高分辨率遥感卫星助力地灾信息识别

正目前,我国主要采用野外人工调查和遥感目视解译获取地震灾区滑坡信息,此方法存在主观性强、耗时费力等缺点。对此,地震滑坡国产高分辨率卫星遥感快速识别方法提出以资源三号、高分一号国产高分辨率遥感影像为主要数据源,构建融合光谱、纹理、几何等影像特征和地形特征的多维滑坡识别规则集合,建立面向高分辨率影像认知模式与场景理解过程的滑坡分层识别模     

辅以纹理特征的遥感影像神经网络分类

由变差函数提取出的纹理信息与光谱信息相结合,运用神经网络方法进行分类和地物识别,并与最大似然法的分类结果进行对比分析,结果表明该方法明显提高了遥感影像的分类精度。     

基于深度学习和持续同调的LiDAR林下滑坡提取

为了从森林覆盖区获取林下滑坡信息，采用LiDAR点云技术构建高分辨率数字地形模型，结合Res-Unet网络和持续同调理论提取林下滑坡信息。选取美国华盛顿州风河实验林作为研究区，选择其中3个区域进行定量分析，经计算，区域内提取滑坡信息的准确度均值为79.7%,召回率均值为70.2%,F₁均值为65.5%,表明基于Res-Unet和持续同调的提取方法能够准确识别研究区内大部分滑坡；基于深度学习和持续同调的林下滑坡提取方法引入持续同调方法到滑坡提取领域，并与深度学习相结合，弥补了传统遥感方法在植被覆盖区滑坡提取效果方面的不足，可为滑坡分析提供有力的技术支持。     

西藏札达县巴拉河喀拉滑坡遥感监测

以2006年9月4日的Quickbird遥感影像为数据源,在几何校正的基础上,叠加数字高程模型和地质图,进行西藏阿里地区札达县巴拉河喀拉滑坡的遥感解译。在滑坡要素解释的基础上,结合河流侵蚀速率的研究成果,分析喀拉滑坡的相对时间。     

采空区—滑坡—泥石流链式灾害隐患综合遥感识别与评价

地下开采易导致地面产生持续变形,并可能形成采空区—滑坡—泥石流链式灾害隐患,严重影响了采 空区及周边地区居民和设施安全。 目前对于灾害链的研究大都基于已发生的灾害开展回溯分析,对于链式灾害隐患 的识别和评估相对欠缺。 综合遥感技术能够有效识别地质灾害隐患,利用大比例尺航空摄影测量、时序 InSAR、机载 LiDAR 等手段开展了北京西山东江沟滑坡隐患识别及链式灾害隐患分析。 发现东江沟内发育 10 处中型滑坡,滑坡体 中上部普遍存在拉张裂隙,前缘发育崩滑,在 2016—2022 年间 LOS 方向的地表形变速率为 8. 1 ~ 30. 5 mm / a。 这些滑 坡成为东江沟的主要物源,强烈影响了“崩塌、滑坡及水土流失严重程度” “松散物储量” “泥沙沿程补给长度” “河沟 堵塞程度”等多项泥石流易发因子,使得东江沟暴发泥石流灾害的可能性由“中”提升为“大”。 研究表明:综合遥感技 术在采空区—滑坡—泥石流链式灾害隐患识别中是有效且可靠的,能够为矿区及周边地区灾害防治提供技术依据。     

基于无人机的矿区采动裂缝遥感解译方法研究与应用

近年来,随着无人机遥感技术的发展,已经能够模块化、专题化获取国土、地形、资源、农业、环境等空间信息,并且自动化、智能化完成所采集遥感数据的处理、建模和应用。由于其监测效率高、操作简单便捷、易携带以及时效性强等优势,无人机遥感在各行业中都得到了广泛应用。本文是在分析山西阳泉矿区某工作面相关资料基础上,采用三维模型辅助数字正射影像(Digital Orthophoto Map, DOM)的裂缝目视解译方法和数字正射影像、数字表面模型(Digital Surface Model, DSM)辅助三维模型的滑坡与塌陷目视解译方法,能够清晰提取地表裂缝的发育长度、形态、延展方向等特征信息,准确识别研究区域平面、剖面裂缝形态,掌握研究区裂缝动态规律,精确识别滑坡、塌陷的位置、边界和规模。无人机低空遥感技术通过高分辨率图像特征识别不同地表地貌,在矿区地质灾害监测领域具有广泛前景。     

基于图像纹理的煤岩识别研究

煤岩识别对实现采掘面无人开采具有重要的意义。由于煤、岩石在纹理上的巨大差别,提出了基于图像纹理的煤岩识别研究。利用灰度共生矩阵(GLCM)分别对煤、岩石图像纹理进行特征提取,然后再应用RBF神经网络分析处理所得到的纹理特征数据,进而实现对煤岩的分类识别,通过验证,该方法准确率高,操作简单,值得推广。     

基于Quickbird数据的土地覆盖类型分形特征研究

分形维数可以有效地描述复杂纹理特征,传统的遥感自动分类主要利用数据的波谱特征信息,很难充分有效的利用遥感影像的纹理信息。近年来,随着高分辨率遥感数据的广泛使用,如何量化纹理特征,根据不同地物的纹理信息进行地物的分类等问题引起很多学者的关注。在对比不同边缘提取算子提取效果的基础上,对4种典型土地覆盖类型的Quickbird数据进行边缘提取,并在MATLAB平台下计算影像样本盒维数,通过对比发现这些土地覆盖类型盒维数差异显著,在此基础上提出利用分形维数对遥感影像的纹理信息进行量化,从而利用影像纹理信息对不同土地覆盖类型进行有效区分。     

利用遥感影像分级识别城市河道黑臭水体方法

为强化城市河道黑臭水体整治效率,提升其管理效果,以西安市为研究对象,利用遥感影像分级识别该地区的城市河道黑臭水体。分析了西安河流分布概况,采集水体样本实测数据,判断采集的水体样本的黑臭水等级。同时获取皂河的遥感卫星的城市河道黑臭水体遥感影像,采用遥感分级指数模型分级识别城市河道黑臭水体。分析结果显示,利用遥感影像可以计算出水体的遥感分级指数,依据设定的阈值对指数实行判断,分级识别西安河流整体和局部支流的黑臭水体情况。遥感分级识别结果与实测结果之间吻合程度较高,识别数量一致,长度误差均在0.5 m以内。     

数字图像处理技术在煤泥浮选泡沫图像纹理特征的提取及识别上的应用

将数字图像处理系统应用于煤泥浮选泡沫图像的特征提取和识别 ,引入了空间灰度相关矩阵和邻域灰度相关矩阵来提取泡沫的纹理特性 ,并提取基于这两种算法的一系列特征参数来描述泡沫的结构 ;分析了各泡沫特征参数随浮选时间 (泡沫纹理 )的变化关系 ,定性地指出了各泡沫特征参数与泡沫纹理的相关性 ;并利用自组织神经网络对煤泥浮选泡沫的状态进行了识别 ,分类识别的平均正确率达 76 5 %。     

天地一体化地物变化监测与风险评估

外力破坏和地质灾害是威胁油气管道安全的两大隐患,传统的人工巡检和地基传感器监测方式存在一定的局限性。本文基于高分辨率卫星光学影像,通过利用多学科交叉、多领域前沿科技融合技术,深入分析和研究高分辨率遥感影像特点,研究多种优化的变化检测算法,构建了集多种算法于一体的自动变化检测软件,解决了管道沿线施工变化情况和工程车辆的自动检测,另外,该技术还可用于对高后果区内建筑物的变化进行定期统计更新。同时,本文基于星载合成孔径雷达(SAR)影像,采用InSAR方法分析了管道沿线的地质形变,并辅以卫星光学影像、气象、地基传感器、水文、地质等多源数据,建立基于卫星遥感的空天地一体化地质灾害监测体系和技术识别方法,实现地质灾害的天地一体化综合识别与预警。     

HIS与K-L变换结合方法在寻找铀矿中的应用

随着地学信息的多源化，同一地区的多种遥感影像数据(多时相、多光谱、多传感器、多平台和多分辨率)越来越多，同时航空物探测量和航天遥感技术在地质工作中起着越来越重要的作用。研究利用遥感图像和航放数据作为数据源，对遥感图像作主分析，在几乎不丢失遥感数据信息的基础上，再利用HIS变换与航放数据进行融合，使U(铀)的微弱信息得以增强，从而指导地质工作者在北方寻找砂岩型铀矿。     

基于深度学习和高分辨率遥感影像的露天矿地物分类方法

随着深度学习技术的发展,对高分辨率影像的分类已成为当前研究的热点,矿区地物分类更是矿区生态发展研究的重要问题。由于深度学习可以通过提取大量的历史影像数据规律及特征,对影像数据进行自动识别与分类,本研究将采用U-Net网络模型开展高分辨率露天矿区地物类型分类研究。采用高分二号遥感影像数据,勾画样本数据集提取样本数据特征,进行分类模型的训练,对矿区测试集进行测试,探讨深度学习在高分遥感影像上的自动识别能力。结果表明,U-Net模型对露天矿区地物识别的精确率（Precision）、召回率（Recall）、F1分数（F1-score）值分别达到0.86、0.82、0.84,均高于最大似然法、随机森林算法和支持向量机。基于深度学习中的U-Net网络模型可以对露天矿区地物类型进行有效的自动识别,可以为高分露天矿区遥感影像数据的地物分类提供技术支撑,有效实现了露天矿各地物自动识别与分类的能力。本文研究成果可以用于AI在露天矿区遥感分类方面的应用以及对矿区生态环境的监测与修复。     

InSAR技术在滑坡研究中的运用进展

滑坡是频发的破坏性极强的自然灾害,运用合成孔径雷达干涉测量和差分干涉测量技术对滑坡进行研究是近年来国际遥感界的一个研究热点。介绍InSAR和D-InSAR的基本原理和数据处理流程,及近十年来欧洲(主要是法国、意大利、瑞士等国)、加拿大和日本等国学者运用此技术在滑坡灾害调查、动态监测以及空间分析与灾害预测等方面的研究成果,结果表明虽然目前InSAR技术具有一定的局限性,但随着新的技术方法和高空间分辨率数据的大量出现,其运用于滑坡研究具有广阔的前景。总结从数据源、数据处理软件和数据处理人员三个方面中国所面临的挑战。     

基于SVM遥感图像矿化信息提取试验

在讨论核函数的选择算法及优化的基础上,提出了一种将支持向量机(SVM)算法应用于遥感矿化信息提取的方法。并以TM遥感数据为试验样本,进行假彩色合成,将舍成图像的RGB值作为训练样本的特征向量,应用核函数选择算法和人为选择核函数方法,采用SVM算法对样本进行分类,试验表明选用径向基核函数所得的分类效果最好。认为对遥感影像作预处理后采用RGB值作为特征向量,应用支持向量机算法进行遥感矿化信息提取的方法能够获得较好的识别效果;应用LOO估算选择的核函数模型能够较好地逼近最佳值。     

平庄西露天煤矿断层滑坡监测预警研究

平庄西露天煤矿工作帮反倾逆层边坡岩层断层构造作用明显,滑坡灾害危险程度高。为了实时掌握滑坡体变化状态,基于下滑力大于抗滑力这一滑坡发生的充分必要条件,采用具有滑坡灾害加固-监测-预警一体化功能的滑动力远程监测预警系统装备,实现了滑动力感知、传输、分析和监测预警的全过程。在该滑坡区域布设滑动力监测站点和位移监测站点,近3个月的监测结果表明：滑动力远程监测预警系统运行效果良好,实现了对“07-0118滑坡”各阶段的监测预警,且滑动力监测效果优于位移监测,验证了该系统的先进性和实用性。该系统的成功应用为其他类似边坡的监测预警提供了技术方法和实践依据。     

扎西康锌多金属矿床外围遥感找矿预测

运用ENVI遥感图像处理软件,对藏南扎西康锌多金属矿床外围地区ETM+遥感图像采用比值法、特征主成分分析技术进行图像处理。首先对遥感图像进行波段组合、辐射校正和几何校正。选取ETM+1、4、5、7波段组合进行主成分分析,用TM+5/TM+7取代TM7,提取羟基蚀变信息;选取ETM+1、3、4、5波段组合进行主成分分析,用TM+5/TM+1替换TM+5,提取铁染蚀变信息;并通过目视进行遥感矿产地质特征解译,解译出线状、环状及带状要素。综合分析羟基蚀变信息、铁染蚀变信息、遥感矿产地质特征解译结果及矿区已有的地质资料,根据矿体由张扭性构造控制这一特征,通过与湖南香花岭锡多金属矿床对比分析,推测其深部有锡矿化体存在可能。故圈定5个找矿远景区,为扎西康矿床外围地区进一步矿产勘查提供有利的科学依据。     

集成InSAR与高分影像的地质灾害隐患早期识别与应用研究

近年来,我国地质灾害处于多发态势,地质灾害防治形势严峻,严重威胁了人民生命及财产安全,利用先进的遥感技术对地质灾害进行早期识别已成为大趋势。针对传统的遥感影像识别已不能满足当前地质灾害隐患识别的需求,提出利用SBAS-InSAR技术、多期多源光学遥感技术、三维倾斜摄影测量等多源遥感技术综合对地质灾害隐患进行早期识别。通过对延安子长市地质灾害识别与监测预警工作,得到了子长地区平均形变速率为76 mm/a,累计形变量为152 mm,并进行了实地调查验证,证明了监测结果的可靠性。结果表明,SBAS-InSAR技术结合高分影像可有效地获取子长地区地质灾害分布情况,为该地区的防灾减灾工作提供了技术支撑。     

基于高分遥感影像匹配的露天矿滑坡形变场监测方法

针对利用SIFT(Scale-invariant feature transform)算法提取全色遥感影像特征点时存在数量少、分布不均、影响滑坡形变场监测效果等问题,提出了一种综合利用SIFT与CSIFT(Colored scale invariant feature transform)算法进行滑坡形变场标定的方法。该方法利用SIFT算法分别处理全色影像和多光谱融合影像,利用CSIFT算法处理多光谱融合影像,将3个过程提取的互不相同的特征点进行叠加,得到更多的特征点。以抚顺西露天煤矿南帮滑坡为例进行试验,结果表明:新方法能够充分利用3种不同影像匹配过程的特点,大大增加了特征点数量,使得生成的滑坡形变场更加精确,所圈定的滑坡范围更加准确,且该方法具有成本低、效率高等优点,非常适合于大型滑坡的大变形形变场监测。