面向对象的土地利用遥感分类——以邛海流域为例

利用google earth提取的SPOT5高分辨率遥感影像为研究数据,基于The Environment for Visualizing Images （ENVI） EX软件平台,采用面向对象的多尺度分割方法,获得了邛海流域土地利用类型.结果表明：该分类方法不仅能够克服传统基于像元分类方法中的“椒盐效应”问题,而且能够综合利用DEM、NDVI等辅助信息和地物本身的光谱特征与纹理特征.对分类结果进行了检验,分类精度达89.18％,分类结果达到要求.     

Landsat卫星遥感影像的大气校正方法研究

介绍了一种对Landsat卫星遥感影像逐像元进行大气校正模型,该模型基于MODTRAN大气辐射传输模型计算建立的查找表（look up table,LUT）,并结合暗元目标法（dark object method,DOM）,利用遥感影像自身的信息对遥感影像进行大气校正。以Landsat ETM＋遥感影像为例,介绍了算法流程,同时给出了大气校正前后的对比结果。结果表明,利用该模型进行的影像逐像元的大气校正,能够有效地降低大气中的大气分子、水汽、臭氧、气溶胶粒子等对卫星遥感影像造成的影响,获得更加精确的地物真实反射率,有利于遥感信息的进一步定量提取和专题解译。     

遥感影像分类方法在水体面积估算中的比较研究

随着遥感技术的广泛应用,利用遥感影像提取水体信息为水文研究提供了基础数据.目前进行水体提取所使用的遥感数据分辨率较低,影响了水体提取的精度.Landsat TM遥感影像主要依据水体在7个波段上光谱的不同特征以及其他地物与水体的区别,通过分析水体及背景地物的光谱值,利用单个波段或多个波段组合来提取水体信息.以昭平台水库的TM数据为例,对其进行了几种提取水体信息方法的研究.通过总体精度及Kappa系数的对比,选择最优分类方法,并将该方法用于水体面积的估算.     

天宫二号对地观测数据与Landsat8卫星遥感影像对比分析

为客观评价天宫二号宽波段遥感影像质量情况,以天宫二号对地观测数据与Landsat8影像作为测试数据源,通过单波段灰度值、地物灰度值对比方法,分析比较可见光谱段范围内的光谱性能与应用潜力,最后采用最大似然法进行地物类型分类。结果表明:天宫二号宽波段遥感影像具有谱段丰富,分辨率低,单波段横向阈值宽且平缓的特点,适合于反演大范围且地物类型较为一致的地表信息。     

一种高分辨率遥感影像的数学形态学滤波算法

应用数学形态学理论,结合高空间分辨率遥感影像的特点,选择包含全部方向的结构元素,设计一种基于全方位结构元素的加权多级滤波算法,用于高空间分辨率遥感影像的处理。算法中使用峰值信噪比方法自适应地确定各个方向结构元素的权重。实验结果表明：与结构元素尺度形状单一的形态学滤波算法相比,全方位结构元素的加权多级滤波算法在噪声抑制和细节保持上均有较好的性能,峰值信噪比有了更大的提高,而且更适合于对高空间分辨率遥感影像的噪声去除。     

基于小波域高斯尺度混合模型的天气雷达图像高分辨率插值

采用可精确刻画雷达回波强度数据统计特征的小波域高斯尺度混合（GSM）模型作为雷达图像先验模型,进行天气雷达图像插值,在提高图像分辨率的同时有效重建降水回波中局部强回波值、小尺度变化细节等一些重要空间分布统计特征。分析和总结雷达回波强度数据小波频率域统计特点,建立小波域GSM模型;匹配天气雷达图像小波系数和GSM模型,利用贝叶斯理论估计更小尺度的小波系数,进行小波逆变换,完成高分辨率天气雷达图像插值。试验表明,该算法能从低分辨率图像中估计出高分辨率高频系数,且所利用的先验模型充分考虑降水数据本身的特点,可有效捕获降水回波结构的非高斯特征和局部相关特性,重建雷达图像中的局部变化细节。      

基于高分卫星的一季稻面积遥感估算

高分一号卫星(GF-1)是中国高分辨率对地观测系统中的重要成员之一,可以提供高空间分辨率的对地观测信息。本文以合肥市为研究范围,根据物候历选择2017年5月下旬和8月上旬的两个时相GF-1影像为研究资料,利用增强型植被指数(EVI)为监测判别指标,并以一季稻成熟期的蓝移现象作为辅助判别条件,构建了种植面积遥感估算模型。结果表明:通过对比验证模型,发现用统计调查数据来验证遥感估算结果的精度为93.2%,用混淆矩阵法来验证的精度和Kappa系数分别为83.7%和0.84。验证精度表明本文构建的遥感估算模型是合理可行的,为安徽省及合肥地区一季稻信息提取和估算提供参考。     

利用深度学习融合NWP和多源观测数据的闪电落区短时预报方法

强对流短时预报（2—6 h）具有较大难度。一方面,基于观测数据的外推已基本不可用;另一方面,高分辨率数值模式（High-resolution Numerical Weather Prediction,HNWP）的预报性能有待提升。利用深度学习方法,将卫星、雷达、云-地闪电（简称闪电）等观测数据和高分辨率数值模式预测数据进行融合,得到更有效的闪电落区短时预报结果。基于多源观测数据和高分辨率数值天气预报数据的特性,构建了一个双输入单输出的深度学习语义分割模型（LightningNet-NWP）,使用了包括闪电密度、雷达组合反射率拼图、卫星成像仪6个红外通道,以及GRAPES_3km模式预报的雷达组合反射率等共9个预报因子。深度学习模型使用了编码-解码的经典全卷卷积结构,并使用池化索引共享的方式,尽可能保留不同尺度特征图上的细节特征信息;利用三维卷积层提取观测数据时间和空间上的变化特征。结果表明,LightningNet-NWP能够较好地实现0—6 h的闪电落区预报,具备比单纯使用多源观测数据、高分辨率数值模式预报数据更好的预报结果。深度学习能够有效实现多源观测数据和数值天气预报数据的融合,在2—6 h时效预报效果优于单独使用观测数据或数值天气预报数据;预报时效越长,融合的优势体现得越明显。      

利用HJ—1卫星多光谱数据监测城市 湖泊蓝藻研究

以2009年8月中旬东湖支湖局部暴发蓝藻为案例,对蓝藻暴发前后三个时期的HJ-1卫星多光谱遥感影像数据进行对比分析,利用比值植被指数(RVI)、归一化植被指数(NDVI)以及增强型植被指数(EVI)三种植被指数对蓝藻信息进行判别提取,通过已验证的样本点率定判别方法阈值,并对三种植被指数精度及判别结果进行比较分析。结果表明,利用HJ-1遥感数据可快速鉴别蓝藻范围及其程度,大气校正突出了蓝藻水体和其他地物光谱差异,EVI方法精度较高,可剔去水质中泥沙等悬浮物的干扰,可作为城市湖泊蓝藻变化检测经验模型。     

洪涝淹没范围的遥感监测研究

通过对NOAA/AVHRR遥感图像数据的地物光谱特征和水体信息的分析 ,结合水体光谱和空间特征 ,确定洪涝淹没范围的自动提取模型。     

基于深度图像目标检测的智能台风涡旋识别技术

基于2005—2020年的中国气象局台风最佳路径数据集以及葵花(Himawari)8和风云(FY)卫星云图数据,首先将卫星原始数据转换为FULLDISK灰度图像作为台风涡旋识别技术的图像来源,并制定新的VOC (Visual Object Classes)标注规范,构建了样本标注数据集。利用运行速度快、识别准确率高的人工智能领域经典目标检测SSD(Single Shot MultiBox Detector)模型作为台风涡旋识别的基础模型,并针对台风涡旋识别的独特性,特别是弱涡旋识别困难,提出一种迭代的SSD目标检测模型,明显提高了台风涡旋的识别精度。通过目标检测技术对卫星云图进行智能特征分析、抽取、识别和定位,实现了自动涡旋正确识别和定位,最终建立了智能台风涡旋识别技术。测试结果显示:该技术对强热带风暴级以下强度台风涡旋正确识别率为40%~80%,对强热带风暴级及以上强度台风涡旋正确识别率达90%以上,能够精准识别强台风级及以上强度涡旋,该技术为今后业务利用高时空分辨率卫星图像对台风进行实时精密监测提供了技术支撑。      

基于相关点均值处理的Kinect人手位置检测方法研究

在人机交互领域中,人手的位置信息往往直接用于交互指令的解读与交互结果的计算,因此高精度的实时人手位置检测是实现非接触式的、自然的人机交互的重要基础.针对Kinect 2.0追踪人体骨骼点获取的三维坐标数据的波动和误差较大的问题,本文提出了基于相关点均值处理的人手位置检测算法.该算法基于深度信息,以手腕为分割阈值点,进行人手图像分割,并对人手位置信息相关点进行空间平均处理与时间平均处理,提高位置检测精度.实验结果表明：基于相关点均值处理的人手位置检测算法是有效的,检测误差在5 mm以内,能够满足在人机交互等应用系统中的基本要求.     

基于亮度对比度和暗原色先验原理的白天道路图像能见度检测方法

低能见度是对道路通行影响最为严重的气象要素之一。随着数字摄像技术和图像识别技术的发展以及气象和交通部门间信息共享工作的开展,利用高速公路沿线摄像头视频数据快速识别能见度成为提高能见度时空监测精度的重要手段。本文提出了一种基于亮度对比度和暗原色先验原理的白天道路图像能见度检测方法。首先根据霍夫变换直线检测方法提取道路兴趣域,然后根据亮度对比度方法检测人眼可分辨最远像素点,将其作为目标点,最后基于暗原色先验原理求取目标点的透射率,并根据能见度与消光系数的关系公式求取图像能见度值。利用安徽省京台高速吴玗北段和宁绩高速宁国互通段视频图像资料和邻近交通气象站能见度监测资料,采用绝对误差和能见度等级误差对能见度检测效果进行检验。结果表明,本方法对能见度的变化较为敏感,能见度等级的检测效果较好,准确度可达95%,对开展公路交通视频图像能见度识别工作具有较好借鉴应用意义。     

基于深度学习的数值模式降水产品降尺度方法

提出一种基于深度学习的数值模式降水产品降尺度方法。利用深度学习的非线性映射能力和对栅格数据的信息提取能力,建立深度超分辨率模型提取不同分辨率数值模式降水产品间相对应的有效信息,从而将低分辨率数值模式降水产品利用提取的信息重构为高分辨率产品,继而通过构建多时次组合降尺度深度模型提取时间关联性进一步提升了重构准确性。基于欧洲中期天气预报中心不同尺度数值模式降水产品的实验表明所提方法能够比常用的双三次插值方法更有效地将低分辨率降水产品转换为对应的高分辨率产品。      

利用动态阈值方法改进的风云二号卫星海雾检测技术

有效的观测是提高对海雾认知和预报水平的关键因素,卫星数据是当前最可行的观测数据源,但需要高质量的观测数据和精细的检测技术。本文为提高风云二号海雾检测水平,在现有卫星观测数据条件下借鉴了动态获取云雾阈值的思想,定制设计了一套从获取动态检测阈值到温度、纹理、噪声检测等步骤的黄渤海海雾检测方法流程。对黄渤海白天海雾检测结果的检验表明,虽然对于秋、冬非海雾季月份的效果还有待提高,但在春季海雾季已接近国际同类产品水平。同时该技术方法也需要继续搜集实例,进一步优化阈值获取方案。     

基于深度学习的FY3D/MERSI和EOS/MODIS云检测模型研究

针对FY3D/MERSI和EOS/MODIS的云检测问题,提出了一种基于深度学习技术的全自动云检测算法,首次将深度学习引入到卫星影像云检测领域。本算法使用深度全卷积神经网络(Deep Convolutional Neural Networks)作为核心结构,基于EOS/MODIS基本云检测原理选择合适的通道作为特性向量参数,针对不同的场景进行分类和网络模型的训练,最终得到基于深度学习的云检测模型。经过EOS/MODIS数据和FY3D/MERSI数据的测试,云检测的精度达到98%以上,可以看出基于深度学习的云检测算法能够用于云检测,该算法具有效率高、精度高等特点,云检测效果理想。     

香河站太阳辐射识别晴空方法的评估

根据位于华北平原的重污染站点——香河5年的分钟级别地表太阳辐射和人工订正的全天空成像仪数据,对21种晴空识别(CSD)方法进行了评估:晴空识别准确率较高的方法云天识别准确率较低,反之亦然;由于CSD方法采用的参数阈值不适用于污染情况,当气溶胶含量增加时,识别准确率呈下降趋势.研究结果显示,利用太阳辐射数据识别晴空的方法在高污染地区使用时需进行改进.     

面向对象的GF-1卫星影像苹果树遥感提取研究-以山地丘陵地区的栖霞市为例

国产高分卫星1号（简称GF-1）可提供高空间分辨率遥感数据，这为实现精准农业提供良好的数据保障。但是，其在复杂地形作物遥感提取方面的适用性仍需要进一步探索和分析。因此，以山地丘陵地形为主的栖霞市为研究区，基于GF-1影像数据利用面向对象分类法提取苹果树的种植面积和空间分布信息。研究结果表明：引入植被覆盖度和坡度信息的面向对象决策树分类方法（简称优化分类方法）能够有效提高苹果种植面积的遥感提取精度为94.1%，生产精度和用户精度分别为87.3%和90.3%。相比于最大似然监督分类和无辅助信息的面向对象决策树分类方法，本研究的优化方法遥感提取面积精度分别提高了17.4%和0.3%，生产精度分别提高了10.1%和2.6%，用户精度分别提高了10.1%和2.8%。该研究成果以期为GF-1卫星数据在山地丘陵地区的果园信息遥感提取提供基本的技术支撑和实践经验。     

基于MODIS数据的水稻种植面积提取研究进展

概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明：MODIS具有高光谱、高时间分辨率和多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法。近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。