QuickBird 影像城市阴影信息的提取与消除

城市绿地信息在城市研究中的重要作用。但由于各种因素的影响,城市绿地信息提取的精度受到很大的限制,其中,城市中建筑物的阴影是城市绿地信息提取的一个重要限制因素。本研究选取呼和浩特市城区的QuickBird影像,在获取最佳波段组合的基础上,利用多种方法对遥感影像的阴影信息进行提取和消除,以期获得最佳的阴影消除方法,高效地提取城市绿地信息。首先,通过比值运算、波段重组,增强处理影像阴影信息,用最佳指数法分析QuickBird影像阴影提取的最佳波段组合;然后,根据阴影在近红外波段的最小亮度值与最大亮度值的范围建立掩膜,成功提取影像的阴影信息;最后,将色彩空间变换分别与同态滤波和Gamma矫正结合以消除影像阴影,并与其他方法进行对比。研究结果表明,QuickBird影像阴影提取的最佳波段组合为3/4、4、2波段组合,最佳亮度值范围为70-165;色彩空间变换与Gamma矫正相结合的方法可更好地消除阴影,并能较好地保留影像的彩色信息,是消除阴影的最佳方案。     

遥感影像云及云影多特征协同检测方法

遥感影像中云及云影不同程度地影响着地物信息的有效获取。随着多源遥感数据的日益丰富,交叉应用多源、多时相遥感影像复原云及云影区的影像,以有效地获取地类演变过程是遥感大数据应用研究的重要内容。高精度的云及云影检测是遥感影像云及云影区修复的前提和保障。复杂多变的光谱特征以及难以有效表达的空间形态特征,使云及云影一直存在检测过程复杂、适用性差和精度不高的问题,难以形成稳定有效的检测方法。在对厚云、薄云、冰雪及其他地类多光谱特性分析的基础上,本文提出了一种云及云影的多特征协同检测方法。首先,对冰雪、云及其他地物类型可分性较好的红、短波红外、热红外波段,利用SAM方法匹配云光谱特征曲线,并进一步结合短波红外波段像元绝对值区分云与冰雪,以及热红外波段像元绝对值区分云及其他地物类型;其次,通过组合云影定向移动模型与近红外波段亮度阈值检测出云影像元。对具备这些光谱波段的Landsat-8进行实验,结果表明多光谱曲线、“诊断性”波段及空间关系多特征耦合能有效地检测出影像中的薄云、厚云及云影,整体精度优于95%。     

Evaluation on the two filling functions for the recovery of forest information in mountainous shadows on Landsat ETM + Image

In general,topographic shadow may reduce performance of forest mapping over mountainous regions in remotely sensed images.In this paper,information in shadow was synthesized by using two filling techniques,namely,roifill and imfill,in order to improve the accuracy of forest mapping over mountainous regions.These two methods were applied to Landsat Enhanced Thematic Mapper (ETM +) multispectral image from Dong Yang County,Zhejiang Province,China.The performance of these methods was compared with two conventi...     

ɽ��LIDAR�������ݵĽײ�δֲ�̽�������

??????LIDAR??????????????????????????????????????????????????????????????????LIDAR????????????????δ????????????????????????????????????÷?????????Ч????????????LIDAR???????????е???????????????????????????Ч????     

超像素与主动学习相结合的遥感影像变化检测方法

针对高分辨率遥感影像变化检测结果较破碎,易产生椒盐噪声、监督训练过程中人工标注成本较高、训练样本冗余以及大量未标注样本信息未有效利用等问题,提出一种超像素与主动学习相结合的高分辨率遥感影像变化检测方法。利用超像素分割算法得到超像素对象,提取其光谱和纹理特征;引入并借助主动学习样本选择策略充分利用未标注样本信息,挖掘不确定性最大、最易错分的样本交由用户人工标注;为保证所选样本的多样性,加入基于余弦角距离的样本相似性度量,以减少样本间信息冗余,在减轻人工标注负担的同时获得良好的分类性能。通过对2组不同场景的遥感影像的实验,表明本文提出的2种方法能够在标注少量训练样本的情况下获得较好的变化检测结果,且加入样本相似性度量的变化检测方法在有效减少人工标注成本和训练样本冗余的同时,能够更快地达到收敛、提升检测质量。     

基于Landsat 8 QA云标识的云影识别方法研究

Landsat系列卫星数据是对地观测研究中应用最为广泛的遥感数据源之一,但是Landsat数据易受云及云影的影响,因此,在Landsat数据的应用中,云和云影的识别十分关键。美国地质调查局（United States Geological Survey,USGS）在其分发的最新的Landsat 8 数据中新增了一个质量评估（Quality Assessment）波段,能快速提供高精度的云掩膜,然而并不能识别云影。本文在Landsat 8 QA波段云识别基础上,对影像的近红外和短波红外波段进行种子填充变换,提取影像中的潜在云影,采用非监督分类的方法识别影像中的水体,将水体从潜在云影中去除。利用太阳方位角和太阳高度角对云及云影相对位置的影响,对云和云影进行匹配,识别真实的云影。利用全球云和云影验证数据集对本文的云影识别结果进行了精度评价,结果表明：不同生态区域云影识别精度达到87%以上。与Fmask云影检测方法相比,本文方法所需波段数更少,流程简单,简化了云高度估算和视角问题,可以快速、准确地识别云影,对基于Landsat 8数据的定量分析或时序研究有重要价值。     

复杂地形山区Landsat TM影像C校正策略与实验

采用分坡度、分NDVI（归一化差异植被指数）和分地类的C校正策略,对复杂地形山区Landsat TM影像进行地形校正,并运用视觉检验、回归分析和遥感分类精度将3种C校正策略的结果与传统的整体C校正进行对比,以探寻适合复杂地形山区的C校正策略。在此基础上,进一步探讨了地形校正对影像重采样尺度的响应。研究结果表明：与传统的整体C校正相比,采用分坡度、分NDVI和分地类的C校正策略能更好地消除原影像的凹凸感,减弱地形效应,且背阳面影像的过校正现象减少;各种C校正策略和整体C校正对Landsat TM影像不同波段的校正效果不一,其中,分地类的C校正策略对波段1、2、3和波段7的校正效果最好,分坡度的C校正策略对波段5的校正效果更佳,而整体C校正则对波段4的校正效果最好;虽然所有C校正均能有效地消除影像中的地形效应,但并未能提高影像分类精度;从不同重采样尺度C校正结果对比看,随着采样尺度增加,地形效应逐渐减弱,但并未完全消除,因此,中、低空间分辨率遥感影像的地形效应也不容忽视。     

基于时序遥感数据的农作物种植制度研究进展与展望

及时准确掌握农作物种植制度时空分布信息,对于确保国家粮食安全与农业结构合理具有重要意义。随着时序遥感影像质量的不断提高,基于时序遥感数据的农作物种植制度研究备受关注。本文从研究框架、遥感特征参数以及数据产品等角度,分析了基于时序遥感数据的农作物种植制度最新研究进展。研究发现:① 前农作物种植制度研究框架,主要包括耕地复种指数和农作物制图等相关内容,其问题在于需要高质量耕地分布数据支撑以及易将热带亚热带湿润区撂荒地误判为农作物等;② 于红边和短波红外的新型多维度光谱指数,有助于更好地揭示农作物生长发育过程,大尺度农作物时序遥感制图取得了系列研究成果,但需要应对不同作物光谱差异细微、同种作物在不同区域和年份存在明显类内异质性的挑战;③ 尺度中高分辨率耕地复种指数产品不断丰富,但其时效性和时空连续性有待加强;④ 欧美少数国家外,目前农作物分布数据产品覆盖的作物类型有限,我国大尺度农作物种植制度数据产品欠缺,特别是复杂多熟制农业区。随着多源遥感数据时空谱分辨率的不断提高以及云计算平台性能的不断发展,我们对以下方面进行了研究展望:① 新研究框架,建立直接提取耕作区、农作物种植模式的农作物种植制度一体化遥感监测技术框架;② 一步加强新型多维度遥感指数及其物候特征指标设计,拓展农作物种植制度监测的遥感特征参数;③ 立作物种植制度变化遥感监测技术,实现多年信息连续自动提取。     

基于SEVI的复杂地形山区植被FPAR遥感反演与地形效应评估

植物吸收性光合有效辐射分量（FPAR）的遥感反演是生态环境领域的核心研究内容之一,但在复杂地形山区,其估算精度严重受到地形效应的影响（包括本影与落影）。本文利用能够消除地形阴影影响的阴影消除植被指数（SEVI）对山区遥感影像进行FPAR反演,并分别与基于不同影像预处理程度计算的归一化植被指数（NDVI）、比值型植被指数（RVI）反演的FPAR做对比分析,以评估复杂山区反演FPAR存在的地形效应。结果表明：在不做地形校正的情况下,基于NDVI与RVI反演FPAR会使得本影及落影区域的值远小于非阴影区域的值,它们的相对误差均大于70%;基于C校正后的NDVI与RVI反演FPAR可以较好地校正本影区域,相对误差降至约6.974%,但落影处的校正效果不明显,相对误差约为48.133 %;而基于SEVI反演FPAR无需DEM数据的支持,可以达到经FLAASH+C组合校正后NDVI与RVI反演FPAR相似的结果,且能改善落影区域的地形校正效果,相对误差降至约2.730%。     

复杂山区地形条件下ERA5再分析地表气温降尺度方法

高时空分辨率的气温栅格数据是多种地学模型和气候模型的重要输入。山区地形复杂,气温空间异质性强,如何获取高时空分辨率的山区地表气温数据一直是研究热点与难点。本文选择地形复杂的河北省张家口市作为试验区,基于局部薄盘样条函数对ERA5再分析日均近地表气温（2 m高度）进行空间插值,并利用随机森林算法,结合少量气象站观测气温数据、地形地表参数数据构建日均气温订正模型和气温逐时化模型,实现空间分辨率由0.1 °（约11 km）到30 m的逐时气温降尺度,最后将该模型拓展应用于其他时间与区域,检验本文发展的降尺度方法在没有站点观测数据条件下的时空移植性。结果显示,本文降尺度方法得到的高时空分辨率山区气温数据精度较高,1月均方根误差（RMSE）平均值为2.4 ℃,明显优于气象站点插值结果,且气温相对高低的空间分布更为合理、纹理更加丰富;将该方法应用到其他时间与区域的RMSE平均值分别为2.9 ℃与2.5 ℃,均小于再分析资料直接插值所产生的误差。研究结果总体表明,在气象站点较少甚至没有时,可利用本文方法通过ERA5再分析气温准确获取复杂地形条件下的山区高时空分辨率气温数据。     

古遗址区形迹特征的影像融合信息识别分析——以陕西省五陵原遗址为例

本研究以陕西省汉五陵原为研究区域,基于高分辨率影像(DOM航片)、多光谱影像(ALOS多光谱影像)和Quickbird融合影像数据,对五陵原遗址区结构性线状特征信息进行了提取。结果表明:融合后使影像隐含的空间纹理得到明显增强。用Gram-Schmidt方法的DOM和ALOS多光谱+NDVI融合影像,清晰地反映了遗址区的结构性线状特征;而Canny算法的边缘检测,能很好地提取遗址区显性和大量隐性的线状特征,对古遗迹的解译具有重要指示意义。     

遥感影像云团和云影检测与去除

以图像处理和分析理论为依据,建立了云团、云影图像模型和区域恢复模型,并采用阈值法对图像分割。用1988年TM遥感影像对2002年ETM遥感影像中云团及云影进行去除试验,再现云团和云影区地物特征,提高遥感影像数据的可用性。结果表明,使用阈值法并利用直方图形态分析选取阈值、检测云团和云影的计算方法简单且效果好;选取合适的两遥感影像灰度平均值之比,可以得到理想的恢复效果,再现云团和云影区地物特征,达到提高遥感影像的可用性。     

黑臭水体水面阴影提取的自适应阈值算法研究

黑臭水体水面阴影对水面光谱信息产生干扰,严重地影响了利用高空间分辨率遥感数据进行水质状况监测的精度,因此,在数据预处理中必须进行阴影剔除。本研究基于无人机高光谱遥感数据,通过分析各种波段组合下黑臭水体水面的阴影像元和水体像元的光谱特征空间,选择以492、666和792 nm处的反射率建立黑臭水体的河面阴影指数（RSSI）,并利用最大类间方差法（OTSU）自动确定划分本影、半影以及水体的阈值。利用南京金川河和龙江河的无人机高光谱遥感影像对算法进行测试,结果表明：RSSI阴影指数能突出显示阴影与水体的差异;OTSU自适应确定的阈值能较好地区分本影、半影和水体,阴影的总体识别精度达到85%以上。该算法能够有效地识别黑臭水体水面阴影,为后续开展水体的定性、定量遥感监测提供数据预处理的技术支持。     

基于GF-1/WFV数据的三江源草地月度NPP反演研究

准确认识三江源植被生产力月度尺度的时空格局变化,对三江源畜牧业生产以及生态保护政策制定具有重要意义,可稳定获取的重访周期为4 d的16 m分辨率GF-1/WFV数据使中等空间分辨率的月度NPP产品生产成为可能。本文建立了一套以GF-1/WFV为基本数据源的中等空间分辨率草地月度NPP估算技术方法,并评估了其在三江源地区应用的可行性。在黄河源区玛多县的实验表明以GF-1/WFV为基础,以MODIS13Q1数据为补充,可以获得覆盖全区的中等空间分辨率月度NDVI数据,据其反演得到的草地NPP,地面验证精度在70%以上,优于MODIS NPP产品精度,且能更为详细地反映草地生产力变化的空间差异,在青海三江源地区利用GF-1/WFV数据生产中等空间分辨率的草地月度NPP产品是可行的。     

Segmentation of High Spatial Resolution Remote Sensing Images of Mountainous Areas Based on the Improved Mean Shift Algorithm

Using conventional Mean Shift Algorithm to segment high spatial resolution Remote sensing images of mountainous areas usually leads to an unsatisfactory result, due to its rich texture information. In this paper, we propose an improved Mean Shift Algorithm in consideration of the characteristics of these images. First, images were classified into several homogeneous color regions and texture regions by conducting variance detection on the color space. Next, each homogeneous color region was directly segmented to generate the preliminary results by applying the Mean Shift Algorithm. For each texture region, we conduct a high-dimensional feature space by extracting information such as color, texture and shape comprehensively, and work out a proper bandwidth according to the normalized distribution density. Then the bandwidth variable Mean Shift Algorithm was applied to obtain segmentation results by conducting the pattern classification in feature space. Last, the final results were obtained by merging these regions by means of the constructed cost functions and removing the oversegmented regions from the merged regions. It has been experimentally segmented on the high spatial resolution remote sensing images collected by Quickbird and Unmanned Aerial Vehicle(UAV). We put forward an approach to evaluate the segmentation results by using the segmentation matching index(SMI). This takes into consideration both the area and the spectrum. The experimental results suggest that the improved Mean Shift Algorithm outperforms the conventional one in terms of accuracy of segmentation.     

融合高度特征的高分遥感影像多尺度城市建筑类型分类

城市区域建筑类型信息在城市功能区识别、城市环境变量反演等应用领域具有重要作用。本文提出一种融合高分辨率遥感影像高度特征的多尺度城市建筑类型分类方法。首先利用语义分割模型识别高分辨影像中建筑和阴影对象;然后借助建筑对象及其阴影信息在卫星成像时的几何关系估算建筑高度;最后基于多尺度图像分析思想,提取一系列表征建筑对象的高度、空间结构、几何等多尺度特征,利用机器学习方法进行建筑类型分类,并进一步分析不同粒度的建筑类型分析单元对分类结果的影响。选取福州市主城区国产高分二号高分辨率影像进行实验验证。结果表明：① 基于所提方法的建筑类型分类总体精度达到82.98%, kappa系数为0.77,分类精度优于本文中未加入高度信息的分类方法和单一尺度分类方法;② 引入高度特征有效提高了中低层居民楼和高层商住两用建筑类型的分类精度,较未加入高度特征的分类结果,总体精度提高了11.28%;③ 融合多个尺度的图像特征可有效减少粘连建筑误分为密集型建筑的情况,较单一尺度分类方法,总体精度提高了2.77%。在精细的数字表面模型数据缺失下,利用高分辨影像阴影信息可为建筑物高度估计提供一种有效的策略,提高城市建筑类型分类精度。此外,融合多粒度图像特征可提升城市区域复杂建筑类型的表征能力,进而提高分类精度。     

DMSP/OLS稳定夜间灯光影像在中国的分类校正方法

长时间序列DMSP/OLS夜间稳定灯光影像数据集存在饱和像元大量积聚在城市中心区域及影像之间缺少可比性的问题,导致数据集在进行空间分析及时间对比研究时会受到限制。为解决上述2个问题,本文在现有研究的基础上提出了一种基于不变目标区域的中国稳定灯光影像分类校正方法。该方法对数据集中每一期中国区域稳定灯光影像进行了饱和及非饱和像元的分类。对饱和像元,选择北京等5个城市作为不变目标区域,选择不存在饱和像元的辐射校准的灯光影像作为参考,基于不变目标区域的非饱和像元之间的相关关系也同样适用于饱和像元的假设,对饱和像元进行了校正;同时,基于多期辐射校准的灯光影像之间存在的相互校准关系,对饱和校正后的饱和像元进行了相互校准。对于非饱和像元,选择了长沙等13个城市作为不变目标区域;根据稳定灯光影像中非饱和像元DN值总和随时间变化的总体趋势,确定了13期稳定灯光影像作为参考,其他多期影像基于不变目标区域中非饱和像元之间的相关关系进行了相互校准。为验证校正结果的准确性,多种相互校准和饱和校正方法被引入进行比较。本文提出的分类校正方法与另外2种相互校准方法相比对F10、F12和F14卫星影像校准效果更好,另外2种方法对F15和F16卫星影像的校准结果更好,3种方法总体上都实现了对数据集影像的相互校准且使校正后的影像具有了可比性。与经过植被指数校准后的城市夜间灯光指数（The Vegetation Adjusted NTL Urban Index,VANUI）相比,分类校正方法解决了饱和像元聚集于城市中心区域的问题,减弱了像元饱和程度,校正结果更接近辐射校准的灯光影像。此外,在中国城市水平上,分类校正的稳定灯光影像与GDP和电力消耗值的相关关系与其他2种相互校准方法相比也是相对较好的,能更客观合理地反映区域经济发展的差异。     

基于阴影的资源三号卫星数据城市建筑物高度估算

利用我国首颗民用高分辨率测绘卫星—ZY3影像,运用面向对象方法及形态学的思想,以形态学建筑物指数MBI和形态学阴影指数MSI,构建了基于知识规则的城市建筑物和阴影信息提取模型,很好地完成了北京方庄小区和厦门软件园的建筑物和阴影的提取,并实现了阴影长度的自动估算。利用太阳、卫星和建筑物成像几何关系,以阴影长度估算了城市建筑物高度,并以实测数据进行精度评价及误差分析。在以北京市方庄小区为例的试验中,建筑物高度提取的平均相对误差为7.08%,绝对误差小于6 m的建筑物占90%以上,80%以上的建筑物相对误差在10%以内,而误差较大的多为阴影较难识别的低矮建筑物和建筑密度较大使得阴影相互遮挡的高层建筑物。在厦门市软件园区实验中,94.3%的建筑物绝对误差在5 m以内,且计算高度与实际高度相关系数达到0.992,进一步验证了所用方法的可靠性。本文提出的建筑物信息提取方法,可很好地实现高分辨率影像城市建筑物高度估算,展示出资源三号卫星数据在城市建筑物信息提取方面的应用潜力。     

Characterizing landscape spatial heterogeneity in multisensor images with variogram models

Most evaluation of the consistency of multisensor images have focused on Normalized Difference Vegetation Index （NDVI） products for natural landscapes, often neglecting less vegetated urban landscapes. This gap has been filled through quantifying and evaluating spatial heterogeneity of urban and natural landscapes from QuickBird, Satellite pour l＇observation de la Terre （SPOT）, Ad- vanced Spacebome Thermal Emission and Reflection Radiometer （ASTER） and Landsat Thematic Mapper （TM） images with variogram analysis. Instead of a logarithmic relationship with pixel size observed in the corresponding aggregated images, the spatial variability decayed and the spatial structures decomposed more slowly and complexly with spatial resolution for real multisensor im- ages. As the spatial resolution increased, the proportion of spatial variability of the smaller spatial structure decreased quickly and only a larger spatial structure was observed at very coarse scales. Compared with visible band, greater spatial variability was observed in near infrared band for both densely and less densely vegetated landscapes. The influence of image size on spatial heterogeneity was highly dependent on whether the empirical sernivariogram reached its sill within the original image size. When the empirical semivariogram did not reach its sill at the original observation scale, spatial variability and mean characteristic length scale would increase with image size; otherwise they might decrease. This study could provide new insights into the knowledge of spatial heterogeneity in real multisen- sor images with consideration of their nominal spatial resolution, image size and spectral bands.     

高分辨率遥感图像融合的光谱保真问题

分析高分辨率遥感图像融合光谱失真的原因,利用基于滤波原理的Wavelet、SFIM融合算法和基于统计原理的Gram-schmidt、PCI pansharp模块提供的融合算法对高分辨率遥感图像的代表QuickBird图像进行融合试验。结果表明:这四种融合算法虽都具有很好的光谱保真性,但从光谱保真度和高频信息融入度这两个方面的定量分析来看,基于统计原理的融合方法总体上优于基于滤波原理的融合方法,更适合于QuickBird高分辨率遥感图像的融合。