河长制建设中存在问题及对策研究

全面推行河长制是解决复杂水环境问题、维护河道健康生命的有效举措,是完善水治理体系、保障国家水安全的制度创新,以某县某河流河长制建设为例,对其建设过程中存在的问题进行分析探讨并提出相应的解决对策。     

基于非局部均值算法的图像去噪方法研究

针对图像中存在的噪声问题,利用非局部均值算法去除图像噪声,通过图像自身的冗余性和领域相似性,增强图像的几何空间结构信息,进而得到了较好的去噪效果。实验结果表明,在信噪比方面,非局部均值算法优于中值滤波算法。     

利用LIDAR数据及高分辨率影像的建筑物信息提取

文章综合利用LIDAR数据和高分辨率影像互补的特点来提取建筑物信息:在数据预处理,去除LIDAR点云中粗差点,栅格化LIDAR数据以及填补缺失数据的基础上,采用归一化植被指数和渐进形态学方法滤除非地表点,生成完整的数字表面模型;然后分步去除归一化数字表面模型中的非建筑物屋顶点;最后在形态学腐蚀运算结合连通性分析获取种子区域的基础上,生长出完整的建筑物斑块,进而边缘追踪得到建筑物外边缘线。实验结果表明可以有效提取建筑物信息。     

不同空间分辨率遥感数据识别湖泊的误差分析

湖泊面积及空间分布是表征水情变化的重要指示因子,对研究气候变化和人类活动对水资源的影响具有重要作用。如何利用遥感影像进行湖泊制图和面积估算是当前遥感应用研究中的难点问题。从实际应用需求出发,采用GF-1/WFV(Wide Field View)、Landsat-8 OLI(Operational Land Imager)、MODIS(Moderate-Resolution Image Spectroradiometer)遥感数据,选用安徽省受人类活动影响较大的54个湖泊为研究区域,采用NDWI二值分割法得到湖泊水体信息,使用30,500 m和1 000 m 3种空间分辨率的遥感影像进行湖泊制图,探讨制图精度与湖泊形态之间的关系。结果表明:湖泊分形维数值越大,湖泊形态越复杂, Kappa系数越高,面积误差越小;遥感影像分辨率越高,湖泊制图结果的Kappa系数和总体精度越高。     

基于MODIS数据的巢湖蓝藻水华时空分布规律

蓝藻水华严重威胁湖泊周围地区的饮用水安全,为了给决策部门提供良好的数据支持,利用MODIS Terra和Aqua影像,采用归一化植被指数法(NDVI)来提取湖泊蓝藻水华信息,并分析湖泊蓝藻水华覆盖面积、暴发频率等时空分布特征。以巢湖为例,提取该湖泊2015年7月至2018年6月晴好天气下的蓝藻水华信息,结果显示:该湖泊蓝藻水华暴发时间主要集中于每年1月、5～6月及8～9月,水华暴发频率最大值出现在每年的8～10月。研究结果有助于掌握蓝藻水华的分布情况,为该湖泊应急治理工作提供数据支持,相关经验可以供类似河流湖泊管理单位借鉴。     

基于无人机RTK定位的响洪甸水库实景三维建模技术研究

本文针对安徽省六安市响洪甸水库水利工程提出了一种无人机高精度、大重叠、多角度航测遥感作业模式,能够快速生成水库实景三维精模。该研究成果能够为水利工程结构分析、安全监测、维护修理、提供技术支持。     

基于GF-1遥感影像的河湖水域面积提取

针对水环境遥感监测需求,开展基于GF-1卫星影像的河湖水面信息提取。以怀洪新河为例,在对水体与背景地物波谱特征变化趋势分析基础上,对比阈值法、谱间关系法、水体指数模型法等3种常用方法在河流水域面积提取上的差异,以目视判断与精度分析对提取结果进行分析,结果表明,对于怀洪新河等大型的河流、湖泊等水体信息,水体指数阈值法提取结果精度最高,且具有水陆区分度高和误识别率低的特点,适用于解决大型水体目标快速提取问题。     

利用能量函数和主动轮廓模型提取道路边缘线

针对高分辨率遥感影像道路边缘线交叉口断裂问题,提出一种利用能量函数和主动轮廓型提取遥感道路边缘线方法。在利用概率增进树算法和形态学运算提取道路条带,通过细化算法获取道路中心线基础上,沿道路中心线外推以检测初始道路双边缘线;鉴于道路边缘线存在局部曲率变化过大的问题,利用梯度特征和光谱信息构建能量函数,设计路径代价,结合Dijkstra算法优化初始道路双边缘线。通过构建Snake模型,利用离散动态规划算法解算模型,连接交叉口断裂处,解决交叉口断裂问题,进而得到最终道路双边缘线。实验结果表明,该方法能够较好提取连续、平滑的道路双边缘线,准确率达88%。     

不同地物分类方法在长江中下游典型湖区应用对比分析

本文以龙感湖国家自然保护区、华阳河湖群省级自然保护区为研究对象,建立了适合提取长江中下游湖区地物变化特征的分类方法。该方法的数据源来源于高效稳定的高分一号 WFV 遥感影像,采用人工神经网络、随机森林、支持向量机、最大似然、最小距离、马氏距离 6 种方法对分类结果进行空间和精度对比分析。人工神经网络分类法更接近湖区地物实际分布情况,总体精度和 kappa 分别为 92.35%和 0.8933,两者参数均高于其他分类方法。结果表明人工神经网络分类法在长江中下游典型湖区地物分类时适用性相对较好,能够更准确有效地提取湖区地物特征信息。     

基于改进的Hough变换提取影像边缘

当影像中的边缘点较为密集或者噪声点较多时,直接应用Hough变换提取边缘线将会面临两个困难:一是虚假的峰值很多;二是边缘提取不准确.这两个问题往往会导致边缘提取的失败.针对这种情形,提出一种改进的Hough变换新方法,首先对分块影像类的边缘点进行Radon变换以获取局部直线特征;根据局部直线段的斜率、截距对其进行分类,同时计算出后续的Hough变换时所需要的ρ、θ取值范围,在此基础上进行经典的Hough变换.实验证明新方法具有很好的效果.