资源三号卫星影像快速大气校正方法

该文针对资源三号(ZY-3)国产高分辨率卫星影像的大气校正问题,提出了一种快速大气校正方法。该方法充分利用已有地面标准波谱库数据,并采用经验线性法对高分辨率ZY-3卫星遥感影像进行大气校正。最后利用地物的真实反射率光谱曲线和归一化植被指数(NDVI),与大气校正结果进行对比分析。结果表明:经新方法大气校正后的ZY-3影像地物反射率光谱曲线与地物真实反射率光谱曲线更加接近,植被覆盖区与非植被覆盖区NDVI的差异更加明显,更有利于地物的识别。研究结果为应用国产ZY-3影像进行定量遥感分析提供了参考。     

最佳波段组合的城市土地利用类型提取

针对Landsat 8陆地成像仪(OLI)遥感影像光谱特征利用率不高等问题,为排除波段间冗余信息的干扰,提高土地利用特征提取的精度,该文以2014年唐山市中心城区Landsat 8OLI遥感影像为主要数据源,开展了基于Landsat 8OLI影像的城市土地利用特征提取的最佳波段选择研究。根据最佳波段选取原则统计波段光谱信息,基于最佳指数因子以及不同土地利用类型的光谱特征曲线,确定波段1、5、7为最适合该遥感影像进行土地利用特征提取的最佳波段组合。     

基于决策树方法的Landsat8 OLI影像红树林信息自动提取

基于广西山口国家红树林生态自然保护区的Landsat 8 OLI影像数据,选用广泛应用于植被液态水含量反演的归一化差值湿度指数(normalized difference moisture index,NDMI)和修正的归一化差值池塘指数(modified normalized difference pond index,MNDPI)作为分类特征,运用决策树方法进行红树林信息的自动提取。研究结果表明:红树林独特的滨海湿地生境特点,使其光谱同时包含植被和湿地信息;MNDPI和NDMI可分别反映可见光-近红外波段反射率同短波红外波段反射光谱的反差,可成功应用于湿地植被信息的提取,能有效地将红树林同其他地物相区分;采用Landsat8 OLI遥感数据,并结合NDMI和MNDPI分类特征构建的决策树模型可有效地提取红树林信息,其错分率和漏分率都较低,分别为5.34%和1.69%。     

资源一号02D高光谱影像内陆水体叶绿素a浓度反演

2019-09-12成功发射的资源一号02D卫星(ZY-102D)搭载了新一代可见短波红外高光谱相机AHSI(Advanced Hyperspectral Imager),其丰富的细分波段和较高的空间分辨率在内陆湖库水质监测方面具有较大潜力,但数据可用性有待分析和验证.本研究以中国华东和华北平原的典型富营养湖库(太湖、...     

面向土地利用分类的HJ-1 CCD影像最佳分形波段选择

环境一号卫星（HJ-1）CCD影像光谱波段较少,地物之间的准确分类识别有一定困难。采用分形纹理辅助地物分类识别是一种有效方法,而波段选择是提高分类识别精度的关键。本文以江西赣州定南县土地利用分类为例,采用双毯覆盖模型对HJ卫星CCD影像6类典型地物的波谱分形特征进行了分析,利用不同地物在不同波段上的分形区分度差异构建了最佳分形波段选择模型,并利用该模型挑选出最佳分形波段来辅助土地利用分类,最后对分类结果进行检验。结果表明：最佳分形波段选择模型能够综合权衡不同地物在不同波段上的分形区分度差异,利用挑选出来的最佳分形波段来辅助分类,其分类总体精度相对于原始影像分类提高了11.77%,相对于第1主成分分形辅助下的分类提高了1.56%。     

资源一号02C与Landsat8影像融合方法对比分析

针对以往关于资源一号02C和Landsat8卫星影像数据融合的研究不足的问题,该文利用前者在空间分辨率上高于后者、后者具有前者所不具有的光谱信息这一特性,选取主成分变换法、比值变换法、色彩变换法、高通滤波法和超分辨率贝叶斯法5种融合方法,分别对两种数据本身及数据间进行融合,并利用定性与定量的方法对融合结果进行评价,得出:资源一号02C星全色波段与多光谱波段数据融合结果中高通滤波法与超分辨率贝叶斯法效果较好,Landsat8OLI全色波段与多光谱数据融合结果中高通滤波法效果最好,资源一号02C星全色波段与Landsat8OLI多光谱数据融合结果中高通滤波法效果最好。     

利用Sentinel-2A多光谱成像仪与Landsat8陆地成像仪影像进行普陀山岛植被分类效果比较

卫星遥感技术可用于海岛资源调查。Sentinel-2A与Landsat 8两颗卫星都可免费提供空间分辨率较高的多光谱遥感影像,在海岛调查中的应用潜力较大。本文以浙江舟山普陀山岛为例开展了针对这两种影像在海岛植被分类中的应用效果的研究,分别利用Sentinel-2A多光谱成像仪（MSI）和Landsat 8陆地成像仪（OLI）影像基于最大似然法分类获得了该岛阔叶林、针阔混交林、针叶林、灌丛、草丛等植被及其他地物的分布情况,并进行了精度检验,结果表明MSI的总体分类精度略高于OLI。     

影像融合和面向对象技术在湿地分类中的应用

利用SPOT全色波段影像和Landsat ETM+多光谱影像,采用波段特征分析法和改进的最佳波段指数法确定最佳融合波段。选择具有代表性的HSV变换、Brovey变换、PCA变换、Gram-schmidt变换和小波变换方法进行影像融合。针对融合后的影像采用定量评价法进行质量评价,通过不同地物的光谱、空间和纹理信息等进行比较分析构建适当的分类特征和规则,采用面向对象的遥感分类方法进行分类。结果表明,波段特征分析法和改进的最佳波段指数法结合,可以获得最佳融合波段。各融合方法均有效提升了影像效果,其中HSV和GS变换融合方法更好地保持了影像的多光谱和高分辨率特性,融合后各地物特征分类明显,可以有效应用于湿地分类;采用主成分分析法来设置面向对象分类中的波段权重,可以利用各波段信息量的差异进行影像的分割。基于各种遥感指数的面向对象分类方法用于湿地分类获得了93.62%的分类精度,与传统的分类方法相比有了很大进步,在湿地分类中具有很大的应用潜力。     

融合多光谱影像的高光谱影像厚云去除方法

云遮挡对高光谱影像的应用造成了不可忽视的影响。现有云去除方法通常利用时域近邻的同源影像提供辅助信息。然而,高光谱影像(如GF-5和EO-1高光谱影像)较低的时间分辨率导致同源辅助影像中可能存在较大的地物覆盖变化。时间分辨率更高的多光谱影像(如Landsat 8 OLI影像)能提供时间上更接近于高光谱云影像的辅助信息,从而减少地物覆被变化带来的影响。为应对高光谱和多光谱波段之间差异较大的问题,本文基于空谱随机森林(spatial-spectral-based random forest,SSRF)方法,提出一种利用多光谱影像(Landsat 8 OLI影像)对高光谱影像进行厚云去除的方法,将其简记为SSRF_M。SSRF_M较强的非线性拟合能力使其能够综合利用多光谱影像所有波段的有效数据对各个高光谱波段进行重建。本文使用GF-5和EO-1高光谱影像进行模拟云去除试验,视觉和定量评价结果均表明,与利用时间间隔更长的同源辅助影像的方法相比,本文方法能获得更高精度的云下信息重建结果。     

基于ZY1E高光谱遥感影像的汉麻提取研究

以国产ZY1E高光谱遥感影像作为影像数据源,选取黑龙江省绥化市青冈县为研究区,对ZY1E高光谱遥感影像的光谱特性及多波段组合特性进行研究,并开展了研究区汉麻的提取研究.试验表明:ZY1E高光谱遥感影像可以提供更为丰富的空间信息和地物光谱信息,更利于地物的精细识别,2020年青冈县共种植汉麻0.22万hm2,主要集中在北部区域,汉麻提取的总体分类精度为98％,Kappa系数为0.9623.     

结合目标分割的高光谱城市地物分类

结合高光谱影像地物光谱特征与高空间分辨率影像分割获得的目标对象进行地物分类。首先,对Hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正后,得到研究所用的155个波段;其次,利用地物光谱曲线的特征点确定适合地物识别的光谱分辨率,进行Hyperion影像降维,生成降维后所需的21个宽波段;然后,对IKONOS影像采用小波融合,利用多分辨率分割技术生成高空间分辨率影像目标对象;最后,基于层次分析法对分割后生成的目标对象进行分类,采用模糊隶属函数利用植被红边效应、水体在近红外波段吸收特征进行第1层次分类,再取距离值最大的前10个Hyperion影像波段作为标准最邻近分类的特征波段,完成第2层次分类。分类结果表明,研究区共分出9种地物类型,分类效果明显优于最大似然法分类与光谱角填图法。     

Sentinel-2A与Landsat 8O LI逐像元辐射归一化方法研究

考虑不同传感器光谱响应函数差异及不同地物类型反射率光谱的差异,提出了一种逐像元辐射归一化方法,并以2017年7月17日内蒙古达里诺尔湖地区准同步过境的Sentinel-2A及Landsat 8数据为例,对两类数据可见-近红外波段（VNIR）地表反射率结果进行归一化。首先采用Sen2cor方法及NASA官方提供大气校正算法,分别对Sentinel-2A及Landsat 8 OLI影像进行大气校正并重采样到同一空间分辨率;然后基于光谱库计算匹配因子并构建图像与光谱库之间的匹配转换模型,实现像元尺度上从Sentinel-2影像到Landsat 8影像地表反射率相似波段之间的转换。结果表明,经逐像元归一化的影像相比原始影像及经HLS光谱归一化的影像,与Landsat 8 VNIR波段的相关性明显提高,辐射一致性增强。该转换模型为多源中高分辨率遥感图像高精度辐射归一化提供了新思路。     

资源三号卫星多光谱图像特征分析和质量评价

针对资源三号卫星(ZY-3)多光谱图像数据展开图像辐射特征和质量评价研究,通过与SPOT5 HRG(high resolution geometric)多光谱数据对比分析,利用值域、均值和标准差等影像灰度统计信息分析ZY-3与SPOT5图像质量在不同地理区域的差异;通过计算相关系数分析波段之间的相关性,选取不同区域内的典型地物直方图进行对比,以反映多光谱影像的辐射特征;通过计算均质性、对比度、信息熵和角二阶矩评价ZY-3和SPOT5影像的纹理特征,并从影像地理要素视觉特征方面比较2种卫星图像的质量,作为用户选取和使用ZY-3图像的参考。实验结果表明:ZY-3多光谱图像的质量较好,在波段相关性方面,ZY-3在除植被外的水体和建筑物等要素信息提取能力上优于SPOT5;在纹理特征方面,ZY-3也比SPOT5有更好的显示效果,可用做中、小比例尺国土资源等领域应用的基础图像。     

LBV变换在国产ZY-3卫星影像中应用研究探讨

根据国产资源三号(ZY-3)卫星遥感影像光谱特征,提出并推导适用于ZY-3遥感影像的LBV变换公式,探讨该方法在提高国产ZY-3卫星影像质量的可行性。首先,针对ZY-3遥感影像特点,选择9类典型地物光谱信息,通过回归分析求解回归系数;然后,根据影像典型地物空间(裸地、水体、植被)、色彩空间(红、绿、蓝)及LBV变量空间(地物总体辐射水平、可见光—近红外辐射平衡、辐射变换矢量)之间特点计算推导ZY-3卫星影像的L,B,V这3个分量;最后,利用福建省宁德市ZY-3遥感影像进行实验,定量分析评价实验结果。结果表明:①从目视效果看,相比原始影像,变换后影像更加清晰,层次感更强,细节信息也更为丰富,从而更有利于后续地物的判定、识别;②该方法得到的影像信息熵为6. 21,平均梯度为4. 71,偏差系数为0. 46,变换后遥感影像质量较好;③该方法对ZY-3遥感影像分类的总体精度最高达89. 71%,Kappa系数最高为0. 875 3,分类精度较高。因此,该方法能很好地提高ZY-3遥感影像质量,可用于ZY-3遥感影像处理及后续信息提取工作。     

基于小波特征融合的Hyperion影像降维方法

根据影像中地物光谱曲线的小波特征点确定地物识别的合适光谱分辨率,通过融合原先若干窄波段生成具有适合地物识别光谱分辨率的宽波段数据,达到降维高光谱数据的目的。文中对hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正,得到155个波段。对提取的八类地物的样本平均光谱进行DB4小波分解,计算小波细节系数方差;以小波细节系数信息熵作为特征点,得出不可渗透表面、居民地、水田、裸土4类地物识别适宜光谱分辨率为80nm,其余地物识别适宜光谱分辨率为160nm。以窄波段间的活跃度为指标进行融合,生成降维后的宽波段分别是21个波段和11个波段。8类地物在3尺度和4尺度下的分类结果说明降维影像能满足应用需求,提出的降维方法可行。     

地物波谱数据辅助的SPOT影像模拟真彩色方法研究

提出一种新的高分辨率遥感影像真彩色模拟方法。该方法从遥感成像光谱角度,依据地物波谱特性,采用光谱角匹配模型(SAM),首先计算出地物在绿(G)、红(R)、近红外(NIR)以及短波红外(SWIR)波段的整体和局部波谱向量角;然后根据角度距离构建最小距离隶属函数,查找对应地物波谱库中最为相似的地物波谱;最后对此条地物波谱曲线积分计算出该像素点在蓝波段的反射率。实验表明,该方法模拟出的SPOT真彩色影像在视觉效果和空间信息上优于传统的方法。     

唐山市区土地利用的Landsat 8影像分层分类

针对土地利用遥感分类方法多样、分类精度高低不一等问题,该文以土地利用变化明显的唐山市路南区、路北区为研究区域,并以中分遥感影像Landsat 8OLI为信息源,在对地类样本进行可分离性分析的基础上,建立研究区土地利用分层分类体系。通过监督分类实验,选择分类效果最好、分类精度最高的最大似然分类器进行地类初分;通过绘制归一化植被指数(NDVI)、归一化建筑指数(NDBI)、两指数差值(NDVI-NDBI)的曲线及地类光谱特征曲线,建立决策树分类规则,进行地类再分。该方法可以较好地完成多种土地利用二级地类的划分,有助于提高中分影像土地利用分类效率。     

高分五号可见短波红外高光谱影像在轨几何定标及精度验证

高分五号可见短波红外高光谱相机(AHSI)作为一颗具有高光谱分辨率的对地观测载荷,对复杂地物具有精确的探测与分类能力,高精度的几何定标对于卫星影像应用至关重要。本文采用了基于探元指向角的几何定标模型,分步解算内外定标参数,并选取多景影像进行实验验证。结果表明:通过严格的在轨几何定标,可见短波红外高光谱影像在无控制点的条件下,平面定位精度优于60 m (2个像素),内部精度优于0.5个像素,波段配准精度优于0.3个像素。     

高分五号卫星高光谱AHSI和多光谱VIMI传感器辐亮度数据的交互对比

高分五号卫星搭载的对地观测传感器有高光谱传感器(advanced hyperspectral imager, AHSI)和全谱段光谱传感器(visual and infrared multispectral imager, VIMI),但这两种传感器之间的光谱信号是否一致迄今鲜有报道。通过敦煌定标场和滕州地区的3对AHSI和VIMI同步影像对,对两种传感器的辐亮度数据之间的一致性进行了交互对比,并与同步的Landsat-8 OLI (operational land imager)辐亮度数据进行验证。结果发现,两种传感器的辐亮度数据之间存在一定的偏差,VIMI的辐亮度数据明显小于AHSI,其偏差率接近32%,二者的决定系数R2也只有0.817;在各个对应波段之间,红波段的差距最大,其偏差率超过40%。与Landsat-8OLI的验证表明,AHSI的辐亮度数据与OLI很接近,偏差率小于5%,但VIMI数据的偏差率则大于20%。鉴于VIMI和AHSI的辐亮度数据存在一定的差距,在现阶段如需同时应用两者数据,建议先对VIMI数据进行转换校正。利用敦煌试验区的模型进行数据转换,结果表明,VIMI辐亮度数据经转换后,可大幅度缩小与AHSI数据之间的差距,有利于二者的协同使用。     

最小二乘混合像元分解的端元丰度信息提取研究

针对无约束最小二乘混合像元分解算法提取地物端元丰度出现的局限性问题,通过野外实地采集的地物光谱数据建立研究区典型的地物波谱库,以Landsat OLI影像作为主要数据源,在经过Gram-Schmidt(GS)影像融合的基础上,利用纯净像元指数(PPI)及基于几何顶点的端元提取技术提取研究区典型地物端元,最后通过完全约束的最小二乘混合像元分解算法完成对研究区典型地物端元丰度的提取。结果较好地解决了无约束最小二乘混合像元分解算法提取的端元丰度信息出现负值的情况,并且提高了典型地物丰度信息提取的精度。完全约束最小二乘混合像元分解算法的RMSE误差均控制在0.174 913左右,在很大程度上提高了混合像元分解精度及实用性。