GF-1星WFV相机的快速大气校正

高分一号卫星(GF-1)WFV相机是中国新型高分辨率传感器,为了更好地进行定量应用,需完成高精度大气校正,但需要解决数量大,辅助数据不足等关键问题。针对WFV相机构建了快速大气校正模型,(1)采用交叉定标方法借助Landsat 8数据完成辐射定标;(2)从WFV相机的辅助数据出发,计算得到太阳天顶角、观测天顶角等辅助信息;(3)考虑不同海拔大气分子散射的不同,完成基于海拔数据的分子散射校正;(4)采用深蓝算法,从第一波段(蓝光)反演得到气溶胶信息;(5)计算每个像元的大气校正参数,进而获取地表反射率,完成大气校正。在此基础上,利用IDL语言建立相应的大气校正模块,以过境华北地区的3景WFV数据为例进行大气校正实验。结果表明,模型能够快速完成大气校正,并能较好的去除大气分子与气溶胶影响,较好地还原植被、裸土等典型地表类型的光谱反射曲线,校正后的NDVI更好地反映了各地物的特征。     

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。     

面向GF-1 WFV影像的城市建设用地指数构建

针对GF-1 WFV影像缺少中红外波段,无法使用大多数建设用地指数提取建成区的问题,利用Fisher线性判别分析"类内聚合,类间分离"的投影准则,本文提出一种针对GF-1 WFV影像城市建设用地指数UBIWFV。该指数利用蓝光和绿光波段线性组合运算分离和增强建设用地信息。利用该指数提取了福州、石家庄和武汉3个不同研究区城市建设用地,并与建筑用地指数RBI提取结果进行比较。结果表明,该指数在不同研究区提取结果总体精度达到85%,Kappa系数达到0.7以上,提取结果空间连续性和完整性更好,指数阈值选取较容易。该指数相比RBI指数抑制裸土信息效果更明显。UBI_(WFV)指数对于城市建设用地提取具有一定的可行性和适用性。     

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。     

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。     

多光谱遥感影像大气校正与悬沙浓度反演——以曹妃甸近岸海域为例

遥感影像的大气校正是遥感定量化研究的难点之一。以曹妃甸近岸海域为研究区,以水体悬浮泥沙浓度(suspended sediment concentration,SSC)定量反演为目标,采用6S(second simulation of the satellite signal in the solar spectrum)模型和FLAASH模型对研究区MODIS影像的大气校正方法进行对比实验,对2个模型校正前后的影像质量以及对目标地物信息的校正效果进行了评价。研究结果表明:2种模型均能在一定程度上削弱大气对水体信息的影响;相比之下,6S模型校正后影像质量优于FLAASH模型,能更真实地反映目标地物,可更好地实现对近岸海域遥感影像的高精度大气校正;将6S模型大气校正后的MODIS影像应用于悬浮泥沙浓度的遥感反演,反演结果的平均相对误差为24.79%,均方根误差为4.32 mg/L。研究结果可为近岸海域Ⅱ类水体大气校正方法的选择提供依据,为深化泥沙运移规律研究及水质、水环境评价提供技术支持。     

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”影像质量评价及矿区土地利用分类潜力研究

为客观评价GF-1影像的质量及其在矿区土地利用分类的应用潜力,选择黄土高原区平朔矿区为研究对象,以同季相的SPOT 6影像作对比分析。在工程质量上,从灰度信息、纹理特征两个方面选取评价指标对其进行研究,统计结果表明:GF-1影像所含信息层次复杂,地物类型表达丰富;纹理特征明显,能用于复杂地类的提取。在应用角度上,构建基于像元的最大似然法和基于面向对象的最邻近两种分类器分别对研究区进行土地类型提取,对比分类结果表明,GF-1影像整体分类效果略次于SPOT 6影像,但GF-1影像仍能够满足用户快速获取矿区土地状况和其周边环境信息的应用要求,具有监测矿区土地变化和分析复垦植被生长状况等方面的潜力,可以为矿山土地生态复垦的整体规划设计和技术实施等提供基础数据。     

基于同步观测的高分一号卫星影像辐射质量评价

针对高分一号卫星(GF-1)影像进行辐射特征的质量评价研究。通过设计同步观测实验,得到目标区域的同步观测卫星影像数据、大气与太阳光照数据和地面光谱数据;利用值域、均值和标准差等灰度特征指标以及对比度、清晰度、信息熵和角二阶矩等纹理特征指标评价GF-1影像的整体质量。实验结果表明:GF-1影像能较好地区分不同的地物类别,反映不同地物的空间特征和结构差异;整体信息的丰富程度和地物特征表现能力上能满足一般的使用需求,使用时可根据需求选用不同波段的影像来满足实际需要。     

基于高分一号WFV数据的正射校正与真彩色合成技术——以中巴经济走廊为例

高分一号(GF-1)卫星自发射以来,凭借其幅宽大、综合覆盖能力强以及重访周期短等优势,已成为国土资源调查、农业林业遥感监测、国家重大工程建设等领域使用的重要数据源之一。以中巴经济走廊为研究区域,选取GF-1多光谱宽幅覆盖(wide field of view,WFV)数据进行对比试验,重点分析了影响遥感影像应用的2个关键因素:如何提高遥感影像的几何定位精度和影像真彩色合成方式。研究结果表明,基于有理函数模型(rational polynomial coefficients,RPC)的区域网平差技术和RGB-NIR色彩合成模型对影像快速定位和提升视觉效果分别有良好的表现。成果正射影像X和Y方向均方根误差分别为0. 79和0. 83个像素;成果影像的信息熵、平均梯度、均值和标准差等数值均有不同程度的提高,不仅确保了影像色彩真实自然,而且兼顾了信息细节,影像图面效果得到较好优化。该方法有助于进一步提升GF-1 WFV数据在实际生产中的业务化应用。     

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.     

基于多源国产高分卫星时空信息的米级分辨率耕地提取

及时准确地获取耕地空间分布数据对于农业生产管理、产量估算、种植结构调整等具有重要意义。目前的耕地提取多基于多时相中低分辨率影像或单时相高分辨率影像,难以满足耕地破碎,农作物种植模式复杂的区域精度需求。基于此,本研究通过协同国产高分一号（GF-1）、高分二号（GF-2）和高分六号（GF-6）卫星影像,探索米级分辨率尺度下的耕地高精度提取方法。该方法以深度神经网络UNet为基础,通过协同GF-1/6的多时相优势和GF-2影像的高空间分辨率构建了CEUNet（Cropland Extraction UNet）模型,以充分挖掘耕地的时相特征和空间几何特征。同时,将基于CEUNet模型提取的米级耕地结果分别与基于UNet和多源不同分辨率遥感影像的语义分割（UNet_m）、基于UNet和单时相高分辨率影像的语义分割（UNet_s）、基于对象的随机森林分类（OBIA）、基于像元的随机森林分类（RF）提取的耕地结果展开对比,分析所提出的方法在不同区域的适宜性。结果表明,基于CEUNet模型提取的米级耕地总体精度达到92.92%,且基于CEUNet提取的耕地的逐像元验证结果在平均F1-Score值上相较于基于对象和基于像元的随机森林分类分别提升了0.21和0.21,相较于UNet_m和UNet_s分别提升了0.04和0.11,其中针对地块破碎,景观异质性高等区域,CEUNet相较于UNet_m和UNet_s提升了0.09和0.26。本研究提出的CEUNet模型能够充分发挥多源国产高分卫星数据的空间和时间优势,两者结合能够快速、高效地提取不同农业景观及不同种植模式的耕地空间分布信息。     

基于FLAASH模型的SPOT6卫星影像大气校正及评价

受大气吸收和散射影响,传感器接收到的辐射信息和地表真实反射信息之间存在误差,影响影像的分析精度。选择ORDOS矿区SPOT6卫星多光谱数据,对其进行辐射定标,采用FLAASH模型进行大气校正,对校正前后影像的视觉效果、典型地物反射率光谱曲线、归一化植被指数(NDVI)和植被覆盖度的变化进行对比分析。校正后影像的地物特征更明显、反射率差别较大,能较好还原地表真实信息;NDVI增幅较大,平均植被覆盖度有所提升,能还原较为准确的植被信息。结果表明,FLAASH模型可以有效消除大气影响,对SPOT6卫星影像有较好的校正作用。     

基于6S模型的山区环境星影像大气校正研究

针对山区地形复杂,高程变化较大的特点,利用6S辐射传输模型建立查找表,结合研究区DEM对影像进行了大气校正。试验结果表明,校正后的影像清晰度、对比度提高了,消除了大气对NDVI的负面影响。     

不同地表覆盖下SPOT-7影像大气校正方法研究

针对不同的地物覆盖类型,分析和评价了适用于SPOT-7卫星数据的大气校正方法,为其遥感定量研究和应用提供思路和参考。在河南省嵩山地区进行了同步观测实验,获取了SPOT-7卫星影像并进行大气校正处理,地面同步测量了大气光学特性和典型地物样区光谱,计算了地物样区在影像上的反射率和植被指数,分析了不同地物覆盖类型下大气校正模型(fast line-of-sight atmospheric analysis of spectral hypercubes,FLAASH)和大气模型(second simulation of the satellite signal in the solar spectrum,6S)的大气校正效果。对自然植被、农作物中的高秆作物、硬地建议采用FLAASH进行大气校正,对农作物中的低矮作物,建议采用6S进行大气校正。     

森林资源监测中GF-2卫星影像波段配准误差分析

通过对GF-2卫星影像正射校正及波段模拟配准误差试验,分析GF-2卫星正射校正方法的选择以及不同配准误差下对GF-2卫星影像自动分类结果的影响;最后介绍GF-2遥感影像在森林资源监测应用中的初步测试。研究结果表明:正射校正时,当校正精度要求控制在RMS2时,控制点数量选择范围在85~95间较为合理,且控制点数在90个时,RMS值最小;经有理函数模型与卫片模型比较后,卫片模型校正精度较高;以目视判读为主时,实践中建议使用三次卷积重采样法输出结果最好;波段模拟配准误差试验中,配准误差与各地类面积变化间存在显著的线性关系;对于森林面积监测时,配准误差应小于0.3个像元。此研究可为新型国产卫星数据在森林资源监测中的应用提供参考。     

资源三号卫星影像快速大气校正方法

该文针对资源三号(ZY-3)国产高分辨率卫星影像的大气校正问题,提出了一种快速大气校正方法。该方法充分利用已有地面标准波谱库数据,并采用经验线性法对高分辨率ZY-3卫星遥感影像进行大气校正。最后利用地物的真实反射率光谱曲线和归一化植被指数(NDVI),与大气校正结果进行对比分析。结果表明:经新方法大气校正后的ZY-3影像地物反射率光谱曲线与地物真实反射率光谱曲线更加接近,植被覆盖区与非植被覆盖区NDVI的差异更加明显,更有利于地物的识别。研究结果为应用国产ZY-3影像进行定量遥感分析提供了参考。     

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。     

国产高分卫星像素级影像融合及其质量评价

为了探究适合国产高分卫星影像的融合方法,该文以国产亚米级高分辨率卫星BJ-2和GF-2影像为数据源,分别选取像素级影像融合方法中较为典型的GS、Pansharp、NND、HPF、PCA和PCA+Wavelet对2种影像进行处理,并采用定性和定量分析法对其融合效果进行评价.结果表明:对于BJ-2影像,Pansharp和GS的融合效果相对较好,光谱保真度较佳、清晰度较高、光谱扭曲度较小;对于GF-2影像,Pansharp融合效果相对较好,HPF次之,光谱保真度较佳、清晰度较高、光谱扭曲度较小;对于2种影像,PCA融合法的效果最差.     

基于GF-6的植被覆盖度遥感估测研究

GF-6号卫星是近年来投入运行的国产卫星,其遥感影像的空间分辨率、时空分辨率较高,但基于该卫星数据的应用研究并不多见.本次研究以GF-6号卫星WFV数据为数据源,基于归一化植被指数和像元二分模型对甘肃民勤典型干旱地区的植被覆盖度进行遥感估测,利用置信度法获取像元二分模型的关键参数对植被覆盖度遥感提取结果的影响进行分析....