DMSP-OLS与NPP-VIIRS夜间灯光遥感影像数据整合

DMSP-OLS夜间灯光遥感数据截至2013年,现已被NPP-VIIRS夜间灯光数据取代。因此,要获得长时间序列且稳定的夜间灯光数据集,需要整合两类夜间灯光数据。基于此,本文提出了基于重采样的两类数据整合方法,对2013—2020年NPP-VIIRS数据进行模拟,最终建立了1992—2020年长时间序列校正—模拟DMSP-OLS夜光遥感数据集。结果表明,基于重采样的整合方法效果良好(城市区域Pearson相关系数ρ=0.9852,RMSE=3.4607),整合数据集与相关社会经济参考量高度契合(影像DN值总和与GDP的相关系数ρ=0.946,与人口的相关系数ρ=0.971,二次多项式模型拟合R²≈0.98,RMSE<5.55),优于已有研究。因此,利用该方法整合后的数据集能更好地支撑基于夜间灯光影像的长时间序列研究。     

泥石流高分辨率遥感影像频域特征提取方法及应用

在遥感影像上深入研究泥石流的相关特征条件对泥石流的分析治理具有十分重要的现实意义。本文将泥石流不同流域分区的高分辨率遥感影像从空间域转换到频率域,基于频谱分析与频域滤波,从全局和局部建立了频谱特征和泥石流流域分区特征之间的关联,并利用频域特征对泥石流高分辨率遥感影像中不同流域分区进行识别,用支持向量机进行试验验证。结果表明,对于泥石流遥感影像,除了地物光谱特性以外,充分利用频域特征可以有效地分析和识别泥石流不同的流域分区,且识别精度最高达到95%,从而对泥石流的形成过程及不同区域进行定性和定量分析,为泥石流的防治工作提供了科学依据。     

顾及多分辨率特征的复合字典城中村识别方法

城中村作为一种特殊的城市聚落类型,对其进行精确有效的监控识别有助于实现城乡协调发展、优化城乡生态环境。现有面向对象的城中村识别方法通常需要大量样本数据,导致训练成本较高,数据更新效率偏低。针对以上问题,本文提出了顾及多分辨率特征的复合字典城中村识别方法。首先通过密集格网采样提取尺度不变特征转换(SIFT)全局特征,并与多分辨率颜色矢量角直方图特征融合,形成视觉词典;然后将影像表示为视觉词频率直方图;最后使用随机森林分类器进行分类,以实现场景尺度的城中村识别。以高分二号影像为测试数据对该方法进行验证,结果表明,其总体精度达90.08%,Kappa系数达80.16%,相较于加速稳健特征(SURF)、SIFT、VGG16、ResNet50,总体精度分别高出8.99%、3.51%、4.78%、2.28%。     

基于植被冠层含水量反演数据的森林易燃程度评价

近年来凉山彝族自治州森林火灾频发,且蔓延迅速,扑救难度大。本文选择传统遥感手段,利用遥感卫星和无人机相关数据,以木里藏族自治县森林火灾为背景,明确了可燃物识别及其易燃性的意义;选择地形、地表温度、植被含水情况等因子对目标区域进行评价,并引入生态水(层)概念,将植被生态水作为一种重要的参数因子;分析研究区的自然环境特点,研究森林植被可燃物易燃程度的重要性及其空间分布,并构建一种适用于森林植被茂密地区的可燃物易燃程度评价体系,为降低研究区森林火灾风险提供防控依据。     

采煤拉张裂隙区土壤有机质高光谱反演

煤炭开采产生的拉张裂隙破坏土壤结构,影响土壤质量。利用高光谱技术对裂隙区土壤的重要成分进行监测,对精确恢复裂隙区土壤质量及改善农业产量具有重要意义。本文首先在淮北朱庄煤矿采煤拉张裂隙区采集了90组土壤样品,并在室内测定了土壤样本光谱;然后将反射率值与测定的有机质含量进行相关分析,选取对有机质敏感的特征波段;最后利用偏最小二乘、BP神经网络进行建模,并评价各模型的精度。研究表明,本文反演效果较理想,比较所建模型精度,一阶微分与偏最小二乘模型(FDPLSR)建模效果最佳。FD-PLSR模型建模集和验证集的R²分别为0.876 1、0.845 9,RMSE分别为0.497 2、0.680 6。该研究可为采煤拉张裂隙区土壤有机质含量监测提供一定的技术支持。     

深度学习遥感影像解译技术在耕地保护中的应用

耕地保护事关国家粮食安全、生态安全和社会稳定,是国计民生的头等大事。深度学习技术在海量数据分析领域的广泛应用,为高效、精准的遥感影像解译提供了技术基础。本文研究了基于深度学习的遥感影像解译技术,利用遥感影像数据和对应的矢量数据构建了可供训练的解译样本库,并提出了一种基于深度残差网络结构的解译模型。通过试验证明了该模型的实用性,实现了对试验区域主要地类面积的变化监测,对比多期影像解译结果和增减挂钩等业务数据,验证了耕地复垦的实施情况。结果表明,深度学习遥感影像解译技术在耕地保护领域有较广泛的应用前景。     

多时相遥感影像的变化监测方法研究

多时相遥感影像图变化监测已经在国民经济及国防建设领域得到了广泛应用。通过分析同一地域不同时相的遥感图像变化监测提供地物发生变化的信息,对资源环境数据进行更新及利用。论文围绕变化监测中的一些关键理论方法进行了研究。     

利用局部自相似的多光谱遥感图像自动配准

为解决多光谱遥感图像间非线性灰度差异造成的配准困难问题,提出了一种基于局部自相似的自动配准方法。该方法首先引入局部自相似(local self-similarity, LSS)特征,并在对数极坐标系下建立反映图像内在几何布局和形状属性的特征描述子。之后结合LSS和归一化相关系数构建一种形状相似性测度,并通过模板匹配的策略实现图像的配准。试验结果表明,该方法能够较好地抵抗图像间的非线性灰度差异,并获得了可靠的配准精度,而且相比于传统方法,在顾及计算效率的同时获得了更高的匹配正确率。     

最佳小波包基的矿区植被及红边位置提取

小波包变换能同时对植被光谱信息的低频和高频分量进行分解,并能克服小波变换时间分辨率高而频率分辨率低的缺陷从而具有能够探测植被细微变化的优势。实验利用Hyperion高光谱影像对云南省普朗铜矿区植被像元的光谱进行最佳小波包基参量获取与植被信息识别,并在此基础上提出一种提取重金属污染下植被红边位置的最佳小波包基系数应用模型。研究结果表明基于最佳小波包基参量的植被信息识别及基于最佳小波包基系数的重金属污染探测具有可行性与一定优越性。     

高分辨率遥感影像滤波算法综述

高分辨率卫星影像空间分辨率高,地物结构纹理信息突出,常用于土地利用监测、自然灾害预报等领域,但其所含的背景噪声影响了影像识别和分析的有效性和可靠性,因此,选取合适的滤波方法消除各种噪声成为遥感影像处理的首要任务。在遥感技术发展的几十年中,研究者们针对各种噪声类型已发展了多种滤波方法。本文分析了高分辨率遥感影像噪声的特点,介绍了一些传统的滤波算法和近年来广泛应用的新型滤波方法,并深入探讨各种滤波器的性能及其优缺点,为今后选择合适的算法消除高分辨率遥感影像噪声提供参考,最后对遥感影像滤波方法的发展前景进行了展望。