提取蚀变信息时TM影像的最佳波段组合研究

多光谱数据的最佳波段选择直接影响图像的目视解译和信息提取。在分析TM影像各波段间的标准差、相关系数和最佳指数因子内在联系的基础上,提出采用最佳指数因子与蚀变信息光谱特征相结合的方法选择遥感影像的最佳波段组合。研究表明,最佳指数因子与蚀变信息光谱特征相结合是多光谱数据最佳波段选择的理想方法;TM4+TM5+TM7波段组合获取的合成图像构造清晰,岩性差异显著,最有利于蚀变信息的提取。     

TM图像杨树林识别的MLC与LSU算法应用分析——以河北省文安县为例

以Landsat5 TM1、TM2、TM3、TM4、TM5和TM7等图像数据,经预处理后进行植被指数提取和主成分分析,生成13个波段数据集;并用最优指数法(OIF)选取目视解译波段,运用最大似然法(MLC)和线性光谱分解法(LSU)对华北平原农区河北省文安县2007年5月的杨树林地面积信息作了应用分析.结果表明:(1)...     

土地利用/覆被变化遥感检测方法与应用分析

随着我国经济建设的飞速发展,土地利用/覆被变化(LUCC)日新月异,如何快速、高效地获取变化信息已经成为LUCC研究的核心技术之一。本文以SPOT(Pan波段)影像和TM影像为例,对LUCC自动检测方法进行了探讨,并对光谱特征变异法、假彩色合成法、主成分分析法、图像代数法和波段替代法等方法进行了系统分析与比较。实践证明,在科学的图像处理的基础上,综合应用上述方法,能够高效、准确地自动检测出LUCC信息,具有传统的人工目视解译方法无法比拟的优势。     

面向高光谱矿物填图的多特征结合降维方法研究

高光谱影像具有图谱合一的特点,图像空间信息是遥感影像的重要信息,但以往基于最佳波段选择的降维方法中只考虑基于灰度统计的特征空间信息,忽视了图像空间信息,而且计算量大。综合高光谱遥感影像的特征空间与图像空间信息,提出了一种多特征结合的高光谱影像降维方法并应用于矿物填图中。统计分析波段相关性并划分不同特征子空间;计算各波段的分形维数,在各子空间选择分形维数较小的波段作为候选波段;在候选波段中,计算待识别地物光谱间的相关系数,并快速选择出最佳波段组合。经实验,应用该方法选出的最佳波段组合影像清晰、不同蚀变矿物对比明显,根据特征选择提取出的矿物蚀变信息与应用成熟的光谱角制图(SAM)提取结果大致相同,表明结合图像空间和特征空间的降维方法能够选择出理想的波段组合,有效降低高光谱数据的维数,信息提取效果好。      

主成分分析在遥感影像数据中的实例应用

主成分分析(Principal Component Analysis)是根据变量之间的相互关系,尽可能不丢失信息地用几个综合性指标表示多个变量的方法。在多(高)光谱图像中,由于各波段的数据间具有相关性,因此包含许多冗余信息。通过主成分分析法可以把遥感图像中所含的大部分信息用少数波段表示出来,这样就可以几乎不丢失数据但可以减少数据量,消除冗余信息。在遥感数据处理时用主成分分析法作数据分析前的预处理,以达到数据压缩和图像增强的效果,更加有利于影像信息提取。文章对主成分分析在遥感图像处理中的实际应用进行了实例示范应用研究。     

Landsat5图像的增益、偏置取值及其对行星反射率计算分析

在对比不同时相的数据或建立遥感反演模型时,往往需要将图像的灰度值转换为反射率。增益和偏置是计算反射率时使用的两个基本参数。如果这两个参数发生偏差,反射率的计算结果就有问题,大气校正和其他相关工作的结果也是不可靠的。根据USGS文档和1995年以来的Landsat5遥感图像,对图像头文件中的增益和偏置参数的取值进行了分析,并按照标准单位将增益和偏置进行了转换。为了分析不同增益和偏置取值对反射率计算结果的影响,对比计算了植被和水体的行星反射率值。对2004年7月26日的太湖地区的TM图像。取值分为4种方案: (1)使用遥感软件ENV14．0计算;(2)使用图像头文件中的参数;(3)使用USGS提供的同期参数;(4)使用USGS提供的2003年前的参数。结果表明,不同增益和偏置取值导致计算结果变化较大。如果以方案3的USGS参数计算的结果为标准,那么,其他方案的相对误差值可从0．2％到20％以上。从各个波段的误差分布看,以第3波段的相对误差最小。从工作成果的可比性角度出发,建议统一使用USGS的增益和偏置参数计算Landsat5图像的反射率。     

多时相TM影像决策树模型的水稻识别提取

决策树模型的多时相TM影像的小尺度水稻信息提取在我国还鲜有研究。为此,本文利用水稻生长在潮湿土壤这一特性,选取TM影像中对植物含水量和土壤湿度反应敏感的短波红外波段(1.55~1.75μm),以及反映植物覆盖率、植物长势的红光波段(0.62~0.69μm)和近红外波段(0.76~0.96μm),计算水稻移栽期、灌浆期和成熟期3个时期的归一化植被指数(NDVI)和土壤含水量指数(LSWI),提出一种时间差异的决策树水稻提取模型,以唐山市滦南县南部区域为例开展了研究。经过野外实地验证表明:该模型能有效区分出水域、玉米和菜地等较易与水稻混淆的地物,水稻提取的生产者精度和用户精度分别为95.18%和98.84%,分别比单一时相高出6.78%和7.54%。     

卫星影像数据构建山地植被指数与应用分析

 本研究以Landsat影像为数据源,在分析复杂地形山地植被在阳坡和阴坡反射率差异特征的基础上,提出一种归一化差值山地植被指数NDMVI (Normalized Difference Mountain Vegetation Index)。该指数模型无需辅助数据(如DEM)的支持,通过同时降低近红外波段(TM4)和红光波段(TM3)反射率的方法来消除或抑制地形的影响,具有较强的可操作性。研究表明:NDMVI与太阳入射角余弦值(cos i)的相关性相当小,对地形起伏变化表现不敏感,可有效消除或抑制地形的影响;比NDVI值动态变化范围更宽,对地物有更强的遥感识别能力;该模型抑制地形影响的效果比用C校正模型的效果更佳,不会出现过度校正的问题。     

基于小波变换的遥感数据融合与边缘检测

介绍了小波图像的分解和重构方法以及小波融合过程。采用Symlet小波变换融合方法对西安地区鲸鱼沟水库的TM4、TM5子图进行单尺度二维离散小波变换融合,并进行水库的边缘检测。对图像通过TM4分解的低频图与TM5分解的高频图像融合再与TM4影像原图比较,融合图像提取细节效果明显优于TM4原图像。     

土地覆盖的图像融合动态监测

近20年来,关于图像融合应用分析方法,如HIS,PCS,HPF,SFIM,SVR,Wavelet和Brovey等均有新的进展。本文主要是对不同时相的影像进行融合,如Brovey-融合法将不同时相的TM(1986年7月26日)和ETM+(2000年5月4日)的PAN波段影像进行融合,然后对其采用非监督分类和PCS分析,将两时相的土地覆盖变化区域提取出来。同时将两时相影像,用后分类法进行分类提取出变化区域。研究表明融合法具有快速、简便和准确的特点。     

基于面向对象方法的Sentinel-1A SAR在洪水监测 中的应用

开展Sentinel-1A SAR数据在洪水淹没范围提取和水体变化监测方面的应用研究,对科学有效地管理洪涝灾害有重要意义。合成孔径雷达以其不受天气影响、能穿透云层、覆盖面积广等特点成为灾害监测的重要数据来源。面向对象的方法能有效解决影像的椒盐现象被广泛运用于信息提取研究。本文基于Sentinel-1A SAR数据,利用面向对象的方法构建洪水淹没范围提取流程,绘制灾前、灾中、灾后水体变化监测图,对比分析基于传统像元的提取方法,实现对广西临桂会仙岩溶湿地区域不同时期洪水动态监测。研究表明,Sentinel-1A SAR数据在洪水监测领域有巨大的应用潜力,相较于传统基于像元的方法,面向对象的方法能有效抑制杂斑生成,提高空间信息的利用效率,具有更好的提取精度。     

Sentinel-1 SAR在洪水范围提取与极化分析中的应用研究

在洪水灾情监测中,快速准确的获取淹没区域和洪灾面积,对防汛救灾和灾后重建工作具有重要价值.本文以2017年美国圣路易斯洪水为例,基于Sentinel-1 SAR数据,利用变化检测和阈值相结合的方法实现大范围洪水淹没提取,将VV/VH极化数据分别与从同期Sentinel-2光学影像中获取的洪水淹没范围进行比较,评定极化方...     

TM热波段图像的地表温度反演算法与实验分析

目前利用LandsatTM热波段数据反演地表温度有3种算法:辐射传导方程法、单窗算法和单通道算法。辐射传导方程法由于计算过程复杂且需要实时大气剖面数据,因而实际应用较为困难。单窗算法和单通道算法对Landsat热波段反演地表温度能获得较高精度。单窗算法所需的大气参数包括近地表气温和大气水分含量,单通道算法所需的大气参数仅为大气水分含量。地表辐射率为这两种算法共有的关键参数。本文以福建省福州市为研究区,使用1989年6月15日LandsatTM数据,利用单窗算法和单通道算法对研究区进行地表温度反演,并将这两种算法的反演结果与研究区反演的亮度温度进行了比较,结果表明:(1)两种算法反演的结果总体趋势比较接近,但单窗算法的结果相对于单通道算法较低,二者相差约2.45℃;(2)两种算法的结果与亮度温度相比,单窗算法要高出约2.84℃,而单通道算法则要高出约5.28℃。     

基于DEM的SAR影像几何定位参数校正方法

针对大范围无地面控制的SAR影像几何纠正,利用在一定时间和空间范围内SAR系统几何定位参数误差具有一定稳定性的特点,提出基于DEM的几何定位参数校正方法。该方法首先基于DEM进行影像模拟生成模拟SAR影像;然后在模拟SAR影像上提取特征点,针对特征点将模拟SAR影像和原始SAR影像进行匹配,得到特征点在原始SAR影像上的同名特征点,再结合DEM进行模拟影像间接定位获取特征点的地理坐标,以此作为几何定位参数校正的参考点;进而根据严密SAR几何构像模型构建几何定位参数校正模型,解算几何定位参数校正值;最后,利用几何参数校正值改正区域内其他SAR影像几何定位参数,提高区域内SAR影像几何定位精度。以高分三号影像进行试验,使用本文方法获取一景影像的几何定位参数校正值,对同一轨道内的和不同轨道的其他SAR影像进行参数校正,并对参数校正前后的几何定位精度进行评价。结果显示,同一轨道内的影像定位精度由66.0 m提高到9.7 m,不同轨道的影像定位精度由65.0 m提高到13.5 m,表明本文方法能够显著提高SAR影像几何定位精度。     

基于SAR影像后向散射特性的中俄黑龙江流域洪水监测

黑龙江（又称为阿穆尔河）是中国和俄罗斯之间的国际界河,近年来洪水事件频发,给流域内中俄两国带来巨大的人口伤亡和经济损失,加强该流域的洪水监测是两国面临的共同紧迫需求。传统的光学遥感影像受制于洪水期间多云多雨的天气状况,难以及时获得无云影像。本文充分利用全天候雷达数据的优势,提出了一种基于哨兵1号（Sentinel-1）合成孔径雷达数据监测大面积区域洪水的方法。通过Gamma分布和高斯分布拟合SAR影像后向散射系数的概率密度分布,迭代后验概率差值,自动获得全局阈值来分割初始的水体,基于辅助数据细化去除了初始水体中与水体相似的误分类型,并由形态学操作后处理提高了提取的洪水的均匀性。结果表明：(1)与传统的分割算法相比,本文提出的方法基于SAR影像后向散射系数的分布规律进行概率密度函数分段拟合,将全局统计划分为局部关系,显著地改善了常规分割算法在水体和非水体像素量级相差过大而表现不佳的情况;(2)研究获得了2017—2020年逐年的洪水分布,结果总体精度在87.78%～94.89%之间,Kappa系数在0.76～0.89之间;(3)特别是对于大面积半干旱地区,本文结合了后向散射特性、地形和其...     

Extracting eco-hydrological information of inland wetland from L-band Synthetic Aperture Radar image in Honghe National Nature Reserve,Northeast China

Taking a typical inland wetland of Honghe National Nature Reserve (HNNR), Northeast China, as the study area, this paper studied the application of L-band Synthetic Aperture Radar (SAR) image in extracting eco-hydrological information of inland wetland. Landsat-5 TM and ALOS PALSAR HH backscatter images were first fused by using the wavelet-IHS method. Based on the fused image data, the classification method of support vector machines was used to map the wetland in the study area. The overall mapping accuracy is 77.5%. Then, the wet and dry aboveground biomass estimation models, including statistical models and a Rice Cloudy model, were established. Optimal parameters for the Rice Cloudy model were calculated in MATLAB by using the least squares method. Based on the validation results, it was found that the Rice Cloudy model produced higher accuracy for both wet and dry aboveground biomass estimation compared to the statistical models. Finally, subcanopy water boundary information was extracted from the HH backscatter image by threshold method. Compared to the actual water borderline result, the extracted result from L-band SAR image is reliable. In this paper, the HH-HV phase difference was proved to be valueless for extracting subcanopy water boundary information.     

A Method for Retrieving Water-leaving Radiance from Landsat TM Image in Taihu Lake, East China

The visible and infrared bands of Landsat Thematic Mapper (TM) can be used for inland water studies. A method of retrieving water-leaving radiance from TM image over Taihu Lake in Jiangsu Province of China was investigated in this article. To estimate water-leaving radiance, atmospheric correction was performed in three visible bands of 485nm, 560nm and 660nm. Rayleigh scattering was computed precisely, and the aerosol contribution was estimated by adopting the clear-water-pixels approach. The clear waters were identified by using the Landsat TM middle-infrared band (2.1μm), and the water-leaving radiance of clear water pixels in the green band was estimated by using field data. Aerosol scattering at green band was derived for six points, and interpolated to match the TM image. Assuming the atmospheric correction coefficient was 1.0, the aerosol scattering image at blue and red bands were derived. Based on a simplified atmospheric radiation transfer model, the water-leaving radiance for three visible bands was retrieved. The water-leaving radiance was normalized to make it comparable with that estimated from other remotely sensed data acquired at different times, and under different atmospheric conditions. Additionally, remotely sensed reflectance of water was computed. To evaluate the atmospheric correction method presented in this article, the correlation was analyzed between the corrected remotely sensed data and the measured water parameters based on the retrieval model. The results show that the atmospheric correction method based on the image itself is more effective for the retrieval of water parameters from Landsat TM data than 6S (Second Simulation of the Satellite Signal in the Solar Spectrum) code based on standard atmospheric and aerosol models.     

基于多层神经网络与Sentinel-2数据的大豆种植区识别方法

大豆作为全球最重要的油料作物,是中国进口的大宗农产品,对其种植区的精准识别是决策制定、种植结构调整基础,对国家粮食安全有重要意义。本文利用Sentinel-2作为数据源,利用多层神经网络方法与对大豆进行提取,并与随机森林、决策树、支持向量机等机器学习进行对比,发现F1-Socre指标显示多层神经网络的分类精度最高,为93.53%,其次为随机森林、支持向量机、决策树。将神经网络分类结果与SLIC面向对象分割聚合之后,结果既忽略了同一地块的微小差别,又区分出了不同地块的作物差异,很好的体现了大豆的分布。Sentinel-2数据是进行大尺度大豆种植监测的绝佳数据源,大豆与玉米等其他作物在第二个红边波段的反射率有较为明显的差异。多层神经网络方法在图像分类任务中表现出色,结合图像分割算法精度可达到95.51%,可以满足大豆种植面积监测的需求。     

基于NDBI指数法的城镇用地影像识别分析与制图

高级空间热辐射热反射探测仪(ASTER)遥感影像与一般遥感影像相比,能为对地观测提供更高质量的信息源。本文以福州市的ASTER影像为数据源,用归一化建筑指数(NDBI)提取城镇用地专题信息,并与非监督和监督自动分类提取的结果作比较,结果表明:运用NDBI指数法提取ASTER影像的城镇用地专题信息,不仅能获取较高精度,而且能在一定程度上区分新老建筑。