基于Sentinel-1的长江干流水域面积动态变化遥感监测

本文利用Sentinel-1数据获得了2016-2020年月度长江干流上海-宜宾段水域面积,并分析其年际、年内变化规律。分析结果表明,①月度变化规律为1-5月水面面积变化相对平稳,6-8月水域面积逐步增加,在7月达到峰值;9月稍有回落,10月再次达到峰值后逐步减少至稳定。②季节性变化规律为冬季水域面积最小,夏季水域面积最大,夏季和冬季呈现明显的季节差异。③年际变化规律为2016年后水域面积呈增长趋势,其中2017-2019年水域面积相对稳定且缓慢增长,2020年面积急剧增长。分段而言,水域面积随时间的变化幅度为下游>中游>上游,中上游变化相对平稳,下游较显著。④易发生洪涝的断面主要分布在中下游段,需引起重视并做好监测预警。     

城市地表形变的双极化Sentinel-1数据极化时序InSAR技术监测

利用双极化Sentinel-1数据有望得到较单极化数据更好的城市地表形变监测结果。以典型受地表沉降灾害影响的两座超大城市（墨西哥的墨西哥城和中国北京市）为研究区,分别基于长时序单、双极化Sentinel-1数据,利用时序合成孔径雷达干涉测量（interferometric synthetic aperture radar, InSAR）技术和极化时序InSAR技术对两城市近年地表形变进行监测研究。结果表明,利用双极化Sentinel-1数据对干涉图进行极化优化后,干涉图相位质量得到提升,高质量像元比例明显增加。使用双极化数据后,形变监测点密度有显著提升,相比于单极化数据结果,墨西哥城和北京市监测点密度分别提升88%和50%;更高的监测点密度使部分区域双极化数据反演地表形变的准确性更高。与单极化Sentinel-1数据相比,利用双极化Sentinel-1数据进行城市地表形变监测可得到监测点密度更高、可靠性更好的结果。     

基于Sentinel-1A数据的多种机器学习算法识别冰山的比较

冰山识别对于海洋环境监测和船只安全运行等具有重要的意义,是北极航道开通和北极开发过程中的重要内容。采用合成孔径雷达(SAR)影像进行冰山识别具有独特的优势,多种机器学习算法均可用于SAR影像的冰山识别中。为了最大限度地发挥机器学习算法的性能,有必要对不同机器学习算法及其搭配使用的特征与特征标准化方法进行评估,从而进行最优冰山识别方法的选择。因此,本文基于Sentinel-1A SAR影像,采用多种机器学习方法、多种特征组合及多种特征标准化方法进行冰山识别,并比较各流程方法的识别性能差异。采用的机器学习算法包括贝叶斯分类器(Bayes)、反向神经网络(BPNN)、线性判别分析(LDA)、随机森林(RF)以及支持向量机(SVM);特征标准化方法包括Min-max标准化、Z-score标准化及log函数标准化;数据集是含有12个SAR影像特征的969个冰山与非冰山样本,样本主要位于格陵兰岛东海岸。分类效果采用接收者操作特性(ROC)曲线下的面积(AUC)进行衡量。结果显示,最佳搭配下的RF的AUC值最高,达到了0.945,比最差的Bayes高出0.09。从识别率上来看,RF在冰山查全率为80%的情况下非冰山查全率达到92.6%,效果最好,比第2位的BPNN高出1.4%,比最差的Bayes高出2.6%;BPNN在冰山查全率为90%的情况下非冰山查全率达到87.4%,比第2位的RF高出0.8%,比最差的Bayes高出2.7%。上述结果表明,对冰山识别而言,选择最优的机器学习算法和最佳的特征与特征标准化方法都是十分重要的。     

Sentinel-1A TS-DInSAR京津冀地区沉降监测与分析

近年来,京津冀地区的不均匀地表沉降日趋严重,对公路、铁路等基础设施安全造成严重威胁,已引起国内外广泛关注。合成孔径雷达时序差分干涉TS-DIn SAR(Time Series Differential Interferometric Synthetic Aperture Radar)作为一种高效的广域形变测量手段,在地面沉降调查监测中已被广泛应用,但如何针对高现势性的影像数据高精准提取大范围区域地表形变是当前深化的热点。本文利用欧洲太空局发布的Sentinel-1A新型数据源,针对TOPS(Terrain Observation by Progressive Scans)模式影像间存在多普勒中心不一致问题,借助外部高精度POD(Precise Orbit Determination)轨道和DSM(Digital Surface Model)数据进行频移滤波迭代配准,并针对Sentinel-1A数据特征集成优化了基于点目标时序分析的大区域地表形变监测方法,以2015年—2016年期间的29景影像为实验数据开展了京津地区沉降监测研究,提取了北京东、廊坊及天津西等地区的沉降结果,并结合区域内典型区域人口密度、产业分布、地表覆盖和线路剖面等信息深入分析了沉降的时空分布特征和成因。结果表明,Sentinel-1A时序干涉结果在大范围地表沉降调查监测上具有可靠的应用精度。     

基于Sentinel-1B SAR数据的洪水提取和监测

洪涝灾害是我国最严重的气象灾害之一,及时准确的洪灾监测是防灾减灾的重要前期工作和基础。本文利用sentinel-1B雷达数据,以黑瞎子岛为研究区,联合使用OSTU阈值分割法和随机森林面向对象分类法针对像素统计单波形、双波形、多波形SAR影像提取洪水要素,实现对洪灾淹没面积的时序监测,为灾情监测提供数据和技术支撑。     

多时相Sentinel-1A InSAR的连盐高铁沉降监测分析

多时相InSAR技术具有探测大范围毫米级地表形变的能力,已被广泛应用于地面沉降监测.近几年,应用多时相InSAR技术监测以高铁为代表的大尺度人造线状地物形变备受关注.本文将C波段SAR数据用于高铁沿线路基形变监测,应用相位稳定性分析和改进的StaMPS技术来增加相干性点的密度和形变参数解算的稳定性.采用研究区时间跨度为...     

基于Sentinel-1A数据的地表形变监测

提取滑坡形变数据、分析形变趋势对地质灾害防治工作具有指导意义.合成孔径雷达干涉测量技术(InSAR)具有全天候、全天时精确获取地表形变数据的能力,是当前形变监测的重要手段.分别利用DInSAR和SBAS-InSAR技术处理了22景哨兵一号(Sentinel-1)C波段数据,得到了四川省安州区高川乡大光包滑坡2018年3月-2020年2月的形变数据特征.结果表明,大光包滑坡点共有3个相对明显的形变区域;近两年的平均形变速率最高不超过100 mm/a,其形变时间序列随降雨量变化具有周期性;总体地表形变趋于稳定,周边地区中小型地震的发生没有造成地质灾害隐患.     

利用Sentinel-1A数据监测地表形变案例分析

雷达卫星结合InSAR技术已广泛应用于高精度地表形变监测领域。本文选取2017年九寨沟地震为研究案例,利用Sentinel-1A地震前后的单视复数影像,基于D-InSAR技术获取该次地震的同震形变场。结果显示:震中西北侧表现出相对均匀的下沉现象,沉降漏斗区雷达视线向最大沉降量达25.1 cm;东南侧呈现不均匀抬升状态,地表破碎较为明显,最大抬升量为11.6 cm。研究表明基于Sentinel-1A数据的D-InSAR技术可以为地震形变场的定量分析提供一种快速有效的手段,为阐释地震发震机理及评估受灾情况提供必要的数据支撑,具有广阔的应用前景。     

基于SBAS-InSAR技术和Sentinel-1A的城市地表沉降监测

基于SBAS-InSAR技术对覆盖研究区2017—2018年20景Sentinel-1A影像数据进行处理,得到研究区年沉降速率及时序形变信息,并与PS-InSAR结果进行对比验证,最后进一步分析了研究区沉降的成因.结果表明沉降主要发生在燕郊镇中部与西部区域,平均沉降速率超过20 mm/a,集中沉降区域平均沉降速率超过3...     

利用Sentinel-2A数据提取长江中下游丘陵地带农作物种植信息

长江中下游丘陵地带地块细小破碎、种植结构复杂,导致作物遥感光谱特征相互纠缠,信息精确提取困难等.本文基于Sentinel-2A数据提出了多特征组合优化的丘陵地带农作物种植结构精确识别方法.首先获取研究区内主要农作物的关键物候特征信息;然后计算其光谱特征、纹理特征、地形特征值,构建原始特征集;最后采用随机森林方法对特征进...     

Sentinel时序影像的长江流域地表水体提取

传统水体提取算法大多基于某一时期单景遥感影像,无法表现出水体随着时间和空间高度可变的特性,虽然国内外已出现部分时序水体数据产品,但其空间分辨率及水体边界的精度仍无法满足一些研究和应用的需要.本文以地表环境复杂的长江流域为研究区,基于GEE (Google Earth Engine)云平台,使用Sentinel-2 MS...     

长时序Landsat的北极Lena河DOC浓度变化及驱动力分析

北极Lena河是世界第十长河,也是北极地区第二大河,其年径流量约占北冰洋淡水总量的20％,同时将陆地生态系统上的大量有机物携带进海洋,并且在全球碳循环中起到非常重要的作用.卫星遥感数据是监测河流有机碳循环的重要数据源,特别是在无冰期的高纬度地区.本研究的目的是:(1)建立一种高精度反演算法估算北极Lena河的溶解有机碳...     

城市化与城市土地利用效率的时空耦合关系——以长江中游城市群为例

基于主成分分析法、耦合理论和DEA模型对长江中游城市群2005—2014年城市化情况和城市土地利用效率耦合度进行定量评价,然后用ArcGIS对其空间分布进行成图分析。结果表明:耦合度是逐年提高的,由弱耦合转化为强耦合,然后又进入了更高发展阶段的低耦合状态,并继续循环。耦合度与城市等级相关,等级越高,波动性越小,这是由城市所处的城市化阶段、土地利用的合理与否决定的。     

基于Sentinel-2A/B的新疆典型城市不透水面提取及空间差异分析

随着城市化进程加快,自然地表物理结构及属性的变化使得城市不透水面不断增加,进而造成城市土地覆盖类型剧烈变化,极大地影响着其环境质量和生态循环。因此,探讨不透水面的空间变化规律,对建设生态、和谐、宜居城市变得极为重要。本文选取新疆维吾尔自治区（简称新疆）典型城市（乌鲁木齐、喀什、哈密及克拉玛依）主城区为研究区,通过对Sentinel-2A/B影像L2范数归一化处理,结合增强型归一化差值不透水面指数ENDISI（Enhanced Normalized Difference Impervious Surface Index）,采用最大类间方差法（OTSU）自适应确定阈值,提取2017年和2019年新疆典型城市不透水面。结果表明：L2范数归一化处理与ENDISI结合能较好的突显不透水面与非不透水面的差异;OTSU自适应确定的阈值能够很好的区分不透水面,经示例验证（2019年乌鲁木齐主城区）,不透水面提取结果总体精度为86.60%,Kappa系数为0.73。通过对不透水面空间差异分析可知：从剖面线角度分析得出乌鲁木齐北部、喀什中部和北部及哈密中东部和北部ENDISI指数值均显著增加,而克拉玛依北部和中西部区域ENDISI指数值增加较少;从不透水面盒维数分析中得出,新疆典型城市的盒维数值均呈增加趋势,城市结构复杂度不断增强,其中哈密盒维数值最大,乌鲁木齐盒维数值最低,且哈密的盒维数值变化幅度最大,克拉玛依的盒维数值变化最小。本文可为新疆典型城市内涵式发展提供科学指导,为干旱区城市生态环境保护提供理论依据。