫星进行矿山遥感监测可以取得良好的效果,可以为国土资源部门制定矿产资源规划、整顿矿产资源开发秩序、治理矿山地质环境等提供技术支撑和决策依据。     

山丘区小流域地形空间分析及数字信息提取

山丘区小流域地形特征及数字水系的自动提取为山洪防治提供了必要的数据准备.本文采用地形特征自动提取软件包DigitalHydro,对山区小流域地形及水系基本信息进行了提取试验.研究中,地形数据引用栅格型DEM数据SRTM,水平分辨率接近90m,研究对象为浙江省姜湾水文实验流域.该流域拥有3个流量站,提取的集水面积分别为20.64km2,10.21km2,1.31km2,误差分别为-1.2%,0.1%和-3.0%.分析显示,流域地形总体起伏较大,平均坡度为33%,现有DEM分辨率能满足流域水系等基础信息的提取.但在河谷地带存在洼地,造成提取的水系与实际情况存在一定差异,提取水系时,局部需要引入空间分辨率更为细致的地形信息.     

基于多源、 多时相遥感影像的高原湖泊提取及其不确定性——以西藏羊卓雍错流域为例

基于野外实地考察, 以西藏中南部羊卓雍错流域为例, 探讨了基于多源、 多时相遥感影像的高原湖泊提取. 目前计算机辅助分类方法在高原湖泊提取上存在很大的局限性, 目视解译方法虽然繁琐, 但能结合丰富的经验信息, 故而成为当今高原湖泊提取的较为现实与可行的方法. 为此, 针对各季湖面特征的不同相态, 结合图像增强技术、 DEM等辅助信息和野外实地验证, 建立了高原湖泊不同时相的遥感解译标志. 根据1972-2009年Landsat、 CBERS和HJ-1A/1B等3种不同数据源的37幅遥感影像提取了流域内主要湖泊, 并分析了湖泊面积的年内与年际变化. 在此基础上, 讨论了高原湖泊提取过程的不确定性, 包括遥感影像甄选、 几何校正误差、 数字化容差和目视解译经验等给结果带来的不确定性. 结果表明: 引入高分辨率、 多源遥感影像以及不受天气状况影响的微波影像有助于高原湖泊变化监测能力与解译精度的提高; 而综合考虑地形信息、 湖泊不同时相特征, 适用于多种数据源的计算机自动解译算法研发, 将提高长时间序列高原湖泊提取的效率.     

基于灰度共生矩阵的图像纹理特征地物分类应用

针对传统遥感影像分类方法的分类精度不高,在分析图像的光谱信息的基础上,对基于灰度共生矩阵的纹理特征在地物分类中的应用进行了研究.本研究利用原始图像进行主成分分析后的前两个主成分,经过编程运算,提取了基于灰度共生矩阵方法的不同测度的纹理特征,将提取的纹理特征作为新的波段,与原始波段进行组合,再对组合图像进行监督分类,探索...     

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。     

喀斯特山区居民地多尺度遥感信息提取精度对比

以贵州省典型喀斯特山区晴隆县为研究区,以分辨率分别为2.1 m的资源三号（ZY3）影像、10 m的哨兵二号（Sentinel-2）影像、16 m的高分一号（GF1）影像以及30 m的Landsat8影像为数据源,利用面向对象分类和人机交互相结合的方法提取研究区城市居民地、乡镇居民地和农村居民地,并将4种不同分辨率影像上提取的3种居民地信息与从0.5 m分辨率的普莱亚(Pleiades)影像通过目视解译且经实地核查得到的数据进行对比,计算出4种分辨率影像上3种居民地信息的提取精度,对提取结果进行精度对比分析。结果表明:（1）同一分辨率影像中,城镇居民地提取误差小于农村居民地;不同分辨率影像中,随影像分辨率大小的降低3种居民地中城市居民地的精度变化最小,为23.99%,农村居民地的数据精度变化最大,达到35.3%。（2）从2.1 m到30 m分辨率影像,居民地信息错分总误差快速增加,总误差比依次为:2.56%、15.58%、24.50%、32.72%,城市居民地错分误差比明显小于农村居民地,且3种居民地错分为其他地类面积最多的均是裸地;（3）随着影像分辨率大小的降低,居民地漏分总误差分别为2.86%,18.60% ,27.99%,37.49%,其中分散式的农村居民地识别更易受到周围环境的影响,漏分误差随影像分辨率大小降低而显著增加,4种分辨率影像中3种居民地信息漏分误差最小的均为水体,最大的是裸地和耕地。      

基于多源遥感数据的第四系覆盖物分类方法研究:以内蒙古旗杆甸子幅1∶5万填图试点为例

遥感图像分类技术对于荒漠草原浅覆盖区第四系覆盖物分类具有重要意义。以内蒙古旗杆甸子幅1∶5万填图试点为例,基于ASTER、GF-2等多源遥感数据,利用植被抑制法、波段比值法、主成分分析以及纹理信息提取等多种方法,充分考虑了多光谱数据的光谱信息和高分辨率数据的形状、空间结构、纹理信息等特征,结合面向对象分类法,对研究区第四系覆盖物进行了分类,并比较分析了不同分类方法的分类效果与精度。结果表明:将波段比值、主成分分析以及纹理分析多种特征作为辅助数据参与分类,其分类效果优于基于单一ASTER数据进行的分类;通过几种不同分类方法的比较分析,发现多特征面向对象分类的总体精度最高,达到85.40%,比多特征传统监督分类的总体精度提高了约11%,分类影像上地物边界清晰。该法分类技术可以为荒漠草原浅覆盖区的地质填图提供相关技术支持。     

分区分类法针对山区遥感图象的一种有效的分类方法

高原山区山高坡陡,地形复杂,地块零碎,形成大量的阴影区及混合象元,被认为是遥感分类的难点地区,笔者大多年的山区遥感研究和基础上,通过对地表地貌、地物生态环境、地物分布特点的分析,提出分区分类法,对光照区与阴影区,地形耳峻区与地形平缓区,不同地物组合,地物生境区分别分类,是山区遥感图象行之有效的分类方法。     

联合SAR与光学遥感数据的山区积雪消融识别北大核心CSCD

积雪消融是气候变化和水资源管理的重要影响因素。本文联合Sentinel-1与Sentinel-2时序数据,提出了一种联合SAR与光学遥感数据的积雪消融识别方法。以祁连山区八宝河流域为研究区,利用ESTARFM时空数据融合模型得到与Sentinel-1同时相的Sentinel-2模拟数据,提取流域积雪覆盖范围;基于SAR多时相多极化变化检测算法提取湿雪;结合光学遥感与DEM数据对SAR提取的湿雪进行校正,最终获得八宝河流域消融期内18个时相干湿雪分布。利用GF-2影像和消融期的Sentinel-2影像分别对积雪和湿雪面积进行精度验证,结果表明该方法能够快速识别积雪消融时空变化,总体分类精度OA高达99%,Kappa系数高达0.86。同时,利用同一天早晚过境相差约12小时的升、降轨SAR数据对比分析了积雪消融变化特征。根据实验数据集分析表明,八宝河流域内干湿雪分布随时间剧烈变化,消融初期湿雪主要集中在河谷低海拔区域且消融速度快,随着气温的升高积雪消融至高海拔区域,而干雪主要分布在四周高海拔山区。且由于过境时间的差异,在整个消融期,降轨数据提取的湿雪面积小于升轨数据提取的湿雪面积。     

基于DEM和高分辨率遥感影像的“膨胀-融合”式地表沟壑提取

地表沟壑的精细化提取是地形地貌特征的重要内容.针对现有沟壑提取结果中存在断裂区域和伪沟壑区域的情况,提出一种基于DEM和高分辨率遥感影像的地表沟壑“膨胀-融合”式提取方法.该方法综合了D8算法、坡向变率算法和面向对象分类方法的提取结果,首先引入距离制图算法对初始沟壑进行方向性膨胀,然后通过栅格重分类和代数运算进行沟壑融合,剔除伪沟壑区域,最终实现研究区域内沟壑的精细化提取.以GDEM v2数据和高分二号影像数据为数据源,精细化提取了湖北省神农架林区举黑沟至麻湾村一带的地表沟壑.采用随机点验证法对实验区域内的沟壑提取结果进行了精度评价,结果表明该方法的总体精度为92%,能有效弥合数据中的断裂区域,同时剔除伪沟壑区域,达到提高沟壑提取精度的目的.      

开采沉陷遥感监测中多维纹理特征影像分类方法

为提高采用遥感影像监测开采沉陷演化的准确性,探讨了基于多维纹理特征的影像分类方法。首先提取影像的多维纹理特征:局部方差、局部平均梯度、局部能量和局部信息熵,然后将其与地物光谱值一并作为人工免疫算法中样本的特征向量,利用免疫算法的选择、克隆、变异算子进行自学习得到全局最优聚类中心,从而提高影像分类精度。对淮南煤田进行开采沉陷遥感监测,结果表明,该方法分类总精度为88.26%,Kappa系数为0.853,优于传统的Parallelepiped和Maximum likelihood分类方法。