融合地理空间认知的珊瑚礁地貌单元高分遥感分类方法

近年来,在人为活动和自然因素的影响下,全球珊瑚礁面临着大规模退化问题,开展珊瑚礁监测研究对珊瑚礁生态系统评估、修复和保护工作具有重要作用。本文以西沙群岛北礁和华光礁为研究区,应用2015年高分二号（GF-2）和WorldView-2高空间分辨率卫星影像和现场调查数据,基于不同珊瑚礁地貌单元的空间位置特征,提出了融合地理空间认知（Geo-Spatial Cognition,GSC）的珊瑚礁地貌单元高分遥感分类方法。研究结果表明：针对因空间位置不同和底质组成高度近似导致珊瑚礁地貌单元漏分和错分的问题,本文提出的方法更能有效获取精准的珊瑚礁地貌单元信息。其中,融合地理空间认知的随机森林（Integrating Geo-Spatial Cognition-Random Forest,GSC-RF）方法展现出了最优的分类表现,在北礁和华光礁珊瑚礁地貌单元分类中总体精度分别为98.06%和91.93%,Kappa系数分别为0.98和0.91。相比于仅使用光谱信息的随机森林（Random Forest,RF）、多元逻辑回归（Multinomial Logistic Regression,MLR）和支...     

基于面向对象影像分析方法的我国西沙珊瑚礁地貌单元信息提取

珊瑚礁地貌单元的空间分布对于理解珊瑚礁生态系统的地质构造过程具有重要作用。然而,基于像素的影像分析方法往往获取不到较高精度的分类结果。本文基于面向对象的影像分析方法,利用Landsat 8卫星影像数据对我国西沙地区的珊瑚环礁进行了地貌单元的遥感信息提取。借鉴于美国千年珊瑚礁测绘项目的工作成果,本文首先针对研究区特点定义了十类珊瑚礁地貌单元类型。然后,基于对象的多层次关系特点,并综合利用对象的光谱、形状、上下文关系等特征,建立合适的分类规则集,获取了研究区较大尺度的珊瑚环礁地貌分区图,其分类精度普遍高于80%。虽然研究结果表明基于面向对象的影像分析方法可以有效的进行珊瑚礁遥感信息提取,但其规则集的可移植性仍需要今后的工作加以改善。     

基于软硬协作决策的半监督珊瑚礁底质分类方法

珊瑚礁底质分类对海洋资源开发和海洋生态环境保护起到至关重要的作用。目前,深度学习语义分割方法在遥感图像分类领域应用广泛,但在底质分类方面的研究较少。由于基于全监督深度学习的方法中逐像素标注标签的成本较高,不适用于大规模、高频次的底质分类工作,基于半监督的深度学习方法能够有效利用已标注标签为无标签数据产生伪标签,从而有效降低人工成本,然而现有半监督方法的性能易受伪标签噪声的干扰。针对以上问题,本文提出了一种基于软硬协作决策的半监督底质分类方法。首先,利用多模型联合决策生成高质量的伪标签;然后,提出了一种能够顾及伪标签像素置信度的损失函数来指导模型进行训练;最后,采用软硬协作的决策方式得到精确的底质分类结果。在美属维尔京群岛圣克罗伊岛北部的巴克岛礁和夏威夷群岛的中途岛东南约400 km处的珍珠与爱马仕环礁的浅层底栖生物栖息地地图数据集上评估了本文方法的精度,实验结果表明,本文提出的方法与全监督学习方法精度相当,比主流的语义分割方法精度平均高3.08%,能够有效服务于珊瑚礁底质调查工作。     

基于WorldView-2和GF-2遥感影像的赵述岛礁坪底质变化研究

以西沙群岛海域赵述岛礁坪为研究区域,应用2010年的WorldView-2和2015年的GF-2两期高分辨率卫星遥感影像数据,结合现场水下珊瑚礁照片和视频资料,建立了赵述岛礁坪底质类型遥感分类体系,分别构建了针对WorldView-2遥感影像和GF-2遥感影像的珊瑚礁底质分类决策树模型,并通过对两期遥感影像的底质类型提取结果的变化分析,完成了赵述岛礁坪退化区域的提取。结果表明:(1)WorldView-2影像的分类决策树具有91%的总体分类精度和0.89的Kappa系数,GF-2影像的分类决策树具有更高的分类精度;(2)6年期间研究区大约1/4的珊瑚礁分布区发生了退化;(3)最突出的自然变化是礁前区大面积的珊瑚丛生区转变成藻脊,结合相关资料认为东北季风、热带气旋和温度上升的综合影响是驱动因素;(4)赵述岛西侧的藻脊、珊瑚沉积区大面积转化为珊瑚砂和深水区域,原因是航道和码头的开发活动。研究分析了6年间赵述岛礁坪底质的退化状况,并分析原因,为珊瑚礁底质分类提供方法,并为西沙群岛的珊瑚礁监测和保护提供了有效资料和手段。     

基于多时相多光谱遥感影像的珊瑚礁面积估算方法研究

准确计算珊瑚礁的面积是评估其资源、环境效应的基础,但我国迄今对南海珊瑚礁的面积估算仍缺乏共识,缺少可靠的估算方法是导致这一现象的重要原因。针对这一问题,本文以西沙群岛羚羊礁为例,提出了一种利用多时相多光谱遥感影像低成本半自动化估算珊瑚礁面积的方法。首先快速目视确定地貌带分界线的粗略位置,然后利用基于梯度向量场的主动轮廓线模型（Gradient Vector Flow-Snake, GVF-Snake）实现这些分界线位置的自动精化,最后将不同时相的瞬时分界线转换为面要素进行多时相的融合,从而得到珊瑚礁的面积。基于53景Sentinel-2 多光谱成像仪（MSI）影像的实验表明,羚羊礁的总面积为17.22 km2（Landsat 8 陆地成像仪（OLI）用于方法稳定性的验证,得到的羚羊礁面积为17.29 km2）,其中礁前斜坡、礁坪?潟湖坡、潟湖的面积分别为1.76 km2、10.29 km2、5.17 km2。该数值与实测数据具有较好的一致性。具体地,该方法获得的地貌带分界点与实测水深所指示分界点的位置偏差能控制在0.2～4.9 m的范围内（不超过0.5个像素）,珊瑚礁最外轮廓线与30 m等深线的位置偏差亦在1个像素大小内（5.7～9.5 m）,而估算面积与高分辨率WorldView-2影像解译得到的面积差异为0.02%。同时,该方法获得的珊瑚礁边界线的完整度、正确度、提取质量精度能够由单时相平均的60%、64%和54%分别提高至84%、83%和72%。此外,该方法能够减小基于不同遥感数据源的珊瑚礁面积估算结果的差异,即6景以上的多时相Sentinel-2 MSI和Landsat 8 OLI影像提取的珊瑚礁面积标准差分别不超过0.01 km2和0.05 km2,仅相当于珊瑚礁总面积的0.2%和0.5%。总而言之,该方法能够用低成本的10 m分辨率Sentinel-2 MSI和30 m分辨率Landsat 8 OLI影像获得接近1.8 m分辨率WorldView-2影像的面积估算精度,且具有良好的稳定性和可靠性。     

基于Sentinel-2卫星影像的海南西岛珊瑚礁识别和变化分析

珊瑚礁是海洋中最重要的生态系统之一, 近年来在全球气候变化和人为干扰加剧的影响下, 我国南海珊瑚礁总体处于快速退化状态。以海南西岛珊瑚礁为例, 基于Sentinel-2系列卫星10 m空间分辨率影像, 利用面向对象分类法(object-based image analysis, OBIA)对2017年12月~2018年3月和2021年12月两个时期的海南西岛珊瑚礁底质进行了识别分类, 并进行珊瑚礁面积变化分析。将2021年12月的分类结果与现场调查数据进行对比验证, 总分类精度和Kappa系数分别为83.3%和0.71。对比两个时期珊瑚礁底质分类结果表明, 西岛西侧珊瑚礁覆盖面积未出现明显变化, 东侧珊瑚礁显示恢复趋势。本文研究表明, 10 m地面分辨率卫星系列影像和面向对象的阈值分类方法可以对海南西岛珊瑚礁进行较为准确的识别和变化分析, 监测结果可为海南岛沿岸西岛等小型岛礁珊瑚保护及修复提供参考。     

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。     

基于高分辨率遥感影像的道路损毁评估方法

针对目前道路损毁评估不够形象直观的问题,提出了基于高分辨率遥感影像的道路损毁评估方法.通过对遥感影像进行影像增强等预处理使遥感影像更加容易判读,并利用损毁前后的DEM数据构建损毁前后道路模型,通过此模型来对道路损毁进行评估.实验表明:应用这种方法,道路模型形象逼真;在此基础上计算损毁地区的土方量,可为工程设计部门和决策部门提供影像数据参考.     

基于DeepLabv3架构的高分辨率遥感图像分类

针对目前使用机器学习解决高分辨率遥感图像分类主要存在下采样导致的细节信息丢失问题,提出了一种基于DeepLabv3架构的小波域DeepLabv3-MRF(Markov random field,MRF)算法。选择当前较为普遍的DeepLabv3架构分类算法,能够获得更为精确的分类结果;采用小波域DeepLabv3-MRF算法,还能够获得更为清晰的边缘细节信息。选取南方某地区高分辨率无人机遥感图像进行分类实验,通过小波变换的方向性、非冗余性以及MRF变换像素空间的交互性这三个方面,将分类结果与原始DeepLabv3架构分类结果对比分析。结果表明,所提出的分类方法精度明显高于原始DeepLabv3架构分类算法的精度,总体精度可提升3%左右,并且可以充分表达高分辨率遥感图像细节信息。     

基于国产高分遥感的人工种植红树林种间分类方法研究——以广西茅尾海红树林为例

红树林的种间结构组成对红树林生态系统的健康和发展至关重要,而红树林种间分类问题一直以来都是基于遥感手段的红树林监测中的难点。针对该问题,以人工种植为特点的广西茅尾海红树林遥感种间分类为例,基于面向对象的分类思想,提出了一种现场样本与分割对象相结合的红树林种间分类方法。利用GF-2 PMS1高分辨率卫星遥感影像数据,开展了广西茅尾海红树林湿地典型植被精细分类和空间分布研究,并将分类结果与基于像素和传统面向对象SVM分类方法进行了对比。结果显示:总体上,面向对象分类方法更适合用于茅尾海红树林湿地典型植被分类;对于局部混生明显的区域使用基于像素SVM分类方法效果会更好;传统面向对象分类方法中将整个影像分割对象单元作为训练样本可能会在某种程度上造成负面影响。因此,使用文中提出的样本选择新方法进行面向对象分类精度最高,总体精度达到了93.13%,Kappa为0.89。     

南海珊瑚岛礁遥感分类体系和解译标志

南海珊瑚岛礁远离大陆且面积较小,高分辨率遥感技术已成为大范围进行珊瑚岛礁监测的重要手段,而建立适用的遥感分类体系和解译标志是进行珊瑚岛礁遥感监测的基础.本文综合考虑珊瑚岛礁的形成机制、珊瑚礁形态和高分辨率遥感影像上珊瑚岛礁图斑的可解译程度等因素,制定应用于珊瑚岛礁高分遥感监测的分类体系,将珊瑚岛礁分为珊瑚岛、沙洲、干出...     

不同SST资料在海南岛和北部湾珊瑚白化预警中的适用性比较

近年来,受全球气候变化及极端天气的影响,全球范围频繁出现珊瑚礁白化现象,遥感SST已广泛应用于珊瑚白化的监测和预警中。海南岛近岸及北部湾海域的珊瑚礁近年也倍受白化压力,然而,遥感SST在海南岛近岸及北部湾海域珊瑚白化预警中的适用性尚不清楚。为此,本研究比较了3种常用的遥感SST数据(OISST、GHRSST和CoralTemp)在研究海域的异同及其在夏季珊瑚白化预警中的适用性。结果表明,GHRSST的SST最高、CoralTemp次之、OISST最低,OISST的偏差在2013年以前比较明显,GHRSST和CoralTemp在2003年之后比较接近;与浮标的现场观测值相比,2006—2020年CoralTemp的平均偏差和均方根误差分别为0.03℃和0.92℃,GHRSST为0.08℃和0.96℃,OISST为-0.25℃和1.21℃,CoralTemp在研究区域内更为准确;3种遥感SST计算的DHW与使用现场SST计算的趋势一致,CoralTemp的结果更为接近现场SST。因此,3种遥感SST资料中,CoralTemp相对来说更适用于研究海域。     

基于Sentinel-2A和GF-1B遥感数据的海岸带水产养殖识别方法比较

近海水产养殖为人类提供优质的动物蛋白,对海洋经济高质量发展具有重要意义。卫星遥感技术已被广泛用于海岸带水产养殖的监测,但目前相关的研究聚焦基于单一传感器卫星数据并使用单一信息提取算法而忽略与不同卫星传感器以及处理方法之间的比较。本研究以北莉岛东北部为研究区,基于多光谱Sentinel 2A卫星和高分一号B（GF 1B）卫星数据,分别使用自适应阈值法、支持向量机监督分类法以及多尺度分割面向对象分类法,开展海岸带人工水产养殖区的识别。研究表明,更高空间分辨率的GF 1B卫星对人工水产养殖水网密集区的提取正确率远优于Sentinel 2A卫星;基于高空间分辨率GF 1B卫星,多尺度分割面向对象分类法的正确率最高,为94.65%,优于支持向量机监督分类法的94.45%和自适应阈值法的84.62%;自适应阈值法更适用于中等空间分辨率卫星数据的水产养殖信息提取,其提取的水产养殖水面的面积与目视解译提取的面积差异小于4%。针对单个养殖池使用情况的业务化监测需使用高空间分辨率卫星数据,而大范围水产养殖面积的变化分析则可应用中等空间分辨率卫星数据。     

基于ENVI 的唐山湾三岛土地利用遥感分类方法的比较分析

对唐山湾三岛2010年10月10 m分辨率的SPOT5多光谱数据源,采用不同分类方法进行识别和判断,并对比不同分类器在遥感影像分类中的应用效果和分类精度。有针对性地探究海岛土地利用遥感分类过程中不同方法的优劣,获取最适于岛陆地区土地利用的遥感分类方法。根据土地利用现状分类标准(GB/T21010-2007)和海岛陆域土地利用类型划分的相关规定,将唐山湾三岛主要分为滩涂、裸地、林地、草地、居住区、内陆水体和潮间带(潮水覆盖区)6类。并分别构建结合人为控制的非监督分类、监督分类和基于专家知识的决策树分类系统,参照更高分辨率影像、先验知识和野外调查资料,评价分类结果与实地调查结果的吻合程度,最终通过总体分类精度和Kappa系数等指标对各分类器精度进行评价和对比分析。     

基于PSR模型的珊瑚礁生态系统健康评价指标体系的构建与应用

运用压力-状态-响应（pressure-state-response,PSR）模型,采用生态系统健康理论评价珊瑚礁生态状况.借鉴国内外现有生态系统评价方法,结合珊瑚礁生态系统的特点,建立适合我国国情的珊瑚礁生态系统评价方法和模式,并对我国典型海域珊瑚礁生态健康状况进行评价,以期为我国典型珊瑚礁生态系统健康状况提供基础资料.评价结果显示东山、涠洲岛、海南东部珊瑚礁生态健康状况为健康,徐闻和西沙海域珊瑚礁生态健康状况为亚健康,评价结果与我国相关生态监控区调查结果基本一致.     

Quantizing and analyzing the feature information of coastal zone based on high-resolution remote sensing image

1Introduction With the development and application of remotesensing technology, people fromthe international re-mote sensing community have realized the issue thatwe have immoderately emphasized characteristics ofvast volume data and great detail of remot…     

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...     

基于无人机高光谱遥感的海岛岸线精准提取方法研究与应用

鉴于传统遥感技术手段对海岛岸线的提取在精度与效率上存在很大不足,通过无人机高光谱遥感技术,结合岸线实地踏勘活动,提出一种海岛岸线类型识别与位置提取方法,并选取实际海岛进行了实验验证,成功获取了不同类型岸线的准确位置,所得成果与传统遥感手段相比,提高了系统性与准确性,为下一步海岛的生态评估工作提供了数据支撑。