基于GF-1 WFV影像的黄河口湿地植被盖度估测及分析

植被盖度是植被生长状况的重要定量指标,而目前开展的植被盖度遥感估测工作主要集中在陆地区域,对河口湿地植被盖度遥感估测工作比较少见。本文基于国产GF-1 WFV遥感影像开展了黄河口湿地植被盖度估算,并结合植被类型、土壤盐度和植被指数分布状况开展了植被盖度分布特征分析,得到如下结论:（1）基于GF-1 WFV卫星影像的NDVI、SRI、SAVI、MSAVI和DVI 5种植被指数,分别建立植被盖度估测模型,其中基于NDVI、SRI、MSAVI和DVI 4种植被指数建立的多变量线性回归模型估测精度最好,其决定系数（R2）最大,为0.904,均方根误差RMSE最小,为0.14;（2）植被盖度估算模型的精度与植被盖度本身有一定的关系,其中各植被盖度回归模型中,盖度大于0.8时估算精度要优于盖度小于0.6的区域,RMSE最大相差0.04;（3）以潮滩碱蓬和潮滩芦苇为主的植被覆盖区属于低植被盖度区,盖度位于0.03~0.5,盐度在1.5 g/L左右;芦苇草甸、互花米草和柽柳灌丛植被覆盖区属于高植被盖度区,盖度位于0.8~1.0,其中芦苇草甸土壤盐度小于1.2 g/L,柽柳灌丛土壤盐度在1.4~2.0 g/L,在高盖度植被区混生有中等盖度的植被,盖度在0.5~0.8,土壤盐度在1.8 g/L左右。     

大连长兴岛海域疏浚区GF-1 WFV影像悬浮物遥感反演研究

利用2017年8-9月期间大连长兴岛海域实测遥感反射率、悬浮物浓度及GF-1 WFV数据,研究了该区域悬浮物浓度的遥感反演算法,发现遥感反射率与悬浮物浓度的散点图存在两种不同的变化趋势,将2008-2015年期间辽东湾内其它海域的数据与长兴岛海域数据进行叠加后,可初步推断产生两种变化趋势的主要原因在于疏浚区与非疏浚区悬浮物的粒径大小不同,导致其光学特性和反演算法也存在差异。将两种算法分别应用于2017年9月20日辽东湾及长兴岛近岸海域的GF-1 WFV4影像,发现采用非疏浚区算法反演长兴岛海域悬浮物浓度时,出现明显的低估现象,而疏浚区算法则能较好地反映出疏浚施工过程中悬浮物的分布规律,具有较好的工程应用价值。     

基于大气参数拟合的GF-1多光谱影像大气校正

针对大气校正常使用的基于查找表的方法建表速度缓慢、查找精度低等问题,提出在6S大气校正模型的基础上,以气溶胶厚度为自变量对大气参数进行拟合的算法,使用该算法对GF-1多光谱影像进行大气校正研究。对半球反射率、路径辐射项等效反射率、大气透过率3个大气参数使用三次多项式进行拟合,拟合后的决定系数都达到了0. 999 8;根据拟合结果使用MODIS气溶胶产品作为输入,逐像元计算大气参数,并对影像进行大气校正,将校正结果与FLAASH模型校正结果进行对比。结果表明,该算法能有效校正大气对GF-1多光谱影像的影响,并与FLAASH校正结果具有很好的一致性。     

基于深度学习的GF-1卫星WFV影像赤潮探测方法

赤潮是我国主要的海洋生态灾害,有效监测赤潮的发生和空间分布对于赤潮的防治具有重要意义。传统的赤潮监测以低空间分辨率的水色卫星为主,但是其对于频发的小规模赤潮存在监控盲区。GF-1卫星WFV影像具有空间分辨率高、成像幅宽大和重访周期短等优点,在小规模赤潮监测中表现出较大的潜力。然而,GF-1卫星WFV影像的光谱分辨率较低,波段少,传统面向水色卫星的赤潮探测方法无法应用于GF-1卫星WFV数据。而且赤潮具有形态多变、尺度不一的特点,难以精确提取。基于此,本文提出了一种面向GF-1卫星WFV影像的尺度自适应赤潮探测网络（SARTNet）。该网络采用双层主干结构以融合赤潮水体的形状特征与细节特征,并引入注意力机制挖掘不同尺度赤潮特征之间的相关性,提高网络对复杂分布赤潮的探测能力。实验结果表明,SARTNet赤潮探测精度优于现有方法,F1分数达到0.89以上,对不同尺度的赤潮漏提和误提较少,且受环境因素的影响较小。     

基于GF-2影像的广西茅尾海红树林物种分类及盖度估算分析

为了掌握茅尾海红树林种类和盖度情况,基于GF-2 PMS1高分辨率卫星遥感影像数据,使用支持向量机(support vector machine,SVM)和回归模型方法开展了茅尾海红树林物种分类和植被盖度估算研究,并对其分布特征展开了详细分析。研究表明:(1)广西茅尾海红树林共有4个种类,分别是桐花树(Aegiceras corniculatum)、无瓣海桑(Sonneratia apetala)、秋茄(Kandelia candel)和茳芏(Cyperus malaccensis)。桐花树作为茅尾海红树林的优势种,面积为1228.612 ha,占总面积72.5%,散布在茅尾海潮间带。秋茄面积最少,仅有1.976 ha,零星分布于茅岭乡和尖山镇沿岸,多数与无瓣海桑和桐花树混生。(2)基于GF-2 PMS1卫星影像的NDVI植被指数建立的二次多项式盖度回归模型效果最好,决定系数最大为0.7644,均方根误差RMSE最小为0.0680。(3)植被盖度分布状况与植被类型有密切关系,植被种类纯生区的盖度要明显大于植被混生区的盖度。本研究结果为茅尾海国家海洋公园和自治区级自然保护区管理部门的决策提供理论基础。     

基于数据挖掘的GF-1 遥感影像绿潮自适应阈值分区智能检测方法研究

由于受到云雾的影响,可见光影像能够高效用于绿潮检测的数据源较为有限,特别是云覆盖较为严重的可见光影像,基本无法用于检测绿潮。即使影像数据是在薄云、薄雾、无云覆盖的情况下获取的,由于其光谱反射值存在较大差异,依然很难采用同一阈值进行绿潮检测。基于此,为了提高可见光影像的利用率,实现不同云覆盖情况下,绿潮的高精度自适应阈值的自动检测,本文以GF-1影像为数据源,首先采用K-means聚类和C4.5决策树方法实现影像云覆盖情况的自动识别;其次,选取大量不同云覆盖情况下子图像样本（每个子图像样本中均包含绿潮和海水两类）,分析得出不同云覆盖情况下绿潮和海水的区分阈值y与影像光谱差x=band_nir-band_red之间所具有的线性关系;然后,利用分析得出的线性关系提出一种适用于GF-1影像的绿潮分区自适应阈值自动检测方法。最后,为验证提出方法的有效性,分别采用NDVI方法、EVI方法和本文提出的自适应阈值自动检测方法进行绿潮提取实验。实验结果表明,对于GF-1卫星遥感数据,本文提出的绿潮自适应阈值分区自动检测方法明显优于传统的NDVI和EVI检测方法,不仅提高了绿潮的监测精度,而且实现了绿潮提取的全自动化。     

基于序列轮廓线的多波束水体影像目标三维重建

利用多波束声呐水体成像探测水下目标具有范围广、效率高的优势,水体数据通常采用二维成图方式对目标进行探测、评估,难以认识三维目标的全貌,容易遗漏细节。本文提出一种基于序列轮廓线的水体目标三维重建方法,首先逐Ping对水体目标点云进行精细分割并提取轮廓线,针对相邻轮廓线数量不一致的问题,将轮廓线拆分使其一一对应,然后通过轮廓中心平移与划分空间格网的方法在轮廓线间填充面片。使用水下沉船实测数据检验算法有效性。结果分析表明,本文算法能够有效地减少面片的连接错误、降低面片冗余,同时避免带来孔洞现象,算法稳健,对多波束水体目标探测具有参考价值。     

多波束声呐水体影像沉船自动提取方法

为解决人工浏览水体数据耗时且无法保证结果可重复性的问题,提高数据的利用率和定量分析能力,通过分析水体数据的成像机理,提出一种基于单帧水体影像自动提取沉船目标的算法,利用噪声抑制、数学形态学方法检测目标边缘,根据海底统计特性识别海底,再结合深度特性实现海底与沉船目标分离。使用实测数据验证了沉船自动提取算法,且抗噪性较强。通过水体影像提取的目标信息能够弥补水深点目标模型分辨率不足的缺点,为后续目标三维精细建模奠定基础。     

一种改进的Curvelet变换遥感影像融合方法

提出了一种改进的Curvelet变换的融合算法,以IKONOS影像为样本数据,融合过程中将原全色波段与多光谱影像中未参与HIS分解的波段进行加权组合,形成新全色分量,再将此分量与明度分量分别进行第二代Curvelet变换,以形成新明度分量,HIS逆变换后形成融合影像。并与改进的HIS变换融合、传统的HIS变换与Curvelet变换结合的融合算法相比较,结果表明,改进的方法能增加融合影像的信息量,降低光谱扭曲度,提高融合影像与原多光谱影像的相似度。     

珊瑚岛礁CBERS-02B与资源二号融合影像的质量评价

南海海域分布着众多珊瑚岛礁,鉴于其蕴含着巨大的经济、军事和生态等价值,我国越来越重视对珊瑚岛礁的调查、监测和研究。在调查任务的推动下,选取国产中巴资源卫星-02B(CBERS-02B)多光谱影像与资源二号(ZY-2)全色影像数据,对其影像的质量进行评价研究,可验证其能否应用于珊瑚岛礁的监测。以西沙群岛中的珊瑚岛为例,应用主成分分析(PCA)、Brovey变换、乘积变换3种常用融合方法,对国产自主卫星CBERS-02B与资源二号影像进行了融合试验,并采用主观与客观相结合的评价方式,与国际主流的卫星SPOT-5自身融合影像进行对比分析。CBERS-02B、资源二号融合影像与SPOT-5融合影像质量对比分析结果表明:目视效果来看,SPOT-5卫星数据较高的分辨率使其融合影像的分辨能力明显高于CBERS-02B与资源二号融合影像。但在光谱信息方面,CBERS-02B与资源二号融合影像对绿色植被的分辨具有优势,有利于植被目视识别。客观统计指标显示,与SPOT-5融合影像相比,CBERS-02B与资源二号融合影像绿光波段灰度平均值较高,红光和近红外波段灰度平均值较低;两组融合影像的标准差相差不大;从影像的熵来看,CBERS-02B与资源二号融合影像的熵值较高;而平均梯度和相关系数低于SPOT-5融合影像。总体而言,由于受到空间分辨率的限制,CBERS-02B与资源二号融合影像目视效果逊于SPOT-5自身融合影像,但在空间细节分辨能力方面具有优势,能够反映出更多的光谱特征,尤其是对植被的光谱差异反映细腻。     

基于港口船舶识别的高分二号卫星遥感影像融合方法比较

在卫星遥感影像识别中,相较于海上单一环境的船舶识别,港口船舶识别由于存在集装箱、码头等大量干扰目标,显得更为困难。采用强度-色度-饱和度(Intensity-Hue-Saturation, IHS)变换、Brovey变换(Brovey Transform, BT)、ESRI全色锐化变换、简单均值变换和施密特正交变换法(Gram-Schmidt, GS)等5种融合算法,进行高分二号卫星全色和多光谱影像的融合试验,通过定性和定量评价选出适用于港口船舶影像的最优方法。结果显示GS融合方法在增加影像空间信息的同时维持了光谱保真性,其均方根误差、峰值信噪比、结构相似性等指标均优于其他4种融合方法,可用于港口船舶识别。     

高分一号卫星海岸带影像质量评价

高分一号(GF-1)是我国自主研制的宽幅带高空间分辨率遥感卫星,为分析其在海岸带地区的应用潜力,本文采用主观和客观相结合的评价方法,并与SOPT-5卫星影像进行比对,开展GF-1影像的成像质量评价。主观评价结果表明:GF-1影像表现能力与SPOT-5影像相当,在某些地物特征表现上与SPOT-5比较一致。客观评价表明:GF-1影像的4种统计参数与SPOT-5影像比较接近且各有高低,GF-1影像各波段的灰度分布更分散,地物间的可分性更高;GF-1影像各波段的信噪比和波段间的独立性与SPOT-5比较,基本相同,整体看来,GF-1具有较高的成像质量,在海岸带地区具有一定的应用潜力。     

GF-1 WFV图像经验模分解的光谱保真性与水深遥感探测

水深是海洋环境的重要参数之一,水深遥感反演是水深测量的一种重要手段。经验模分解（EMD）具有剔除小尺度波浪信息,留下大尺度水下地形信息的特性。本文利用EMD对高分一号卫星宽幅影像进行尺度变换,使用光谱相关系数、光谱角、光谱偏差和光谱相对偏差等评价指标,对剩余层图像进行光谱保真性分析;利用改进的对数转换比值模型对原始影像和剩余层图像进行水深反演,并进行相关性分析与精度评价。研究结果表明:（1）评价指标显示EMD变换后影像具有相当的保真性;空间断面分析表明EMD去除了小尺度的噪声信息,保留了水下地形变化信息。（2）经均匀分布的检查点验证,两区域的原图像反演水深和实测水深的相关性较好,相关系数达0.75以上,且两种波段组合的MAE和MRE均不超过2.42 m和8.5%。（3）对EMD的全部10层进行水深反演,蓝绿波段的MAE和MRE均不高于1.62 m和5.8%;绿红波段的MAE和MRE均不高于1.93 m和6.9%。（4）对于不同的波段组合,蓝绿波段组合在各剩余层的水深反演效果明显优于绿红波段,经EMD后的水深反演效果明显提高。（5）20~30 m水深段的反演精度整体要高于30~40 m,该模型应用于较浅水深段更具优势。     

高分六号遥感影像水深反演能力评价

水深是重要的海洋要素,水深遥感反演是获取浅水水深的重要手段。当前水深遥感反 演应用以国外卫星数据为主,国产卫星数据的研究和应用较少。本文针对国产高分六号卫星 （GF-6） 数据,以三亚南山港为研究区域,分别建立单波段回归模型、双波段比值模型、多波段 回归模型,进行多光谱影像的水深反演能力研究,并与国外主流哨兵2 号卫星（Sentinel-2） 数 据进行实验比较。实验结果表明：GF-6 遥感影像具有较好的浅水水深反演能力和一定的反演精度,各波段水深探测能力依次为：绿波段跃蓝波段跃红波段跃近红外波段,反演方法效果依次为：多波段模型跃双波段模型跃单波段模型。相较于Sentinel-2 数据,GF-6 数据水深反演精度与其一致,这表明GF-6 影像具备替代国外遥感数据进行水深反演的能力和大规模应用的潜力。本文针对GF-6 影像水深反演能力的研究方法和分析,结果将为国产高分系列卫星数据的水深反演研究和应用提供有益的参考。     

Sea surface wind speed retrieval from Sentinel-1 HH polarization data using conventional and neural network methods

Conventional retrieval and neural network methods are used simultaneously to retrieve sea surface wind speed(SSWS) from HH-polarized Sentinel-1(S1) SAR images. The Polarization Ratio(PR) models combined with the CMOD5.N Geophysical Model Function(GMF) is used for SSWS retrieval from the HH-polarized SAR data. We compared different PR models developed based on previous C-band SAR data in HH-polarization for their applications to the S1 SAR data. The recently proposed CMODH, i.e., retrieving SSWS directly from the HHpolarized S1 data is also validated. The results indicate that the CMODH model performs better than results achieved using the PR models. We proposed a neural network method based on the backward propagation(BP)neural network to retrieve SSWS from the S1 HH-polarized data. The SSWS retrieved using the BP neural network model agrees better with the buoy measurements and ASCAT dataset than the results achieved using the conventional methods. Compared to the buoy measurements, the bias, root mean square error(RMSE) and scatter index(SI) of wind speed retrieved by the BP neural network model are 0.10 m/s, 1.38 m/s and 19.85%,respectively, while compared to the ASCAT dataset the three parameters of training set are –0.01 m/s, 1.33 m/s and 15.10%, respectively. It is suggested that the BP neural network model has a potential application in retrieving SSWS from Sentinel-1 images acquired at HH-polarization.