融合光谱阈值与图像技术的静止卫星夜间云检测方法

针对夜间云检测问题,本文基于静止气象卫星Himawari-8影像数据,分析了云像元光谱特征与图像特征,提出了融合光谱阈值与图像技术的静止卫星夜间云检测方法,实现了静止卫星夜间云的快速、准确检测。利用MODIS云产品和CALIPSO雷达数据,对云检测结果进行定性分析与定量验证。结果表明：(1)云检测结果与MODIS的云产品MYD06分布基本一致;(2)算法夜间平均云检测精度达到80.3%;(3)不同季节夜间的云检测精度随季节变化较明显,夏季最高达到83.3%,可以区分不同季节夜间的云与非云区域。因此,融合光谱阈值与图像技术的静止卫星夜间云检测方法能有效实现夜间云检测,为夜间云检测应用提供了新思路。     

高分四号静止卫星数据的地表反照率反演

地表反照率(Albedo)是描述地表辐射能量平衡的重要参数,为了获得高分四号(GF-4)静止卫星的地表反照率产品,构建了一种基于核驱动双向反射率分布(BRDF)模型的反照率反演方法。首先,探索核驱动BRDF模型对GF-4卫星数据的适用性,加入地表分类信息,为核系数赋初值,并引入鲍威尔迭代算法优化模型结果。然后,对BRDF模型进行角度积分获得各个波段的地表窄波段反照率。在此基础上,结合GF-4卫星光谱响应函数与光谱库,首次建立了将窄波段反照率到宽波段反照率的转换系数,并反演得到0.4—0.7μm和0.3—3.0μm的宽波段反照率。最后,利用Landsat 8卫星数据和MODIS地表反照率产品对基于GF-4卫星数据的地表反照率反演结果进行交叉验证。Landsat 8与GF-4的反照率结果对比表明,GF-4卫星可见光范围内的反照率反演结果精度为85.6%,短波范围内的反照率反演结果精度为93.4%;MODIS与GF-4的反照率结果对比表明,可见光范围的地表反照率精度达到87.7%,短波范围的地表反照率精度达到85.9%。这说明GF-4卫星地表反照率反演结果具有较高精度,GF-4卫星反照率产品具有一定应用潜力。     

基于动态阈值的HJ-1B图像云检测算法研究

针对环境与灾害监测预报小卫星星座1B星(HJ-1B)的传感器波段特征,通过对云检测阈值的年度波动性分析,提出了一种基于波谱标准差异常的“动态阈值云检测算法”.该算法的实现主要是采用图像配准、波段运算、线性回归和误差分析等方法,获取云异常区域,进而剔除图像中的云像元.研究结果表明,该算法可以很好地检测出不同时相、不同类型下垫面上空的云像元,为有效利用HJ-1B数据并提高其图像分类精度发挥作用.     

利用AB算法进行高分四号卫星数据反照率反演

地表反照率(Albedo)是地表能量收支平衡的重要地表参数。作为新近发射的地球同步轨道卫星,高分四号(GF-4)卫星拥有优于同类卫星的高时间高空间分辨率,然而由于其观测角度单一,基于双向反射分布函数(bidirectional reflectance distribution function,BRDF)的传统反演方法难以实现地表反照率的精确快速反演,因此采用基于单一观测角度的角度格网法(angular bin,AB1)。首先,利用先验的多角度地球反射极化和方向测量仪(POLarization and Directionality of the Earth’s Reflectances,POLDER)卫星观测数据,建立反照率与某一方向反射率之间的经验关系;然后,利用POLDER卫星和GF-4卫星的光谱响应函数与光谱库数据,将该经验关系转换为基于GF-4卫星的反照率与反射率经验关系(即查找表);通过输入单一角度的GF-4卫星反射率数据,得到GF-4卫星反照率结果;最后,利用中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer,MODIS)与Landsat 8地表反照率结果对反演结果进行交叉验证。结果表明,MODIS反照率与GF-4反照率的均方根误差(root mean square error,RMSE)为0.027 3,Landsat 8反照率与GF-4反照率的RMSE为0.017 6,说明基于AB1算法的反照率反演结果精度可靠,这对于GF-4卫星的反照率产品生产具有一定的应用意义。     

国产光学卫星正射影像产品及自动生成算法

正射校正是卫星遥感影像后续处理、分析与应用的必要基础，而目前光学卫星数据自主定位精度尚不能达到1—2像元，正射影像产品的生产仍需依赖地面控制点对成像几何模型进行修正。针对国产光学卫星数据的现状、特点和应用需求，中国遥感卫星地面站自主研发了国产光学卫星正射影像产品和自动正射系统，本文从精细化影像自动配准、成像几何模型优化、影像正射校正、几何不确定度评估、太阳照射和卫星观测角度计算、基于地理格网的影像剖分等方面对相关产品及其自动生成算法进行介绍。其中，基于L1范数约束最小二乘的RPC模型全参数优化方法，可在影像幅宽较大或几何定标精度不足时获得比常规附加像方仿射变换参数的RPC模型更高的校正精度；提出顾及控制点精度的区域网平差方法，在利用从空间分辨率较低的参考影像获取的控制点修正成像几何模型时，可在满足参考影像几何约束的前提下，通过多次观测减小成像几何模型的随机误差、提高影像的几何定位精度；基于不确定度传播理论，建立了正射影像产品逐像元几何不确定度评估方法。试验结果表明，本文算法可用于规模化的正射影像产品生产，分布于全国不同区域的实测检查点表明所生产的16 m分辨率国产高分正射影像产品绝对几...     

GF-4 PMI影像着火点自适应阈值分割

为探究具有单中波红外通道的高分四号卫星(GF-4)PMI数据在林火监测中的应用方法,通过对覆盖近年发生森林火灾的多景GF-4 PMI影像分析,采用"劈窗法"构建GF-4 PMI数据的着火点自适应阈值检测算法;在云南省玉龙纳西族自治县、俄罗斯阿穆尔州和俄罗斯外贝加尔边疆区等3个实验区进行了着火点检测应用,并以目视解译的着火点结果为参照资料,对该算法的着火点检测精度进行了评价。结果表明,该算法在这3个实验区的着火点检测准确率均高于80.0%,基于着火点检测精度验证设定的综合评价指标高于0.780,可应用于GF-4PMI影像着火点的检测。     

多源光学卫星影像匹配及精准几何信息提取

针对国产光学卫星影像的特点,该文介绍一种适用于超大规模立体/单景覆盖的多源高分辨率卫星影像的全自动连接点、参考控制点匹配及精准几何信息(DSM/DEM)提取方法。该方法引入精度已知/精度可验证的参考地理数据作为几何约束,采用由粗到精的多层金字塔逐级影像匹配策略进行影像连接点和参考控制点的自动提取,并实现超大规模影像整体联合区域网平差处理,精化定向参数;结合半全局匹配算法(SGM)与基于物方几何约束的多影像相关匹配算法(GC3)完成多角度多视影像匹配及密集点云的自动提取,并利用已有DEM对密集匹配的DSM中的云遮挡区域和大面积水域进行修补,完成精准几何信息提取并自动生成高精度DSM/DEM/DOM影像产品。最后,利用多组典型实验区的国产高分辨率光学卫星影像数据验证了本文方法的适用性、可靠性和精度,结果满足卫星影像几何定位精度及DSM/DEM/DOM生产要求。     

高分三号影像水体信息提取

国内外针对陆地水体信息提取、洪涝灾害快速响应方面具有较深入的研究,但是多采用发展较早、图像质量可靠的可见光影像及国外星载SAR影像。中国合成孔径雷达（SAR）卫星高分三号（GF-3）已获取了大量多极化、全极化SAR数据,为了将GF-3影像快速应用到环境保护、水资源管理等行业中,本研究分析了水体与其他目标具有的不同后向散射特性,将阈值分割法与马尔可夫随机场（MRF）相结合,发展了一种检测精度较高、自动化程度强的水体信息提取方法。该方法首先通过直方图统计的方法对不同成像模式、不同极化的GF-3影像进行后向散射强度分析,在阈值分割的研究基础上,比较了最大类间方差法（Otsu）和Kittler and Illingworth（KI）二值化法在水体-非水体分类中的效果。然后结合DEM和GF-3轨道参数排除因阴影现象产生的辐射失真对图像概率分布的影响,得到初始的水体信息分布图,再经过Fisher变换和马尔可夫随机场（MRF）的迭代运算,综合利用GF-3影像的多极化信息和空间上下文信息,以最大后验概率准则输出最终的水体分布图。利用了湖南省东北部不同成像模式的两景GF-3影像进行试验,在成像时间接近的光学影像中随机选择检验样点进行精度评价。实验结果表明,KI方法在GF-3水体提取应用中比Otsu方法具有更强的优势,剔除图像阴影区域后,自动化确定的阈值与目视解译阈值更加接近,通过MRF模型优化以后,实现了对水体信息的连贯提取,对图像噪声具有较强的抑制作用。本研究对水体目标的提取精度均达到了85%以上,实验结果精度优于基于光学影像的水体指数法,整个流程需要很少的人工经验参与,具有自动化程度强、检测精度高的优势。     

统一样本云检测技术在GF-6 WFV上的改进与应用

目前基于深度学习的云检测方法,受训练样本限制,算法难以推广及应用。为了快速实现针对多种传感器的高精度的云检测,Sun等（2020）提出统一样本云检测方法。基于AVIRIS高光谱样本库模拟出待检测传感器的云和晴空地表像元,将模拟得到的多光谱样本数据输入到BP神经网络中进行逐像元分类,生成云检测模型,实现Landsat 8 OLI等宽光谱传感器较高精度的云检测。该方法基于统一样本模拟出不同传感器的样本像元库,适用于多种传感器的云检测。由于Landsat 8 OLI波段较多,波谱范围覆盖宽,容易实现云的高精度识别。为了进一步提高其在光谱范围较窄的GF-6 WFV数据上的云检测应用精度,在模拟出的样本库中加入GF-6 WFV数据典型高亮地表像元。通过目视解译对云检测结果进行精度验证,结果表明,该算法利用可见光和近红外通道的遥感数据可以高精度的识别出植被、水体、建筑、裸地等地表类型上空的厚云、碎云和薄云。改进后的云检测算法,云像元平均正确率达到88.40%,在高亮地表上空云像元正确率达到87.40%,在不同地表类型上空的云像元平均正确率为92.60%。结果表明,加入高反射率地物的算法可以利用有限波段实现云和地表的高精度分离。     

青藏高原地区近地表冻融状态判别算法研究

青藏高原地区以其独特的气候水文特征被称为“亚洲水塔”, 这一地区广泛分布的冻土及其冻融过程对地表非绝热加热与水文过程具有重要影响。然而, 恶劣和复杂的地理环境为这一区域的地表冻融过程本地观测和遥感监测均带来极大挑战。本文利用AMSR-2传感器遥感数据开展青藏高原地区的近地表冻融判别算法研究, 包括判别式算法和季节性阈值算法, 并使用4个青藏高原典型地区的土壤温湿度密集观测网数据对算法进行区域适应性优化。研究特别针对季节性阈值算法进行了两点改进: 首先考虑到地表发射率的变化对于冻融相态的转变指示更为直接,故采用6.9 GHz水平(H)极化的准发射率替换季节性阈值算法中的原有冻结因子; 其次使用一种新的数据归一化方法：标准差归一化方法, 用以替代原有的离差归一化方法, 并通过阈值设定对判别精度的影响分析改进后的优势。结果证明, 冻融判别式算法在升轨时期的整体精度最具优势, 其优势在于能够减少夏季地表发射率复杂变化导致的误判, 基于标准差归一化方法的季节性阈值算法在降轨时期的整体精度具有优势。通过对不同典型区域的冻融土辐射特征和判别精度的分析, 发现地表发射率的变幅(初始液态含水量)大小是影响所有冻融判别算法精度的最关键因素。     

面向对象和GURLS结合的高空间分辨率遥感数据云检测

遥感信息获取过程中云是重要的干扰因素,随着国产高空间分辨率卫星数据的应用,实现数据的准确云检测对有效获取地面信息具有重要意义。本文以高分一号、高分二号多光谱影像为数据源,利用图像分割获取了同质对象,基于对象光谱、纹理和几何8种属性特征建立了规则集,以规则集为输入,利用阈值法和GURLS分类器结合进行了云检测。针对不同时相和场景的高分数据,将该方法与基于像素的最大似然法和SVM法进行了对比,结果表明该方法云提取精度均在95%以上,Kappa系数在0.9以上。     

高分三号卫星全极化SAR影像九寨沟地震滑坡普查

基于光学遥感影像的区域滑坡普查易受云雾天气的影响,存在滑坡体调查不全面的问题,无法满足震后应急调查与恢复重建的需求。本文提出了一种极化SAR卫星数据滑坡普查方法,采用高分三号全极化SAR卫星影像数据,以九寨沟地震震区为实验区,在深入分析滑坡体和其他地物类型散射特征的基础上,融合极化特征、纹理特征和地形特征等多维特征信息,结合高分二号影像获取的训练样本,构建基于BP神经网络的全极化SAR数据滑坡自动识别模型,实现滑坡体的自动快速识别。与高分辨率光学影像与无人机航空影像目视解译结果相比较,总体识别精度为92.8%,Kappa系数为0.715,识别准确度满足地震应急实际应用的需求。研究成果可用于震区大区域滑坡体的普查,为后续开展无人机高分辨率影像滑坡体详查、灾后应急与景区恢复提供辅助信息支撑,并促进国产高分SAR卫星数据在防震减灾中的应用。     

高分辨率遥感影像图制作的镶嵌线自动提取

为更好地发挥遥感技术在城市规划地图制作中的应用,高分辨率遥感影像成为城市地图制作中最重要的数据源。面对地物信息复杂、建筑物众多的城市地区,如何快速提取高分辨率遥感影像地图制作过程中相邻两景影像之间的镶嵌线具有重要意义。本文以国产卫星中分辨率最高、幅宽最小的GF-2影像为数据源,融合建筑物轮廓数据,研究了基于最短路径的A*搜索算法,实现了遥感影像地图制作的镶嵌线自动提取技术。结果表明,该方法能够自动生成避让建筑物的镶嵌线,速度快、镶嵌质量高,可广泛应用于城市地区高分辨率遥感影像地图制作。     

基于高斯混合模型法的国产高分辨率卫星影像云检测

针对资源三号、高分一号等国产高分辨率卫星影像波段少、光谱范围受限的特点,提出一种通过高斯混合模型拟合影像灰度直方图从而自动获取灰度阈值的云检测算法。首先由影像灰度直方图自适应地获取高斯混合模型初始拟合参数,然后依据期望最大原则对初始参数进行调整,最后根据拟合模型中各高斯分量的分布特点,自动确定该波段影像中云与晴空之间的灰度阈值。实验表明,该算法不受限于卫星光谱范围,同时适用于含云和无云影像,检测精度较高,且不需要辅助信息和人工干预,可满足自动化生产的需要。     

高分辨率遥感影像快速去雾

针对含雾遥感影像在军事航空侦查、地物判读等方面使用率低、有效性差的问题,以及现有去雾算法中存在计算复杂耗时、色彩失真的弊端,结合遥感影像景深变化小、不含天空背景等特点,本文提出一种改进的暗原色先验去雾算法。首先,对影像中白色场景灰度值进行统计并设定阈值划分为失效区,分离水域与非水域减少蓝色波段在水域的占比,合成新的蓝色波段,以改进暗通道值的获取方法;其次,采用导向滤波替代软抠图法优化透射率提升处理时间;然后,对关键参数进行适应性改进试验并采用自动色阶恢复去雾后的影像色彩;最后,利用含雾的无人机影像和GF-2影像进行了试验,并进行了定量评价。试验结果表明,在同等试验条件下,本文方法处理单幅影像的时间比暗原色先验去雾算法的提升4倍以上,且去雾后影像的灰度均值、标准差、信息熵、平均梯度等指标比暗原色先验去雾算法得到的值均有提高,能有效提高有雾影像的清晰度,增强影像色彩和细节。     

联合云量自动评估和加权支持向量机的Landsat图像云检测

针对ACCA（云量自动评估）算法难以检测Landsat图像中的半透明云问题,提出了一种ACCA和WSVM（加权支持向量机）相结合的云检测算法．首先根据云在不同波段中的大气辐射特点,结合Landsat ETM+图像数据的光谱特性,利用ACCA算法将图像像元初步分成云像元、非云像元和待定像元,再以云的光谱特性构造特征向量,利用WSVM算法进行待定像元的云层检测,最终获得全部图像的云检测结果．仿真实验结果表明,该方法既具有ACCA算法的云检测优势,还对ACCA算法难以识别的半透明云有很好的检测效果．     

结合高分遥感和多源数据的高原湖泊流域土地利用分析

高分一号卫星是为提升我国高分辨率数据自给率自主发射的卫星,在土地利用监测方面具有重要的应用价值。将GF-1卫星影像与多源数据影像进行对比能够挖掘各数据源在土地利用动态监测方面的差异性。本文以云南省杞麓湖流域为研究区,选取最新的Sentinel-2、GF-1和Landsat 8卫星遥感影像进行土地利用分类,以第二次全国土地利用调查数据为基期数据,结合野外实地调研和土地利用转移矩阵开展土地利用现状和演变分析,得出以下结论：①杞麓湖流域的水域、建设用地、耕地和林地自中心向外呈现出圈层分布的特征,与第二次全国土地调查结果相比,水域、耕地、林地3种类型的自然景观面积减少,而建设用地和其他用地受人类活动的影响,面积大幅增加,变化主要集中在杞麓湖周边的纳古镇和河西镇。②Sentinel-2卫星影像与GF-1卫星影像均具有较高的空间分辨率,二者对土地利用变化评估的结果相近,均优于Landsat 8卫星影像,其中GF-1卫星影像具有较高的应用价值。     

联合多源遥感数据监测四川木里县森林火灾

森林火灾既严重影响森林生态系统的稳定,还威胁到人类生命财产安全。传统监测森林火灾方法,覆盖范围小,难以及时监测小面积火灾。遥感卫星能大范围精确监测火情,提高了监测方法的时效性,但使用单一卫星数据源很容易受到云雨等客观环境因素影响,降低监测的时效性。本文以四川木里藏族自治县"330森林火灾"区域为对象,开展多源卫星遥感数据对小范围火灾联合监测的研究。首先,充分挖掘高分四号高时空分辨率和中红外火烧敏感波段优势,联合烟幕、温度和植被指数时序变化确定火烧时间与位置;然后,使用Sentinel-2数据监测不同火烧区域光谱信息;接着,使用Sentinel-2数据提取dNBR(differenced Normalized Burn Ratio),提出了基于最大类间方差算法(OTSU)分步骤确定不同程度火烧迹地与面积的方法;最后,建立Sentinel-1A极化比值PR (Polarization Ratio)和NDVI之间关系,利用微波雷达突破云雨限制。结果表明:(1)高分四号联合IRS(InfraRed Scanner)和PMS(Panchromatic Multispectral Sensor)能够实时监测小范围火灾;(2)根据火点位置,确定火灾蔓延期间NDVI下降(由0.7降低至0.25),确定起火时间(3月30日);(3)火灾区域与未受灾区,以及不同类型火烧迹地之间的光谱在490—2200 nm范围存在差异;(4)基于OTSU算法自动确定阈值,确定林地损失面积41.56公顷(dNBR=0.35),精度达94.67%,提取林地过火未损失面积66.56公顷(dNBR=0.10),精度达90.94%,林地损失区域基本符合实际调查结果;(5)火灾前后极化比值由6.6 dB升高至10.8 dB,NDVI与PR经线性回归,R2=0.58,验证R2=0.50。联合多源卫星监测森林火灾,能提高森林火灾监测的时效性,避免了云雨等复杂环境的影响。研究成果能为小火点的及时识别和灾害评估提供参考,其应用可为林火应急响应提供技术支撑。     

融合多尺度视网膜图像增强的动态云检测

云检测是气象卫星各类定量遥感产品的基础,无论是以云图为基础的天气分析还是以去云为前提的各类大气和地表参数反演、沙尘火情等灾害检测,都需要对遥感影像中的云进行准确识别,尤其是薄云和云边缘等细节识别。针对静止气象卫星(以Himawari-8为例)精细化云检测,本文提出了一种基于多尺度视网膜图像增强的动态云检测算法。该算法基于云层与背景信息辐射特征不同的原理,构建可见光和红外波段的晴空辐射背景场,通过多尺度图像增强和最大类间差方法对辐射差值进行云细节信息的增强和提取。利用2021-2022年的75景MODIS云检测产品作为验证数据进行算法精度验证,整体上算法精度达到91.13%,召回率为94.02%,精确率为86.71%,有较强的适用性和稳健性,且已经较好地支撑了近两年的定量遥感产品业务化应用。     

A Cloud Removal Algorithm to Generate Cloud and Cloud Shadow Free Images Using Information Cloning

One of the main problems of optical remote sensing is clouds and cloud shadows caused by specific atmospheric conditions during data acquisition. These features limit the usage of acquired images and increase the difficulty in data analysis, such as normalized difference vegetation index values, misclassification, and atmospheric correction. Accurate detection and reliable cloning of cloud and cloud shadow features in satellite images are very useful processes for optical remote sensing applications. In this study, an automated cloud removal algorithm to generate cloud and cloud shadow free images from multitemporal Landsat-8 images is introduced. Cloud and cloud shadow areas are classified by using process-based rule set developed by using spectral and spatial features after applying simple linear iterative clustering superpixel segmentation algorithm to the image to find cloud pixel groups easily and correctly. Segmentation-based cloud detection method gives better results than pixel-based for detection of cloud and cloud shadow patches. After detection of clouds and cloud shadows, cloud-free images are created by cloning cloudless regions from multitemporal dataset. Spectral and structural consistency are preserved by considering spectral features and seasonal effects while cloning process. Statistical similarity tests are applied to find best cloud-free image to use for cloning process. Cloning results are tested with the structural similarity index metric to evaluate the performance of cloning algorithm.