石嘴山矿区地表环境动态变化遥感监测

为实现石嘴山矿区地表环境动态变化遥感监测,选取覆盖石嘴山矿区的20世纪70年代(1970s)航空遥感图像、2003年SPOT5卫星图像和2009年RapidEye卫星图像,结合野外实地调查资料,建立了完善的地类解译标志;基于ArcGIS软件,对3个时相、不同传感器的遥感图像进行人机交互解译和解译结果叠加分析,得出1970s-2003年和2003-2009年地类变化图;通过对地类变化图的统计分析,得到矿区地类变化及相互转化情况,进而分析其变化规律及成因.结果表明:1970s-2003年间,石嘴山矿区地类变化主要体现为由基础设施建设和水土流失造成的植被覆盖区和耕地向城镇居民点及荒地的转化,而采矿活动则造成煤矸石山、煤堆、水体等地物面积的增大;2003-2009年间,植被覆盖区面积增幅最快,而煤矸石山、煤堆等矿山地物面积减小明显,这与矿区的地质环境治理恢复密不可分.     

基于决策树分类的大屯矿区地物信息提取及矿区污染分析

本文在对国内外遥感图像分类方法充分研究分析的基础上,选择决策树分类法对大屯矿区的Landsat 8遥感图像进行分类研究。选取样本提取并分析研究区典型地类光谱特征曲线,依据光谱曲线特征和归一化植被指数建立了土地利用分类决策树模型,通过反复试验和修正,筛选出适宜大屯矿区地物分类的决策树最优阈值,对研究区进行分类和精度评价,最后通过分类结果对研究区的水体污染状况进行简要分析。     

用基于知识的决策树方法分层提取矿区土地类型——以湖北大冶为例

以湖北大冶为研究区,采用多时相陆地卫星遥感图像,通过不同波段组合,以及ironoxide指数和归一化差异植被指数(NDVI)等,详细分析了各地表地物光谱特征和空间特征,建立了研究区分类知识库表,采用决策二叉树法进行分类,得到了高精度分类结果图。基于不同时相分类结果的变化检测,通过对研究区水体污染、矿区复垦、耕地变化等分析,认为从1986～2002年,研究区水质虽有一定改善,但矿区植被退化严重,耕地大量减少,停产矿区复垦仅为20%,为合理保护矿区生态环境和科学管理采矿企业提供了有用资料。     

高分辨SAR相干系数图像的开采沉陷区提取

针对煤矿区开采沉陷下沉迅速、地表变形大、容易形成低相干区的特点,该文采用神东矿区2012年1月至2012年12月RADARSAT-2 MF5多视精细波束模式图像,经相干性计算、对低相干区进行数字图像处理、人机交互解译等过程获取研究区内沉陷区的数量和规模。将基于InSAR相干系数图像提取的沉陷区与DInSAR结果进行叠加对比,空间位置能够很好地吻合,由此获得连续变化的开采沉陷区39处。实验表明:不需要复杂的干涉测量,仅使用相干系数图像也可以提取开采沉陷区,可以实现大范围、高强度开采活动造成的地表沉陷灾害的快速评估。     

基于子区域多标签学习的露天煤矿区场景识别

露天煤矿开采易对区域生态环境产生不利影响,对其进行高效监管有利于矿区环境保护和可持续发展。随着遥感技术和人工智能的发展,基于高分辨率遥感影像的露天煤矿区场景自动识别成为可能。本文针对单标签学习算法在场景子区域识别中识别率较低的问题,将多标签学习策略和地理学第一定律相结合,提出一种基于子区域多标签学习的露天煤矿区场景识别方法。为了区分露天煤矿区场景与其周边场景,设置了6类矿区标签和7类非矿区标签,对9768张场景子区域图像进行标注,构建多标签数据集,利用该数据集训练基于多标签学习的Inception-v3模型。场景识别时,首先将一幅覆盖研究区的遥感影像划分为相同大小的子区域并进行多标签分类;然后对含有矿区标签的子区域,利用地理学第一定律对其矿区标签的相关性和完整性进行判定,识别出属于露天煤矿区场景的子区域。胜利西露天煤矿区识别实验结果表明：该方法提取的结果最接近真值,显著高于单标签学习的识别精度;其子区域多标签分类F1分数达到0.857,与单标签学习中性能最好的ResNet50模型相比,提高了8个百分点。本文提出的方法能够自动提取子区域内多类标签的有效特征,提高露天煤矿区场景识别的精度,其识别结果可为露天矿区开采管理提供数据支撑。     

青海省聚乎更煤矿区矿山地质环境遥感监测及质量评价

以2011年和2012年获取的2期IKONOS2数据为信息源,在波段组合、数据融合和正射纠正等图像预处理基础上,针对矿山地质环境问题进行人机交互解译,对青海省木里煤田聚乎更煤矿区因煤矿开发而引发的矿山地质环境问题及矿山环境恢复治理情况进行了遥感调查与监测;并将矿山环境调查结果与矿区基础地理及地质资料相结合,根据矿区环境的实际状况,合理选择矿山地质环境评价因子及权重指标,对该矿区的矿山地质环境质量进行了动态评价。结果表明:聚乎更煤矿区的矿山地质环境质量呈明显下降的趋势,2012年采矿活动对矿山地质环境有影响的面积较2011年增加了近10 km2,主要是地表植被直接或间接地受到破坏,且矿山环境恢复治理工作进程远远跟不上矿山环境恶化速度。     

西藏雄村铜矿遥感蚀变信息增强处理

在充分理解和吸收已有地质资料的基础上,试以ERDAS等软件为应用平台,利用主成分分析和比值方法对西藏雄村铜矿区的TM图像进行增强处理,提取矿化蚀变信息,并对矿区的蚀变信息进行增强处理,通过对比分析在雄村的外围地区又发现具有很好成矿远景的靶区。     

基于BJ -1小卫星遥感数据的矿区土地覆盖变化检测

为了评价利用北京一号小卫星(BJ-I)遥感数据监测煤矿区土地利用/地表覆盖变化的效果,针对其数据特点,选择基于图像信息运算和图像信息变换的直接变化检洲法以及分类后比较法,对徐州东矿区2007～2008年土地利用/地表覆盖变化情况进行检测,以对比、评价各种方法在土地利用/地表覆盖变化检测中的应用效果和BJ -1数据的适用...     

内蒙古新巴尔虎右旗多金属矿区扬尘风积物遥感监测方法

内蒙古新巴尔虎右旗甲乌拉—查干铅锌银矿区地处呼伦贝尔草原腹部,当地半干旱的气候使得该矿区尾矿库、固体废弃物堆、矿石堆等易于产生扬尘,对周边草场产生污染。采用传统的化学采样和光谱分析调查矿区扬尘污染精度虽高,但费时耗力,而利用时序遥感方法监测矿区扬尘污染则比较便捷。本研究利用2018年GF-1卫星数据完成了矿区开发占地信息提取,在分析研究区的风场和最佳扬尘观测月份基础上,使用2000年、2005年、2010年、2015年和2018年获取的5期Landsat卫星数据,采取"扬尘风积物-植被-水体和阴影"端元分解模型和人工干预的半自动剔除道路干扰方法,对矿区扬尘风积物进行遥感监测;相较于归一化差值植被指数(normalized difference vegetation index,NDVI)分析法,该方法在考虑植被光谱信息的同时也兼顾扬尘的光谱信息,使监测结果更为客观。比较5期遥感图像扬尘风积物提取结果发现,截止到2018年,矿区1 km缓冲区内扬尘风积物污染面积扩大到190. 57 hm~2,其中2000—2010年间和2010—2018年间的年平均增长面积分别为14. 74 hm~2和0. 64 hm~2。监测结果表明矿区采取的防治和治理措施可以明显改善扬尘风积物污染问题,但是随着矿区进一步开发,生态修复治理也应及时跟进。     

波段比值的主成份复合在热液蚀变信息提取中的应用

笔者运用不同波段组合的遥感比值图像的主成份复合技术进行热液蚀变信息增强,研制了一 种利用陆地卫星TM数据在有植被覆盖的湿润亚热带火山岩区自动提取矿化蚀变信息的新方法,并 在浙东新昌拔茅金银多金属矿区的试验研究中获得了成功,不仅有效地显示了矿区内已知蚀变岩 的展布,还揭示出了一些前人未知的热液蚀变岩区、硅化石英脉、控矿物造及火山机构等对成矿 预测极有价值的信息。     

Impact of Topography on Accuracy of Land Cover Spectral Change Vector Analysis Using AWiFS in Western Himalaya

The present paper discusses the impact of topography on accuracy for land cover classification and “from-to class change using improved spectral change vector analysis suggested by Chen et al. (2003). Two AWiFS sensor images of different dates are used. Double Window Flexible Pace Search (DFPS) is used to estimate threshold of change magnitude for change/no change classes. The topographic corrections show accuracy of 90% (Kappa coefficient 0.7811) for change/no change area as compared to 82% (Kappa coefficient 0.6512) in uncorrected satellite data. Direction cosines of change vector for determining change direction in n-dimensional spectral space is used for image classification with a minimum distance categorizing technique. The results of change detection are compared (i) Improved CVA with conventional two bands CVA and (ii) Improved CVA before and after topographic corrections. The improved CVA with topographic correction consideration using slope match show maximum accuracy of 90% (Kappa coefficient 0.83) as compared to conventional CVA which show maximum accuracy of 82% (Kappa coefficient 0.6624). The overall accuracy of ”from- to class using improved CVA increases from 86% (Kappa coefficient 0.7817) to 90% (Kappa coefficient 0.83) after topographic corrections. The improved CVA with proper topographic corrections is found to be effective for change detection analysis in the rugged Western Himalayan terrain.     

顾及纹理特征贡献度的变化影像对象提取算法

遥感影像变化检测是全球变化研究的重要内容。基于两期遥感影像的变化检测方法存在数据条件要求苛刻、难以充分利用快速发展的多源遥感影像数据等问题。目前许多变化检测的参考数据中包含了一期分类矢量数据,矢量数据中往往包含了位置、形状、大小和类别属性等先验信息,充分利用这些先验信息将可提高变化检测精度。提取变化影像对象是结合矢量数据和遥感影像进行变化检测的核心步骤。本文提出了一种顾及纹理特征贡献度的变化影像对象提取方法。该方法利用矢量数据分割遥感影像,获取影像对象,计算影像对象纹理特征值。根据信息增益原理计算纹理特征参数的特征贡献度,选择特征参数。由贡献度指数大小确定纹理特征参数权重,计算影像对象与先验要素类别的相似度系数,提取变化影像对象。试验结果表明,基于纹理特征贡献度的特征参数选择,能有效地提高变化影像对象提取结果的精度。     

构建时空融合模型进行水稻遥感识别

传统变化检测手段进行水稻遥感识别受"云污染"和影像间配准误差导致的变化检测误差累积及"椒盐"现象的影响,水稻遥感识别精度低。本文提出时空融合模型(Temporal-Spatial-Fusion Model,TSFM)进行水稻遥感识别,旨在综合像元在时间、空间维度上的信息定义像元的水稻时空归属度,根据时空归属度划分阈值提取水稻。实验结果表明:在不同窗口尺度下,TSFM在整体和"云污染"区域对水稻提取均达到了较高精度。当窗口尺度为3×3时,水稻提取的用户精度、制图精度和总体精度分别达到93.4%、83.5%和87.9%。在不同窗口尺度下水稻提取的用户精度、制图精度、总体精度均高于分类后比较PCC(Post-Classification Comparison)和多数投票法(Majority Voting,MV);在"云污染"区域,水稻识别总体精度均在92.0%以上,水稻制图精度比PCC、MV分别至少提高了14.0%、7.6%。有效地解决了传统变化检测作物遥感识别存在的误差累积问题,在一定程度上避免了"云污染"和"椒盐"现象对识别结果的影响。另外,初步探讨了TSFM水稻提取精度与景观特征关系,发现在景观规整区域适宜采用较小的窗口,在破碎区域适宜采用较大的窗口。该方法的成功实施,为大范围开展秋粮作物遥感识别,消除"云"影响进行了前期实验探讨。     

Assessing different remote sensing techniques to detect land use/cover changes in the eastern Mediterranean

This paper describes different change detection techniques, including image differencing, image rationing, image regression and change vector analysis (CVA) to assess their effectiveness for detecting land use/cover change in a Mediterranean environment. Three Landsat TM scenes recorded on 7 July 1985, 27 July 1993 and 21 July 2005 were used to minimize change detection error introduced by seasonal differences. Images were geometrically, atmospherically and radiometrically corrected. The four change detection techniques were applied and an object-based supervised classification was used as a crossclassification to determine ‘from–to’ change which enabled assessment of the four techniques. The change vector analysis resulted in the largest overall accuracy of 75.25 and 75.55% for the 1985–1993 and 1993–2005 image pairs, respectively. The ratio yielded the least accurate results with an overall accuracy of 59.10 and 61.05% for the 1985–1993 and 1993–2005 image pairs, respectively. Different change detection algorithms have their own merits and advantages. However, the change vector analysis change detection technique was the most accurate model for handling the variability present in Mediterranean land use/cover.     

基于多时相影像的农业作物非参数与概率分类

本文提出了一种新的结合多光谱和变化检测技术的多时相卫星数据集分类方法。该方法以数理统计中的最近邻法为基础,其目标函数是使得正确分类的平均概率得到最优化,即把每个分类类别看成同等重要。该新算法被应用于一个农业作物分类的研究区域,并利用覆盖该区的不同季节的SPOT和LANDSAT TM多时像影像。结果表明,与单时像影像相比,使用五个不同季节的多时像影像可以充分地提高分类精度。为了说明该方法在大尺度范围内的效果,本文选取瑞典道拉河流域作为研究区。由于不同地物的分布高度重叠,不可能得到像元水平上满意的分类精度。这就需要引进一种新的概念：像元概率分类法。基于像元的概率向量可用于判别传统分类法的可靠性并测量单个像元的不确定性（熵）。概率分类法同时提供了不同地物的面积的无偏估计,无论所感兴趣的区域的大小。这已经在不同特性的耕地试验点进行了检验。     

基于CRF模型的高分辨率遥感影像变化检测

针对传统高分辨率遥感影像变化检测方法大多直接利用光谱信息进行计算,导致检测精度不高的缺陷,提出了一种基于条件随机场模型（CRF）的高分辨率遥感影像变化检测方法。该方法利用CRF模型融合差值影像的光谱项和空间项,在融合过程中,引入EM迭代策略不断更新影像检测结果,提高变化检测精度。试验结果表明,本文方法的分类精度好于传统方法,并且稳定性良好。     

基于贝叶斯网络分类的遥感影像变化检测

遥感成像过程中,地面、大气等诸多要素的不确定性和波段之间的相关性等原因影响了分类精度,导致变化检测的不准确性。为了提高分类精度往往需要引入先验知识。贝叶斯网络是一种新的数据表达和推理模型,对数据没有严格的正态分布前提要求,通过动态地调整先验概率密度,能有效提高分类精度。以北京通州地区1996-05-29和2001-05-19两个时相的陆地卫星Landsat TM遥感影像为例,介绍了基于贝叶斯网络的分类算法,并在此基础上实现了两个时相遥感影像的变化检测。实验结果表明:基于贝叶斯网络分类算法的后分类比较变化检测方法是遥感影像变化检测的一种新的有效方法。     

Dual-tree complex wavelet transform-based image enhancement for accurate long-term change assessment in coal mining areas

The main objective of this study was to improve the long-term land use change detection by improving classification accuracy of previous generation satellite image using a recent super-resolution technique. The study also analysed the change in land cover over a period of 41 years in a coal mining area. A dual-tree complex wavelet transform-based image super-resolution technique was used to enhance Landsat images of 1975 and 2016. Separating pixels with similar spectral response is an enigmatical task, especially when those pixel represent different ground features. Therefore, an advanced neural net supervised classifier was used to minimize classification errors. Accuracy of the classified images (both super-resolved and original) were measured using confusion matrices and kappa coefficients. A significant improvement of more than 10% was observed in the overall classification accuracy for the image of 1975, highlighting that the classification accuracy of earlier generation satellite data can be improved substantially.     

多特征流形鉴别嵌入的高分辨率遥感影像分类

针对高分辨遥感影像同谱异物、同物异谱导致单一特征分类结果精度较差的问题,本文提出了多特征流形鉴别嵌入的高分辨率遥感影像分类方法。该方法首先提取高分辨率影像数据的光谱特征与LBP纹理特征;然后通过样本数据的联合光谱、纹理特征的空间距离及对应的类别信息,构建影像对象的类间图与类内图,用于学习高分辨率影像上的鉴别流形结构,保证在嵌入空间上尽可能不同地物特征分离、相同地物特征紧聚,确保相同地物光谱、纹理特征的相似性,完成光谱、纹理鉴别特征的有效提取,以充分挖掘影像特征,有效提高影像的分类精度。在GF-2遥感数据集上进行试验,结果表明本文算法可实现多特征的有效融合,分类精度均优于传统方法,可达93.41%。     

运用多尺度图像纹理进行城市扩展变化检测

 应用遥感数据检测城市扩展变化时，单纯基于光谱信息的变化检测法很难取得理想效果。本文将多尺度的纹理与光谱信息结合应用于变化检测，并评价其在检测城市扩展变化中的性能。变化检测采用分类后比较法。研究表明，如果纹理尺度与数据组合合适，与单纯基于光谱信息的检测结果相比，纹理特征与光谱特征结合的变化检测精度显著提高，而多尺度纹理辅助变化检测得到的检测精度最高。研究还发现，纹理辅助变化检测在某些地物类别的边缘会产生假变化信息。