混合光谱分解模型提取水体叶绿素含量的研究

遥感监测水体叶绿素含量是水质遥感研究的难点之一。本文通过研究不同叶绿素含量水体反射率的光谱特征，确定了提取叶绿素a含量的最佳特征波段，建立了太湖水体叶绿素a的混合光谱模型。研究发现，混合光谱模型提取的水体叶绿素a百分比浓度与同步采样分析的叶绿素a浓度之间有较好的线性相关性。并基于TM和HEPERION图像利用此模型生成了叶绿索a浓度分布图。研究结果表明，混合光谱分解模型可以作为遥感监测水体叶绿素a含量的定量模型。     

叶绿素a荧光遥感研究进展

继叶绿素a反演的“蓝绿比值法”后,叶绿素a荧光遥感成为海水叶绿素a浓度反演的重要方法,对提高二类水体和赤潮水体的叶绿素a浓度的反演精度效果明显。本文回顾了人们对水体叶绿素a荧光的认识、测量和研究的历史过程,介绍了荧光产生的生物学机理以及它随叶绿素a浓度的正相关和“红移现象”等主要光谱特征。本文还总结了荧光量子产量、不同藻种生理状态、水体其他物质及大气的吸收等多种因素对叶绿素a荧光遥感的影响。基于对叶绿素a荧光光谱特征和影响因素的认识,人们相继建立了两种荧光遥感方法———基线荧光高度法和归一化荧光高度法。对于前景广阔的叶绿素荧光遥感领域,人们正进行着更深入的研究与探索,积累更多的现场数据和卫星同步数据,逐步完善和改进反演模型。     

利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究

在对M cfeeters提出的归一化差异水体指数(NDWI)分析的基础上,对构成该指数的波长组合进行了修改,提出了改进的归一化差异水体指数MNDWI(M odified NDWI),并分别将该指数在含不同水体类型的遥感影像进行了实验,大部分获得了比NDWI好的效果,特别是提取城镇范围内的水体。NDWI指数影像因往往混有城镇建筑用地信息而使得提取的水体范围和面积有所扩大。实验还发现MNDWI比NDWI更能够揭示水体微细特征,如悬浮沉积物的分布、水质的变化。另外,MNDWI可以很容易地区分阴影和水体,解决了水体提取中难于消除阴影的难题。     

内陆水体叶绿素a浓度反演的区域化三波段模型研究

以太湖和石头口门水库为例,建立了一种可直接计算水体叶绿素a浓度的区域化三波段模型。该模型通过对研究水体的光学特性分析,明确三波段组合与叶绿素a浓度间的函数关系参数,不仅可较好指示研究水体叶绿素a浓度水平,而且大大减小了回归算法所带来的模型不确定性。利用高精度、长时间序列的水体光学特性观测数据,建立针对不同研究水体的区域化三波段模型可为实现内陆水体叶绿素a浓度遥感监测业务化运行提供方法借鉴。     

基于实测光谱估测密云水库水体叶绿素a浓度

水中叶绿素a浓度是衡量水体初级生产力和富营养化程度的最基本的指标。利用野外便携式地物光谱仪对密云水库水体进行反射光谱测量并同步采集水样。通过分析叶绿素a浓度与光谱反射特征的相关关系,建立了叶绿素a反演模型。结果表明,利用单波段光谱反射率、光谱比值指数或微分光谱比值能够可靠反演叶绿素a浓度;但微分光谱与叶绿素a浓度相关性更高,更适用于密云水库水体叶绿素a浓度的高光谱反演。     

MODIS数据东湖叶绿素a遥感反演研究

以武汉东湖为研究区域,利用MODIS数据和地面准同步叶绿素a浓度实测数据,建立适合东湖水体的叶绿素a浓度遥感定量估算模型,从而分析MODIS数据应用于内陆湖泊水体叶绿素a浓度反演的可行性。     

多特征多层次Sentinel-2影像辽宁省湖库水体提取

以辽宁省为研究区,本文基于GEE遥感云平台,使用Sentinel-2遥感影像,提出了一种多特征多层次的湖库水体提取算法。该算法选择自动水体指数(AWEI_sh)和改进的归一化水体指数(MNDWI)提取水体,并利用归一化植被指数(NDVI)、归一化建筑指数(NDBI)、归一化差异红边指数(NDREI)、Sentinel-2的B8和B9波段及DEM数据多层次地消除暗地物和高亮地物噪声,对提取结果中被云雾遮挡而部分缺失的水体进行修复,最后将河流及细小像素剔除。利用此算法提取了辽宁省2017—2021年每年4、7、10月的湖库水体,并对比了不同水体提取算法及不同的水体数据产品。试验结果表明,本文算法在大尺度条件下提取水体具有良好的效果,总体精度达96%以上,可以较好地去除植被、阴影等暗像元表面,并且保证了水体信息的完整性,在大尺度水体提取方面具有一定的适用性和稳定性。     

昆承湖水质状况遥感监测与空间特征分析

针对镇域水资源常规的监测方法不能满足对水质适时、大尺度的监测评价要求等问题,该文以江苏常熟辛庄镇昆承湖为例,分析叶绿素a(Chl-a)和悬浮物(SS)浓度值与水体归一化反射光谱、一阶微分反射光谱特征的关系,运用PEARSON法分析两者之间的相关性,确定Chl-a和SS的敏感波段,利用Chl-a和SS敏感波段归一化光谱反射值和实测浓度数据建立了水质参数反演模型。采用同时相ETM遥感数据对水质参数(叶绿素a和悬浮物)浓度进行遥感定量反演,并根据反演结果分析镇域水体污染空间分布特征。结果表明,对水质参数几个最大正(负)相关的光谱值进行波段组合处理可以提高反演精度,并且模型反演值和实测浓度值之间误差较低。通过对叶绿素、悬浮物等水质参数反演实现了对昆承湖水体污染状况的快速、准确和动态的信息获取和评价,有效地实时监测镇域水体在空间和时间上的变化状况和特性。     

武汉市热环境时空分布特征

针对城市热岛效应的演化规律问题,该文以2002年7月9日湖北武汉市的Landsat遥感影像和中分辨率成像光谱仪遥感影像为研究基础,采用归一化差分植被指数,归一化建筑指数,修正后归一化水体指数分别提取了武汉市的植被区域、建筑区域、水体区域,采用密度分割方法对武汉市白天和晚上的温度进行了分区,利用改进的间隙度维数对武汉市热环境白天和晚间的分布特征进行了研究。实验结果表明:对于城市特高温区,白天比晚上的面积大而且集中;对于城市特低温区,白天比晚间面积小而且分散;为研究城市白天和夜间的热岛效应变化提供了一定的参考依据。     

基于Sentinel-2的潮间红树林提取方法

位于潮间带的红树林可能在高潮时被海水淹没的特点,使得传统的植被提取方法在红树林信息提取方面存在局限性。本文在对比分析了出露的红树林、高潮水位淹没的红树林、海水水体的光谱特征后,提出了一种利用归一化潮间红树林指数（NIMI）提取潮间带红树林的方法。该指数是由植被强吸收的红波段,强反射的两个红边波段和近红外波段组成的归一化表达式。利用该指数对福建省龙海九龙江口湿地的红树林进行了分类提取,提取结果与高分二号影像目视验证和现场调查结果进行了对照。结果显示,该方法提取红树林的用户精度达到93.98%,并显著优于利用归一化水体指数（NDWI）、归一化植被指数（NDVI）及随机森林的结果。     

使用多尺度模糊融合的高分影像变化检测

为了提高高分辨率遥感影像变化检测的可靠性,提出了一种基于模糊综合评判的遥感影像变化检测方法.首先对两个时相的影像进行波段叠加,对多波段新影像进行多尺度分割;然后针对单一尺度上的对象,综合考虑两时相遥感影像对象的光谱特征和纹理特征,建立模糊综合评判模型,对各个对象内的像素是否发生变化进行隶属度计算;最后采用熵权法对影像各...     

领域知识优化深度置信网络的遥感变化检测

为提高高分辨率遥感影像变化检测精度,提出一种以领域知识为优化策略的深度学习变化检测方法。利用改进的变化矢量分析和灰度共生矩阵算法获取影像的光谱和纹理变化,设定合理阈值获得变化区域待选样本;引入领域知识中图斑形状特征指数与光谱知识,筛选得到高质量的训练样本;构建并训练了深度置信网络模型,使用优化策略对深度学习变化检测结果进行优化,以减少“椒盐”噪声和伪变化区对检测精度的影响。通过高分二号与IKONOS影像的变化检测实验表明,该方法较优化前准确率与召回率最大增幅分别为7.58%和14.69%（高分二号）、17.08%和23.87%（IKONOS）,虚警率和漏检率最大降幅为30.22%和23.30%（高分二号）、17.08%和23.87%（IKONOS）,能够有效提高变化检测精度。     

RSEI应使用主成分分析或核主成分分析?

nRSEI (nonlinear remote sensing ecological index)是新近提出的遥感生态指数,它采用核主成分分析(kernel principal component analysis, kPCA)来集成模型的各个分指标。其主要根据是认为原RSEI采用的湿度、绿度、干度、热度这4个指标在北京研究区的相关关系总体为弱相关,因此需要采用专门处理非线性关系的kPCA来集成这4个指标。为此探讨了北京地区这4个指标的相关关系类型,并对新指数验证方法的有效性进行了深入分析。结果表明,北京地区这4个指标总体呈显著的强线性相关关系,因此并不适合采用kPCA集成;新指数的精度验证方法也存在明显的缺陷,不能证明新指数的有效性。同时还就遥感建模的可行性、模型的普适性、指标尺度的一致性,以及模型精度的验证方法、标准参考影像的选取和验证所需的样本量等遥感研究论文中常见的基础问题进行了讨论。     

An Adaptive Water Extraction Method from Remote Sensing Image Based on NDWI

Water is one of the most common and important objects on the earth, and its extraction is of great significance to many related researches in remote sensing domain. However, water always appears diversely, which makes its extraction not so simple. Many former methods are developed to extract water, which mainly based on a single model and only use spectral information, but the results are not so satisfying. An adaptive extraction method based on normalized difference water index (NDWI) is proposed here to extract water completely and accurately from remote sensing image. This study first compute NDWI to enhance water??s spectral information, and then it is redefined so as to use the modified histogram auto-segmentation method to initially separate water from background; next, after segmentation, water pixels can be searched out and are taken as seed points to proceed region growing to get the local area of water; last, the edge of the local area is searched by a window template, and iterative classification within it is employed to precisely extract water??s precise partition. Experiments are carried out here on an ETM+ image of a paralic area to extract water. Through comparison with other commonly used methods, it shows that the performance of the proposed method is superior to the others.     

一种通用的跨模态遥感信息关联学习方法

针对“异质鸿沟”问题导致的不同模态遥感信息间相似性难以度量的问题,构建并公开了一个包含4种模态信息的跨模态遥感数据集,并基于不同模态信息间潜在的语义一致性,提出了一种通用的跨模态遥感信息关联学习方法。利用深度神经网络的表征能力,分别对图像类信息和序列类信息设计各模态信息的特征学习网络,实现对不同模态高层语义信息的准确表示;设计了一个新的关联学习损失函数对模态内的语义一致性和模态间的互补性进行限制,利用知识蒸馏的思想,以先融合后迁移各模态间信息的方式增强模态间的语义相关性。在构建的数据集上进行实验,结果表明,所提方法平均精度均值达到70%,超过基准方法。     

滑坡隐患类型与对应识别方法

基于"三查"体系的滑坡隐患综合遥感识别工作已在全国范围推广应用并取得一定成效,但随着工作的推进,也暴露出一些亟待解决的问题,比如隐患究竟如何定义、有哪些类型、有何针对性的识别技术和方法,以及下一步工作重点是什么等.总结大量实践案例,进一步明确了滑坡隐患的定义,并将滑坡隐患分为正在变形区、历史变形破坏区和潜在不稳定斜坡3...     

面向多源数据地物提取的遥感知识感知与多尺度特征融合网络

遥感地物自动提取是遥感智能解译中的关键问题,对空间信息的理解和知识发现具有重要意义。近年来,使用全卷积神经网络（fully convolutional networks, FCN）从高分影像和三维激光雷达（light detection and ranging, LiDAR）数据中提取地物信息因取得了较好效果而受到广泛关注。现有FCN网络在地物提取精度和效率等方面仍存在不足,由此提出一种基于多源数据的遥感知识感知与多尺度特征融合网络（knowledge-aware and multi-scale feature fusion network, KMFNet）。在网络编码器端融入遥感知识感知模块（knowledge-aware module, KAM）,高效挖掘多源遥感数据中的遥感知识信息;在网络编码器和解码器之间添加了串并联混合空洞卷积模块（series-parallel hybrid convolution module, SPHCM）,提高网络对地物多尺度特征的学习能力;在解码器端使用了渐进式多层特征融合策略,细化最终的地物分类结果。基于公开的ISPRS语义分割标准数据集,在LuoJiaNET遥感智能解译开源深度学习框架上将KMFNet与当前主流方法进行了对比。实验结果表明,所提方法提取出的地物更为完整,细节更加精确。     

泸定Ms 6.8地震诱发滑坡应急评价研究

2022-09-05,四川省甘孜州泸定县发生Ms 6.8地震。地震在山区诱发了大量的地质灾害,造成了严重的人员伤亡。快速准确地获取地震诱发地质灾害的空间分布范围对震后应急决策和救援抢险至关重要。基于全球同震滑坡数据库与深度学习算法,构建了地震诱发滑坡空间分布概率近实时预测模型,在震后2 h内获取了泸定地震诱发地质灾害的预测结果。通过震后无人机与卫星遥感影像,采用机器学习与深度学习算法实现了震后大范围地质灾害的智能识别,共解译地震诱发滑坡3 633处,总面积13.78 km2。利用遥感解译的泸定地震滑坡数据,对地震诱发地质灾害预测模型进行了优化,获得了震区范围更广、准确性更高的同震滑坡预测结果。结果表明,同震滑坡预测模型能够快速获取震后地质灾害的空间分布情况,填补震后遥感影像获取前的空窗期,为灾后应急救援提供支撑;基于无人机与卫星遥感影像的智能识别技术是快速获取大范围地质灾害信息的有效手段。所取得的研究成果在泸定地震震后应急救援工作中发挥了重要作用。     

ASTER数据的煤矿区水体信息提取

为实现多光谱数据对煤矿区水体信息提取,以萍乡市芦新岭及周边煤矿为试验区,在国内外学者对水体指数法提取水体信息和应用的启发下,对试验区不同地物的波谱特征进行分析。本文首先利用数学统计方法建立一种ASTER数据综合归一化差异水体指数模型SWI ASTER_xy,然后利用这一模型对试验区进行水体信息提取。试验表明,该模型能够有效地提取矿区各类水体,还可以运用在ASTER数据（或其他多光谱数据）对不同区域不同地物的提取,在遥感地物定量提取上具有很好的效果和潜力,具有一定的推广价值。     

高海拔山区草地物候提取方法对比分析

准确量测高海拔山区的植物物候对理解全球变化下的敏感生态系统的响应具有重要意义。利用物候相机和遥感技术开展物候信息的提取和对比,既能准确评估物候相机在山区植物物候提取的性能,又可为山区遥感物候数据反演提供重要参考。利用中国新疆维吾尔自治区天山山区人工观测、物候相机和遥感数据,测试了5种曲线拟合方式与4种物候参数提取方法的20种组合的物候参数提取结果,对比了3种数据在物候信息提取结果的异同。结果表明:（1）植物物候相机能在天山山区草地物候观测中提供高时间分辨率的绿度变化信息,是山区开展物候观测并验证遥感物候数据的有效手段。（2）山区雨雪天气等对相对绿度指数产生较强噪声影响,需要选择合适的滤波器进行去噪。（3）曲线拟合方式和物候提取方法均对物候参数数值产生影响。而提取方法可产生更明显的差异性,其中,阈值法和导数法提取的物候数值相近,开始期与人工观测的返青期一致性较好,停止期与枯黄期一致性较好;而Klosterman方法和Gu方法提取物候数值相近,提取的开始期与人工观测的返青末期一致性较好,停止期与人工观测的枯黄末期一致性较好。（4）20种不同滤波+提取方法的组合形式在山区遥感数据物候信息提取的有效性仅为48%,中分辨率成像光谱仪数据的最有效提取方法为Beck+Derivatives组合,可见光红外成像辐射套件数据的最优提取方法为Beck+Threshold组合和Elmore+Derivatives组合。