遥感影像云及云影多特征协同检测方法

遥感影像中云及云影不同程度地影响着地物信息的有效获取。随着多源遥感数据的日益丰富,交叉应用多源、多时相遥感影像复原云及云影区的影像,以有效地获取地类演变过程是遥感大数据应用研究的重要内容。高精度的云及云影检测是遥感影像云及云影区修复的前提和保障。复杂多变的光谱特征以及难以有效表达的空间形态特征,使云及云影一直存在检测过程复杂、适用性差和精度不高的问题,难以形成稳定有效的检测方法。在对厚云、薄云、冰雪及其他地类多光谱特性分析的基础上,本文提出了一种云及云影的多特征协同检测方法。首先,对冰雪、云及其他地物类型可分性较好的红、短波红外、热红外波段,利用SAM方法匹配云光谱特征曲线,并进一步结合短波红外波段像元绝对值区分云与冰雪,以及热红外波段像元绝对值区分云及其他地物类型;其次,通过组合云影定向移动模型与近红外波段亮度阈值检测出云影像元。对具备这些光谱波段的Landsat-8进行实验,结果表明多光谱曲线、“诊断性”波段及空间关系多特征耦合能有效地检测出影像中的薄云、厚云及云影,整体精度优于95%。     

基于离散粒子群算法的2种新型水体提取方法的对比与验证

随着遥感技术在水体提取与监测方面的广泛应用,更多的研究者致力于提高遥感水体提取的精度。离散粒子群算法在遥感图像分类研究中获得了较高的精度和更稳健的分类效果,已经被应用到遥感水体提取领域,但其在水体提取中的适用性和精度还有待对比与验证。本文采用最新提出的2种基于离散粒子群算法的水体提取方法,即光谱匹配耦合离散粒子群算法（SMDPSO）与最大熵耦合离散粒子群算法（MEDPSO）,基于Landsat8_OLI遥感影像,分别选择了有冰雪、有云、有山体阴影和有建筑物的4种环境复杂,常规方法提取精度较低的区域进行水体提取,并与2种常用的水体指数法（NDWI、MNDWI）进行了对比与验证。结果表明：① SMDPSO和MEDPSO方法在4个实验区都能快速地寻找出最佳的水体分布,具有一定的通用性;NDWI和MNDWI方法对有冰雪、有云、有山体阴影和有建筑物影响的区域表现出水体信息的错分现象,提取精度较低;② SMDPSO方法能够识别细小河流和离散水体,水体提取精度较高,但在有冰雪、云、山体阴影和建筑物的复杂环境下提取精度较低、误判率高;MEDPSO方法不仅可以识别细小水体,而且也解决了其他3种方法在提取过程中无法抑制背景信息干扰的问题,在4个实验区的总体精度均在97.8%以上,高于其他3种方法;③ 将离散粒子群算法引入到水体提取方法之中,可增强方法的区域整体性,也可提高其水体提取的精度和自动化程度;④ 运用最大熵模型等机器学习方法,可以结合光谱、形状和纹理等影像信息以及地形信息来进行水体识别,使得水体信息提取精度更高。本文的研究可为离散粒子群算法的推广以及遥感水体提取方法的选择提供参考。     

利用Landsat8和Worldview2数据进行协同岩性分类

提出了一种对Landsat8和Worldview2协同后的岩性分类方法。首先对Landsat8和Worldview2影像进行协同:在对Landsat 8全色波段与其多光谱进行自协同后,与Worldview2多光谱第8波段数据协同,将协同后的Landsat8中短波红外数据与Worldview2数据进行叠加,得到最后协同结果。对协同后的数据进行岩性分类:利用基于最大似然法(maximum likelihood,ML)进行初始分类,由马尔科夫随机场法(Markov Random Field,MRF)对结果进行优化得到最终分类结果。采用新疆西昆仑地区遥感数据进行了实验,结果证实协同后数据的分类结果具有更高的分类精度。      

基于GEE和U-net模型的同震滑坡识别方法

地震滑坡解译是震后重建的重要基础工作,主要通过室内人工遥感解译和室外野外调查确定。地震滑坡相比其他地物来说更为复杂,很难通过简单指数识别。室内遥感解译通过滑坡后壁、侧壁和堆积等纹理特征进行识别,大面积同震滑坡解译工作往往耗费大量人力和物力,且耗时长,难以满足灾害应急需求。本研究利用U-net神经网络模型,结合Google Earth Engine（GEE）云平台和人工智能学习平台Tensorflow,以地震局解译的汶川滑坡作为样本数据,以震后30 m分辨率的Landsat影像、高程、坡度以及NDVI数据作为模型输入参数,自动识别并获取了汶川地震后的同震滑坡数据,同时比较了不同参数组合情况下U-net神经网络模型的分割识别精度。研究表明：① U-net模型可以用于以Landsat影像为基础数据的同震滑坡快速自动识别;② 随着高程、坡度以及NDVI等输入参数增加,模型分割精度在逐渐提高,但假阳性结果也会出现增多,震后滑坡影像+高程+坡度+NDVI的输入参数组合精度最高;③ 在细节上,模型在多参数组合的情况下,大型滑坡能够很好被识别,一些较小型的滑坡受制于影像分辨率的影响,分割精度较差。为了更好识别小型滑坡,后续研究可能需提高影像的分辨率。此外,GEE云平台大大提高了训练样本获取的效率,为科研人员快速进行基于神经网络与遥感数据的地物识别研究提供了条件。     

以建成区提取为目标的Landsat8影像融合方法研究

建成区提取是城市环境监测中重要的一步,Landsat8影像广泛应用于灾害监测、城市环境监测、道路交通等领域。针对Landsat8全色影像空间分辨率高,纹理信息丰富,而多光谱影像光谱信息丰富,空间分辨率低的特点,开展以建成区提取为目标的Landsat8影像融合方法研究,探究大面积建成区提取对影像融合方法选择的影响。本文探究了Brovey变换,NNDiffusion,Gram-Schmidt(GS)法,PCA变换和小波变换(WT)等5种融合方法,利用融合影像结合"三指数法"提取建成区。结果表明:GS融合方法在光谱保持性方面具有较好的效果,各项评价指标均占优,建成区提取精度达到85.66%和83.3%。     

黑臭水体水面阴影提取的自适应阈值算法研究

黑臭水体水面阴影对水面光谱信息产生干扰,严重地影响了利用高空间分辨率遥感数据进行水质状况监测的精度,因此,在数据预处理中必须进行阴影剔除。本研究基于无人机高光谱遥感数据,通过分析各种波段组合下黑臭水体水面的阴影像元和水体像元的光谱特征空间,选择以492、666和792 nm处的反射率建立黑臭水体的河面阴影指数（RSSI）,并利用最大类间方差法（OTSU）自动确定划分本影、半影以及水体的阈值。利用南京金川河和龙江河的无人机高光谱遥感影像对算法进行测试,结果表明：RSSI阴影指数能突出显示阴影与水体的差异;OTSU自适应确定的阈值能较好地区分本影、半影和水体,阴影的总体识别精度达到85%以上。该算法能够有效地识别黑臭水体水面阴影,为后续开展水体的定性、定量遥感监测提供数据预处理的技术支持。     

基于三指数合成影像的西北地区城市建筑用地 遥感信息提取研究

随着西部大开发战略的实施以及“一带一路”战略的影响,西北地区的城市发展也发生着巨大变化,利用遥感影像更加准确地提取西北地区城市建筑用地信息对分析城市扩张趋势、规划城市建设具有重要意义。本文以2000年兰州市主城区和2003年西宁市主城区的Landsat 7 ETM ⁺影像为数据源,结合压缩数据维的方法,通过构建三指数合成影像并利用该影像来提取城市建筑用地信息。实验首先根据兰州市主城区的影像光谱特征,创建了归一化差值裸地指数（NDBLI）。然后将该指数与比值居民地指数（RRI）、修正型归一化水体指数（MNDWI）合成为一个包含3个波段的新型三指数合成影像NRM（NDBLI、RRI、MNDWI）;同时,根据集成学习思想,为增强城市建筑用地信息,将主成分分析的第一波段（PC1）、归一化差值建筑用地指数（NDBI）和比值居民地指数（RRI）合成为一个包含3个波段的新型三指数合成影像PNR（PC1、NDBI、RRI）;最后分别将三指数合成影像NRM和三指数合成影像PNR作最大似然分类提取城市建筑用地信息,将其提取结果与由归一化差值建筑用地指数（NDBI）、修正型归一化水体指数（MNDWI）和土壤调节植被指数（SAVI）所创建的NMS（NDBI、MNDWI 、SAVI）影像得到的最大似然分类结果作精度比较,并利用西宁市主城区影像对本文方法进行了相应验证。结果表明,利用三指数合成影像PNR提取城市建筑用地的总精度和Kappa系数最高,其总精度达到了90%以上,适合于提取西北地区含裸地较多的城市建筑用地。     

融合面向对象和分水岭算法的山地湖泊提取方法

面向对象的方法提取湖泊,常常面临边界识别不精确的问题。本研究在面向对象方法的基础上,利用分水岭算法,解决湖泊边界识别问题。该方法初步将遥感影像划分为确定湖泊区域、潜在湖泊区域和背景;然后通过分水岭算法对潜在湖泊区域进行二次提取。研究选择昆仑-喀喇和喜马拉雅山脉区域的3个山地湖泊发育良好的区域作为实验区,利用Landsat系列影像验证该算法。实验结果表明该算法的用户精度、生产者精度和总体精度分别高达99.59%、98.47%和96.53%。相比于单一的面向对象方法,本文方法更适合于山地湖泊提取,能够更加准确地描绘湖泊的实际边界,也能够减弱面向对象方法中分割尺度和分类阈值对提取结果的影响。     

空间分辨率与纹理特征对多光谱遥感分类的影响

多光谱遥感分类与影像空间分辨率有着密切的关系,在适宜空间分辨率影像上进行地物分类能够获得更高的精度。随着遥感影像空间分辨率的提高,纹理特征被广泛用于遥感分类,但由于不同地类空间尺度不同,纹理对不同地物分类的影响程度也有所差异。本文基于高分一号2 m全色和8 m多光谱影像融合后的高空间分辨率多光谱数据构建反射率空间序列,选用3种分类方法对序列分类,并分别计算2 m融合数据及8 m多光谱影像的纹理特征,选择特征波段与相应多光谱波段组合用以分类研究,最后计算混淆矩阵评价分类精度。研究结果表明,通过回归分析得到多光谱分类的最佳空间分辨率为5 m,与其他研究中利用全色波段分类的结论一致,这说明最佳空间分辨率的选择不受光谱信息影响;对多光谱分类精度随空间分辨率变化的变化趋势分析发现,分类精度在20~30 m分辨率范围区间内快速降低,这为多光谱遥感分类数据空间分辨率的选择提供了重要参考;此外,对光谱与纹理特征结合后不同地类分类精度的变化分析显示,加入纹理特征后,冬小麦、人工建筑、有林地和水体的分类精度在2 m分辨率下分别提高了1.49%、1.51%、4.94%、1.54%,8 m分辨率下分别提高了2.95%、10.95%、5.91%、5.14%,说明引入纹理特征有利于提高分类精度,但其对不同地物类型、不同分辨率影像的影响程度不同。     

CBERS-02星CCD波段平均太阳辐照度反演及应用

卫星图像波段平均太阳辐照度是计算表观反射率的重要参数。本文采用两种方法对CBERS-02星CCD波段平均太阳辐照度进行了计算,一种方法是利用大气辐射传输软件SBDART模拟大气顶部的太阳光谱曲线,结合CBERS-02星CCD波段响应曲线,计算1～4波段的平均太阳辐照度;另一种方法是用6S模型对波段平均太阳辐照度进行计算。为验证计算结果,用同样的方法,计算了LandsatTM5和ETM的波段平均太阳辐照度,与Landsat公布的数据进行对比,结果表明,用模拟的太阳光谱曲线的计算结果更准确。以2005年8月24日的一景图像为例,计算了图像的表观反射率,经6S模型大气校正后,反演了地表反射率,与地面实测的地表反射率进行了对比,除第四波段误差为4%外,其余1～3波段误差仅为0.01%。     

基于中分辨率成像光谱仪数据的洋面云检测新方法的研究

提出了一种利用中分辨率成像光谱仪热红外窗区通道数据进行云、晴空分离的新方法。该云检测算法从热红外窗区通道亮温出发,并结合水汽廓线,运用水汽规度法计算规度因子的值,利用规度因子的数值状态实现分离云和晴空,从而达到云检测的目的。经过大量的实验,并将结果与中分辨率成像光谱仪官方云检测产品作对比分析,结果表明准确率为91％,算法具有可行性。     

基于中分辨率成像光谱仪数据的洋面云检测新方法的研究

提出了一种利用中分辨率成像光谱仪热红外窗区通道数据进行云、晴空分离的新方法。该云检测算法从热红外窗区通道亮温出发,并结合水汽廓线,运用水汽规度法计算规度因子的值,利用规度因子的数值状态实现分离云和晴空,从而达到云检测的目的。经过大量的实验,并将结果与中分辨率成像光谱仪官方云检测产品作对比分析,结果表明准确率为91％,算法具有可行性。     

Landsat/OLI与夜间灯光数据在提取城市不透水面中的精度差异分析

不透水面作为反映城市发展程度和表征城市生态环境的重要指标,在城市化研究中成为重要的数据源。当前,不透水面信息的获取通常基于遥感数据来开展,包括不同分辨率的遥感数据。这些遥感数据在高精度提取城市不透水面的能力具有较大的差异,会因尺度不同而带来提取精度的偏差。因此,理解不同遥感数据源在不透水面提取上的差异尤为重要。本文利用Landsat/OLI光谱数据和VIIRS/DNB夜间灯光数据分别采用线性光谱混合分析法和大尺度不透水面指数法提取珠江三角洲研究区的不透水面信息,并从不透水面总体精度、不同密度精度对比分析2类数据源提取不透水面的差异。结果表明：① Landsat/OLI和VIIRS/DNB两者提取不透水面的总体精度差异不大,Landsat/OLI提取不透水面的精度总体上略高于VIIRS/DNB。2种数据提取不透水面的均方根误差RMSE分别是0.18和0.21,系统误差SE分别是0.12和0.13,决定系数R ²分别是0.76和0.67。② Landsat/OLI和VIIRS/DNB数据对不同密度不透水面分布区域的提取能力不同：VIIRS/DNB在低密度不透水面区域提取精度高于Landsat/OLI;而Landsat/OLI在中、高密度不透水面区域提取精度均高于VIIRS/DNB。通过2种数据提取精度差异的对比,以期为不同密度的不透水面分布区域提取找到最佳尺度的数据源,提高不透水面提取的效率和精度。     

Glacier changes in the eastern Nyainqêntanglha Range of Tibetan Plateau from 1975 to 2013

Maritime-type glaciers in the eastern Nyainqêntanglha Range, located in the southeastern part of the Tibetan Plateau, are an important water source for downstream residents and ecological systems. To better understand the variability of glaciers in this region, we used the band ratio threshold(TM3/TM5 for the Landsat TM /ETM+ and TM4/TM6 for Landsat OLI) to extract glacier outlines in ~1999 and ~2013. After that, we also generated a series of glacier boundaries and monitored glacier variations in the past 40 years with the help of the Chinese Glacier Inventory data(1975) and Landsat TM, ETM+ and OLI data. The total glacier area decreased by 37.69 ± 2.84% from 1975 to 2013. The annual percentage area change(APAC) was ~1.32% a-1 and ~1.29% a-1 in the periods 1975-1999 and 1999-2013, respectively. According to the lag theory, the reaction time is probably about 10 years and we discuss the variations of temperature and precipitation between 1965 and 2011. Temperature and precipitation increased between 1965 and 2011 at a rate of 0.34°C /10 a and 15.4 mm/10 a, respectively. Extensive meteorological data show that the glacier shrinkage rate over the period may be mainly due to increasing air temperature, while the increasing precipitation partly made up for the mass loss of glacier ice resulting from increasing temperature may also lead to the low APAC between 1999 and 2013. The lag theory suggests that glacier shrinkage may accelerate in the next 10 years. Small glaciers were more sensitive to climate change, and there was a normal distribution between glacier area and elevation. Glaciers shrank in all aspects, and south aspects diminished faster than others.     

Impact of land cover change on land surface temperature: A case study of Spiti Valley

Land surface temperature(LST) is the skin temperature of the earth surface. LST depends on the amount of sunlight received by any geographical area. Apart from sun light, LST is also affected by the land cover, which leads to change in land surface temperature. Impact of land cover change(LCC) on LST has been assessed using Landsat TM5, Landsat 8 TIRS/OLI and Digital Elevation Model(ASTER) for Spiti Valley, Himachal Pradesh, India. In the present study, Spiti valley was divided into three altitudinal zones to check the pattern of changing land cover along different altitudes and LST was calculated for all the four land cover categories extracted from remote sensing data for the years of 1990 and 2015. Matrix table was used as a technique to evaluate the land cover change between two different years. Matrix table shows that as a whole, about 2,151,647 ha(30%) area of Spiti valley experienced change in land cover in the last 25 years. The result also shows vegetation and water bodies increased by 107,560.2 ha(605.87%) and 45 ha(0.98%), respectively. Snow cover and barren land decreased by 19,016.5 ha(23.92%) and 88,589(14.14%), during the study period. A significant increase has been noticed in vegetation amongst all land cover types. Minimum, maximum and mean LST for three altitudinal zones have been calculated. The mean LST recorded was 11℃ in 1990 but it rose by 2℃ and reached to 13℃ in 2015. Changes in LST were obtained for each land cover categories. The mean temperature of different land cover types was calculated by averaging value of all pixels of a given land cover types. The mean LST of vegetation, barren land, snow cover and water body increased by 6℃, 9℃, 1℃, and 7℃, respectively. Further, relationships between LST, Normalized Difference Snow Index(NDSI), and Normalised Difference Vegetation Index(NDVI) were established using Linear Regression.     

QuickBird 影像城市阴影信息的提取与消除

城市绿地信息在城市研究中的重要作用。但由于各种因素的影响,城市绿地信息提取的精度受到很大的限制,其中,城市中建筑物的阴影是城市绿地信息提取的一个重要限制因素。本研究选取呼和浩特市城区的QuickBird影像,在获取最佳波段组合的基础上,利用多种方法对遥感影像的阴影信息进行提取和消除,以期获得最佳的阴影消除方法,高效地提取城市绿地信息。首先,通过比值运算、波段重组,增强处理影像阴影信息,用最佳指数法分析QuickBird影像阴影提取的最佳波段组合;然后,根据阴影在近红外波段的最小亮度值与最大亮度值的范围建立掩膜,成功提取影像的阴影信息;最后,将色彩空间变换分别与同态滤波和Gamma矫正结合以消除影像阴影,并与其他方法进行对比。研究结果表明,QuickBird影像阴影提取的最佳波段组合为3/4、4、2波段组合,最佳亮度值范围为70-165;色彩空间变换与Gamma矫正相结合的方法可更好地消除阴影,并能较好地保留影像的彩色信息,是消除阴影的最佳方案。     

Object-based classification of cloudy coastal areas using medium-resolution optical and SAR images for vulnerability assessment of marine disaster

Efficient and accurate access to coastal land cover information is of great significance for marine disaster prevention and mitigation. Although the popular and common sensors of land resource satellites provide free and valuable images to map the land cover, coastal areas often encounter significant cloud cover, especially in tropical areas, which makes the classification in those areas non-ideal. To solve this problem, we proposed a framework of combining medium-resolution optical images and synthetic aperture radar(SAR) data with the recently popular object-based image analysis(OBIA) method and used the Landsat Operational Land Imager(OLI) and Phased Array type L-band Synthetic Aperture Radar(PALSAR) images acquired in Singapore in 2017 as a case study. We designed experiments to confirm two critical factors of this framework: one is the segmentation scale that determines the average object size, and the other is the classification feature. Accuracy assessments of the land cover indicated that the optimal segmentation scale was between 40 and 80, and the features of the combination of OLI and SAR resulted in higher accuracy than any individual features, especially in areas with cloud cover. Based on the land cover generated by this framework, we assessed the vulnerability of the marine disasters of Singapore in 2008 and 2017 and found that the high-vulnerability areas mainly located in the southeast and increased by 118.97 km2 over the past decade. To clarify the disaster response plan for different geographical environments, we classified risk based on altitude and distance from shore. The newly increased high-vulnerability regions within 4 km offshore and below 30 m above sea level are at high risk; these regions may need to focus on strengthening disaster prevention construction. This study serves as a typical example of using remote sensing techniques for the vulnerability assessment of marine disasters, especially those in cloudy coastal areas.     

ESTARFM算法在长江中下游平原地区的适用性研究

时空融合技术是目前解决单一遥感数据源难以同步获取高时空分辨率数据的有效途径。然而,如何设置参数使模型融合效果最佳,如何设置在植被监测中广泛应用的植被指数的融合步骤,进而获得最佳的植被指数时序数据,目前仍不明晰。本文以长江中下游平原地区的典型县域—南昌县为例,基于Landsat和MODIS多时相数据对当前主流时空融合模型—ESTARFM （Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）进行参数敏感性分析,并系统地对比分析了2组融合实验RI（先融合波段反射率后计算植被指数）和IR（先计算植被指数后直接融合）的融合效果。结果表明： ① ESTARFM算法中参数的敏感性在波段反射率、植被指数融合中表现出相似的特征,随着滑动窗口与相似像元数量的增大,融合误差整体呈现出先减小后趋于稳定或增大的趋势;在ESTARFM算法应用中,存在着最佳参数设置范围;② 相较于RI组,IR组模拟结果精度更高（R²_RI-NDVI=0.866,R²_IR-NDVI=0.953,R²_RI-EVI =0.814,R²_IR-EVI =0.930）,且能够较好地削弱“斑块”现象,更好地表征出细小地物和纹理特征。研究结果为遥感数据时空融合模型在地块破碎、种植制度多变的复杂环境中的应用提供借鉴和参考。     

面向不同环境背景的Landsat影像水体提取方法适用性研究

快速、准确地从卫星影像中提取水体信息一直是遥感应用的热点问题,在水资源管理、水环境监测和灾害应急管理等领域极具应用价值.虽然目前已有多种针对Landsat系列影像的水体提取方法,但由于地理位置、地形和水体形态等环境背景因素的影响,导致同种方法在不同的环境背景中呈现出不同的提取效果.本文针对人为影响严重、影像明暗对比强烈...