GF-1、GF-2与Landsat-8卫星多光谱数据的交互对比

基于两组敦煌定标场的GF-1 PMS2、GF-2 PMS1与Landsat-8 OLI(operational land imager)同步影像,对3种传感器之间表观反射率数据的一致性进行交互对比。结果表明,两颗国产高分卫星的表观反射率数据具有很高的一致性,但它们与Landsat-8数据之间存在着一定的差异,其中尤以近红外波段的差异最为明显。在可见光波段,3种传感器的信号强度关系为:GF-2 PMS1GF-1 PMS2Landsat-8 OLI,在近红外波段的关系为:Landsat-8 OLIGF-1 PMS2GF-2 PMS1。试验结果表明,所提出的数据转换模型能够有效地降低两种国产高分卫星传感器与Landsat-8 OLI在近红外波段的明显差异,且当选择与被转换影像地物比例一致性较高的模型进行转换时,转换精度能够进一步提高。     

基于GF-1与Landsat-8影像的山区苹果园地信息提取

GF-1卫星影像具有空间和时间分辨率高、纹理信息丰富等优势,而Landsat-8卫星影像具有多波段、光谱信息充足等优势。针对两种影像的特点,本文分别用面向对象分类方法进行苹果园地信息提取研究,结果表明:两种影像的分类精度都比较高,但由于研究区域属于山区,地块分布不均匀,GF-1影像发挥其空间分辨率较高的优势,苹果园地面积提取精度比Landsat-8高1.19%。     

结合高分遥感和多源数据的高原湖泊流域土地利用分析

高分一号卫星是为提升我国高分辨率数据自给率自主发射的卫星,在土地利用监测方面具有重要的应用价值。将GF-1卫星影像与多源数据影像进行对比能够挖掘各数据源在土地利用动态监测方面的差异性。本文以云南省杞麓湖流域为研究区,选取最新的Sentinel-2、GF-1和Landsat 8卫星遥感影像进行土地利用分类,以第二次全国土地利用调查数据为基期数据,结合野外实地调研和土地利用转移矩阵开展土地利用现状和演变分析,得出以下结论：①杞麓湖流域的水域、建设用地、耕地和林地自中心向外呈现出圈层分布的特征,与第二次全国土地调查结果相比,水域、耕地、林地3种类型的自然景观面积减少,而建设用地和其他用地受人类活动的影响,面积大幅增加,变化主要集中在杞麓湖周边的纳古镇和河西镇。②Sentinel-2卫星影像与GF-1卫星影像均具有较高的空间分辨率,二者对土地利用变化评估的结果相近,均优于Landsat 8卫星影像,其中GF-1卫星影像具有较高的应用价值。     

近10年连云港海域紫菜养殖区遥感监测与分析

近年来连云港海域紫菜养殖面积不断增大,为监测其发展趋势,本文利用Landsat-5、Landsat-7和Landsat-8卫星遥感影像为数据源,结合GIS空间分析方法,同时采用2017、2018年海域无人机影像对同期卫星影像目视解译结果开展精度验证,得出紫菜养殖区目视解译精度,以此获取近10年连云港海域紫菜养殖范围、面积和分布变化情况。结合等深线数据,开展不同深度区紫菜养殖面积增加和减少情况分析。该研究从宏观的角度掌握了连云港海州湾海域紫菜养殖的动态变化情况,对连云港市海域使用现状监管和海洋生态环境监测起到一定的技术支撑作用。     

浅析构造层次理论在遥感地质工作中的应用

长期以来,遥感地质解译过程中确定各地层单元相对时代很难脱离已有地质资料单独依赖遥感影像进行判断。在地质资料较少、野外工作开展困难的情况下,地质构造的解译、成矿有利地段的圈定也会受到很大限制。针对此问题,以我国新疆维吾尔自治区北山地区为研究区,首次采用"构造层次理论",梳理分析利用Landsat8和高分二号(GF-2)卫星影像解译的区域性构造和小型构造,划分研究区的构造层次。通过对研究区构造层次的研究,一定程度上实现了仅依靠遥感影像和有限的地质资料,掌握地层相对时代、构造事件和成矿有利地区等信息,为遥感地质解译工作和发挥国产GF-2卫星高空间分辨率的优势提供新的思路;同时也为解决境外遥感地质工作中遇到的基础地质资料收集困难、实地考察成本较高以及基础地质工作程度薄弱等问题提供新的途径。     

基于GF-1 WFV和Landsat-8 OLI提取植被信息方法比较研究

针对GF-1 WFV和Landsat-8 OLI两种传感器的参数特点,选取归一化植被指数(NDVI)、增强型植被指数(EVI)、大气阻抗植被指数(ARVI)、土壤调整植被指数(SAVI)和修正的土壤调整植被指数(MSAVI)5种植被指数,采用同一时期的两种传感器数据对四川省茂县进行植被信息提取,并结合像元二分模型估算植被覆盖度,计算分析两种数据源下不同植被指数的差异性。结果表明:GF-1数据提取的NDVI植被效果最好,其中2013年分类总精度为94.55%,Kappa系数为0.88;2015年分类总精度为90.47%,Kappa系数为0.85。对于Landsat-8数据提取的SAVI的结果最佳,其中2013年分类总精度为94.38%,Kappa系数为0.86;2015年分类总精度为95.83%,Kappa系数为0.88。根据统计指标分析表明:在高原山区地形环境下,利用植被指数估算植被覆盖度,GF-1卫星采用NDVI、Landsat-8卫星采用SAVI比较合适,且GF-1数据的估算精度要高于Landsat-8数据。     

基于深度学习的高分辨率遥感影像光伏用地提取

近年来我国光伏产业发展迅猛,随之也产生了诸多用地问题,通过遥感技术提取光伏用地,监测光伏用地分布与用地状况,对于光伏产业健康发展具有重要意义。本文提出一套基于深度学习方法的高分辨率遥感影像光伏用地自动提取方法,该方法利用GF-1等卫星影像和Google Earth影像构建光伏用地样本,基于ResNeSt-50作为骨干网络的DeepLab V3+模型实现深度学习语义分割算法,并结合计算机图形学方法对深度学习结果进行后处理,实现了面向高分辨率遥感影像较通用的且高精度的光伏用地自动提取。该方法的深度学习模型验证精度mIoU值达0.899 2,提取结果具有良好的边缘精度且具有广泛的适用性,支持GF-1、ZY-3、GF-6、GF-2和Google Earth等影像。     

基于GF-1卫星数据的新增建设用地监测试验与分析

选择内蒙古包头市石拐区和江苏省徐州市贾汪区分别作为典型山地、平原试验区,开展了GF-1卫星数据的新增建设用地监测能力试验与分析。试验结果表明,基于GF-1卫星数据的新增建设用地监测图斑属性精度,新增建设用地占用耕地、非耕农用地图斑面积精度,以及最小可监测图斑面积,满足土地利用动态遥感监测业务相关规范要求。     

GF-3全极化影像在地表浅覆盖区进行地质构造解译的新方法

地质构造信息对地质矿产调查具有重要意义,野外实测和光学遥感等常规手段在一些地表浅覆盖区获取的地质构造信息十分有限,而合成孔径雷达(SAR)对地表具有一定的穿透性,在探测地表浅层覆盖区域的地质构造特征中具有独特优势。利用高分三号(GF-3)全极化影像,在典型的地表浅层覆盖区域,开展了断裂构造等信息的解译探索,提出了一种地表浅覆盖区域地质构造解译的新方法。首先对西藏改则、林芝、贵阳、北京千家店等4个研究区内的断裂构造和环带构造进行分析;接着,提出了GF-3全极化影像用于浅覆盖区地质解译的处理流程,通过引入DEM数据对GF-3影像进行地形校正,充分利用微地形微地貌特征,并采用不同极化方式的RGB合成,增强了影像的判读性,并进行地质构造解译;最后,将解译结果与1∶5万实测数据进行对比,断层的位置和方向与实测结果基本一致,同时获取了大量野外实测未能探明的浅覆盖层以下的断层信息,进一步丰富了研究区的地质构造信息。结果表明,GF-3全极化影像可用于浅覆盖区的地质构造解译,并且具有野外实测和光学遥感等常规手段所不能替代的独特优势。     

“高分二号”卫星在黄土地质灾害解译中的应用研究

黄土高原地区地质灾害多发频发,危害严重,应用亚米级的高分二号(GF-2)卫星影像数据,提取地质灾害信息,并对室内解译结果进行了野外查证。本文提出了以GF-2卫星数据为主要信息源,进行地质灾害解译的技术方案;并以宁夏南部黄土高原区为例,验证了该方法的适用性,为规模化地开展基于国产高分系列卫星的黄土高原地区地质灾害遥感解译提供了可行的技术方案;通过GF-2卫星影像与常用的国内外卫星数据用于地质灾害信息判释的对比研究,认为GF-2卫星影像对于地质灾害信息的识别能够满足地质灾害遥感解译的要求,GF-2卫星影像的应用具有较高的性价比和显著的经济社会效益。     

Landsat-8多时相遥感影像亚热带森林分类

森林类型遥感影像自动制图在森林资源调查中有重要应用,本文以广西壮族自治区金秀县为研究区,基于多时相的Landsat-8数据,采用面向对象的决策树分类方法,对研究区森林类型自动识别进行了研究,分类结果表明:1)单一时相影像森林分类精度中,生长季前期最高,生长季末期次之,非生长季最冷月最低;2)结合生长季与非生长季的多时相影像森林类型自动识别精度较单一时相影像显著提高。     

基于高分一号与Landsat-8影像的水体浊度反演比较

为分析高分一号WFV传感器16 m遥感影像在水质反演方面的能力,本文选取南四湖为研究区,以高分一号卫星影像与Landsat-8卫星OLI影像为数据源,结合地面同步实测水体浊度数据,建立反演水体浊度的原始光谱反射率模型、归一化反射率模型和波段比值模型,并对各模型进行精度评价,分别比较两个传感器在浊度反演能力方面的差异。结果表明:利用高分一号WFV 16m遥感影像进行水质反演具有较高的精度,且具备更高的空间分辨率和更短的重访周期,可以替代Landsat-8多光谱数据。     

基于GF-1的山地主要农作物种植信息提取研究

为探索GF-1 PMS多光谱数据影像在低山丘陵地貌破碎地区主要农作物遥感识别中的信息有效性,以重庆市永川区卫星湖街道为例,利用研究区多时相、多光谱特征影像,对研究区油菜、玉米、水稻等主要作物进行信息提取。提取结果显示,利用GF-1多时相多特影像,水稻作物信息提取生产精度与用户精度均达到90%以上,提取精度较低的旱地作物玉米提取效果也得到了提升,油菜作物信息提取生产精度大幅度高于用户精度,主要作物提取总体精度OA为80.93%,Kappa系数0.635,分类质量达到较好水平。基于多时相GF-1影像光谱、纹理等特征的面向对象分类方法,能够有效地提取南方低山丘陵破碎地貌地区主要农作物空间分布信息,提高主要农作物的遥感识别精度,为山地农作物遥感信息提取提供参考。     

基于多源遥感数据的植被覆盖度反演方法比较研究

采用GF-1号、ZY-3号以及Landsat-8卫星数据,利用回归模型和像元二分模型,通过对建立的四类植被指数NDVI、MSAVI、MVI和RVI,结合野外调查数据,提出NSD的概念来评价模型及方法的精度。实测数据与各类遥感影像的4种植被指数间均存在着显著的相关关系;通过NSD精度验证,说明空间分辨率较低的遥感数据,在一定程度上提高了反演精度;在4类植被指数中,RVI与MSAVI对于三类数据反演精度较高,且MSAVI对于较低分辨率遥感数据可能具有更好的消除土壤背景影响的作用。     

基于GF-1的冬小麦遥感监测区域适用性分析

以湖北省为研究区,从地形地貌、种植结构、监测时相、谱段设置以及监测精度等方面综合分析了GF-1卫星数据在冬小麦种植面积遥感监测中的区域适用性。研究表明,GF-1卫星数据对江汉平原、鄂东沿江平原、鄂北岗地以及鄂东丘陵等地区的冬小麦遥感监测均有较好的适用性,其监测精度能够满足湖北省冬小麦大尺度遥感监测的精度要求,但难以达到小范围的遥感监测精度要求。     

基于Landsat-8 OLI的西安市土地利用类型遥感分类研究

近年来,由于区域人口的增加和社会经济的快速发展,西安市的土地利用类型发生了明显变化。土地利用分类可为生态系统模型、水资源模型和气候模型等提供重要信息,遥感技术为土地利用分类提供了有效的工具。本文以西安市2016年Landsat-8卫星的OLI多光谱数据为基础资料,参考国家土地利用分类标准和西安市土地利用现状,将西安市的土地类型分为建设用地、裸地、水体、草地、耕地、林地6类,采用监督分类中常用的最大似然分类法和决策树分类方法对研究数据进行解译,利用总体分类精度和Kappa系数等指标对各分类精度加以评价,并结合实际用地情况对分类结果进行了总结分析。     

遥感技术在地质构造及找矿中的应用

利用Landsat-8卫星的ETM+遥感影像为数据源,结合当地区域地质调查基础资料,对中国西北某高原地区内线性断裂、环形构造、侵入岩体、赋矿地层等地质构造的成矿特征开展遥感解译,综合运用数理统计原理与地统计学分析方法,分析遥感解译的地质构造信息与矿产勘查的相关性,总结了区内解译构造与成矿关系条件。     

基于NPP-VIIRS夜间灯光数据和Landsat-8数据的城镇建筑用地提取方法改进——以广州市为例

以广州市为例,将Landsat-8-OLS数据与NPP-VIIRS夜间灯光数据相结合提取城镇建筑用地,在常规的NDBI指数、ULI指数方法的基础上进行改进,以获得更加精确的城镇建筑用地信息。首先,利用NPP-VIIRS夜间灯光数据得到城镇建筑用地的大致分布范围,基于Landsat-8-OLS数据提取NDBI、NDVI指数;然后通过分析夜间灯光建筑用地范围、NDVI指数,NDBI指数三者的特性,分别对三者图像进行二值化、求交运算来提取城镇建筑用地;最后将提取结果与传统的NDBI指数、ULI指数方法的提取结果进行对比,利用Google Earth高空间分辨率影像数据进行精度验证。结果表明,结合NPP-VIIRS数据和Landsat-8-OLS数据的多指数提取相交运算,可有效剔除提取结果中包含的裸土信息,与NDBI等指数方法相比,能得到更高的精度。     

基于主成分分析的农作物空间分布信息提取

针对遥感农作物分类精度低、作物区分不明显的特点,本文提出了一种基于主成分分析的农作物空间分布信息提取方法.通过主成分分析,增强影像的光谱特征,提高样本的可分离性和影像分类精度,满足农作空间分布识别要求.最后以GF-1卫星影像为研究对象进行试验,结果表明,本文提出的方法分类精度可达95％以上,实验结果符合实际情况.     

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。