植被稀疏地区沟蚀变化的地面激光扫描监测与沟蚀量估算

针对传统沟蚀监测手段劳作强度大,且数据采集的完整性、代表性受切沟复杂地形制约等问题,提出了一种针对植被稀疏地区沟蚀变化的地面激光扫描（terrestrial laser scanning,TLS）监测方法,形成了一套数据处理与侵蚀量计算技术流程。以河北省官厅水库东岸某大型切沟为例,利用高精度TLS进行两年3期野外监测与点云数据分析。通过点云配准、滤波、重采样及曲面拟合等预处理,生成不同采样分辨率下3期切沟表面模型,并提取地形信息;采用杨赤中滤波推估法计算并比较不同点云重采样分辨率下的沟蚀量。结果表明:（1）当点云重采样分辨率与切沟表面凹凸微结构暨石块粒径（2~6cm）接近时,沟蚀量估算值趋于稳定、结果可靠;（2）经侵蚀作用,切沟外壁表面高程整体降低2~20 cm;（3）切沟内壁侵蚀量不均衡,坡度较大处侵蚀最为显著。     

基于DEM自动提取泥石流沟谷边缘线算法的试验

很多泥石流流域侵蚀程度的描述量,与冲沟的边缘长度有关。本文提出了一种基于DEM自动提取沟边缘线的算法。提取步骤分为DEM平滑去除洼地、判断沟谷中心线、去短枝、初步提取边缘线、细化等几个步骤。最后按照这一方法以成昆铁路沿线的普歪沟为实验区,提取了一条泥石流沟的沟谷边缘线。并将其与同一图像目视解译勾绘的沟谷边缘线比较,表明这种方法不但能够将沟的边缘线提取出来,而且提取出的边缘线更能够表现沟的细部特征。     

东北黑土区侵蚀沟遥感影像特征提取与识别

东北黑土区是中国重要的粮食生产区,而长期的开垦造成了严重的水土流失现象,坡耕地表面出现大量的侵蚀沟。侵蚀沟的识别是土壤侵蚀监测的重要手段之一,目前遥感技术在侵蚀沟的识别中应用广泛,但自动化程度不高。针对特定地物影像的识别,如何选取最能够有效描述该地物的特征是解决问题的关键。本文构建了耕地和侵蚀沟遥感影像的训练样本集,基于样本集分别提取了由光谱特征和纹理特征组成的浅层特征、SIFT特征经编码后得到的中层特征,以及利用卷积神经网络提取的深层特征;再基于不同层次的特征选用合适的分类器对遥感影像进行分类,识别出含有侵蚀沟的遥感影像,形成了一套针对侵蚀沟的特征提取与识别方法,为东北黑土区的耕地保护提供有力支持。测试结果表明:基于中层特征的识别精度最高,为98.5%,但该特征需要人工设计,自动化程度有限;而利用卷积神经网络可自动提取深层特征,其识别精度达到了95.5%,同时大大提高了自动化程度,满足侵蚀沟影像的识别的需求。     

人工神经网络在高分影像防沙带识别中的应用

基于高分一号(GF-1)遥感影像,利用人工神经网络方法对新疆和田洛浦县沙漠边缘村庄周围的防沙带进行识别,并与目视解译的防沙带结果进行对比,验证识别精度.将人工神经网络方法的识别结果与传统的最大似然法进行对比分析,并利用图像识别领域中的准确率、召回率和F值3个指标对两种方法进行精度评价.结果表明,人工神经网络方法识别防沙...     

Sentinel-2和AW3D30相结合的湿地提取

为了实现大范围湿地动态监测，本文以辽河入海口附近的盘锦湿地为研究区，基于Sentinel2-L1C和AW3D30 DSM数据，在随机森林分类的基础上，结合地形数字特征和多边形形状特征对研究区进行湿地信息提取。通过人工目视解译对该分类方法进行精度验证，结果表明：该方法的自动化程度较高，能够在较少的人工干预下提取湿地覆盖范围。提取结果精度较高，制图精度和总体精度分别为91.04%和82.65%，Kappa系数为0.599 7，说明本文所采用的计算机分类方法与人工目视解译方法具有较好的一致性。     

基于面向对象分类的城市土地利用变化检测

以新疆乌鲁木齐某区域2013年的GeoEye影像和2015年的IKONOS影像为辅助数据,进行基于面向对象分类的城市土地利用变化检测实验;根据各类地物的提取规则,提取了实验区域的地物信息,并利用ENVI5.1软件进行了变化检测。结果表明,面向对象分类的变化检测方法总体精度为85.97%。为了提高该方法的精度,结合目视解译方法,面向对象方法 +目视解译的变化检测精度为87.00%,说明目视解译方法在一定程度上提高了检测精度。     

综合Span图和纹理特征的高分三号影像建筑区提取

建筑区的识别和提取是城市环境规划与研究至关重要的工作。本文采用高分三号全极化SAR影像,提出了一种综合Span图和纹理特征的建筑区提取方法。首先基于Span图利用灰度共生矩阵算法提取图像的7种原始纹理特征,通过目视解译选择出4种纹理效果较好的统计量,然后利用主成分分析法去除他们之间的相关性,筛选出2个最佳纹理特征与Span图结合,最后对组合影像进行分类提取。本文将提取结果与综合灰度和纹理特征建筑区提取、无纹理特征提取方法结果进行对比,实验结果表明:本文方法提取建筑区边界轮廓更加清晰,精度可达92%,提取效果明显得到了优化。     

基于小型无人机可见光遥感的蓝藻识别研究

以无人机航拍获取的可见光影像为数据源,研究小面积水域中蓝藻的提取方法。首先采用无人机获取可见光影像,运用4种可见光植被指数对图像进行运算,提出了用于蓝藻识别的可见光归一化差异植被指数与增强型红绿差值植被指数,以人工目视解译统计得到的蓝藻面积作为判别依据。结果表明:利用增强型红绿差值植被指数对湖泊中蓝藻的分类及提取,精度可达95.89%,Kappa系数为97.03,质量稳定,精度较高。     

地震滑坡高分辨率遥感影像识别

区域性地震滑坡信息获取目前主要通过遥感目视解译和计算机提取,存在主观性强、耗时费力、提取精度低等问题,导致难以满足灾后应急调查、灾情评估等方面的应用需求。采用资源三号、高分一号高分辨率遥感影像,以汶川震区为实验区,在地震滑坡灾害特征分析的基础上,通过多尺度最优分割方法构建多层次滑坡对象,融合光谱、纹理、几何等影像特征和地形特征信息建立多维滑坡识别规则集合,基于高分辨率影像认知模式与场景理解过程提出滑坡分层识别模型,从而实现地震滑坡空间分布及其滑源区、滑移区和堆积区的准确识别。实验区分析结果显示最低识别精度为81.89%,而滑坡的堆积区最容易被分辨,识别方法具有可推广性。研究成果可为灾后应急调查提供技术支撑,并促进国产高分辨率遥感卫星的地质灾害应用。     

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。     

大兴安岭林区无人机可见光影像散发枯立木识别算法

枯立木识别对森林资源管理,生物多样性保护,以及森林碳储量变化评估具有重要价值。无人机高分辨率影像为枯立木调查提供了较为便捷的方式。现有枯立木识别算法多依靠拥有红边、近红外波段的多光谱影像来实现。相比于多光谱相机,消费级无人机通常搭载的是用于获取可见光(RGB)影像的普通数码相机,较少的波段信息为基于RGB影像的枯立木自动化精准识别带来很大的挑战。现有利用无人机可见光影像进行枯立木高精度识别多依赖于人工目视解译,自动化识别程度较低,且缺乏单木尺度的研究;此外,现有研究多集中在强扰动(如病虫害)引起的群发枯立木上,而对森林自然演替过程中产生的散发枯立木关注较少。为此,本研究提出了利用无人机可见光影像进行单木尺度的散发枯立木高精度自动化识别算法。在已有单木分割算法的基础上,发展了基于红绿波段比值(RGI)和蓝绿波段比值(BGI)光谱指数迭代统计分析的枯立木树冠自动化检测算法,提出了基于数字表面模型纹理特征的森林掩膜自动提取方法,实现了单木尺度的散发枯立木自动识别。经过实地调查和目视解译的枯立木参考数据的验证,结果表明枯立木查全率和精确率均接近95%,单木树冠分割结果中的欠分割和错分割是枯立木识别误差的主要来源,提高单木树冠提取精度是进一步完善单木尺度枯立木识别的关键。     

2017年“8.8”九寨沟地震滑坡自动识别与空间分布特征

2017年8月8日发生的7.0级九寨沟地震诱发九寨沟熊猫海附近产生大量的滑坡体，造成道路阻塞，严重影响地震应急救援进度。为快速准确地识别滑坡分布范围，本文在深入分析滑坡遥感影像特征的基础上，引入面向对象分析方法，实现了基于无人机影像的震后滑坡体的自动识别。通过多尺度分割算法获取滑坡多层次影像对象，利用SEaTH算法自动构建每一层次特征规则集，实现基于不同层次分析的滑坡体自动识别。分析滑坡体在地形、活动断层等因子中的空间分布特征，为地震滑坡预测与危险性评价奠定基础。与人工目视解译结果相比较，基于面向对象的滑坡自动识别方法提取精度可达94.8%，Kappa系数为0.827，在电脑配置相同的情况下，自动识别方法的效率是人工目视解译效率的一倍。空间分布特征分析表明，地震滑坡的空间分布与斜坡坡度、地形起伏度呈正相关关系，与地表粗糙度存在负相关关系，研究区滑坡体分布存在明显的断层效应。     

高分三号卫星全极化SAR影像九寨沟地震滑坡普查

基于光学遥感影像的区域滑坡普查易受云雾天气的影响,存在滑坡体调查不全面的问题,无法满足震后应急调查与恢复重建的需求。本文提出了一种极化SAR卫星数据滑坡普查方法,采用高分三号全极化SAR卫星影像数据,以九寨沟地震震区为实验区,在深入分析滑坡体和其他地物类型散射特征的基础上,融合极化特征、纹理特征和地形特征等多维特征信息,结合高分二号影像获取的训练样本,构建基于BP神经网络的全极化SAR数据滑坡自动识别模型,实现滑坡体的自动快速识别。与高分辨率光学影像与无人机航空影像目视解译结果相比较,总体识别精度为92.8%,Kappa系数为0.715,识别准确度满足地震应急实际应用的需求。研究成果可用于震区大区域滑坡体的普查,为后续开展无人机高分辨率影像滑坡体详查、灾后应急与景区恢复提供辅助信息支撑,并促进国产高分SAR卫星数据在防震减灾中的应用。     

元谋干热河谷浅沟测量方法比较与精度评价

为探究不同测量方法获取浅沟数据的精度,本文以元谋干热河谷区浅沟为例,采用RTK、三维激光扫描、近景摄影测量等多种测量方法获取浅沟数据,建立DEM并提取浅沟形态参数,对比近景摄影测量以不同方式获取标记坐标后建立DEM的差异,同时以测针板实测浅沟横剖面为参照,对比分析不同测量方法获取浅沟横剖面的精度。结果表明：RTK获取密度较低的点数据,建立的DEM较粗糙,仅体现沟缘大致走向;近景摄影测量+RTK方法测得的DEM高程整体低于近景摄影测量+全站仪所得DEM高程;利用三维激光扫描仪和近景摄影测量+全站仪两种方法获取数据所提取的浅沟形态参数精度较高;对比浅沟横剖面,横剖面近景摄影测量+全站仪测量所得与实测横剖面重合度较高。因此,利用近景摄影测量+全站仪进行浅沟测量,在精度、效率等方面优势较大。     

基于高分遥感的金沙江流域滑坡识别——以巴塘县王大龙村为例

金沙江流域因两岸地势陡峭、软弱岩层发育、降雨集中等,使得流域内滑坡灾害分布密集。高分辨率遥感是滑坡识别的重要手段,但通过目视解译法开展的大范围滑坡灾害识别,具有工作量大、效率低的特点。针对此问题,本文采用基于面向对象的分类方法,提出了利用滑坡灾害的光谱、形状、空间等特征进行区域内滑坡灾害的快速识别。同时,选取金沙江流域巴塘县王大龙村区段进行了滑坡识别提取试验,区域内利用面向对象分类方法识别出滑坡18处,其中12处与目视解译结果相同,一致性为75%;发现3处目视解译未识别出的隐蔽性滑坡。结果表明,该方法识别效果较好,可为后续的金沙江流域乃至川藏铁路沿线的大范围滑坡识别提取及滑坡编目工作提供参考。     

遥感图像融合技术在潮间带地形提取中的应用

针对潮间带地形资料的缺乏和提取手段的贫乏,提出一种提取潮间带地形的新思路。利用同一潮汐周期不同时相的SAR与全色遥感图像,采用平移不变离散小波变换算法进行图像融合,并采用一种新的融合规则。图像的低频部分采用基于边缘提取的加权规则,高频部分采用绝对值最大原则。对比其他算法,融合结果既能突出潮间带形状,又能突出海岸线特征及近岸地形,更便于后续目视解译。对实际图像的试验结果表明,该方法取得了较好的效果。     

基于多特征U-Net网络的工程活动图斑快速识别

为有效监测具有填挖、采剥等行为的工程活动情况,本文提出了一种用于像素级露天工程活动图斑提取的遥感多特征语义分割模型。该模型以高分二号(GF-2)光学遥感影像为数据源,采用U-Net深度神经网络架构,通过人工标注构建了反映露天工程活动的影像样本集,并提取样本的多维特征投入模型进行训练,从而实现了工程活动图斑的快速识别。试验结果显示,本文方法对露天工程活动图斑的总体识别精度可达87.36%,平均精度达86.78%,优于KNN、SVM两种传统分割方法,为工程活动自动化监管提供了技术参考。     

尼泊尔地震触发滑坡识别和雪崩形变分析

2015-04-25尼泊尔Gorkha附近发生了Mw 7.8级强震,引发尼泊尔及中国西藏地区大量的山体滑坡和雪崩灾害,造成了严重的人员伤亡与经济损失。基于Landsat 8影像和亚像素相关性匹配技术识别形变失相关区域,并结合目视解译提取震害滑坡与雪崩沉积区域,统计分析了所提取的滑坡数目、面积等与地形因子的关系,同时对珠峰雪崩高发区的冰川形变进行了定量分析。实验结果表明,提取形变场中的形变失相关区域并结合目视解译验证是一种识别震害滑坡与雪崩沉积区域的有效方法;统计结果显示滑坡体随坡度分布呈现高斯特性,多发生在坡度大于30°的地形,易发于河谷两侧,且高坡度更容易触发单体面积大的滑坡体。该研究为利用Landsat 8影像数据进行震害滑坡与雪崩沉积区域提取、雪崩高发区的冰川流速监测预警工作提供了新视角。     

地形开度和差值图像阈值分割原理相结合的黄土高原沟沿线提取法

鉴于地形正负开度对地貌的良好表达且具有分析尺度灵活性这一重要特性,本文提出一种借助地形正负开度及其差值图像阈值分割的黄土地貌沟沿线提取方法。首先,计算DEM的地形正负开度,对正负开度进行差值运算以得到开度差值图;然后,对开度差值图进行阈值处理以得到研究区正负地形空间分布特征;最后,借助数学形态学原理完成对二值化开度差值图正负地形边界——沟沿线的自动提取。试验采用高分辨率DEM数据对陕西洛川塬部分地区进行沟沿线信息提取。结果表明,与其他提取技术方法相比,该方法不仅增强了地貌基本形态特征在沟沿线提取过程中的作用与影响,同时也在一定程度上实现了沟沿线提取的精确化和自动化。     

迁移学习支持下的高分影像山地滑坡灾害解译模型

无人机低空遥感是近年来新兴的一种快速获取灾情信息的手段,如何利用无人机高分影像构建滑坡灾害解译模型是实现快速自动解译滑坡的关键。针对该问题,对比了多种影像特征提取方法,将迁移学习(TL)特征和支持向量机(SVM)引入到构建滑坡灾害自动解译模型中,提出了一种TL支持下的高分影像滑坡灾害解译模型。选取5·12汶川地震及4·20芦山地震系列无人机影像构建了滑坡灾害样本库并进行了实验,TL特征方法整体分类准确度ACC为95%,ROC达到0.98,识别准确率达到97%。结果表明,所提方法可用于高分影像滑坡自动解译,同时可用于大面积高分影像中快速山地滑坡灾害定位及检测。