MADC在浒苔空间分布信息提取中的应用

在青岛浒苔灾害遥感监测中,搭载于海监飞机上的多模态航空数字相机(MADC)为及时快速地提取浒苔信息提供了数据源,所提取的奥帆赛区警戒水域及周边海域浒苔分布面积、密集度等应急动态监测信息,为决策部门提供了准确的数据支持和决策依据,在浒苔治理中起到了重要的作用。介绍了MADC系统的特点,通过对浒苔光谱及其MADC影像特征的分析,建立了快速提取浒苔信息的技术方法和流程,并对信息提取的关键技术和结果进行了分析。MADC系统包含高分辨率、宽(多)视场、多(高)光谱、立体观测等多种成像模态,可以根据不同的应用需求快速灵活地设置成不同的工作模态,浒苔的光谱和植被非常相似,与海水的差异明显,容易建立浒苔的识别和提取模型。实践证明MADC系统在海洋赤潮等灾害监测中具有很大的应用潜力,文中最后对MADC系统的改进提出了建议。     

基于MODIS数据的浒苔信息提取方法研究

浒苔是一种大型绿藻,大量浒苔爆发会严重影响景观,干扰旅游观光和水上运动的进行。本文利用NASA提供的MODIS02的250m分辨率影像,分别采用了比值法、归一化植被指数法和监督分类中的最小距离分类,提取了浒苔的信息,实验结果表明,三者都可以提取浒苔信息,但是比值法提取的结果最好,最小距离分类很难与薄云区分,必须加入人工目视解译,归一化植被指数可以区分出薄云,但是遗漏较多。     

基于MODIS数据的日照市近海浒苔监测及影响因子分析

基于遥感和地理信息系统技术,利用MODIS全球地表反射数据,结合浮游藻类指数(floating algae index,FAI)方法,以山东省日照市近海为研究对象,进行浒苔信息识别与提取,分析2012年和2013年浒苔的时空分布特征与发展趋势,并结合海水表面温度(sea surface temperature,SST)和热带测雨卫星(tropical rainfall measuring mission satellite,TRMM)提供的逐月降水资料,揭示气象因子与浒苔之间的关联机制,为控制和治理浒苔提供信息支持。结果表明:运用FAI指数方法能够较好地反演出日照市近海2012年及2013年5—7月海面浒苔分布面积及时空特征;提取的浒苔信息表明,2013年浒苔强度与面积总体上均大于2012年;海水表面温度与月降水量对浒苔的生长爆发有重要影响,浒苔在20℃~21℃之间最易繁殖,降水量的增加为浒苔生长提供了更加有利的条件,2013年5—7月的水文气象条件相对2012年更加有利于浒苔的生长。     

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。     

高分一号遥感影像地质灾害信息提取方法研究

山区地质灾害发生频繁,受灾范围大,危害严重。提取地质灾害信息、估算受灾情况,对救灾工作极为重要。传统的遥感人工解译方法速度慢、效率低;计算机自动解译速度快但解译精度受影像质量影响大,大范围地区很难建立起普适性的解译模型。本文利用洮南市西部高分一号遥感数据,结合DEM生成三维影像,建立解译标志,解译基础地质信息,分析地质灾害成因;根据研究区泥石流地质灾害的主要影像特征,提取影像的分类属性,基于面向对象的分类方法,建立信息提取模型,快速提取出地质灾害敏感区域;再进行人机交互,精确提取出地质灾害的类型和范围,通过野外验证,该方法十分可靠,为大范围地质灾害信息快速提取和灾后救援提供科学依据。     

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。     

基于缨帽变换的农田洪水淹没范围遥感信息提取

针对灾后水中悬浮物质增多和高含水量农作物导致常规水体信息提取方法精度较低的问题，提出了一种基于缨帽变换的农田洪水淹没范围遥感信息提取方法。首先，对灾前、灾后遥感图像进行辐射定标和大气校正。其次，通过缨帽变换获取绿度分量和湿度分量；然后，利用最大类间方差法对湿度分量进行分割，结合绿度分量提取水体信息；最后，叠加农田矢量数据，确定农田洪水淹没范围。以湖南省岳阳市及其附近区域为研究区，从定性和定量两个方面对方法进行精度评价。结果表明，该方法所得结果边界清晰，范围准确，生产者精度和用户精度分别为0.97和0.90。该研究能够为农田灾损评估、洪涝灾害动态监测提供参考。     

高海拔冰川信息提取方法研究与应用

为获取大范围最佳冰川边界,本文以西昆龙冰川为研究对象,利用融合后的Landsat-8OLI数据,依据纹理和亮度等规则,使用面向对象-NDSI方法结合大津算法提取了多期单时相2015年冰川范围信息。最后,使用多时相冰川范围信息,进行迭代综合分析,得到了最佳的西昆龙冰川边界。该信息提取总体分类精度高达99%以上,证明面向对象-NDSI方法结合大津算法能够实现高海拔冰川全方位的信息提取。本实验将图像分割大津算法应用于冰川阈值信息获取,实现了客观、快速和准确的影像分割过程。     

基于HJ–CCD数据的海面溢油提取方法研究

快速、准确地获取溢油污染信息,对海洋的动态监测、保护和可持续利用具有重要意义。环境与灾害监测预报小卫星星座一号(HJ–1)是我国针对生态环境污染和灾害监测发射的新型卫星平台,但HJ–1 CCD多光谱数据的光谱波段较少,仅依赖光谱信息获取海面溢油范围的精度较低。因此,以墨西哥湾溢油事件为研究对象,在分析不同地物光谱特征的基础上,采用灰度共生矩阵,选择合适的纹理结构因子,提取HJ–1 CCD图像中影响溢油识别的地物纹理特征;建立光谱特征和纹理特征相结合的决策树模型,提取海面溢油信息,并与只考虑光谱信息的传统分类方法进行精度对比。结果表明,与最大似然分类法相比,决策树方法的油膜提取用户精度和制图精度分别提高了11.85%和4.28%。     

面向对象标准最邻近分类法在地理国情监测中的应用

地理国情监测项目范围大,遥感影像分辨率高,信息提取精度要求高,人工解译任务繁重,急需利用自动解译技术来提高效率。面向对象的标准最邻近分类法可针对地表覆盖信息实现数据的自动快速提取,相比于人工分类方法所提取的结果,该方法具有较高的精度,并且可大幅度提高地理国情监测地表覆盖信息提取的生产效率。     

融合光谱指数与高分影像的塑料大棚语义分割模型

准确获取塑料大棚的空间分布及其动态变化信息对农业发展规划、粮食评估、生态环境监测具有重要意义。高分辨率遥感影像可提供精细的塑料大棚形状、边界等细节信息,符合精准农业的发展需求,在重点区域塑料大棚精准调查中具有不可替代的优势。然而,目前基于高分辨率影像的塑料大棚解译模型面临先验信息不足、难以兼顾解译精度和模型复杂度的难题。针对此问题,提出一种融合新型塑料大棚指数(advanced plastic greenhouse index, APGI)与高分红绿蓝（red green blue,RGB）影像的塑料大棚语义分割模型。该模型主要由APGI语义分支、RGB语义分支和RGB细节分支等组成,并使用注意力机制,融合APGI指数包含的可靠先验信息和高分RGB影像提供的空间细节信息。此外,提出一种边界信息引导的模型训练机制,提升模型对塑料大棚边界像素的精确识别能力。研究发现,在注意力机制引导的融合框架下,中分辨率的APGI指数可有效提升高分影像的塑料大棚识别能力。实验证明,所提模型在明显提升塑料大棚解译精度的基础上,大幅精简了语义分割模型的参数量和计算复杂度,满足高分辨率影像塑料大棚快速、精准解译...     

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。     

基于决策树的遥感影像土地利用类型识别研究

为了准确获取新都区土地利用类型,以2007年四川省成都市新都地区的TM遥感影像为数据源,基于决策二叉树分类方法,在利用各类典型地物的反射光谱特性及典型归一化指数的基础上,结合目视解译,建立了一组能快速、准确提取土地利用信息的决策树分类规则,对研究区域遥感影像进行决策树分类。研究结果表明,决策树分类总体精度和Kappa系数分别为81.00%和0.7314,取得了较为满意的分类结果。     

遥感技术在林果种植区调查中的应用研究

利用遥感技术可以准确、快捷地获取各类林果种植信息,为林果农业种植结构调整、产业发展提供科学依据。本文选择阿克苏市及温宿县为研究区,以ALOS、HJ等卫星数据为主要信息源,采用林果光谱特征分析、地物反射率分析、地物植被指数分析、林果影像特征分析等方法进行林果种植区、种类、树龄的遥感解译识别。经过实地验证和精度的分析与评价,得到的林果种植信息具有较高的精度,能解决实际中的部分应用问题。     

考虑植被红边信息的多时相Sentinel-2大范围冬小麦提取研究

冬小麦是中国的主要粮食作物且种植面积年际变化较大,及时准确掌握冬小麦种植面积变化有利于国家和相关部门科学决策。遥感技术是获取大范围冬小麦种植面积数据的最有效手段。前期研究多利用多时相中低分辨率影像（如MODIS）的归一化植被指数NDVI（Normalized Difference Vegetation Index）开展大范围冬小麦种植区提取,因分辨率低导致精度难以令人满意。Sentinel-2卫星是唯一能获取3个红边波段影像的米级分辨率传感器,但应用其红边波段进行大范围冬小麦提取的研究几乎没有。本文分析了红边位置指数REPI（Red-Edge Position Index）与NDVI各自在冬小麦提取中的优势,并基于冬小麦物候特征与JM距离研究关键时相,提出一种综合多时相Sentinel-2 PERI、NDVI的大范围冬小麦提取方法,将其应用于2020年京津冀地区的冬小麦种植区提取,冬小麦总面积提取误差为-2.57%。提取结果与Google Earth高分辨率光学影像的解译结果进行比较,总体精度为94.24%,Kappa系数为0.88,相较于已有大范围冬小麦提取研究精度有明显提升,表明了本文方法的有效性。     

一种基于倾斜摄影测量点云密度自适应分割的建筑物边界提取方法

针对倾斜摄影场景中建筑物单体化问题,本文提出了基于倾斜摄影测量点云数据的建筑物识别和边界提取自动化算法。首先,对点云进行预处理,去除地面点和噪声点;然后,对点云进行二维栅格化处理,按间隔距离预分割;最后,结合改进的大津算法和区域增长算法,从预分割点云识别其中的建筑物,并提取建筑物边界点。从广东省江门市和湛江市选取两处试验区域对算法进行测试,结果表明:区域内建筑物点云均能准确被分割识别,建筑物边界提取准确度分别为87.8%与92.3%,说明本文提出的方法对于倾斜摄影测量建筑物识别和边界提取的适用性较强。     

基于机载多光谱遥感数据的溢油信息提取方法

为研究应用紫外-可见光-近红外-热红外遥感数据识别海上溢油的方法,利用机载多光谱溢油监测设备获取了舟山海域多光谱遥感数据,并利用野外地物光谱仪获取了水体和油膜的反射光谱。通过提取并分析机载多光谱遥感图像上多目标的影像特征和光谱响应特征,利用决策树分类法对海上油膜相对厚度的分布进行分类和制图。研究表明,基于机载多光谱遥感数据的溢油信息提取方法总体分类精度达93.7%,能够准确区分薄油膜和厚油膜,可有效提取海洋溢油污染信息,完全能够满足海洋溢油污染遥感监测需求。     

基于高分七号影像自动提取东北黑土区侵蚀沟的方法

东北黑土区沟蚀严重且分布面积广,目前对其进行监测大多基于目视解译,自动化程度低,急需一种快速提取方法。本文选取沟蚀严重的黑龙江省宾县马蛇子河流域,基于高分七号影像,以目视解译结果为参照,比较流向边缘检测、机器学习、深度学习3种方法自动提取侵蚀沟的精度。结果表明：(1)流向边缘检测方法依赖高精度地形数据,高分七号立体像对生成的地形数据垂直精度低,侵蚀沟整体提取精度仅为6.7%,无法用于切沟和浅沟的自动提取;(2)机器学习方法需要人为设置分割参数并设计分类特征,自动化程度较低,侵蚀沟整体提取精度可达50.7%,对切沟识别精度可达83.1%,但对浅沟识别精度仅为9.2%;(3)深度学习方法采用端对端的模式,无须人为设计特征提取器,自动化程度高,整体提取精度可达60.8%,对切沟识别精度可达68.1%,对浅沟识别精度可达69.7%。     

基于冠层高度模型的遥感影像玉米倒伏范围提取

精准提取玉米倒伏范围是准确进行田间管理、玉米产量损失估计的基础,无人机获取遥感影像机动灵活,是作物倒伏测量的热门手段。本文提出利用无人技术基于冠层高度差的玉米倒伏范围提取方法。首先通过可见光波段差异植被指数提取玉米背景土壤分布;然后提取玉米的高度;最后基于玉米高度,通过SVM和OSTU自动阈值法提取玉米倒伏范围。试验结果表明,利用SVM法3个样本分类精度分别为88.84%、89.52%和90.80%;OSTU自动阈值法分别为94.61%、89.74%和97.20%,稍优于前者。本文基于作物高度为结构特征参数,提取作物倒伏,机理明确且一定程度上消除了无人机成像不稳定的影响。     

耦合GF-2遥感影像与街景影像的广州市城中村识别

及时准确地获取城中村的空间分布及其环境质量信息对于优化城市空间、改善人居环境具有重要意义。本文以广州市越秀区为例,提出了耦合GF-2高分遥感影像和百度街景影像的城中村识别方法。首先,从街景影像中提取越秀区的街道空间品质特征;其次,在对高分遥感影像预处理并进行多尺度分割的基础上计算光谱、形状、纹理、场景特征和建筑结构5类共计23个特征;最后,融合两种影像的特征用于构建随机森林分类器进行城中村识别。结果表明,基于高分影像和基于街景影像的城中村识别整体精度分别为94.5%和85.7%,Kappa系数分别为0.58和0.31,而两者融合后的分类精度和Kappa系数为96.1%和0.67;其中基于街景影像获取的度量街道空间品质的5个指标贡献了31.6%的特征重要性。鸟瞰视野高分影像和人本视角街景影像提供的信息综合互补,构建了更有区分度的特征空间,减少了城中村的错分现象。本文证实了高分影像和街景影像在特征尺度的融合提升了城中村识别精度。街景影像中的信息可以融入到高分遥感影像等数据源中,辅助进行城中村等非正规居住空间的识别。