面向GF-1影像的比值建筑用地指数构建

针对GF-1影像缺少短波红外波段的问题,根据建筑用地信息在缨帽变换(Kauth-Thomas transformation,KT)前2个分量具有高对比度的特征,提出了一种比值建筑用地指数(ratio build-up index,RBI)。在不同的时空条件下,利用该指数分别提取了湖北省钟祥市和襄阳市樊城区的建筑用地信息,并将其结果与常规分类器和建筑用地指数等方法提取的结果进行了比较。结果表明,RBI方法提取的建筑用地信息总精度和Kappa系数均较高,且对裸地信息具有较好的抑制能力。     

高分六号宽幅多光谱数据人工林类型分类

高分六号(GF-6)卫星于2018年成功发射,2019-03正式投入使用。由于GF-6宽幅相机的WFV(Wide Field of View)影像较GF-1的同类影像新增2个红边波段,将会提高对农业、林业、草原等资源监测能力。为了分析GF-6的WFV影像在人工林分类方面的能力,促进高分数据在林业领域的应用,本文选取广西高峰林场为研究区,以最新的GF-6 WFV影像为数据源,结合地面实测类型数据,进行广西南宁高峰林场的桉树,杉木等人工林类型提取。主要运用随机森林(random forests)的分层分类法:首先计算6种植被指数,并利用随机森林法进行植被指数的特征优选,然后确定4种波段组合数据集的分类方案,4种数据集分别为(1)无红边的前4个波段,(2)有红边的8个波段,(3) 8个波段加上未优化的植被指数特征组合,(4) 8个波段加上优化的植被指数特征组合。再进行WFV影像4种数据集的随机森林分类,随机森林采用分类回归树(CART)算法来生成分类树,结合了bagging和随机选择特征变量的优点,是一种有效的分类方法。最后比较4个方案的分类结果并进行精度验证。结果表明:方案2比方案1精度提高了4.99%,Kappa系数提高了0.058。说明包含红边的8波段数据比4个波段数据精度有大幅提升。方案4的8波段加上优化植被指数特征组合的分类精度最高,达到了85.38%,比方案2包含红边波段组和方案1无红边波段组的精度分别提高了3.98%,8.97%,Kappa系数分别提高了0.046,0.104。说明WFV影像加入红边波段比无红边波段精度明显增高。由结果可知,红边指数的引入,增强了植被信息,能够较准确地反映人工林类型特征差异,明显提升了人工林的分类精度。本研究方法可以有效改善广西人工林类型信息提取效果,为GF-6影像质量的评价及其在林业应用潜力提供科学参考依据。     

GF-1 WFV影像的翅碱蓬植被指数构建

目前大部分植被指数主要针对绿色植被构建，缺乏针对其他颜色特别是红色植被的指数。此外，面向湿地或潮间带植被识别提取的植被指数也相对较少。为拓展针对红色植被指数构建的研究，结合翅碱蓬植被的红色特征，基于高分一号（GF-1）卫星宽覆盖影像（wide field of view，WFV），通过对比翅碱蓬及其周边地物在GF-1 WFV影像中的光谱反射率特征，构建了翅碱蓬植被指数（suaeda salsa vegetation index，SSVI）。为评估SSVI提取翅碱蓬的精度，以辽宁双台子河口湿地自然保护区为研究区，采用各种植被指数分别提取了不同年份的5景GF-1 WFV影像翅碱蓬信息，并对提取结果精度及错分像元数进行统计分析。结果表明，SSVI平均提取精度为88.6%，平均错分像元占研究区比例为5.1%，在5个指数中提取翅碱蓬精度最高、效果最好。此外，5期影像间较大的时间跨度也证明了SSVI的鲁棒性较强，具有较好的适用性，受时间影响较小。综上，构建的SSVI可有效用于翅碱蓬的识别与提取，并监测其时空变化。     

城市建设用地遥感信息提取方法研究

本文利用CBERS-02B影像,通过分析各个地类的光谱特征,发现了长沙市城市建设用地和其他背景地物的区别,并在此基础上选取了土壤调节植被指数(SAVI)、归一化水体指数(NDWI)和比值居民地指数(RRI)作为三个指数波段,重新进行波段组合,从而减少了波段数据的冗余,最后采用最大似然法分类,提取出城市建设用地信息,其正确率达到85.6%。     

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。     

面向对象与卷积神经网络模型的GF-6 WFV影像作物分类

GF-6 WFV影像是中国首颗带有红边波段的中高分辨率8波段多光谱卫星的遥感影像,对于其影像及红边波段对作物分类影响的研究利用亟待展开。本文结合面向对象和深度学习提出一种适用于GF-6 WFV红边波段的卷积神经网络(RE-CNN)遥感影像作物分类方法。首先采用多尺度分割和ESP工具选择最佳分割参数完成影像分割,通过面向对象的CART决策树消除椒盐现象的同时提取植被区域,并转化为卷积神经网络的输入数据,最后基于Python和Numpy库构建的卷积神经网络模型(RE-CNN)用于影像作物分类及精度验证。有无红边波段的两组分类实验结果表明:在红边波段组,卷积神经网络(RE-CNN)作物分类识别取得了较好的效果,总体精度高达94.38%,相比无红边波段组分类精度提高了2.83%,验证了GF-6 WFV红边波段对作物分类的有效性。为GF-6 WFV红边波段影像用于作物的分类研究提供技术参考和借鉴价值。     

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.     

GF-2影像中不同水体指数模型提取精度及稳定性分析

针对GF-2卫星影像数据的特点，选取了临夏回族自治州境内两个不同研究区域，分别采用单波段阈值法、归一化差分植被指数法（NDVI）及其他3种水体提取指数法（NDWI、SWI、MSWI）对两个研究区进行水体提取试验。通过分析比较各水体指数模型中阈值对水体提取精度和稳定性的影响，发现研究区1（城区）中单波段阈值法提取效果最高达到71.29，且稳定性较好。研究区2（山区）中MSWI方法提取精度最高为95.76，稳定性较单波段法次之。本文试验为GF-2影像在不同区域进行水体提取时选择不同模型及阈值时提供可靠的参考依据。     

利用GF-1 WFV影像和FY-3D MERSI火点产品提取过火区的方法

利用遥感技术获取过火区信息对生态环境监测具有重要意义,其中高分辨率数据更适合提取小范围过火区。目前已有多种利用国外火点产品结合遥感影像提取过火区的研究。为了增强国产遥感数据火情监测能力,提高小范围过火区的提取效率和精度,基于过火前后2幅GF-1 WFV影像和多时相FY-3D MERSI火点产品开展过火区提取研究。2处研究区分别位于四川省凉山彝族自治州木里藏族自治县和西昌市。首先根据火点与过火区形成的关系,结合火点的时间、空间和光谱特征,筛选并扩充火点像元,确定过火区粗略范围;然后确定每种地表类型的分割阈值,分类过火像元和非过火像元;最后剔除周边小斑块,得到过火区提取结果。以人机交互方式获得的过火区参考真值作验证,并与神经网络分类法提取过火区的结果作对比。结果表明本文方法的过火区提取结果精度要明显高于神经网络分类法,Kappa系数达到0.82。该方法可以充分结合GF-1 WFV影像和FY-3D MERSI火点产品数据的优势,降低样本像元选择时间成本和不确定性,快速准确地提取小范围过火区。未来可考虑通过选择更高精度的火点产品,结合实地考察验证对该方法改进完善。     

基于HSV与PCA集成的高分影像高大地物阴影检测方法

针对水体、偏蓝色地物会影响高分影像阴影检测精度,本文提出了一种适用于GF-1影像的城市高大地物阴影检测方法。首先,在统计分析GF-1影像中阴影、水体及深色地物等典型地物光谱特征的基础上,利用主成分变换方法分割阴影与非阴影区域,分离后的阴影区域含有水体、深色地物信息;其次,对HSV色彩空间的V分量利用阈值法分割阴影和非阴影区域,分离后结果含有暗色植被,但不含有水体跟深色地物信息。最后,对两次计算结果进行逻辑与运算,从而剔除混合阴影区域中水体、深色地物以及暗色植被等信息,获得高精度阴影区信息。实验表明,该方法具有较好的普适性和可操作性,既能够削弱水体、偏蓝色地的影响,又能够高效、准确地提取出GF-1影像中的阴影信息。     

基于深度学习的高分辨率遥感影像光伏用地提取

近年来我国光伏产业发展迅猛,随之也产生了诸多用地问题,通过遥感技术提取光伏用地,监测光伏用地分布与用地状况,对于光伏产业健康发展具有重要意义。本文提出一套基于深度学习方法的高分辨率遥感影像光伏用地自动提取方法,该方法利用GF-1等卫星影像和Google Earth影像构建光伏用地样本,基于ResNeSt-50作为骨干网络的DeepLab V3+模型实现深度学习语义分割算法,并结合计算机图形学方法对深度学习结果进行后处理,实现了面向高分辨率遥感影像较通用的且高精度的光伏用地自动提取。该方法的深度学习模型验证精度mIoU值达0.899 2,提取结果具有良好的边缘精度且具有广泛的适用性,支持GF-1、ZY-3、GF-6、GF-2和Google Earth等影像。     

改进型混合水体指数的城市水体信息提取——以宿州市为例

针对混合水体指数不易区分水体与建筑用地问题,该文对混合水体指数进行了改进。在混合水体指数中加入两个短波红外波段与其平均值的比值,构建了改进型混合水体指数。以2013年4月28日Landsat 8卫星影像为数据源,以宿州市主城区、朱仙庄与芦岭矿区为研究区,并且利用改进型混合水体指数对研究区水体信息进行提取和分析。结果表明:改进型混合水体指数能够快速、准确、有效地提取城市和矿区水体信息,其水体识别能力和识别效果比混合水体指数强;改进型混合水体指数一定程度上提高了湖泊、河流等水体信息与建设用地、植被等地物的区分度。     

复杂环境下高分二号遥感影像的城市地表水体提取

水体指数可以抑制背景噪声和提高地表水体的可分性,已经广泛用于地表水体提取。传统FCM聚类算法考虑了地物的不确定性,但没有顾及地物的邻域空间信息,对背景异质性比较敏感。针对传统FCM聚类算法的不足,提出一种可变邻域的区域FCM聚类算法。由于复杂环境下高分二号(GF-2)遥感影像的城市地表水体具有复杂异质背景和不确定性的特点,本文利用水体指数和区域FCM聚类算法的优点,提出一种整合水体指数和区域FCM的城市地表水体自动提取算法,该算法主要步骤包括:(1)去除影像阴影后计算归一化差分水体指数NDWI(Normalized Difference Water Index);(2)区域FCM聚类算法;(3)整合水体指数和区域FCM聚类的城市地表水体自动提取算法。最后采用两景GF-2高分辨率遥感影像(广州和武汉)进行实验,验证了该算法的有效性,并与经典地表水体提取算法进行对比分析。实验结果表明:该算法具有较高的水体提取精度,城市地表水体边界既具有较好的区域完整性又保持了局部细节,同时对城市地表水体复杂背景噪声具有较好的抑制作用,有效减少传统FCM聚类算法的"胡椒盐"现象。     

基于GF-1遥感数据的城市水体信息提取方法研究

水体信息的高精度提取是水资源监测、调查与管理等研究领域的关键问题。本文选取国产GF-1卫星影像作为数据源,根据影像中典型地物光谱特征采用归一化水体指数法(NDWI)、多波段谱间关系法对研究区进行了水体提取,并通过结果分析提出了基于主成分分析与多尺度分割技术的综合水体信息提取方法。对以上4种方法进行对比分析,验证结果表明:归一化水体指数法易受阴影信息影响;改进的多波段谱间关系法能较为完整地提取水体信息,但受小范围阴影信息影响;主成分分析综合法总体精度较高;多尺度分割提取法能有效地分离水体信息与非水体信息,水体信息提取的效果最佳。     

不同大气校正模型对GF-6 WFV影像清晰度的影响评价研究

为探讨不同大气校正模型对高分六号(GF-6)WFV影像清晰度的提升,利用主客观相结合的方法对大气校正后的影像清晰度进行评价。结果表明:1)不同大气校正模型对影像清晰度提升的效果不同。从基于地理视觉要素的主观评价来看,大气校正后的GF-6 WFV影像纹理特征更为明显,清晰度得以提升。2)基于影像特征的定量评价结果表明,不同的大气校正模型对GF-6 WFV影像清晰度提升程度不同,快速大气校正对影像提升效果最为明显。3)从基于色彩保真度的定量评价结果可知,不同大气校正结果对不同地物反射率影响较为明显,FLAASH大气校正结果更适合于植被遥感应用研究,快速大气校正模型的适用范围更广。     

融合物候和纹理特征的南方柑橘林地提取方法

为有效了解柑橘种植结构及科学估产,制定合理政策,故快速大面积准确获取柑橘果园面积至关重要.该文针对南方丘陵、山区柑橘的种植特点,利用多时相高空间分辨率GF-1 WFV遥感数据,结合柑橘生长过程中的物候特征,分析比较柑橘与其他地物类在光谱特征、植被指数及纹理特征的变化差异,构建了融合柑橘物候和林地纹理特征的模糊分类与最邻近分类相结合的提取方法,并以江西省寻乌县为例,利用该方法提取了江西寻乌县的柑橘种植面积.结果 表明,GF-1WFV数据是复杂地形下提取柑橘作物的潜力数据源,该提取思路可为大范围内不同地区了解柑橘种植情况,进行柑橘长势监测和产量估测提供技术参考.     

结合随机森林的高分一号分类最优组合研究

选取高分一号(GF-1)PMS多光谱影像,提取该数据的指数、共生矩阵纹理等特征与原始多光谱影像叠加,对叠加后影像进行随机森林分类并提取各波段重要性系数。根据重要性系数进行最优波段组合初选择,在此基础上利用最佳指数法(OIF)选取土地覆盖分类最优波段组合,利用随机森林分类器对该组合进行土地覆盖分类,与传统的OIF最优波段选取结果进行分类精度对比。结果表明,提出的方法能够有效提取最优波段组合,最优波段组合为B2-B5-CON,与传统方法相比,在随机森林分类中总精度要高出20.49%。     

河南漯河郾城区冬小麦LAI反演结果真实性检验

为对比不同真实性检验方法对高分一号(GF-1)/WFV冬小麦叶面积指数(leaf area index,LAI)反演结果的验证效果,以河南省漯河市郾城区为研究区,分别采用单点测量值验证、多点采样尺度上推验证以及引入高空间分辨率影像验证3种方法对基于GF-1/WFV影像的冬小麦LAI反演结果进行了真实性检验。研究结果表明,3种验证方法得到的均方根误差(root mean square error,RMSE)分别为0. 57,0. 80和0. 46,相关系数分别为0. 885,0. 508和0. 867。由于基于多点采样尺度上推方法对采样点数量及其位置要求较高,因此在本研究采样点较少的情况下精度较低,效果欠佳;另外2种方法精度相对较高,适用性较强,但其中引入高空间分辨率影像验证方法精度更高,更适用于GF-1/WFV影像LAI反演的真实性检验。     

GF-1卫星WFV影像几何定位稳定性研究

针对GF-1卫星WFV传感器高分辨率与大视场相结合的特点,本文将ZY-3卫星传感器校正产品作为参考,通过分析同名点对的地理信息,对北京地区WFV传感器4台相机影像相对几何定位精度进行长时间序列评价,分析其误差特征。试验结果表明,单景影像均出现了明显的系统几何定位误差,但是不同时相影像的几何定位误差方向并无明显规律。针对该现象本文基于相机成像原理,从理论上证明了仅利用某一时相影像的有理函数模型补偿参数是无法有效消除其他不同时相影像系统误差的。     

基于多特征的高分时序冬小麦提取研究

以冬小麦作为研究对象,基于2016年10月-2017年7月共12景GF-1号数据,通过计算不同特征波段构建了多特征冬小麦种植区识别方法。首先计算影像增强植被指数(EVI);再通过样本分离度选择关键期影像,对关键期影像进行主成分变换并计算其纹理特征数据;然后分离原始影像的红波段、近红外波段构建单波段时序数据,以建立包括多特征的数据集;最后基于不同特征组合数据,利用随机森林方法分别提取研究区内冬小麦分布情况。精度评价表明,影像主成分、EVI时序以及红波段、近红外波段特征组合的精度最高可达97.85%,较单独使用时序数据结果提高了约2.5%,说明红波段、近红外波段在作物提取中对精度提升具有一定的贡献。