基于HJ-1A/B卫星CCD数据的土地宏观监测试验研究

对HJ-1A/B卫星CCD数据质量进行分析,并采用人工解译和计算机自动分类两种方法进行土地利用信息提取试验研究。结果表明,HJ-1A/B卫星CCD数据能够满足制作1∶100 000比例尺数字正射影像图的平面精度要求,可用于不大于1∶100 000比例尺的土地利用宏观遥感监测。
     

基于多时相遥感数据的东亚飞蝗生境分类研究

东亚飞蝗的发生及成灾与其存在的生境有十分密切的关系,因此对东亚飞蝗生境进行分类是有效防治蝗灾的基础。以河北省渤海新区为研究区,利用环境减灾小卫星多时相CCD数据,采用4种组合方案,分别使用最大似然法和RuleGen决策树进行了东亚飞蝗生境的遥感分类。结果表明:最大似然法和决策树分类方法总体精度相差不大,但在类别数据较多时,决策树分类方法的执行效率变低。利用5月20日单时相的光谱数据进行分类的总体精度仅有76.43%,Kappa系数〖JP2〗0.7396;加入NDVI时间序列信息后,总体分类精度可以达到93.93%,Kappa系数0.9323。因此,使用多时相信息可以较好地解决异物同谱问题,降低混合像元带来的影响,提高生境分类的精度。〖JP〗     

基于多时相Landsat8 OLI影像的作物种植结构提取

针对基于多时相遥感影像、多种特征量提取多种作物种植结构在我国研究较少的现状,利用多时相Landsat8OLI影像数据,根据温宿县不同作物的农事历,通过分析主要地物的光谱特征和归一化植被指数的时间变化信息,构建不同作物种植结构提取的决策树模型,实现了对温宿县多种作物种植结构信息的提取。结果表明:1水稻的最佳识别依据是5月20日影像的近红外波段和7月23日影像的NDVI值;棉花和春玉米的最佳识别依据是5月20日~9月9日影像的NDVI变化值;冬小麦—夏玉米和林果的最佳识别依据是5月20日~7月23日影像的NDVI变化值;2与单时相监督分类相比,多时相决策树法对多种作物种植结构的提取效果更理想,总体精度提高了7.90%,Kappa系数提高了0.10;3Landsat8OLI影像数据分辨率高、成本低、获取方便,是农作物遥感的良好数据源。     

基于多时相Landsat 8 OLI影像的农作物遥感分类研究

时序遥感数据及地物细微光谱特征对于提取作物分布有重要作用,基于此,利用多时相Landsat 8 OLI影像,结合光谱角填图和决策树分类提取大同市新荣区东部地区主要农作物分布情况,并与最大似然法提取的分布结果进行对比。研究发现:①研究区内春玉米、谷物、大豆和马铃薯种植面积依次减小并呈镶嵌式分布;②结合光谱角填图与决策树分类总体精度为85.34%,Kappa系数为0.76,与最大似然法结果相比,总体精度提高22.51%,Kappa系数增加0.31,分类结果与实际作物分布具有更好的一致性;③利用时序遥感影像进行作物分类的精度明显高于单时相遥感影像的分类精度,且从光谱角差异的角度分析时序数据可有效削弱中高分辨率影像物谱不一致现象的影响。研究结果验证了多时相遥感影像对农作物分类研究的积极作用,并发展了光谱角填图法结合决策树分类在中高分辨率遥感影像中进行农作物分类的用法,具有一定的应用前景。     

HJ-1A/B星地表反照率生成算法与检验

提出了适合环境与灾害监测预报小卫星-A、B星(简称HJ-1A/B星)CCD相机的大气订正算法,并基于不同地表特性和大气条件下的辐射传输模拟数据,建立HJ-1A/B星的窄波段向宽波段反照率转换的模型.利用多级灰阶靶标实测数据、敦煌检验场实测数据验证了大气订正算法以及转换模型的可靠性和精度,并将HJ-1A/B星影像数据计算的反照率产品与同时相的MODIS反照率产品进行对比分析.结果表明:文章提出的HJ-1A/B星CCD相机大气订正算法可有效校正大气影响;窄波段向宽波段反照率转换模型反演的反照率精度可靠;基于研究成果生成的HJ-1A/B星地表反照率与MODIS反照率产品一致性较好,满足后续遥感数据定量化模型研究的精度需要.     

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。     

环境一号卫星CCD相机水体信息采集特性分析

利用覆盖我国4大海区共88景图像数据,针对4波段CCD相机(HJ-1A/CCD1、HJ-1A/CCD2、HJ-1B/CCD1、HJ-1B/CCD2)在水体中的信息采集特性进行分析。结果表明:(1)HJ-1A和B星虽不是水色卫星,但其CCD相机在水体中依然有一定的信息,可作为水色遥感器服务于水环境;(2)HJ-1B/CCD1在南海海域水体信息采集过程存在明显的太阳耀斑现象,因而在水色信息提取时太阳耀斑是一个不可忽略的因子;(3)无论是在一类水体还是在二类水体,各遥感器的近红外波段皆存在水体信息采集为零的现象,其中HJ1B-CCD2尤为明显。利用近10景涵盖了HJ-1A/CCD1、HJ-1A/CCD2、HJ-1B/CCD1、HJ-1B/CCD2数据,以及同时过境的EOS/MODIS,采用基于遥感器入瞳处总辐亮度的交叉定标方法进行交叉辐射定标,获取适用于水体目标的交叉辐射定标参数。最后根据瑞利散射和气溶胶散射的计算值,以及获取的交叉定标系数,反推出HJ1B-CCD2可能接受到的灰度值。     

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。     

HJ-1星多光谱影像火烧迹地信息提取研究——以百色市为例

为识别火烧迹地等地类,以广西百色市为研究区,采用HJ-1星多光谱影像数据近红外波段光谱值、林火发生前后两时相各自NDVI值以及NDVI变化值,基于先验知识和统计分析构建决策树分类模型,通过与传统最大似然分类提取结果的比较分析,表明基于多特征的决策树模型能够有效地对HJ-1星多光谱遥感数据进行火烧迹地等地类提取,在研究区并具有良好的推广性。     

基于多时序特征和卷积神经网络的农作物分类

近年来,以卷积神经网络为主的深度学习模型在各种遥感应用中都显示出巨大的潜力。以加州帝国郡为研究区,以Landsat 8 OLI年内时序遥感影像计算时序植被指数NDVI、EVI、RVI以及TVI,组合后输入到构建的一维卷积神经网络 模型,以实现作物的高精度精细分类。为了验证卷积模型的优越性,另搭建了基于递归神经网络及其变体的深度学习模型。结果表明：①引入其他时序特征后,能够有效地提高卷积神经网络的分类精度。NDVI+EVI+TVI+RVI组合特征总体精度和Kappa系数最高,分别是89.667 4%和0.856 0,对比NDVI时序特征总体精度和Kappa系数提高了近4%和0.6。②在与其他深度学习模型的对比中,一维卷积神经网络分类精度最高,能够从时序数据中较为准确捕捉作物时序特征信息,尽管递归神经网络被广泛应用于序列数据的研究,但分类结果要略差于卷积神经网络。实验表明在NDVI的基础上引入其他植被指数辅助,能够有效地提高分类精度。基于一维卷积神经网络的深度学习框架为长时间序列分类任务提供了一种有效且高效的方法。     

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。     

基于环境一号卫星CCD影像的磷石膏识别

磷石膏是在磷酸生产中用硫酸处理磷矿时产生的固体废渣。磷石膏产量大,综合利用率低,大量的磷石膏露天堆放对周边环境造成严重污染。以贵州福泉市为研究区,利用环境一号卫星CCD影像,采用面向对象的方法识别磷石膏。首先,采用多尺度分割方法对遥感影像进行分割,生成影像对象层。然后,通过分析不同地物类的特征差异,建立面向对象的决策树规则集,并按照该规则集对磷石膏进行自动识别,提取磷石膏基本信息。研究结果表明:磷石膏的识别生产者精度和用户精度分别达到88.89%和84.21%。分类的总精度和总Kappa值分别达到了91.75%和0.817。因此,基于环境一号CCD影像的面向对象的磷石膏识别方法是可行有效的。     

HJ-1A NDVI与MODIS NDVI时间序列提取植被物候特征对比研究

以HJ-1A和MODIS为数据源,通过动态阈值法提取物候特征参数,对HJ-1A NDVI和MODIS NDVI时间序列进行植被物候特征提取进行定性和定量比较,通过比较结果,提出HJ-1A NDVI数据在该应用中存在的问题,促进国产中空间高时间分辨率影像数据在植被物候信息提取研究中的应用,提高其在生态系统研究中的应用价值。结果表明:在SOS、EOS和LOS以及TOMS几个主要的物候时间点上,MODIS NDVI时间序列的标准差较小,所得物候数据更为集中,偏离度较小,所得物候数据较稳定;而HJ-1A NDVI时间序列所得物候数据的标准差较大,数据偏离程度较大,而在POS、BOS和AOS等表征植被生命周期中生长幅度数据上,其标准差较小,离散程度小。     

基于多源多时相遥感影像的山地森林分类决策树模型研究

山地是森林重要的分布区,然而山地多样的森林类型、高度异质化的景观格局、突出的地形效应以及云、雾的干扰均不同程度地影响了山地森林类型的遥感自动制图。多源多时相遥感影像提供的季相节律信息是当前提高土地覆被遥感制图精度的重要信息源之一。以岷江上游地区为研究区,以国产环境减灾卫星多光谱CCD(简称HJ CCD)影像和美国Landsat TM影像为数据源,以决策树为分类方法,根据参与分类影像的时相差异设计了5组对比实验(生长季单时相组、非生长季单时相组、生长季多时相组、非生长季多时相组、全时相组),对比论证多源多时相遥感影像对山地森林类型自动制图的贡献和作用。对比结果表明:生长季和非生长季相结合的多时相遥感影像较单时相或单一类型(生长季或非生长季)多时相遥感影像,更能显著提高山地森林类型自动制图精度,且能降低分类决策树的复杂程度,更有利于山地森林类型的自动提取。     

太湖湖滨敏感区的土地利用遥感分类研究

近年来太湖流域水体污染日趋严重,土地利用是重要的环境变化影响因子,对太湖湖滨敏感区土地利用分类研究具有重要意义。研究基于2010年ALOS多光谱遥感影像,以太湖流域上游的武进港、直湖港流域为研究区,根据研究区实际状况和研究目的,建立太湖流域上游湖滨敏感区的土地利用/土地覆被分类系统,并用于该地区的面向对象遥感分类,研究通过影像的多尺度分割,获得不同层次的影像对象,在不同层次设置对应的分类规则,以充分利用影像中地物的光谱、纹理和不同层对象相互关系等信息,从而提高分类效果。研究表明:在面向对象多尺度影像分割的基础上,基于决策树建立多个分类规则的分类方法,能够有效提取建设用地、道路、水体等几类信息,分类总体精度达到88.00%;同时,该地区主要土地利用类型如耕地、农村居民点和城镇居民点的分类精度也较高,这也表明该分类方法对整个太湖流域以及其他平原河网地区的土地利用相关研究具有一定的实用价值。     

基于面向对象的高分影像分类研究

遥感技术已经成为实现地表信息提取的主要手段。以高分辨率影像为主要数据源,采用面向对象的多尺度分割算法,根据对象的光谱、形状等特征,实现了面向高分遥感数据的土地利用分类算法。该算法结合了面向地物对象和综合对象特征的分类方法,充分发挥了高分辨率影像进行精细地物分类的优势,得到了高精度的分类结果。通过西双版纳纳板河流域国家级自然保护区实例验证表明:该算法总体精度达到88.58%,Kappa系数达到0.77,精度符合应用要求,能够实现土地利用高精度、快速的分类。     

基于时序植被指数特征时相识别的多熟制耕地提取新方法

多熟种植是农业生产活动中一种重要的耕作方式,了解耕地的熟制特征,对粮食安全、土地资源管理及农业生态系统的物质循环和能量平衡具有重要意义。通过分析农作物生长发育规律与时间序列植被指数的对应关系,采用时间序列曲线谷值和峰值组成的特征时相集合描述作物生长过程,从而采用排序形态学滤波方法提取熟制信息。选取华北平原多熟制农业区为实验区,采用窗口值为13的结构元素进行排序滤波操作,并利用多时相环境星数据提取的30m分辨率熟制信息验证MODIS结果。实验结果表明:该方法能有效提取熟制信息,总体精度达88.11%,Kappa系数0.765。该方法只需设定合理结构元素窗口值即可提取多熟制耕地区域,利于大范围推广应用。     

结合面向对象方法的多层次干旱与半干旱区域城镇提取方法

在干旱与半干旱区域戈壁及沙漠等高亮地表与城镇连成一片,两者的光谱特征在中等分辨率遥感数据上非常相似;因此,利用基于像素的分类方法很难将城镇准确提取出来。根据两种地物的样本对NDVI、NDBI的分布特征统计分析得出:基于面向对象的分类方法在提取城镇信息方面有较大优势。以典型的干旱区域—黑河流域张掖市及周边地区作为研究区域,将面向对象的方法应用到具有中等分辨率的Landsat-TM数据上,提出了结合面向对象方法的多层次干旱与半干旱区域城镇提取方法。该方法首先使用分层分类的方法得到城镇和荒漠的混合影像,然后使用面向对象的分类方法精确提取城镇信息,其中分割对象过程中引入样本可分离度量化不同尺度的影像分割效果,实现最优尺度分割。结果表明:其目视效果、总体精度(94.51%)和Kappa系数(0.89),均优于支持向量机(SVM)与基于时间序列的分类方法。     

基于光谱和时相特征的夏玉米遥感识别

精确提取作物种植面积一直是农业遥感关注的主要问题之一。综合运用低分辨率的时相变化特征和中分辨率的光谱特征,提出一种夏玉米识别方法。首先基于MODIS NDVI时间序列曲线,分析夏玉米在时相变化上的识别特征,构建识别模型。夏玉米纯像元利用识别模型识别,而耕地和非耕地类型的植被产生的混合像元,则基于像元分解办法获取耕地组分的NDVI时序特征,再利用识别模型判定,然后结合土地利用数据根据空间关系得到中分辨率结果;玉米与其他作物的混合像元则利用中分辨率尺度光谱差异加以区分。研究结果表明,在伊洛河流域主要农业区,识别精度达到90.33%,为作物类型识别提供了新的思路。