基于多源光学遥感数据的湖泊湿地分类结果一致性分析

多源光学遥感数据是长时序研究中的重要数据源,而其分类结果的一致性分析则是多源遥感数据应用的前提和基础.该文以鄱阳湖湿地为研究对象,采用决策树方法对Landsat-8、Sentinel-2A、GF-1、HJ-1A 4种光学影像数据进行分类,以总体精度和Kappa系数评估分类精度,并基于类型面积偏差、类型面积相关、空间叠加分析对分类结果进行一致性分析.结果表明:1)利用决策树方法对不同传感器数据进行湖泊湿地分类,总体精度均高于89％,一致性较好;2)对于具体的湿地类型面积,不同传感器分类结果基本一致,以泥沙滩涂为主,水体次之,植被最少;3)分类结果中64.30％的区域具有高度一致性,完全不一致区域占12.70％.研究成果可为多源光学遥感数据用于长时序湖泊湿地变化监测的误差分析和集成使用提供参考.     

基于多尺度融合的高分辨率影像城市用地分类

基于面向对象的信息提取技术,针对高空间分辨率遥感影像进行城市用地分类。首先针对不同城市地物,选择适宜的提取尺度;然后探讨不同城市地物类型提取的适宜特征,充分利用光谱、空间结构、上下文关系、纹理等信息描述地物;最后融合不同地物多尺度下的提取结果。以北京市部分地区QuickBird影像为例,实现城市用地类型的自动分类,结果表明:该方法应用于城市用地分类的精度高达86.74%,为高空间分辨率遥感影像城市用地分类研究提供了新思路。     

基于高分一号影像的土壤盐渍化信息提取方法

目前土壤盐渍化遥感监测主要使用中低分辨率遥感影像,存在对土壤盐渍化细节信息监测能力不足的问题。通过使用国产"高分一号"卫星高分辨率遥感影像(GF-1 PMS),基于先进的面向对象方法和最大似然法进行了盐渍化信息提取,并比较了两种方法的提取效果,此外,又同Landsat8 OLI的提取结果进行了比较。通过对两种分类方法、两种最新传感器提取结果的比较,可以得出:国产高分一号影像在土壤盐渍化信息提取方面有着巨大的潜力,就提取方法而言,同最大似然法相比,面向对象方法精度更高,更适用于GF-1 PMS影像的盐渍化信息提取,面向对象法的总体精度和Kappa系数为92.94%和0.91,而最大似然法的总体精度和Kappa系数为87.78%和0.77,面向对象方法的精度高出了约5个百分点;就分辨率而言,同Landsat8 OLI影像相比,Landsat8 OLI影像分类精度只有63.47%,而GF-1 PMS高分辨影像分类精度要高很多,盐渍化信息细节描述更充分,可提取出受到盐渍化影响的植被信息,对农田尺度盐渍化遥感监测研究有重要意义,也对拓展国产高分一号影像GF-1 PMS的应用范围是有益的。     

基于光谱和纹理特征的ALOS影像土地利用信息提取

针对高分辨率遥感影像易于反映地物纹理特征的特点,综合利用地物的光谱和纹理特征进行分类,探讨适用于ALOS影像的土地利用信息提取方法。以川东丘陵地区影像为例,基于GLCM提取纹理信息,将提取的纹理特征向量采用赋权值法融合为一个综合纹理信息波段,然后采用面向对象法将其与光谱特征信息共同参与分类。与最大似然法的提取结果对比表明,考虑了纹理特征的面向对象分类方法能明显提高分类精度,Kappa精度提高了0.12;避免了椒盐现象,分割的地类边界具有更好的语义表达,更贴合地物实际分布特征;建筑用地和林地具有明显的纹理特征,而旱地纹理特征不明显。该方法不仅分出了6个基本地物类型,而且对于林地、建筑用地等类型还能进一步细分。     

基于知识规则的遥感影像土地利用分类研究

以重庆北碚主城区为研究区域,提出一种基于遥感影像的光谱特征、灰度共生矩阵纹理特征和形状特征建立知识规则的方法,对该研究区进行土地利用分类。对QuickBird卫星影像进行分辨率融合,重点分析典型地物的光谱特征和纹理特征,并根据形状特征建立形状指数,综合上述知识建立提取规则对地物进行自动分类。分类结果表明,该方法能够消除单纯利用光谱信息分类的不足,有效解决地物混分现象,达到了较高的分类精度。     

SegNet在从低空无人机影像中提取会仙岩溶湿地地物信息中的应用

以广西桂林会仙国家湿地公园核心区为研究区,结合SegNet和低空无人机影像,构建会仙岩溶湿地地物信息提取模型,探讨多分类SegNet模型与融合单分类和双分类SegNet模型分类结果的差别,分析epoch参数设置对模型分类精度的影响。研究结果表明,多分类SegNet模型对会仙岩溶湿地地物的分类结果的Kappa系数和F1分数分别为0.59和0.67,融合单分类和双分类SegNet模型分类结果的Kappa系数和F1分数分别为0.68和0.79;与多分类SegNet模型分类结果精度相比,融合多个单分类和双分类SegNet模型分类结果的F1分数明显增大。因此,融合多个单分类和双分类的SegNet模型更适用于提取会仙岩溶湿地地物信息;构建更优的会仙岩溶湿地地物提取SegNet模型,设置epoch值为10相对更合适。     

面向土地资源管理的我国后续资源卫星谱段设置方法研究

谱段设置是资源卫星传感器设计的关键技术之一。该文针对土地资源管理对资源卫星光谱分辨率的需求。详细分析了收集和采集的主要土地利用/覆被光谱数据的特征，从主要地物的光谱可分性出发，提出了满足土地资源管理需要的资源卫星传感器谱段设置方案，并利用机载成像光谱数据进行波段优选和在轨资源卫星数据的模拟验证，分类对比研究表明，该优化谱段模拟图像土地利用／覆被分类效果好于TM和CBERS-1影像。     

城市植被尺度鉴别与分类研究

城市地物具有多尺度分布特点,尺度鉴别与确定是分类的前提。提出改进的面积相对差指标,根据城市植被的分布状态确定最优分割尺度。采用面向对象方法,利用对象的光谱和空间信息对高空间分辨率影像进行植被分类。与基于像元的传统光谱分类方法和单尺度分类结果比较,最优分割尺度的鉴别和面向对象的分类方法分类精度较高,6种城市植被的分类总精度达85.5%,Kappa系数为0.83;同时有效抑制了光谱数据分类中存在的地物破碎问题。     

IRS - P6卫星LISS3图像数据质量评价

利用辐射精度、清晰度、信息量、信噪比、几何精度、地面分辨率6个数据质量评价指标,对LISS3与TM图像进行对比分析。研究结果表明,LISS3图像在地面分辨率和信噪比方面有显著提高,几何精度(均方根误差为0.28)小于1/2个像元,在绿(0.52~0.59μm)、红(0.62~0.68μm)和近红外(0.77~0.86μm)波段其辐射精度、清晰度、信息量均高于TM图像,在短波红外波段(1.55~1.70μm)相应指标略低于TM图像。分析LISS3在短波红外波段图像质量指标降低的原因,提出增加LISS3第5波段宽度、新增波长2.2~2.5μm的短波红外波段以改进LISS3传感器的波段参数。     

基于高分一号卫星影像的多种融合方法比较

以扬州地区为试验区,利用高分一号(GF-1)卫星全色及多光谱影像数据开展融合试验,将PCA、GS、Pansharping 3种传统融合方法与Elbakary、Proxy-sharpening和SFIM等以全色波段为尺度因子的融合方法进行对比,从光谱继承性和空间融入度两方面分析融合效果,寻找适合GF-1号卫星影像的较佳融合方法。结果表明,传统融合方法在光谱继承性和空间融入度两方面的评价结果中保持一致,且Pansharping方法在定性和定量分析中都为最优;以全色波段为尺度因子的融合方法其空间融入度随着光谱继承性的降低而增加;基于不同移动窗口大小的SFIM方法其光谱继承度和空间融入度均属最优,其中,移动窗口为5×5和7×7时,整体融合精度高于其他方法。     

基于GF-1与Sentinel-2融合数据的地膜识别方法研究

随着我国地膜使用面积的增加和人们对土壤微塑料污染问题的日益关注,大尺度的地膜遥感识别已成为农业生产管理、土壤污染防治的必要手段。针对地膜光谱反射特征的复杂性以及基于单一遥感影像光谱特征识别方法错分率高等问题,该文以河北省邯郸市邱县为试验区,利用GF-1数据的空间细节与Sentinel-2数据的光谱信息进行NN Diffuse Pan Sharpening融合,据此建立地膜识别的特征矩阵(NDVI、MNDWI、NDBI、IBI、PSI),基于该特征矩阵可实现自动阈值地膜分层分类识别。多种方法的地膜识别结果精度对比表明:多源光学遥感数据融合方法的总体精度为94.87%,Kappa系数达0.89,显著优于基于单一数据源的深度学习法的精度(93.14%)以及基于传统机器学习分类方法的支持向量机(85.91%)和随机森林分类法(86.78%)的精度;通过与Sentinel-2多光谱影像融合,弥补了GF-1数据光谱分辨率低的缺陷,实现了多源数据在地膜识别中的优势互补,可为相关部门农业规划与管理以及生态环境保护等研究提供大尺度、高精度的地膜分布参考数据。     

卫星图像中不同水体类型识别研究

在具有高空间分辨率特性的图像上,城市中大型建筑物、道路、河流、湖泊和其他人工地物形状特征和纹理特征清晰可辨。针对高分辨率卫星图像的特点,文章以水体类型识别为例,从卫星数字图像目标地物波谱特征抽取入手,通过图像分类,将水体从背景中分离并予以识别,同时实现像素重组。在区域分割与边界跟踪基础上,对卫星图像进行水体形状特征的抽取与描述,实现不同水体类型的识别。     

基于Google Earth和MODIS陆地数据的农林地转换对地表温度的影响——以长江中下游及毗邻地区为例

揭示耕地与林地转换对地表温度的影响对于认识人类活动的气候与环境效应具有重要意义。基于卫星遥感数据的统计分析是揭示土地利用/覆盖变化对地表温度影响的重要手段。但是,在景观破碎度较高地区,混合像元问题成为使用这一技术手段的主要限制性因素,中国南方长江流域尤为典型。为突破这一限制,论文基于Google Earth高清影像,在1 km尺度上辨识了200对耕地与林地纯像元,进而利用MODIS陆地数据产品,对比分析了耕地与林地的地表温度(LST)、叶面积指数(LAI)、地表反照率(Albedo)之差。结果表明：耕地的LST高于林地,白天和夜间温度分别约偏高2.75 ℃和1.15 ℃,并且温差因季节而异,白昼温差呈双峰(分别是5月和10月,温差约3.18 ℃和3.33 ℃),夜间温差为单峰(7月,约2.46 ℃)。同时,温差因地而异,总体表现为西高东低,陕甘交界处的白昼温差最大,年平均约为3.83 ℃;安徽中南部温差最小,约为1.1 ℃。耕地与林地的LST之差主要由蒸散发的差异所致。林地的LAI较大,蒸散发较强,地表向大气的潜热通量较大,用于直接加热地表的感热相对偏少,因而LST相对偏低。上述结果表明近年来长江流域及毗邻地区的耕地转为林地通过增加蒸发产生了一定的致冷效应。     

基于ETM+与MODIS数据融合的伊洛河流域地表蒸散估算

MODIS数据时间分辨率较高,在对地能量和水分变化监测应用中具有不可比拟的优势。但其空间分辨率较低,混合象元效应显著,尤其在地表土地利用类型复杂和空间异质性较大时,会带来较大的误差。而ETM+数据具备较高的空间分辨率,但其单一的热红外波段导致反演的地表温度精度不高,且时间分辨率低,因而限制了在地表蒸散监测中的应用。本文探讨了将TM/ETM+与MODIS数据相融合估算区域地表蒸散的一种多尺度遥感方法,利用TM/ETM+计算得到的植被指数,基于空间增强方法将MODIS反演的地表温度尺度提高到30 m,并结合SEBS模型对伊洛河流域的地表蒸散进行了估算。验证与分析的结果表明,估算精度得到提高,研究区当日蒸散量在0～5.32 mm/d之间,空间分布具有明显的地域性差异,区域分布不均衡。     

东亚飞蝗生境的遥感分类——以河北省黄骅地区为例

东亚飞蝗生境的分类研究是东亚飞蝗监测和防治的一项重要基础工作。本文以河北省黄骅地区为研究区,基于两个时相的TM图像,采用三种遥感波段组合方案,以及最大似然分类和基于知识的分层分类两种分类方法,进行了东亚飞蝗生境的分类研究。结果表明,三种组合方案的分类总精度相差不大,其中加入图像纹理信息的最大似然分类法的分类总精度最高。但是,基于知识的分层分类法的分类精度在各单项生境类型之间相差较小,从而显示出该方法在应用上仍有一定的优越性。     

基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究

以民勤绿洲为研究区,以GF-1遥感影像为数据源,采用面向对象的分类方法,结合分层技术,对影像逐级进行分类,以获取植被信息。根据归一化植被指数（NDVI）阈值区分植被与非植被,分割尺度为10;使用归一化水体指数（NDWI）阈值提取非植被中的水体,分割尺度为35;利用野外采样点获取的训练样本,将植被进一步分为耕地、林地和草地,分割尺度为25。总体分类精度达到83.02%,Kappa系数为0.745 1,比较基于象元的监督分类,其总体分类精度为69.37%,Kappa系数为0.497 0,表明面向对象的分类方法在干旱区绿洲植被信息的提取上较传统的基于象元的分类方法更有优势,分类精度更高。     

Large-scale land cover mapping with the integration of multi-source information based on the Dempster–Shafer theory

Land cover type is a crucial parameter that is required for various land surface models that simulate water and carbon cycles, ecosystem dynamics, and climate change. Many land use/land cover maps used in recent years have been derived from field investigations and remote-sensing observations. However, no land cover map that is derived from a single source (such as satellite observation) properly meets the needs of land surface simulation in China. This article presents a decision-fuse method to produce a higher-accuracy land cover map by combining multi-source local data based on the Dempster–Shafer (D–S) evidence theory. A practical evidence generation scheme was used to integrate multi-source land cover classification information. The basic probability values of the input data were obtained from literature reviews and expert knowledge. A Multi-source Integrated Chinese Land Cover (MICLCover) map was generated by combining multi-source land cover/land use classification maps including a 1:1,000,000 vegetation map, a 1:100,000 land use map for the year 2000, a 1:1,000,000 swamp-wetland map, a glacier map, and a Moderate-Resolution Imaging Spectroradiometer land cover map for China in 2001 (MODIS2001). The merit of this new map is that it uses a common classification system (the International Geosphere-Biosphere Programme (IGBP) land cover classification system), and it has a unified 1 km resolution. The accuracy of the new map was validated by a hybrid procedure. The validation results show great improvement in accuracy for the MICLCover map. The local-scale visual comparison validations for three regions show that the MICLCover map provides more spatial details on land cover at the local scale compared with other popular land cover products. The improvement in accuracy is true for all classes but particularly for cropland, urban, glacier, wetland, and water body classes. Validation by comparison with the China Forestry Scientific Data Center (CFSDC)–Forest Inventory Data (FID) data shows that overall forest accuracies in five provinces increased to between 42.19% and 88.65% for our MICLCover map, while those of the MODIS2001 map increased between 27.77% and 77.89%. The validation all over China shows that the overall accuracy of the MICLCover map is 71%, which is higher than the accuracies of other land cover maps. This map therefore can be used as an important input for land surface models of China. It has the potential to improve the modeling accuracy of land surface processes as well as to support other aspects of scientific land surface investigations in China.     

基于FY-3D/MERSI-Ⅱ归一化积雪指数和MOD10A1的精度对比分析

风云三号D星（FY-3D）是我国新一代极轨气象卫星，中分辨率光谱成像仪Ⅱ（MERSI-Ⅱ）是其携带的核心传感器之一，MERSI-Ⅱ实现了云、气溶胶、水汽、陆地表面特性、海洋水色等大气、陆地、海洋参量的高精度定量反演。选取2018年7、8月无云时相的FY-3D/MERSI-Ⅱ数据对天山中段终年积雪进行归一化积雪指数（NDSI）的计算。结合高分辨率Landsat-8影像，利用混淆矩阵对FY-3D/MERSI-Ⅱ数据计算结果与同期MODIS日积雪产品数据MOD10A1进行精度对比分析。结果表明：FY-3D/MERSI-Ⅱ图像平均总体精度为0.855，MOD10A1图像平均总体精度为0.820，FY-3D/MERSI-Ⅱ积雪覆盖提取平均总体精度比MOD10A1积雪覆盖提取平均总体精度高0.035。FY-3D/MERSI-Ⅱ的Kappa系数平均值为0.659，MOD10A1的Kappa系数平均值为0.558，FY-3D/MERSI-Ⅱ的Kappa系数平均值大于MOD10A1的Kappa系数平均值。故FY-3D/MERSI-Ⅱ数据提取积雪覆盖面积精度更高，更接近高分辨率Landsat-8影像目视解译结果。     

利用MOD13Q1产品监测肯尼亚2001-2010年荒漠化动态

使用MODIS MOD13Q1-NDVI数据,通过NDVI累计计算,得到肯尼亚2001年和2010年植被生长状况较好时期的NDVI影像.基于像元二分模型,估算植被盖度.利用植被盖度进行荒漠化评价.结果表明,肯尼亚近10年来生态环境总体趋于改善,荒漠化发展态势并不明显,但荒漠化问题仍然严重.不同程度的荒漠化土地变化趋势不尽相同,轻度荒漠化和重度荒漠化转出面积大于转入面积,呈现减少趋势,非荒漠化和中度荒漠化变化相反,各省区的荒漠化土地变化趋势也不相同.在小范围地区内,使用Landsat-5 TM影像进行验证,发现与MODIS数据评价结果相似,但更能详尽的描述重点区域的荒漠化问题.     

基于阈值分割的黑龙江省森林类型遥感识别

全球变化背景下,准确获取森林覆盖是监测森林资源动态、实现林业可持续发展的重要基础。为将省级尺度森林资源清查面积资料空间化,以黑龙江省为例,利用1999-2003年该省森林资源清查面积数据,结合2000年500 m分辨率的MODIS数据,构建了基于阈值分割的森林类型遥感识别方法。该方法利用不同地表覆被类型归一化植被指数时间序列的季节分异特征,以森林资源清查面积为标准,设定森林类型的划分阈值,识别了黑龙江省森林类型的空间分布。最后,基于分层随机抽样和精度评价方法,表明森林类型识别结果与地面参考数据具有较高的一致性,总体分类精度为78.1%;特别是季节特征明显的落叶林,精度可达80%以上。本文所构建的方法可将森林清查统计数据进行准确的空间定位,同时结合多期森林资源连续清查资料和遥感信息,可为识别并量化区域生态系统生物量和碳库变化等提供科技支撑。