基于Sentinel-2A卫星数据面向对象的水边线提取——以如东县为例

使用基于面向对象的方法提取水边线, B分量作为阈值分割条件, Sentinel-2A数据作为提取水边线的影像,通过多尺度分割与光谱差异分割组合的方式。对如东沿海的淤泥质海岸、交通围堤海岸和养殖围堤海岸3种不同类型的海岸水边线进行提取。通过提取的水边线与影像叠加,并对受潮汐影响较小的水边线做精度验证。总体来说,提取的水边线较为准确。水边线的快速准确提取,对监测海岸带动态变化具有重要意义。     

基于ZY-3遥感影像的不同地貌水边线提取方法

水边线的精确提取对于沿海地区的经济开发和海域的使用管理具有重要意义。以雷州半岛东北部为研究区域,利用2017年资源三号(ZY-3)卫星数据为数据源,基于不同海岸地貌特征为划分依据,运用阈值分割法、神经元网络分类法和面向对象法对多光谱数据的人工海岸、砂质海岸、淤泥质海岸和红树林海岸进行水边线提取。通过目视解译提取融合图像的海岸线为基线,将提取的水边线与基线进行定性、定量分析。研究结果表明,对于人工岸线,神经元网络分类法最优,均方根误差为6.4m;对于砂质岸线,阈值分割法最优,均方根误差为5.4m;对于淤泥质及红树林岸线,面向对象法最优,均方根误差分别为23.3m和15.2m。该研究对于不同岸线的提取具有重要的借鉴和指导意义。     

江苏辐射沙洲水边线自动提取方法研究

针对不同遥感数据源(TM多光谱、SPOT多光谱及全色波段),对江苏辐射沙洲水边线的自动提取方法进行了研究,形成基于密度分割(TC2分量密度分割、饱和度分量图像密度分割)及基于边缘检测(Canny边缘检测)等2类3种沙洲水边线提取方法。实验表明：(1)上述3种沙洲水边线提取方法在实践中是可行的;(2)通过上述沙洲水边线提取方法,沙洲水边线提取时间大大缩短;(3)由于不受研究者主观影响,水边线提取结果更为准确、客观。     

基于结构特征的遥感影像海岸码头分割方法

在分析水边线对码头提取的作用和海岸码头的结构特征的基础上,提出了一种基于结构特征的遥感影像海岸码头分割方法。该方法在遥感影像水边线提取的基础上,利用道格拉斯-普克算法通过压缩得到关键节点,接着在节点中选取满足要求的凹点,然后依据海岸结构特征通过对凹点的筛选分割出海岸规则突出物,最后通过对规则突出物的分析验证得到海岸码头。实验结果表明,该方法能够从水边线中将码头区域分割出来,并且受停靠船舶等噪声影响较小,为下一步海岸码头的精确提取奠定了坚实基础。     

基于深度学习和形态学的海底沙波谷线提取

为了提高基于侧扫声纳图像提取海底沙波谷线这种类别不均衡线状地物的精度,提出了一种深度学习与数学形态学相结合的方法。该方法采用Dice损失函数和添加批标准化(batch normalization, BN),对U型卷积神经网络模型(U-Net)进行改进;结合数学形态学中的闭运算和骨架法,对沙波谷线轮廓进行修复并提取线性特征;进一步将改进的U-Net模型与支持向量机(support vector machine, SVM)、随机森林(random forest, RF)、面向对象分类以及U-Net模型进行精度对比验证。结果表明：改进的U-Net模型能够解决类别不均衡的问题,实现沙波谷线的高精度提取,该方法对海底沙波的研究具有重要的科学与工程应用价值。     

一种基于众数赋值的高光谱图像地物分类方法

提出了一种融合监督分类与非监督分类结果的高光谱遥感影像分类新方法——众数赋值分类法。采用ISODATA非监督分类方法对高光谱遥感影像进行分类,并对非监督分类结果的图斑进行标记,同时用最大似然法(ML)和支持向量机(SVM)法进行监督分类,然后以监督分类结果对非监督分类后各斑块进行类别赋值。方法是:统计每个非监督分类斑块中由监督分类所获得的各类别像元数及所占比例,将非监督分类斑块的类别赋予所占比例最高的监督分类结果的类别,最终获得高光谱图像分类结果。研究表明:(1)非监督分类类别数量大于10时,其与ML分类结果融合的总体分类精度和Kappa系数均较监督分类法的分类结果好;(2)ML和20个类别的ISODATA分类结果融合的总体精度最高,为87.35%,比单独ML的总体精度高约2个百分点;(3)SVM和10个类别的ISODATA分类结果融合的总体精度提高最大,较SVM的总体精度提高近3个百分点;(4)随着非监督分类类别数量的增多,分类结果的总体精度呈现由低到高再到低的变化过程。     

柳珊瑚4种不同DNA提取方法的比较研究

通过2种样品前处理方式和4种不同的DNA提取方法相结合,提取橘色刺柳珊瑚(Echinogoria aurantiaca)基因组DNA,并对其18S rRNA基因进行了克隆和测序。实验结果表明,对于2种样品前处理方式,采用纯酒精进行样品前处理比PBS(磷酸缓冲液)进行样品前处理效果要好。在4种不同的DNA提取方法中,以CTAB(十六烷基三甲基溴化铵)法提取基因组DNA效果最好,其余3种方法如PVP(聚乙烯基吡咯烷酮)法、高盐法和酚/氯仿法的提取效果较差。并且不同样品的钙质沉淀对DNA都有一定程度的吸附。最后,通过PCR扩增、克隆测序得到橘色刺柳珊瑚18S rRNA基因序列(AY962532)。BLAST软件进行序列比对表明橘色刺柳珊瑚与弱柳珊瑚(Leptogorgia chilensis)的18S rRNA基因(AF052928)同源性最高,为98.79%。     

海岸潟湖遥感信息提取与精度验证方法

潟湖是水陆交接的地貌体,结合遥感手段实现水陆的准确、快速分割对于潟湖岸线长度和面积信息提取具有重要意义.以山东半岛的海岸潟湖为研究对象,利用7景2010年左右覆盖研究区域的Landsat TM图像,在图像几何校正和信息增强的基础上,采用敏感波段组合的阈值分割方法,通过对比归一化植被指数(NDVI)、归一化水体指数(NDWI)和改进的归一化差异水体指数(MNDWI)方法处理潟湖边界信息的敏感性,确定了基于NDWI的潟湖水陆分割方法,并通过栅矢转换完成了潟湖边界范围的自动提取,为了避免由于栅格精度限制而导致的边界信息提取结果不圆滑,采用样条函数法的插补算法进行平滑处理.同时,为了验证潟湖信息自动提取的精度,提出了一种基于相同地理位置的斑块精度验证方法,利用人工目视解译的结果,从潟湖的形状、岸线长度和面积3个角度评价自动提取的结果,该方法可验证潟湖边界自动提取结果与真实潟湖边界的形状相似度,并对相似度较好的潟湖信息提取结果进行精度分析.     

多光谱遥感影像的光谱规则分类算法修正及海岛、海岸带应用

在光谱规则分类算法(Spectral Rule-based Classifier, SRC)基础上考虑大气校正对遥感影像光谱反射率的影响,提出了一种改进光谱规则的分类算法(Modified Spectral Rule-based Classifier, MSRC),从地物光谱响应曲线和光谱指数两个方面来修正光谱规则集,通过规则细化和补充、阈值改正优化光谱类别。以珠江三角洲海岛(佳蓬、淇澳)和海岸带(荃湾、惠东)的Landsat 8影像作为实验数据,对比了大气校正前后波段反射率和地物光谱响应曲线,分析了改进后MSRC算法的地物分类结果和精度,并与原SRC算法、最小距离分类(MDC)算法、最大似然分类(MLC)算法、支持向量机分类(SVM)算法、神经网络分类(NNC)算法以及基于光谱指数的算法等多种地物分类算法进行比较。结果表明,4组实验数据的MSRC算法分类结果总体精度分别为87.66%、82.38%、77.67%和80.05%,高于SRC、MDC、MLC和基于光谱指数的分类算法,在无需人工标注训练数据集的前提下接近SVM和NNC算法的分类精度。MSRC算法适用于海岛和海岸带的Lands...     

“高分五号”高光谱互花米草遥感识别与制图研究

基于高分五号卫星上搭载的世界上首个同时具有大刈幅、宽谱段的高光谱遥感载荷获取的遥感图像,以黄河三角洲滨海湿地为研究区,开展了对外来入侵物种互花米草的分类和制图。通过对比代表不同分类思想的SVM,SCM,ANN和MLC方法在全波段参与分类和特征波段分类中的结果,发现SVM分类方法在不同的数据中均能得到最好的分类效果,总体分类精度达到了94.23%。虽然利用特征波段的分类结果总体精度较全波段低(约3%),但更节省计算资源和计算时间。根据分类结果,在研究区内互花米草的分布面积达到了3 863.16 hm~2,占调查区域潮间带总面积的21.23%,但却占据了海岸线总长度的51.47%,其中121平台以北海岸线被100%占据,而该平台以南的海岸却几乎没有互花米草。结合现场调查数据和NDVI等植被指数的分析结果,发现互花米草的生长状态好坏与其淤泥底质的形成时间点相关,即越新形成的淤泥质潮滩上互花米草的长势越好,且好、中、差三种类型互花米草的面积比率是7∶4∶3,表明了该区域的互花米草仍有较为旺盛的生命力和入侵扩展能力。     

基于Sentinel-2 MSI影像与面向对象相结合的红树林树种精细化分类方法研究

红树林是最典型的滨海生态系统之一，红树林种间类型的精确识别对于红树林生态系统保护、修复及碳储量评估具有重要意义。遥感是开展红树林种间类型识别的有效手段，但传统的遥感红树林分类方法多是基于像元开展的，分类结果“椒盐”现象严重且精度还有很大提升空间。因此，本研究以东寨港红树林保护区为例，基于Sentinel-2 MSI影像，在传统遥感分类方法的基础上引入图像分割技术，分别构建了面向对象的支持向量机（Support Vector Machine,SVM）和随机森林（Random Forest,RF）分类法，并在此基础上对各模型的分类精度和适用性进行了分析。模型对比结果表明：（1）图像分割技术的引入能有效改善分类结果的“椒盐”现象，提升红树林种间类型的识别精度，基于像元使用SVM和RF分类算法总体分类精度分别可达78.82%(Kappa=0.75)和82.94%(Kappa=0.82)，面向对象的SVM和RF模型分类总体精度分别可达81.5%(Kappa=0.78)和92.67%(Kappa=0.88)，相较于以像元为分类对象的模型而言，后者精度分别提高了2.68%和7.43%;(2)从4个模...     

基于集成学习的海岸带变化检测方法研究

随着我国自主研发卫星组网的不断完善,利用遥感变化检测技术进行海岸带变化检测成为海岸带监测的重要手段。针对沿海地区的变化信息提取,文章首先利用多特征构建差异影像,在此基础上采用两种集成学习方式:随机森林（Random Forest）和极端梯度提升（XGBoost）,进行试验区的变化检测,并与传统的机器学习SVM、经典的变化检测方法CVA和IR-MAD进行对比,结果表明集成学习进行变化信息提取效率远超其余方式,且XGBoost在变化信息提取精度方面具有一定优势。研究成果对海岸带及海域使用开展自动化变化监测和海岸带监督管理具有重要意义。     

Application of remote sensing video systems to coastline management problems

This contribution evaluates the application of coastal video systems to monitoring and management of coastal stability problems on sandy coastlines. Specifically, video-derived parameters (coastal state indicators or CSIs) are developed which facilitate the measurement of the shoreline evolution (erosion/accretion) and response to storms, seasonal cycles and anthropogenic interventions like beach/shoreface nourishment and dredging. The primary variable which forms the basis for all the CSIs discussed in this contribution is the shoreline position derived from time-averaged video images. These waterlines are used to generate secondary products including shoreline contours at a constant pre-defined level, (intertidal) beach volumes, and momentary shoreline positions which reflect the sand volume in a meter wide section of the intertidal coast. Video-derived coastal state indicators were verified via comparisons with traditional topographical/bathymetric surveying techniques and a good agreement was found in all cases. CSIs were computed for three contrasting sandy coastal environments including an unprotected natural beach, a protected beach and a spit. Firstly, results are presented which demonstrate the advantages of coastal video systems over and above infrequent traditional topographic/bathymetric surveying methods. Namely, the ability of video-derived CSIs to quantify the magnitude, accurate location, precise timing and rates of change associated with individual extreme events and seasonal variability in the wave climate. Secondly, video-derived coastal state indicators were used to monitor two different types of human intervention, including beach nourishments and a dredged pit in a navigation channel. The video-derived datasets of coastal state indicators offered significant improvement to current CZM practices, facilitating better timing of management interventions as well as more effective monitoring of the spatial impact and longevity of these actions.     

基于遥感水边线的潮滩面积提取方法研究

潮滩作为动态变化的后备土地资源,对其研究具有重要意义。文章以江苏省如东县为研究区,使用环境资源卫星(HJ1A/1B)影像为数据源,应用面向对象技术创建分类规则,实现批量半自动提取水边线,随后利用DSAS软件处理水边线集获得潮位点集,基于最外边界法实现高(低)潮位点的提取,进而获得潮滩范围,估算的如东县潮滩面积为55 182hm~2。最后利用误差矩阵进行精度验证(Kappa系数为0.945)。结果表明:该方法对于潮滩面积提取具有适用性,无论在空间域还是时间域都具有一定的推广性。     

Mapping bathymetry based on waterlines observed from low altitude Helikite remote sensing platform

Mapping shoreline changes along coastal regions is critically important in monitoring continuously rising sea surface heights due to climate change and frequent severe storms. Thus, it is especially important if the region has very high tidal ranges over very gentle tidal flats, which is a very vulnerable region. Although the various remote sensing platforms can be used to map shoreline changes, the spatial and temporal resolutions are not enough to obtain it for a short time. Accordingly, in this study we introduce the newly developed low altitude Helikite remote sensing platform to achieve much better resolutions of shorelines and a bathymetry. The Helikite stands for Helium balloon and Kite, which is a kind of aerial platform that uses the advantages of both a Helium balloon and a kite. Field experiments were conducted in the Jaebu Island, off the coast of the west Korean Peninsula in January 29, 2011. In order to extract shorelines from the consecutive images taken by the low altitude Helikite remote sensing platform, active contours without edges (ACWE) is used. Edges or boundaries exist primarily on places between one type of objective and the other. Since the hydrodynamic pressure has an effect everywhere, the locations of the waterlines can be the isobath lines. We could map several waterlines, which would enable us to complete a local bathymetry map ranges from 35 to 60 cm depth. The error resulting from applying ACWE algorithm to the imagery to determine the waterline is approximately less than 1 m. Therefore, it is very unique way to obtain such high resolutions of bathymetry with high accuracy for the regions of extremely high tidal ranges for a short time.     

基于高分辨率遥感的珊瑚礁地貌单元体系构建和分类方法—以8波段Worldview-2影像为例

珊瑚礁生态系统是全球初级生产力最高的生态系统之一, 在维持海洋生物多样性、防浪固滩、资源供给等方面发挥着巨大作用。珊瑚礁遥感地貌分类体系是珊瑚礁保护、管理及可持续发展的必要基础, 但目前还未有结合珊瑚覆盖度进行分类的体系。本文基于WorldView-2高分辨率遥感影像, 以中国南海西沙群岛七连屿北部赵述岛和西沙洲所在礁盘作为研究区, 结合珊瑚覆盖度、区域地貌成分和水动力条件等指标, 建立了既适用于遥感监测又与珊瑚生存状况相关联的珊瑚礁地貌单元分类体系。同时, 利用面向对象的支持向量机(Support Vector Machine, SVM)和随机森林(Random Forest, RF)分类方法进行珊瑚礁地貌单元的信息提取, 并对分类结果进行精度评价。结果表明, SVM和RF两种分类方法均能较好地提取出珊瑚礁地貌单元, 分类精度分别为87.59%和79.81%。针对分类过程中出现的错分、漏分问题, 结合珊瑚礁成因和分布规律对分类结果进行修正, 修正后分类提取的精度达到91.3%, Kappa系数为0.9041, 表明本文构建的珊瑚礁地貌单元分类体系在一定程度上能满足当前珊瑚岛礁信息提取的需要。