基于HJ-1星CCD数据的溢油遥感特性分析与信息提取

基于HJ-1星CCD多光谱数据,以2010年美国墨西哥湾深海油井溢油污染海域为研究区,对溢油迁移转化过程进行分析,认为油水混合物是该次事故的主要污染类型之一.研究HJ-1星CCD数据多种目标的影像特征与光谱响应特征,指出油水混合物能明显改变海水对入射光的后向散射性能,可以被有效地识别与判定.利用决策树分类方法能有效地提取墨西哥湾溢油污染中的油水混合物;对误判信息进行分块合并处理后,可进一步提高油水混合物的提取精度.研究表明,HJ-1星CCD多光谱数据能有效提取海洋溢油污染信息,具备了开展海洋溢油污染遥感监测的能力.     

基于多时相环境星NDVI时间序列的农作物分类研究

时相和归一化植被指数(NDVI)时间序列特征在农作物分类提取方面具有重要的应用价值。以黑龙江红星农场为研究区,利用多时相环境星HJ-1A/B CCD数据及其多期平滑重构后的NDVI时间序列曲线特征,在对象尺度上采用决策树算法开展了农作物分类研究,通过与单独利用多时相遥感数据分类结果的对比分析,研究了增加NDVI时序曲线特征对分类精度的影响。结果表明:面向对象分类方法得到的地块较为规则,平滑了地块内部同种作物间的噪声,避免了"椒盐现象",适合于我国东北地区农作物分类识别;利用NDVI时序曲线特征参与分类,增强了不同作物之间的光谱差异,提高了作物分类精度,比仅使用3个多时相HJ-1A/B CCD数据分类精度提高了5.45%,Kappa系数提高了0.09。通过该研究探讨了NDVI时序曲线特征在作物分类中的应用,拓展了遥感数据在农业领域的应用范围,具有推广价值。     

基于HJ-1A高光谱数据的藏北高原草地分类方法对比

环境减灾星星座A星(HJ-1A)携带的超光谱仪填补了我国星载高光谱影像采集领域的空白,但目前国内关于该高光谱数据的应用较少.本文基于HJ-1A高光谱(HSI)数据预处理技术,以申扎县北部为研究区,采用SPCA-MLC和HSI-SAM分类方法,结合野外实测样本,将研究区分为沼泽草甸、高寒草甸、高寒草原、荒漠化草原和裸地5种类型,并结合分类精度和分类图对2种分类方法进行了对比分析,可得基于HJ-1A高光谱数据的藏北高原草地分类方法中SPCA-MLC法优于HSI-SAM法.2种方法的分类精度皆大于80％,证明了HJ-1A的HSI数据在实现藏北草地高精度分类方面的巨大潜力.     

融合红边波段的森林火烧迹地提取方法

针对森林火灾火烧迹地提取精度不够高的问题,基于Sentinel-2等新型卫星提供的对植被敏感的红边波段,分别构建了基于主成分分析法和新型植被指数的火烧迹地提取算法。第一种是基于第三主成分分析法(PC3),选择可见光及近红外波段进行主成分分析,根据变换后的第三主成分提取火烧迹地,将3个红边波段分别替换可见光红波段,根据得到的PC3_(red-dege1)、PC3_(red-dege2)、PC3_(red-dege3)提取火烧迹地。第二种是基于新型植被指数法,根据NDVI及将3个红边波段分别替换可见光红波段计算获取的NDVI_(re1)、NDVI_(re2)、NDVI_(re3),分别提取火烧迹地。以2017年毕拉河特大火灾火烧迹地为研究区。实验结果表明,基于PC3的火烧迹地取效果整体优于基于植被指数的提取效果;红边波段参与的火烧迹地的提取精度高于红波段参与的提取精度,其中PC3_(red-dege1)精度最高,PC3_(red-dege2)提取精度次之。研究证明利用红边波段采用PC3的方法能满足火烧迹地的高精度快速提取。     

基于多时相光谱和物候特征的陕西省神木县地物遥感分类研究

开展了时间序列Landsat TM/ETM遥感影像定量化处理与相对辐射校正,提取了陕西神木县不同地物光谱和NDVI物候特征,结合时间序列NDVI物候特征和多时相光谱信息,采用了地表覆盖的决策树分类算法,实现了陕西神木县地物的高精度遥感分类,包括水体、沙地、城镇、耕地、林地、草地及灌丛等7类地物,分类总体精度达95.77%,Kappa系数达0.93。研究结果表明,基于多时相光谱和物候特征的决策树分类算法能够有效集成多时相、多光谱信息,从而克服了单时相影像分类的缺陷,实现了地物的分类。论文研究方法和结果能够为三北防护林区域的生态环境监测与评估提供技术支持。     

基于HJ-1B卫星遥感数据的水稻识别技术研究

为快速、准确地在遥感图像上识别水稻作物的信息,满足县级尺度水稻遥感监测的需要,以野外实地调查资料、1∶5万地形图数据为辅助,通过光谱分析法,分析研究HJ-1B星CCD数据的水稻作物的光谱反射特性,建立水稻作物遥感信息识别模型。采用决策树分类方法提取水稻作物信息,并将该技术方法应用于广西宾阳县水稻作物信息提取研究。采用实测样地数据,利用混淆矩阵进行精度评价验证,总精度为94.9%,Kappa系数为0.8533。研究表明,该水稻作物的识别技术,可以为了解我国水稻种植情况,进行水稻长势监测和产量估测提供技术参考。     

南方地区复杂条件下的耕地面积遥感提取方法

针对我国南方地区植被类型复杂、地形复杂和地块破碎等原因导致耕地信息提取精度较低问题,提出了一种面向对象和CART决策树结合的复杂条件下耕地面积提取方法。以广西南宁市隆安县与武鸣县地区为研究区,采用Sentinel-2A影像,结合数字高程数据（Digital Elevation Model,DEM）及归一化植被指数（Normalized Difference Vegetation Index,NDVI）等多源数据,利用面向对象分割技术识别地块信息,然后以地块为单位采用CART（Classification And Regression Tree,CART）决策树分类法,依据不同地类的形状、光谱特征,提取研究区的耕地。结果表明：面向对象的CART决策树分类方法分类总体精度和Kappa系数分别为96.1%和0.94,相比较于未加入面向对象分割的CART决策树耕地信息提取总体精度提高Kappa系数提高0.54,面向对象的分割方法有利于减少复杂背景对耕地提取的影响。基于面向对象的CART决策树分类方法相比较于传统方法对研究区耕地信息的提取有较好的精确性,能够提高耕地信息的提取精度。     

基于GF-1遥感数据决策树与混合像元分解模型的冬小麦种植面积早期估算

我国西北地区耕地细碎,冬小麦种植面积提取时混合像元较多,所以将决策树和混合像元分解相结合可大大提高解译精度。以高时间分辨率及较高空间分辨率的GF-1卫星遥感数据为研究数据源。根据冬小麦和其他各类地物在不同时相数据上NDVI值的变化特性及特征值差异,建立决策树模型,快速高效地提取冬小麦像元。运用线性光谱混合模型,降低混合像元的影响,进一步精确提取冬小麦的种植面积。最后与实测样方的冬小麦种植面积数据进行比较,验证提取精度。结果表明:研究区内冬小麦种植面积提取精度达90%以上,Kappa系数接近0.8,可较为准确地反映出区域内冬小麦的分布情况。利用较高分辨率的遥感影像并结合决策树分类和混合像元分解可以较准确地提取耕地破碎地区作物种植面积,对开展早期农作物面积遥感监测有较大帮助。     

一种基于植被指数的遥感影像决策树分类方法

以江苏省徐州市为研究区,采用2000年ETM+多光谱影像作为遥感信息源,选择影像的光谱特征和归一化植被指数（NDVI）、绿度植被指数（GVI）、比值植被指数（RVI）等10种植被指数作为分类特征,基于See5决策树学习软件构建分类决策树,实现了研究区景观格局的遥感分类。研究结果表明,决策树分类法易于综合多种特征进行遥感影像的分类,植被指数参与到决策树分类中能够提高分类的总体精度。     

环境一号卫星与MODIS NDVI的定量关系分析

不同遥感器由于波段设置和光谱响应函数差异导致其在红光和近红外波段所接收的地物反射信号不同,产生了NDVI的不一致性问题,针对这一问题,该文研究了HJ-1NDVI和MODIS NDVI的定量关系。采用高光谱Hyperion数据进行光谱卷积和空间卷积,模拟HJ-1与MODIS两遥感器波段反射率数据。通过计算NDVI,进行回归分析求出两者之间的定量关系。分别基于单一覆盖类型和混合覆盖类型建立HJ-1与MODIS的转换方程,排除其定量关系可能受不同土地覆盖类型的影响。定量分析与精度验证表明:HJ-1NDVI与MODIS NDVI有很高的线性正相关性(R20.99);单一覆盖类型转换精度高于混合覆盖类型转换精度,均能满足定量应用要求,但单一覆盖类型转换在实际应用中较为复杂,可采用混合覆盖类型转换方程进行HJ-1 NDVI与MODIS NDVI的转换。     

环境减灾卫星影像森林火灾监测技术方法研究

森林火灾是世界性的、频繁发生的重大自然灾害。随着国内外航天科技的迅猛发展,卫星遥感技术特别是红外卫星遥感已成为森林火灾监测的一种有效手段。我国的环境一号卫星A、B星(简称HJ-1A卫星、1B卫星)于2008年9月成功发射,其中的HJ-1B卫星搭载了红外多光谱相机,在森林火灾监测方面具有得天独厚的优势,可在早期的火灾发现、中期的灾害跟踪、后期的灾害损失评估中发挥重要作用。本文主要分析了环境减灾卫星在森林火灾监测方面的优势,对环境减灾卫星森林火灾监测技术和方法进行了研究。     

基于HJ-1卫星CCD遥感数据的作物秸秆光谱识别模型与提取方法研究

作物秸秆信息的准确提取对于农业可持续发展与秸秆焚烧火点的探测有重要意义。本文在野外作物秸秆光谱采集与光谱特征分析的基础上,以江苏省扬州市区为典型研究区,依照HJ卫星CCD相机多光谱遥感波段进行光谱重采样,并结合HJ卫星CCD遥感数据,建立了作物秸秆光谱识别乘积指数(SMI),最后通过改进PSO最大类间方差算法对SMI影像进行"动态-全局"阈值分割,实现了作物秸秆信息的有效提取。     

基于环境一号卫星B星CCD与红外相机融合的澳洲火灾监测

利用我国自主研制的环境一号小卫星B星上搭载的CCD相机与红外相机,对澳大利亚维多利亚州威尔逊角森林火灾火势进行监测。B星CCD相机与红外相机由于具有相似的成像条件,因此可以对两个载荷的数据进行融合处理,增强对地面地物(如火势及火场旁边的林地)表达。另外由于卫星的宽覆盖以及高时间分辨率,卫星可以很好地对火势以及火势发展进行动态监测。     

Mapping fire scars in a southern African savannah using Landsat imagery

The spectral, spatial and temporal characteristics of the Landsat data record make it appropriate for mapping fire scars. Twenty-two annual fire scar maps from 1972–2002 were produced from historical Landsat imagery for a semi-arid savannah landscape on the South Africa–Botswana border, centred over Madikwe Game Reserve (MGR) in South Africa. A principal components transformation (PCT) helped differentiate the spectral signal of fire scars in each image. A simple, nonparametric, supervised classification (parallelepiped) of the PCT data differentiated burned and unburned areas. During most years, fire occurrences and the percentage of area burned annually were lowest in Botswana, highest in MGR, and intermediate in South Africa outside MGR. These fire scar maps are aiding MGR managers, who are endeavouring to restore a more active fire regime following decades of fire exclusion.     

An automatic geometric precision correction system based on hierarchical registration for HJ-1 A/B CCD images

On 6 September 2008, two optical satellites, HJ-1 A and B (HJ-1 A/B), were successfully launched from China. However, the system geometric correction products of the HJ-1 A/B charge-coupled device (HJ-1 images) have low geometric precision and need to be corrected. The HJ-1 images have a large aspect angle, a wide swath width, and a large image size. Furthermore, the local geometric distortions are too complex in one scene. Given these characteristics of HJ-1 images, geometric correction is still a challenging work. This article proposes an automatic geometric precision correction system (GPCS) based on the automatic registration between HJ-1 images and Landsat Thematic Mapper images. First, the coarse image matching method based on geometric-restricted scale-invariant feature transform (SIFT) is used to determine the coarse global transformation between the HJ-1 image and the reference image. Second, inspired by the hierarchical method of non-rigid registration for medical images, a hierarchical image matching approach is proposed based on the combination of SIFT feature points and template matching. This approach decomposes a matching problem of a whole image into numerous matching problems of image blocks and can overcome the impact of local distortions in HJ-1 images. Hierarchical random sample consensus (RANSAC) based on digital elevation model (H-RANSAC) is used to remove incorrect control points. Third, an HJ-1 image is rectified using a triangulated irregular network. Finally, the automatic evaluation method based on automatic image matching between the corrected HJ-1 image and the reference image is adopted to evaluate the geometric precision. On the one hand, experiments on eight HJ-1 images demonstrate the efficiency and accuracy of the different steps of GPCS. On the other hand, experiments on 1000 HJ-1 images also demonstrated the robustness, accuracy, and suitability for batch processing.     

HJ数据的LBV变换及其在面向对象分类中的应用

为了探讨环境卫星影像在分类中的应用潜力,通过对其地物光谱进行分析,计算推导出了适用于环境卫星数据的LBV变换公式,并且将变换后得到的LBV图像应用到面向对象分类中。实验结果表明:推导的针对HJ\|1B影像的LBV变换公式具有普适性,并且经过LBV变换后的影像有效地弥补了环境卫星数据光谱分辨率不高的缺点,在分割参数相同的情况下,分割效果明显好于原始影像分割结果。利用变换后的LBV图像进行面向对象分类,可以很好地提取出水体、植被、城镇和建筑用地4大类,总体分类精度达到93%,Kappa系数为0.8894,表明经LBV变换后的HJ影像在面向对象分类中具有很大的应用潜力。     

基于快速支持向量机的图像型火灾探测算法*

图像型火灾探测的核心问题是火焰和疑似火焰物体的分类和识别。以火灾视频和疑似火灾视频为分析对象,提取了火灾图像的面积重叠率、圆形度以及火焰尖角数目三个特征量,选择快速支持向量机进行分类器训练,最终利用训练好的分类器实现了火焰及干扰物体的分类识别问题。实验结果表明,该算法提高了火灾图像的分类精度和火灾识别的准确率,同时具有较高的检测效率。     

The effect of savanna fires on SAR backscatter in northern Australia

This paper investigates the potential for utilizing multi-frequency, quad-polarized Synthetic Aperture Radar (SAR) for delineation of fire scars in the tropical savannas of northern Australia. Fire regimes and regional land management in the study area are contentious issues for the multiple stakeholders. Thus, the ability to accurately map fire scars and assess impacts on the mosaic of vegetation community types is crucial for effective landscape management. In this study identification of a fire scar resulting from a late dry season fire was assessed using TopSAR data. The assessment was achieved through comparison with optical datasets acquired both pre-burn and post-burn. By examining five representative vegetation communities, it was concluded that only C-band SAR data were affected sufficiently by fire in this environment to detect and map fire scars. Despite the intensity of the fire event, the resistance of vegetation communities to fire damage resulted in insignificant changes to the L- and P-band SAR data. Further investigation is required to determine if this behaviour can be exploited to improve the above-ground woody biomass mapping currently reliant on optical data.     

HJ-1B卫星遥感数据在重庆市城市热环境监测的应用分析

本文以MODIS反演大气透射率,以HJ-1B/CCD分类结果反演地表比辐射率,并基于单窗算法,利用HJ-1B/IRS4数据反演地表温度.在此基础上,提取研究区的热场变异指数来分析重庆热岛空间分布特征,并就NDVI与NDBI对热岛效应的影响进行了分析.其结果如下:1)重庆城市热岛大致位于中梁山、铜锣山之间,呈东北、西南走向分布;2)热岛中心不在市中心,而是集中在大渡口工业园区、江北机场这些能耗大、人口密集区域,热岛强度范围在5?C-10?C之间;3)接近长江、嘉陵江水域的建筑用地密集区域,其热岛效应并不明显;4)NDVI与热岛强度呈负相关关系,NDBI与热岛强度呈现较为明显的正相关关系,二者对热岛都有重要影响,而NDBI的影响更大.因此,利用HJ-1B数据监测城市热环境,能较好地揭示重庆城市热岛空间分布特征,为城市环境监测与改善提供参考.     

HJ-1A/1B卫星远程播报系统的实现

基于环境与灾害监测预报小卫星星座中的HJ-1A、1B卫星遥感数据,提出一种卫星影像数据与矢量数据在远程播报系统中快速叠加匹配的方法与技术流程。在此基础上,实现了HJ-1A、1B卫星宽覆盖CCD相机的数据远程播报。系统测试表明,远程播报系统对HJ-1A、1B卫星数据空间定位准确,数据处理速度快,满足远程播报实时显示数据的要求。