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。     

WorldView卫星16波段影像光谱特征分类

传统的高分辨率遥感卫星光谱分辨率较低,WorldView卫星在8个可见光G近红外多光谱波段的基础上,新增加的８个短波红外(short wave infrared,SWIR)影像,有助于提高影像提取地物信息能力。分析了WorldView卫星的16波段影像上各种地物的光谱特征和分类性能,提出了新的植被指数、水体指数和建成区指数。实验表明,相比于8波段影像,使用16波段影像分类能够显著提高各类地物特别是裸地、建筑物和道路的分类精度,总体精度提高约5.5％。基于16波段设计的新地物特征指数能更好地避免干扰地物,通过简单阈值提取地物,取得较高的提取精度。     

WorldView卫星16波段影像光谱特征分类

传统的高分辨率遥感卫星光谱分辨率较低,WorldView卫星在8个可见光-近红外多光谱波段的基础上,新增加的8个短波红外(short wave infrared,SWIR)影像,有助于提高影像提取地物信息能力。分析了WorldView卫星的16波段影像上各种地物的光谱特征和分类性能,提出了新的植被指数、水体指数和建成区指数。实验表明,相比于8波段影像,使用16波段影像分类能够显著提高各类地物特别是裸地、建筑物和道路的分类精度,总体精度提高约5.5%。基于16波段设计的新地物特征指数能更好地避免干扰地物,通过简单阈值提取地物,取得较高的提取精度。     

那曲典型草地植被光谱特征分析

遥感是大尺度生态研究的重要工具之一,而地面植物群落特征与其光谱特征之间的关系是解译遥感影像的关键。地面实测数据由于其高空间分辨率和高光谱分辨率,能够准确反映地物光谱信息,可以用来指导卫星遥感解译工作,同时为遥感监测草地退化、草地模型建立等提供数据支持。选取西藏那曲地区的优势植被类型作为研究对象,利用ASD FieldSpec 3便携式光谱仪测定优势种的冠层光谱并进行比较,并取其中一种优势种测量其在不同覆盖度和不同生长期的光谱反射特点。研究结果表明:①不同植被群落冠层光谱具有特殊的光谱曲线,可见光波段光谱反射率依次是紫花针茅、小嵩草和藏北嵩草,近红外波段光谱反射率则依次是小嵩草、藏北嵩草和紫花针茅;红边位置可以识别藏北嵩草,但是不能区分小嵩草和紫花针茅;②不同覆盖度的小嵩草红边、“绿峰”位置不随覆盖度的变化而发生变化;连续统去除后得到吸收深度随覆盖度的增加而变大,吸收峰面积随覆盖度的增加而增加;③小嵩草衰退期内,在可见光波段和红边波段,冠层光谱反射率随着叶绿素含量的减少而下降,出现“红边蓝移,绿峰下降”的现象。     

基于知识决策树的城市水体提取方法研究

针对城市水体与建筑物阴影、沥青路面和浓密植被等暗地物的光谱混淆性,构建了结合光谱特征和空间特征的城市水体提取知识决策树.其基本思路为:首先利用短波红外波段提取暗地物,其次分别利用浓密植被在近红外波段和沥青路面在红波段中的反射率剔除这两类暗地物,再次利用空间密度特征剔除建筑物阴影,最后根据面积对水体进行补充识别.与现有方法相比,本方法提出了城市水体提取中需关注的暗地物类型并开展针对性特征分析,并利用由噪声环境下密度聚类方法(DBSCAN)描述的空间密度特征区分城市水体和建筑物阴影.对北京城区SPOT 5多光谱影像开展的实验得到的检测率为86.18％,虚警率为13.82％,表明本方法是基于中分辨率多光谱影像提取城市水体的有效方法.     

环境减灾小卫星影像水体和湿地自动提取方法研究

本文在研究HJ星多光谱CCD相机数据地物光谱特征基础上,提出了一种基于蓝光波段的改进型归一化差异水体指数（NDWI-B）,并分别利用HJ星数据和ETM＋数据,比较分析了NDWI-B和归一化差异水体指数NDWI提取水体的效果。结果证明,应用NDWI-B除可准确提取大范围水体外,还能够提取小范围水体和湿地,为基于环境减灾小卫星数据的洪水淹没等水体分布信息快速自动提取提供了一种实用化方法。     

无人机可见光遥感影像地物目标提取技术研究

无人机可见光遥感影像中地物目标边界清晰度较低,容易导致地物目标与背景之间的区分度降低,进而难以提取地物目标。为此,提出无人机可见光遥感影像地物目标提取方法。从光谱特征、纹理特征和边缘特征三个方面分析无人机可见光遥感影像特征。结合三种影像特征对无人机可见光遥感影像数据集实行增广处理。对完成增广后的数据集定义影像编码标签,以此确定地物目标增强权重,通过参量化处理地物目标光谱特征,计算光谱吸收指数,获取地物目标提取表达式,从而实现无人机可见光遥感影像地物目标提取。实验结果表明,所提方法能够保证地物目标边界的清晰度,具有较强的地物目标提取能力。     

基于知识决策树的城市水体提取方法研究

针对城市水体与建筑物阴影、沥青路面和浓密植被等暗地物的光谱混淆性,构建了结合光谱特征和空间特征的城市水体提取知识决策树。其基本思路为：首先 利用短波红外波段提取暗地物,其次分别利用浓密植被在近红外波段和沥青路面在红波段中的反射率剔除这两类暗地物,再次利用空间密度特征剔除建筑物阴影,最 后根据面积对水体进行补充识别。与现有方法相比,本方法提出了城市水体提取中需关注的暗地物类型并开展针对性特征分析,并利用由噪声环境下密度聚类方法 （DBSCAN）描述的空间密度特征区分城市水体和建筑物阴影。对北京城区SPOT 5多光谱影像开展的实验得到的检测率为86.18%,虚警率为13.82%,表明本方法是基于 中分辨率多光谱影像提取城市水体的有效方法。     

基于资源三号影像的红树林物种分类研究

选取北部湾的东部地区(广东省和广西壮族自治区交界处)为研究区,探索利用资源三号卫星影像,建立大范围红树林遥感信息提取和精细分类模式。首先根据地物波谱特征提取水陆边线,并建立缓冲区生成红树林生长适宜区;再通过基于面向对象的阈值分类方法提取红树林植被信息;最后采用基于像元的最近邻、贝叶斯和随机森林方法对红树林进行树种级分类。结果表明:采用结合阈值法的面向对象遥感分类可以对整景资源三号卫星影像准确提取水陆边线并有效提取红树林分布区,采用基于像元的随机森林法对红树林树种级分类可以得到较好的分类效果(总体分类精度82.84%),优于最近邻法和贝叶斯法。基于混合方法的红树林提取与树种分类模式适用于大范围的红树林分类与制图,同时也证实了资源三号卫星数据应用于海岸带红树林研究的有效性。     

基于一维Kohonen网络的遥感影像分类方法研究

分析了Kohonen网络的训练模式和聚类特性,选用规模相对较小的一维Kohonen网络,并调整网络输出层的规模和邻域形状,优化网络结构;同时根据多光谱遥感影像中地物波谱曲线特征,通过不同波段组合、波段权重系数调整等方法对输入数据进行预处理,使该方法更适用于多光谱遥感影像分类和专题提取.本文以浙江省绍兴地区多光谱遥感影像分类为例,研究结果表明使用改进后的分类方法可以有效提高分类精度.