基于BP神经网络的高分辨率遥感影像分类

为了能有效地从高分辨率遥感影像中提取地物信息,本文通过影像的光谱和纹理特征,利用BP神经网络算法进行影像分类研究。首先提取分类所需的光谱和纹理特征源,然后根据影像和地物特征,建立BP神经网络,用于样本训练和分类处理,实现地物分类。为验证该方法的可靠性,以2006年11月获取的成都平原某区域的Quickbird影像为实验数据,进行高分辨率遥感影像的地物分类实验。实验结果表明,结合影像光谱和纹理特征的BP神经网络分类算法,不仅可以有效保证BP神经网络分类训练的稳定性和收敛速度,还能达到较高的分类精度。     

基于eCognition的玉树结古镇灾情动态监测研究

中国青海省玉树自治州结古镇附近于2014年4月14日7时左右发生了Ms 7.1级地震。利用灾前灾后两个不同时期的高分辨率影像,以结古镇南部地区为例,探讨基于e Cognition平台,选用多尺度分割和最邻近法,对灾前灾后遥感影像进行各类地物信息提取,分析研究区内各地物的动态变化。研究表明:通过面向对象分类的e Cognition软件提取的各地物信息颜色信息丰富,形状大小特征明显,总体分类精度达到90%以上,分类效果良好。并根据提取成果进行统计分析,快速提供受灾地区地震前后整体动态变化情况,为各级政府部门迅速开展地质灾害抢险救援与监测提供支撑。     

利用无人机影像制作地震灾区三维景观图

为实时、准确地获取地震灾区的灾情和灾后重建状况,研究如何利用高分辨率无人机影像制作灾区三维景观图。对无人机影像进行几何纠正、影像拼接,利用摄影测量方法生成实验区的DEM,进而将影像制作成正射影像图;将无人机影像纹理映射到DEM上构建灾区的三维地形景观,并以正射影像图为底图对安置区的地物进行三维建模;最后根据规划和管理需要,编制三维景观系统,实现地震灾区三维景观的浏览、查询与分析。实践表明,采用无人机影像制作的三维景观图具有分辨率高、形象逼真等特点;影像的获取和处理以及系统的编制可为灾区重建提供丰富详实的信息。     

卫星遥感应急监测信息服务框架设计与应用——以四川木里森林火灾为例

构建及时、有效的卫星遥感应急监测信息服务框架,是开展自然灾害应急救援能力建设的重要内容。本文以数据统筹管理、多源数据处理、应灾信息分析及信息服务快速发布等关键技术为核心,依托高效互联机制和高速数据通道,构建了卫星遥感应急监测信息服务框架。通过在四川木里森林火灾应急遥感监测中的具体应用,实现了对灾前灾后数据的实时推送,以及灾区遥感解译图、三维地形、救援通达性及火灾变化等综合信息服务的及时发布,为四川省火灾一线救援工作提供了科学指导,为新时期国家应急能力建设提供了探索性技术途径。     

权威发布

国务院发布地震灾区重建规划根据《汶川地震灾后恢复重建总体规划》,我国计划用3年左右的时间,耗资1万亿元,完成四川、甘肃、陕西重灾区灾后恢复重建主要任务,使灾区基本生活条件和经济社会发展水平达到或     

基于Landsat-7 ETM的地物精准分类提取方法分析

居民地是人与自然相互作用的产物,快速掌握居民地及其他地物的空间分布和变化特征对城市化进程及区域可持续发展具有重要意义。以四川省绵阳市为研究区域,采用Landsat-7 ETM数据,利用基于像元和面向对象两种方法分别对研究区的居民地及其他地物进行提取,并对结果进行了比较分析。结果表明,三种方法都能较为准确地提取出居民地及其他地物信息,但在提取精度、工作量投入、应用场景方面各有优缺点,面向对象的分类方法具有一定的优势,在大范围生产中可根据实际情况选用不同的方法。     

国土资源部紧急动员组织全系统专业力量 21支防治地灾应急调查队赶赴四川地震灾区

指导开展地灾隐患应急排查、地下水源地勘查、地灾危险性评估等本刊讯(记者张晏)防范地震灾区次生地质灾害,保障受灾群众和救援人员安全,是当前抗震救灾的当务之急。记者获悉,连日来,国土资源部紧急动员组织起的21支防治地质灾害应急调查队,将于5月23日和25日分两批赶赴四川地震灾区开展工作。     

泸定Ms 6.8地震诱发滑坡应急评价研究

2022-09-05,四川省甘孜州泸定县发生Ms 6.8地震。地震在山区诱发了大量的地质灾害,造成了严重的人员伤亡。快速准确地获取地震诱发地质灾害的空间分布范围对震后应急决策和救援抢险至关重要。基于全球同震滑坡数据库与深度学习算法,构建了地震诱发滑坡空间分布概率近实时预测模型,在震后2 h内获取了泸定地震诱发地质灾害的预测结果。通过震后无人机与卫星遥感影像,采用机器学习与深度学习算法实现了震后大范围地质灾害的智能识别,共解译地震诱发滑坡3 633处,总面积13.78 km2。利用遥感解译的泸定地震滑坡数据,对地震诱发地质灾害预测模型进行了优化,获得了震区范围更广、准确性更高的同震滑坡预测结果。结果表明,同震滑坡预测模型能够快速获取震后地质灾害的空间分布情况,填补震后遥感影像获取前的空窗期,为灾后应急救援提供支撑;基于无人机与卫星遥感影像的智能识别技术是快速获取大范围地质灾害信息的有效手段。所取得的研究成果在泸定地震震后应急救援工作中发挥了重要作用。     

地震灾区1：25000影像地图快速制作方法

在地震灾区重建规划用图测绘生产实践的基础上,总结了充分利用已有基础测绘资源及灾前灾后影像资料,采用航测遥感技术对多源遥感影像的处理及多源数据快速整合的技术和方法,提出了可靠、及时、高效率制作地震灾区影像地图的技术路线。     

在地震灾区和三峡库区地质灾害防治工作会上的讲话

<正>(2010年6月28日)近期,国务院领导同志对汶川地震灾区、玉树地震灾区和三峡库区的地质灾害防治工作相继作出一系列重要批示指示。温家宝总理6月15日批示我部,要对汶川、玉树震区地质灾害做一次全面系统的调查,提出防范措施。李克强副总理6月19日批示我部,要密切关注雨情变化,继续加强对重点地区地质隐患排查和地灾防范工作的指导。6月19     

地面建筑物破坏状态检测的多类互信息量评估—震灾前光学图像与震灾后SAR图像的融合

利用震前可具备的光学图像与震后卫星SAR图像的信息融合,可检测与评估震灾区地表面建筑物破坏状态。本文根据震前光学图像的建筑物特征参数,通过SAR成像仿真算法,模拟各建筑物SAR图像,根据震后SAR真实图像与SAR仿真图像互信息量的比较,综合利用归一化互信息量、梯度互信息量、区域互信息量及检测与评估建筑物破坏状态。采用2010年海地地震灾前的IKONOS光学图像、灾后COSMO-SkyMed与RADARSAT-2的星载SAR图像,进行震后建筑物破坏状态检测与评估。其结果与震后GeoEye光学图像进行了验证,证明了本文方法的可行性。     

A new dynamic network flow algorithm using base state amendment model for emergency response

Large‐scale earthquake disasters in recent years have caused huge damage to people's lives and property. Quick effective emergency response is the primary task post‐disaster. A dynamic network flow model can be used to obtain an effective emergency material rescue plan for the transportation network. Strong timeliness is a critical factor to emergency response. However, very few efficient algorithms were presented for most dynamic network flow problems. To solve this issue, this article introduces a novel low‐time‐complexity exact algorithm using the continuous‐time dynamic network flow (CTDNF) and the base state with amendment (BSA) model in the geographic information science field. Besides, this new CTDNF‐BSA algorithm is improved to solve more complex cases with dynamic capacity and transmit time in a dynamic transportation network. Both numerical and geographic experiments were conducted to assess the correctness, time and space performance of the presented CTDNF‐BSA algorithm. The experimental results demonstrated that the CTDNF‐BSA algorithm can attain the optimal solution with good computing time and space performance as compared with traditional algorithms. Geographic cases in dynamic situations for real emergency response illustrated that the CTDNF‐BSA algorithm can provide effective decision support for emergency material rescue planning in a dynamic transportation environment.     

基于LiDAR和航空影像的地震灾害倒塌建筑物信息提取

地震灾害损失评估是震后展开救灾工作的重要环节.快速、准确地获取震后损毁建筑物信息能够为灾区减灾、救灾工作提供有效的支持.高分辨率航空遥感是灾害监测的重要技术手段,但其信息自动提取的精度受到一定的限制.近年来新出现的LiDAR技术能够提供地面目标的高程信息,可应用于复杂环境下倒塌建筑物信息的提取.研究中采用航空遥感数据和...     

高分三号卫星全极化SAR影像九寨沟地震滑坡普查

基于光学遥感影像的区域滑坡普查易受云雾天气的影响,存在滑坡体调查不全面的问题,无法满足震后应急调查与恢复重建的需求。本文提出了一种极化SAR卫星数据滑坡普查方法,采用高分三号全极化SAR卫星影像数据,以九寨沟地震震区为实验区,在深入分析滑坡体和其他地物类型散射特征的基础上,融合极化特征、纹理特征和地形特征等多维特征信息,结合高分二号影像获取的训练样本,构建基于BP神经网络的全极化SAR数据滑坡自动识别模型,实现滑坡体的自动快速识别。与高分辨率光学影像与无人机航空影像目视解译结果相比较,总体识别精度为92.8%,Kappa系数为0.715,识别准确度满足地震应急实际应用的需求。研究成果可用于震区大区域滑坡体的普查,为后续开展无人机高分辨率影像滑坡体详查、灾后应急与景区恢复提供辅助信息支撑,并促进国产高分SAR卫星数据在防震减灾中的应用。     

机载LiDAR技术应用于茂密植被山区地质灾害调查

我国茂密植被山区地质灾害具有高位、高隐蔽性的特点,传统地质灾害排查手段在有效解决隐患的早期识别方面存在一定困难.机载雷达技术不仅可获取地面反射的三维激光点云,同时能够提供高分辨率、高精度的地形地貌二维影像.机载雷达的多次回波技术可"穿透"地面植被,通过滤波算法能够有效去除地表植被的影响,获取真地面高程数据信息,从而可获...     

2017年“8.8”九寨沟地震滑坡自动识别与空间分布特征

2017年8月8日发生的7.0级九寨沟地震诱发九寨沟熊猫海附近产生大量的滑坡体,造成道路阻塞,严重影响地震应急救援进度。为快速准确地识别滑坡分布范围,本文在深入分析滑坡遥感影像特征的基础上,引入面向对象分析方法,实现了基于无人机影像的震后滑坡体的自动识别。通过多尺度分割算法获取滑坡多层次影像对象,利用SEaTH算法自动构建每一层次特征规则集,实现基于不同层次分析的滑坡体自动识别。分析滑坡体在地形、活动断层等因子中的空间分布特征,为地震滑坡预测与危险性评价奠定基础。与人工目视解译结果相比较,基于面向对象的滑坡自动识别方法提取精度可达94.8%,Kappa系数为0.827,在电脑配置相同的情况下,自动识别方法的效率是人工目视解译效率的一倍。空间分布特征分析表明,地震滑坡的空间分布与斜坡坡度、地形起伏度呈正相关关系,与地表粗糙度存在负相关关系,研究区滑坡体分布存在明显的断层效应。     

面向野外地质调查工作的道路提取方法研究

为弥补传统的依靠管理组织、法律、经济、教育等进行对野外地质工作安全管理工作的不足,通过百度SDK采集GPS步行轨迹数据,基于单向GPS轨迹数据的特点,进行轨迹的分割分段处理.最后利用BP神经网络算法拟合道路,通过反复实验确定BP网络的参数配置信息.并以中国地质大学西区为研究区域,提取路网信息,验证算法的有效性和实用性....     

汶川抗震救灾的基础地理信息综合应急服务

在5．12汶川特大地震抗震救灾中,国家测绘部门设计和组织实施了以数据成果服务、专用系统服务和专题制图服务为核心的基础地理信息综合应急服务。其是针对汶川震区地形特点和抗震救灾主体工作需求,快速整合和提供震区已有的基础测绘成果和最新遥感影像资料;快速搭建集震区海量数据集成管理为一体并具备3维影像浏览、对比分析等功能的专用地理信息系统,为灾情评估分析和重建规划研究提供地理空间数据集成展示和分析平台;应需地制作反映受灾范围、受灾程度、救灾响应、规划思路等的各类专题地图和地图集,有效地表达地震灾害的时空分布、重建规划布局等。     

Land-use classification using ASTER data and self-organized neutral networks

Operationally AVHRR and TM/TM+ data were used and a supervised maximum likelihood classification (MLH) was applied to depict land use changes in Beijing, providing basic maps for planning and development. With rapid growth of the city these are helpful to deal with higher resolution data, whereas new classification algorithms produce land use maps more accurate. In the paper, new sensor ASTER data and the Kohonen self-organized neural network feature map (KSOM) were tested.The TSOM classified 7% more accurately than the maximum likelihood algorithm in general, and 50% more accurately for the classes ‘residential area’ and ‘roads’. The results suggest that ASTER data and the Kohonen self-organized neural network classification can be used as an alternative data and method in a land use update operational system.