TM-SAR数据融合在黄河口沙咀动态监测中的应用研究

黄河口沙咀位于 1976年之前黄河入海故道与现黄河入海口之间 ,是目前世界上陆地面积生长最快的地区。该地区于 1992年经国务院批准为国家级自然保护区 ,是以保护新生湿地生态系统、珍稀频危鸟类为主体的国家级自然资源保护区。由于受河流泥沙淤积作用、海水侵蚀作用、石油开发等自然及人为因素综合作用的影响 ,该区海岸线蚀进及地表覆盖状况变化较快。利用获取的 1995 ,1997,2 0 0 0年陆地卫星TM数据 ,对地观测卫星ERS - 1和RADARSAT数据 ,通过数据融合处理及FL神经网络分类方法 ,可以清楚的对 1995～ 2 0 0 0年间黄河口沙咀海岸线蚀进及地表覆盖状况进行动态分析。研究结果表明 ,TM和SAR的融合数据对该地区动态监测有一定的优势。     

基于多通道数据融合的无人机遥感影像地物目标提取方法

针对仅使用无人机遥感RGB影像进行目标检测时精度不高、高程信息利用不足等问题,该文采用通道叠加和类IHS变换两种多通道数据融合方法对RGB影像与高程数据进行融合,使用DeepLabv3+卷积神经网络语义分割模型提取两种融合影像地物目标,并与RGB影像提取结果进行对比分析.结果表明,基于上述两种融合影像的地物目标识别精度高于仅使用RGB影像的识别精度,其中通道叠加影像的整体像素精度、平均像素精度和Kap-pa系数分别提高了3.52％、1.42％ 和14.99％.由于不同地物目标与周围地物的高程差不同,致使各融合方法对不同地物目标识别精度的提升效果不同,道路、建筑和地面识别精度的提升效果较好.     

TM—SAR数据融合在黄河口沙咀动态监测中的应用研究

黄河口沙咀位于1976年之前黄河入海故道与现黄河入海口之间，是目前世界上陆地面积生长最快的地区。该地区于1992年经国务院批准为国家级自然保护区，是以保护新生湿地生态系统、珍稀频危鸟类为主体的国家级自然资源保护区。 由于受河流泥沙淤积作用、海水侵蚀作用、石油开发等自然及人为因素综合作用的影响，该区海岸线蚀进及地表覆盖状况变化较快。利用获取的1995，1997，2000年陆地卫星TM数据，对地观测卫星ERS－1和RADARSAT数据，通过数据融合处理及FL神经网络分类方法，可以清楚地对1995－2000年间黄河口沙咀海岸线蚀进及地表覆盖状况进行动态分析。研究结果表明，TM和SAR的融合数据对该地区动态监测有一定的优势。     

基于Sentinel-2数据的不透水面识别方法与应用研究

快速、准确获取不透水面的空间分布信息对揭示城市发展与生态环境的关系具有重要意义.该文提出一种基于Sentinel-2数据的不透水面识别方法(Impervious Surface Identification Method,ISIM-S2),首先基于分层分类思想,利用多种指数算法剔除裸土和不透水面以外的地物,得到不透水面靶区,然后采用主成分分析对裸土和不透水面进行分离.为验证ISIM-S2的普适性,将其应用于北京、长春、广州和昆明4个不同地理环境下的研究区,并与生物物理综合指数、不透水面综合指数、比值居民地指数的提取结果进行对比,结果表明:ISIM-S2方法降低了云、水体对不透水面的影响,能有效改善不透水面提取中与裸土的混淆,在上述4个研究区不透水面总体识别精度分别为92.56％ 、95.78％ 、92.70％ 和91.68％,优于其他3种指数,且该方法操作简单、易实现,可为不透水面有效识别提供一种新途径.     

北京一号卫星影像的数据融合研究

"北京一号"卫星是我国近期发射的一颗中高分辨率对地观测小卫星.鉴于数据融合技术在遥感领域的重要作用,对该卫星多光谱与全色波段数据进行不同融合方法的实验.具体以河南新郑地区为实验区,应用遥感处理软件,通过定性分析和定量评价,得出Brovey变换是目前较适合北京一号小卫星数据的融合方法,而小波HIS变换则是以后研究的重要发展趋势.     

基于Sentinel-1A合成孔径雷达数据和全卷积网络的城市建设用地监测方法研究

Sentinel-1A合成孔径雷达数据不受云、雾等天气条件的影响并具有丰富的纹理信息,为提取城市建设用地信息提供了一种新的数据源。本文发展了一种基于Sentinel-1A合成孔径雷达数据和全卷积网络的城市建设用地监测方法。该方法的优势主要在于可以有效复合不同极化方式下的Sentinel-1A合成孔径雷达数据和综合集成多尺度特征。在甘肃省张掖市甘州区的应用表明,该方法的提取结果总体精度为92.50%,Kappa系数为0.85。与现有方法“KTH-Pavia城市提取器”相比,Kappa系数提高了37.10%,总体精度提高了11.50%。因此,该方法具有良好的应用潜力。     

基于像元级RS影像数据融合方法应用评价

遥感信息融合（Fusion）是目前遥感应用领域的一个热点问题。高分辨率的全色影像与多光谱彩色低分辨率的遥感数据叠加，可以最大限度地利用不同分辨率、不同光谱信息和不同时相分辨率的遥感信息。融合中对同一地区长江流域秭归段的TM4、3、2多光谱和TM8高分辨率的遥感影像采用了IHS变换、分辨率（主成分分析）融合方法进行了数据融合，并对不同的融合方法所得到的融合影像进行目视和统计特征的分析与评价。     

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。     

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。     

基于DCT变换的多光谱与全色影像融合方法

针对IHS融合法的融合影像相对于原多光谱影像光谱扭曲严重、小波变换融合法运算量大的缺点,依据影像成像时传感器像素间的对应关系,提出应用遥感影像空间分辨率比值关系对影像进行分块,采用离散余弦变换与IHS变换相结合的融合方法进行多光谱影像与全色影像融合,以提高遥感影像的应用能力。仿真实验表明,该方法融合结果的光谱保持性与小波变换方法相近,均优于IHS变换融合影像,对全色影像空间信息集成能力稍弱,但计算效率明显改善,适合于对大数据量的遥感影像融合。     

基于卷积神经网络和高分辨率影像的湿地群落遥感分类——以洪河湿地为例

以洪河国家级自然保护区为研究对象,应用卷积神经网络（CNN）方法进行高分辨率湿地遥感影像的分类研究,并与基于光谱支持向量机（SP-SVM）的方法和基于纹理及光谱的支持向量机（TSP-SVM）的方法进行了对比。结果显示,对于所选取的2个研究区域,CNN分类方法的全局精度高于SP-SVM方法5.61%和5%,高于TSP-SVM方法4.18%和4.15%。尤其对于部分湿地植被的分类精度明显高于SP-SVM和TSP-SVM方法。研究表明,卷积神经网络为湿地识别的精细划分提供了有利的手段。     

基于多分类器组合的高分辨率遥感影像目标识别

研究多分类器组合的形式及其在目标识别中的应用.设计和实现了基于多分类器组合从高分辨率遥感影像中提取目标的具体方法.以楼房的识别与提取为例,选用QuickBird高分辨率影像,利用投票法、加权求和、完全一致规则及或运算合并等多分类器组合方法进行目标识别,比较了多分类器系统与单一分类器的精度与性能,从理论和实验两方面分析了多分类器组合用于目标识别的精度影响因素,提出了相应的改进策略.实验表明,在采用合理的组合规则下,多分类器组合能使目标识别结果达到高识别率和高置信度.     

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。     

基于无人机遥感的盛花期薇甘菊爆发点识别与监测

局域尺度上爆发点的识别与监测是薇甘菊（Mikania micrantha）入侵研究的一个难点,无人机遥感为此提供了新的研究手段。采用无人机搭载RGB相机获取研究地的正射影像,采用波段运算、影像分割和深度学习3种方法对盛花期薇甘菊的爆发点进行识别。结果表明：高分辨率的RGB拼接影像可直接用于目视识别薇甘菊的爆发点。过绿指数（EGI）、归一化过绿指数（NEGI）、蓝绿差异指数（BGDI）、绿红差异指数（GRDI）、归一化绿红差异指数（NGRDI）以及植被色素比值指数（PPR）均无法分离薇甘菊和其附主植物;但PPR指数可为面向对象的多尺度分割提供参数支持。面向对象的多尺度分割可自动识别薇甘菊的爆发点,但会低估其爆发面积。基于深度学习（Deeplab V3+）的自动识别方法,能准确识别薇甘菊的爆发点和爆发面积,测试集的平均交并比（mIoU）为78.46%,像素精度为88.62%。无人机遥感数据为局域尺度上的薇甘菊扩散机制研究提供了基础,也为薇甘菊入侵的监测、预警和精准防治提供了有力支撑。     

基于垂直带谱的南北过渡带1:5万植被类型图遥感制图研究——以太白山为例

The compilation of 1:250,000 vegetation type map in the North-South transitional zone and 1:50,000 vegetation type maps in typical mountainous areas is one of the main tasks of Integrated Scientific Investigation of the North-South Transitional Zone of China.In the past,vegetation type maps were compiled by a large number of ground field surveys.Although the field survey method is accurate,it is not only time-consuming,but also only covers a small area due to the limitations of physical environment conditions.Remote sensing data can make up for the limitation of field survey because of its full coverage.However,there are still some difficulties and bottlenecks in the extraction of remote sensing information of vegetation types,especially in the automatic extraction.As an example of the compilation of 1:50,000 vegetation type map,this paper explores and studies the remote sensing extraction and mapping methods of vegetation type with medium and large scales based on mountain altitudinal belts of Taibai Mountain,using multi-temporal high resolution remote sensing data,ground survey data,previous vegetation type map and forest survey data.The results show that:1)mountain altitudinal belts can effectively support remote sensing classification and mapping of 1:50,000 vegetation type map in mountain areas.Terrain constraint factors with mountain altitudinal belt information can be generated by mountain altitudinal belts and 1:10,000 Digital Surface Model(DSM)data of Taibai Mountain.Combining the terrain constraint factors with multi-temporal and high-resolution remote sensing data,ground survey data and previous small-scale vegetation type map data,the vegetation types at all levels can be extracted effectively.2)The basic remote sensing interpretation and mapping process for typical mountains is interpretation of vegetation type-groups→interpretation of vegetation formation groups,formations and subformations→interpretation and classification of vegetation types&subtypes,which is a combination method of top-down method and bottom-up method,not the top-down or the bottom-up classification according to the level of mapping units.The results of this study provide a demonstration and scientific basis for the compilation of large and medium scale vegetation type maps.     

基于语义和边缘特征融合的高分辨率遥感影像水体提取方法

利用卷积神经网络从遥感影像中提取水体时,水体对象边缘像素的特征与内部像素的特征之间往往存在较大差异,导致提取结果中边界模糊、内部像素与边缘像素的提取精度差异较大,影响了整体精度的提高。针对如何从高分辨率遥感影像中进行水体高精度、自动化提取的问题,文章首先以高分辨率遥感图像为基础,利用边缘提取算法生成边缘图像,然后以高分辨率遥感图像和边缘图像作为输入,建立了语义特征和边缘特征融合的高分辨率遥感图像水体提取模型（Semantic Feature and Edge Feature Fusion Network, SEF-Net）,用于从高分辨率遥感图像中提取水体对象。实验结果表明,SEF-Net模型在3个数据集中的召回率（91.97%、92.07%、93.97%）,精确率（91.12%、98.37%、97.88%）,准确率（89.56%、95.07%、94.06%）和F1分数（91.54%、95.12%、95.88%）均优于对比模型,说明SEF-Net模型从高分辨率遥感图像中提取水体时,具有更高的精度和泛化能力。     

准格尔丘陵沟壑区五分地沟流域土地覆盖分析(英文)

以准格尔丘陵沟壑区五分地沟流域为研究区,应用彩红外航片和IKONOS卫星影像,绘制了1987、2002年土地覆盖/植被类型图,并数字化基于地面土地利用调查绘制的1979年土地利用图.利用景观格局指数,评价了研究区土地覆盖/植被空间格局现状及土地覆盖类型动态变化;并以ETM 数据为信息源,绘制了2002年土地覆盖/植被类型图.研究表明:2002年研究区土地覆盖/植被呈现出一个耕地、草地、人工乔木林和人工灌木林以及种植稀疏灌木的草地高度镶嵌的景观格局特征;20年内土地覆盖类型发生了显著的变化,景观异质性增强.基于研究区景观的高度破碎化,绘制小流域精细尺度土地覆盖图,高空间分辨率遥感数据十分必要.     

准格尔丘陵沟壑区五分地沟流域土地覆盖分析

以准格尔丘陵沟壑区五分地沟流域为研究区,应用彩红外航片和IKONOS卫星影像,绘制了1987、2002年土地覆盖/植被类型图,并数字化基于地面土地利用调查绘制的1979年土地利用图.利用景观格局指数,评价了研究区土地覆盖/植被空间格局现状及土地覆盖类型动态变化;并以ETM 数据为信息源,绘制了2002年土地覆盖/植被类型图.研究表明:2002年研究区土地覆盖/植被呈现出一个耕地、草地、人工乔木林和人工灌木林以及种植稀疏灌木的草地高度镶嵌的景观格局特征;20年内土地覆盖类型发生了显著的变化,景观异质性增强.基于研究区景观的高度破碎化,绘制小流域精细尺度土地覆盖图,高空间分辨率遥感数据十分必要.