基于高分六号红边特征的面向对象桉树人工林信息提取

有效监测桉树林空间分布对区域生态环境保护及有关部门的统筹决策具有重要指导意义.本文在现有研究的基础上,以国内首个提供红边波段的多光谱高分六号(GF-6)卫星影像为数据源,选取广西鹿寨县为典型研究区域,结合光谱特征、植被指数特征和红边特征,设计不同特征组合分类方案,采用面向对象多尺度分割方法,对不同尺度层分别构建隶属度函...     

高分数据连续多时相南湾湖藻类污染监测

水藻污染影响水质,对生态环境造成显著破坏。在湖泊绿藻污染研究中,国产高分宽幅数据应用较少。本文综合利用高分一号、高分六号高光谱、宽幅数据,使用归一化植被指数和引入红边波段的归一化植被指数对南湾湖进行绿藻污染短时序监测,确定污染时间和范围演化。分析得到：(1)2020年7月20日,存在绿藻污染;(2)2020年8月2日和3日,无绿藻污染;(3)2020年8月4日、5日和9日,绿藻在下游某一弯道处有复发。南湾湖绿藻污染及复发情况与实际情况均符合,表明高分数据在短时序湖泊绿藻监测、提取准确率和效率等方面具备应用潜力。     

面向对象与卷积神经网络模型的GF-6 WFV影像作物分类

GF-6WFV影像是中国首颗带有红边波段的中高分辨率8波段多光谱卫星的遥感影像,对于其影像及红边波段对作物分类影响的研究利用亟待展开.本文结合面向对象和深度学习提出一种适用于GF-6 WFV红边波段的卷积神经网络(RE-CNN)遥感影像作物分类方法.首先采用多尺度分割和ESP工具选择最佳分割参数完成影像分割,通过面向对...     

高分一号的浮筏养殖信息提取方法

针对浮筏海水养殖遥感信息自动提取业务化应用难度较大的问题,该文提出一种光谱、纹理特征结合的支持向量机(SVM)算法,高效提取海水、养殖物。基于国产高分一号(GF-1)高分辨率卫星影像数据,以江苏省连云港近岸海域为研究区域,以海水、养殖物作为为分类对象,采用主成分变换筛选信息量大,较好地保留浮筏水产养殖信息的前8个主成分分量开展分类实验。实验结果表明:将纹理特征应用于浮筏养殖物信息提取方法中,可以提高养殖物分类精度,与最大似然估计、最小距离方法分类方法比较,总体分类精度提升了3%～5%。研究结果可为浮筏养殖用海遥感监测平台构建提供基础技术支持。     

基于混合式特征选择的高分五号影像农田识别

精准农田识别是农作物估产和粮食安全评估的基础。遥感数据作为农田识别的重要数据源,可提供动态、快速的监测结果。高光谱数据在农田识别分类方面具有巨大的应用潜力,但其中的冗余波段影响了分类效率和分类精度。因此,本研究提出了一种适用于高光谱数据农田分类的混合式特征选择算法。首先,基于变量的重要性排序或约束程度,按步长逐步进行降维;其次,寻找分类精度骤减的转折点,并将其对应的变量作为特征子集;最后,利用序列后向选择SBS（Sequential Backward Selection）方法搜索最优分类特征子集。本研究利用GF-5高光谱数据,共研究了3种降维方法（随机森林RF（Random Forest）、互信息MI（Multi-Information）和L1正则化（L1 regularization））和3种分类算法（随机森林、支持向量机SVM（Support Vector Machine）和K近邻KNN（K-Nearest Neighbor））的组合在农田分类中的表现。结果表明,基于L1正则化法得到的特征子集自相关性较低,并且包含的红边和近红外波段有效提高了农田、森林和裸土的区分度。在不同分类模型比较中发现,SVM在高维空间中表现出非常好的抗噪能力,分类精度高于RF和KNN。而RF在低维空间中的泛化能力要高于SVM和KNN。相比于第一步降维得到的特征子集,使用SBS搜索得到的最优特征子集均提高了分类精度。最终,具有23维输入的L1-SVM-SBS分类模型得到了最高的总体分类精度（94.64%）和农田召回率（95.83%）。本研究为高光谱数据特征优选提供了一种新思路,筛选出了更具代表性的特征波段,提高了农田分类精度,对高光谱遥感分类研究具有参考价值。     

高分六号高分全色相机高精度几何检校

高分六号全色影像的幅宽大于90 km,在大比例尺度地表量测中具有重要意义,而其高精度几何检校是遥感影像几何处理的关键环节,直接影响遥感卫星影像的可量测性。本文在缺少人工标靶数据和精密实验室几何成像标校参数的条件下,利用高分六号卫星辅助数据和参考数据,采用基于探元指向角的几何检校模型对高分六号高分全色相机进行高精度几何检校。经过检校之后高分六号全色影像的绝对定位精度优于50 m,内部相对定位精度优于4个像素,表明高分六号高分全色相机在经过高精度几何检校之后影像几何质量可以满足测绘需求。     

基于高分二号卫星数据的农作物分类方法研究

针对目前高分二号卫星数据(GF-2)有较高的空间分辨率而在农业领域应用较少和农作物分类普遍存在同谱异物和同物异谱的现象,以辽宁省沈阳市苏家屯区以西的新开河村周边为试验基地,利用最佳波段组合指数法(OIF)对所选取的高分二号(GF-2)卫星数据的纹理特征和植被指数以及波段信息进行筛选,选取最佳的波段组合,以增加分...     

顾及潮汐影响的中国红树林高分二号遥感制图

遥感技术由于具有实时、准确、多尺度、可重复等优点广泛应用在红树林遥感制图研究中。目前,中国红树林遥感制图数据集中空间分辨率最高的产品是基于Sentinel 10 m数据生产的,此外,大多中国红树林遥感制图中忽略了潮汐的影响,导致红树林遥感制图结果不精准。本文利用国产高分二号数据源,顾及潮汐淹没的影响实现空间分辨率1 m的2020年中国红树林遥感制图。选取覆盖中国海岸线具有红树林分布的高分二号影像312景(24景高分一号影像补充缺失区域),对影像进行面向对象多尺度分割,采用红树林淹没指数作为顾及潮汐影响的表征参数,结合随机森林分类方法完成中国红树林高分遥感制图。研究结果表明：2020年中国红树林面积为29576.48 ha,95%的红树林主要分布在广西壮族自治区、广东省、海南省,其总体分类精度为92%,Kappa系数为0.89,尚未顾及潮汐影响的结果比顾及潮汐影响的结果少2531.24 ha。本文生产的红树林高分数据集可为中国红树林生态系统的监测、管理及评估提供高精度的数据支持,具有重要的实际应用价值。     

高分六号宽幅多光谱数据人工林类型分类

高分六号(GF-6)卫星于2018年成功发射,2019-03正式投入使用。由于GF-6宽幅相机的WFV(Wide Field of View)影像较GF-1的同类影像新增2个红边波段,将会提高对农业、林业、草原等资源监测能力。为了分析GF-6的WFV影像在人工林分类方面的能力,促进高分数据在林业领域的应用,本文选取广西高峰林场为研究区,以最新的GF-6 WFV影像为数据源,结合地面实测类型数据,进行广西南宁高峰林场的桉树,杉木等人工林类型提取。主要运用随机森林(random forests)的分层分类法:首先计算6种植被指数,并利用随机森林法进行植被指数的特征优选,然后确定4种波段组合数据集的分类方案,4种数据集分别为(1)无红边的前4个波段,(2)有红边的8个波段,(3) 8个波段加上未优化的植被指数特征组合,(4) 8个波段加上优化的植被指数特征组合。再进行WFV影像4种数据集的随机森林分类,随机森林采用分类回归树(CART)算法来生成分类树,结合了bagging和随机选择特征变量的优点,是一种有效的分类方法。最后比较4个方案的分类结果并进行精度验证。结果表明:方案2比方案1精度提高了4.99%,Kappa系数提高了0.058。说明包含红边的8波段数据比4个波段数据精度有大幅提升。方案4的8波段加上优化植被指数特征组合的分类精度最高,达到了85.38%,比方案2包含红边波段组和方案1无红边波段组的精度分别提高了3.98%,8.97%,Kappa系数分别提高了0.046,0.104。说明WFV影像加入红边波段比无红边波段精度明显增高。由结果可知,红边指数的引入,增强了植被信息,能够较准确地反映人工林类型特征差异,明显提升了人工林的分类精度。本研究方法可以有效改善广西人工林类型信息提取效果,为GF-6影像质量的评价及其在林业应用潜力提供科学参考依据。     

基于波段子集的独立分量分析的特征提取的高光谱遥感影像分类

针对高光谱影像数据具有波段众多、数据量较大的特点,本文提出了一种基于波段子集的独立分量分析(ICA)特征提取的高光谱遥感影像分类的新方法。以北京昌平小汤山地区的高光谱影像为例,根据高光谱遥感影像的相邻波段的相关性进行子空间划分,在各个波段子集上采用ICA算法进行特征提取,将各个子空间提取的特征合并组成特征向量,采用支持向量机(SVM)分类器进行分类。结果表明:该方法分类精度最佳(分类精度89.04%,Kappa系数0.8605,明显优于其它特征提取方法的SVM分类,有效地提高了高光谱数据的分类精度。     

改进的OIF和SVM结合的高光谱遥感影像分类

文章提出了一种结合改进的最佳指数法(OIF)和支持向量机(SVM)进行高光谱遥感影像分类新方法.利用本文提出的稳定系数进行波段初选择,根据相关系数选择波段组合生成新影像,并对新影像进行OIF计算,得到OIF值最大的波段组合为最佳波段组合;构建SVM分类器,对最佳波段组合分类;最后将分类结果与其他监督分类方法比较,并在相同核函数下与PCA和SVM结合的方法进行精度比较分析.实验结果表明,本文方法能够有效提取最佳波段组合,在SVM算法下获得较高分类精度.     

TanDEM-X multiparametric data features in sea ice classification over the Baltic sea

In this study, we assess the potential of X-band Interferometric Synthetic Aperture Radar imagery for automated classification of sea ice over the Baltic Sea. A bistatic SAR scene acquired by the TanDEM-X mission over the Bothnian Bay in March of 2012 was used in the analysis. Backscatter intensity, interferometric coherence magnitude, and interferometric phase have been used as informative features in several classification experiments. Various combinations of classification features were evaluated using Maximum likelihood (ML), Random Forests (RF) and Support Vector Machine (SVM) classifiers to achieve the best possible discrimination between open water and several sea ice types (undeformed ice, ridged ice, moderately deformed ice, brash ice, thick level ice, and new ice). Adding interferometric phase and coherence-magnitude to backscatter-intensity resulted in improved overall classification per- formance compared to using only backscatter-intensity. The RF algorithm appeared to be slightly superior to SVM and ML due to higher overall accuracies, however, at the expense of somewhat longer processing time. The best overall accuracy (OA) for three methodologies were achieved using combination of all tested features were 71.56, 72.93, and 72.91％ for ML, RF and SVM classifiers, respectively. Compared to OAs of 62.28, 66.51, and 63.05％ using only backscatter intensity, this indicates strong benefit of SAR interferometry in discriminating different types of sea ice. In contrast to several earlier studies, we were particularly able to successfully discriminate open water and new ice classes.     

高分五号卫星大气参数探测综述

高分五号卫星搭载了大气痕量气体差分吸收光谱仪、主要温室气体探测仪、大气多角度偏振探测仪、大气环境红外甚高分辨率探测仪、可见短波红外高光谱相机和全谱段光谱成像仪共6台载荷,对全球环境监测及中国大气气溶胶、臭氧、二氧化硫、二氧化氮、二氧化碳、甲烷和云等多个环境与气象综合监测方面有着重要的意义。为了更好的了解高分五号卫星任务的大气监测内容,本文对高分五号卫星其中的4个大气探测载荷特征和数据处理算法进展进行了总结,涉及各个载荷参数信息、算法介绍和产品初步结果等相关内容。高分五号卫星是中国专门用于大气环境监测任务的遥感卫星,随着后续卫星的发射升空,将对中国乃至全球大气环境监测提供强有力的数据支撑。     

Novel Folded-PCA for improved feature extraction and data reduction with hyperspectral imaging and SAR in remote sensing

As a widely used approach for feature extraction and data reduction, Principal Components Analysis (PCA) suffers from high computational cost, large memory requirement and low efficacy in dealing with large dimensional datasets such as Hyperspectral Imaging (HSI). Consequently, a novel Folded-PCA is proposed, where the spectral vector is folded into a matrix to allow the covariance matrix to be determined more efficiently. With this matrix-based representation, both global and local structures are extracted to provide additional information for data classification. Moreover, both the computational cost and the memory requirement have been significantly reduced. Using Support Vector Machine (SVM) for classification on two well-known HSI datasets and one Synthetic Aperture Radar (SAR) dataset in remote sensing, quantitative results are generated for objective evaluations. Comprehensive results have indicated that the proposed Folded-PCA approach not only outperforms the conventional PCA but also the baseline approach where the whole feature sets are used.     

结合PCA、多尺度分割及SVM的ASTER遥感蚀变信息提取

为了利用遥感影像进行更加精确的找矿预测,本文选择新疆东天山尾亚地区ASTER数据进行矿化蚀变信息提取方法研究.为了提高信息提取精度,本文提出了结合主成分分析(PCA)、多尺度分割和支持向量机(SVM)的遥感矿化蚀变信息提取方法.首先,分析ASTER数据的特征,选取各矿化蚀变信息的特征波段,对组合波段进行主成分分析,获得...