利用时空自相关指数的植被变化检测

针对现有遥感变化检测方法中变化信息提取不够精确、对待检测影像数据质量和配准精度要求高等问题,提出一种利用时空自相关指数检测植被变化的方法。该方法先计算待检测区域两个时相影像数据的时空自相关指数,再设定目标函数确定变化检测最佳阈值,并以空间自相关指数为依据滤除噪声、提高检测精度,可以集成现有基于像元和基于对象的变化检测方法的相对优势,同时把握待检测区域的整体和细部特征变化。以长汀县人工植被和自然植被变化检测为案例的实证研究结果表明,所提出的方法在一定程度上克服了现有变化检测方法在精度、适应性与自动化程度3个方面的局限性,能更好地满足遥感影像变化检测的应用需求。     

遥感影像变化检测方法综述及展望

变化检测技术是遥感应用领域的一个重要研究方向。本文首先对常见的变化检测方法进行了概括性介绍与优缺点评述,并分析了当前变化检测方法中存在的普遍问题;并在此基础上,展望了一种基于影像分割的变化检测方法:在仅对其中一个时相影像进行分割的基础上,建立了两时相影像间的对应图斑单元与变化判别规则,实现图斑单元间的直接比较来提取变化信息。并分析了基于分割的变化检测方法与像素级变化检测方法相比具有的优势。     

利用指数熵的多时相遥感影像变化检测方法

针对像素级变化检测法中变化阈值的提取不够自动化和准确化,导致变化检测结果精度不高的问题,提出一种利用双阈值指数熵的多时相遥感影像变化检测方法。该方法首先采用差值法构造2个时相遥感影像的差异影像;其次采用双阈值指数熵的方法确定差异影像的最佳变化阈值,并将其用于分割差异影像,得到变化区域。采用客观评价法对变化检测结果进行精度评定。选择我国鄱阳湖局部区域2个时相的遥感影像进行试验,并与基于模糊C均值的变化检测方法进行对比。通过试验,所提出方法变化检测精度达94.22%,是一种有效、可行的变化检测方法。     

多时相遥感影像变化检测系统设计与实现

针对遥感卫星影像数据量大,计算时间长等特点,在高性能集群并行处理环境下,研究了长时间序列遥感卫星影像变化信息快速提取技术,设计并实现了一体化变化检测工艺流程及系统框架,为多时相遥感卫星影像变化检测提供了高精度、快速的方法与平台。以广东某地区为试验数据,研究表明,与传统变化检测方法相比,进一步提高了变化信息提取精度,并可以获得良好的并行加速比,并行效率高,能够满足大规模遥感数据的变化检测。     

一种稳健的多时相遥感图像相对辐射校正方法

变化检测是通过分析多时相遥感图像实现土地利用动态监视的一种有效方法，但在变化检测 分析前，需要经过辐射校正消除光照等因素对地物光谱辐射的影响，使同一地物在不同时相 影像中具有相同的辐射量。根据地物在不同时相遥感图像中的光谱特性满足线性关系的 特点，提出一种自动实现多时遥感图像相对辐射校正的稳健方法，首先通过最小差分回归找 出非变化地物在多时相遥感图像中的辐射关系 |然后利用变化区域证实过程消除变化区域对 辐射校正处理的影响 |最后通过循环迭代实现图像间的辐射校正。提出的方法不仅可以自动 地实现多时相遥感图像的相对辐射校正，而且能够保证图像的辐射分辨率不会因为辐射校正而降低。     

高分辨率影像配准误差对土地覆盖分类和变化检测的影响

近年来高分辨率影像技术发展迅速,土地专题信息的提取对高分辨率数据处理的质量提出了更高的要求,针对配准误差对影像处理和应用的影响研究,有助于专题信息提取过程中遥感数据处理质量控制指标的确定。选取北京市通州区不同时相的IKONOS影像作为实验数据进行模拟研究,在实验研究中通过产生具有不同配准误差的图像,从影像融合、土地覆盖分类和变化检测等角度,分析不同的配准误差对遥感应用的影响。结果表明:随着配准误差的增大,融合图像的可分辨性降低,配准误差增加到3个像元时,土地覆盖分类精度降低2~3%,土地覆盖变化检测中增加了5%的伪变化信息,虚检率增大。     

遥感影像变化检测研究进展

随着遥感技术的迅速发展,利用不同的技术手段实现遥感影像变化检测作为主流趋势之一,能够对同一地域在不同时间段的遥感数据检测出变化的特点和类型。本文针对遥感影像变化检测方法进行总结、分析和对比,对变化检测研究进展进行了详细的叙述。首先阐述了遥感影像变化检测实现的流程的三个方面：数据处理、信息提取与评价标准;随后根据各阶段遥感图像中变化检测的发展详细归纳了其研究进展;最后对变化检测当前存在的局限性和未来发展趋势进行了探讨,以更好的促进遥感影像变化检测的研究更加深入。     

遥感影像变化检测尺度效应分析方法

空间地物的尺度依赖性造成遥感信息存在尺度不确定性,在遥感影像变化检测过程中有必要结合研究目标进行尺度效应分析并选择最优的观测尺度。针对当前遥感影像变化检测在此方面的研究不足以及传统尺度效应分析方法的缺陷,以2期Landsat TM遥感数据部分区域为实验区,提出一种综合光谱及形状特征的遥感影像变化检测尺度效应分析方法,并进一步提出最优分辨率的选择方法。研究结果表明,变化检测结果中变化图斑的面积、周长、形状及光谱异质性会随着影像空间分辨的变化而变化。综合光谱及形状特征的最优分辨率确定方法能够根据变化检测目标区域的固有特征进行有目的的调整,具有一定的理论指导意义。     

遥感影像变化检测算法综述

目的 近年来遥感技术发展迅速,遥感影像变化检测作为最重要的关键技术之一,越来越多的应用在国土资源管理、地物变化、农林业的监测等领域。目前依据变化检测的流程的综述相对较少,大多数综述只针对变化信息提取的方法进行论述,为使国内外研究者对遥感影像变化检测理论、流程及其现存问题有一个比较全面的认识,对其进行系统综述。方法 通过对国内外大量的遥感影像变化检测算法进行总结、分类及比较,按照技术流程的各个环节分别论述,重点论述了变化信息提取环节中的图像分割、特征提取和分类的发展现状、基本思想及其趋势。结果 目前,多数变化检测算法主要是针对特定的条件具有较好的效果,还没有通用性算法,且现有算法在效率、精度、智能性等方面存在的问题,大多算法解决的问题及理论相对分散。结合现存问题及目前大数据影响下的技术发展状况,从数据类型、预处理方法、变化信息提取方法、算法效率、算法理论创新5个方面对遥感影像变化检测领域的未来发展趋势进行预测和展望。结论 遥感影像变化检测在多领域具有较高的研究价值,但针对目前变化检测存在的一些局限性还需要进行深入的研究,针对变化检测的研究需要从研究热点中挖掘创新思路、引入深度学习等发展趋势。     

融合多特征的建设用地变化检测方法

针对人工变化信息提取效率低下而变化信息自动检测容易出现错提和漏提问题,以南京市浦口区为研究区,选用北京二号影像为数据源,基于光谱特征和纹理特征相结合的变化检测方法,选取优化土壤调节植被指数进行建设用地信息提取;提出综合特征指数对结果进行优化,通过纹理分析剔除伪变化信息,并获取规则的图斑边界。结果表明,该方法建设用地变化检测精度较高,通过人机交互对建设用地变化检测结果进行适当编辑完善基本可满足实际应用要求,具有较高的实用价值。     

Development of new remote sensing methods for mapping green vegetation and exposed bedrock fractions within heterogeneous landscapes

Karst rocky desertification is a process of land desertification associated with human disturbance of the fragile karst ecosystems. The fractional cover of photosynthetic vegetation (PV) and exposed bedrock (Rock) are the main land-surface symptoms of karst rocky desertification. In this study, we explored a new methodology for quantifying PV and Rock by remote sensing. To reduce the effects of the high heterogeneity of karst landscapes on vegetation information extraction, a whole image was segmented into relatively homogeneous subsets and then the PV was estimated using a normalized difference vegetation index spectral mixture analysis (NDVI-SMA) model. The percentage of Rock was estimated using a karst rocky desertification synthesis index (KRDSI) and lignin cellulose absorption index (LCA). The results showed that the heterogeneity of a complex landscape is a major factor in the uncertainty of PV retrievals. The fractional cover of PV can be accurately estimated by the proposed method, but might be underestimated using NDVI and overestimated using the SMA-NDVI model. The bedrock fractions can be rapidly and objectively estimated with Hyperion or simulated Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) imagery. Compared with multispectral images, hyperspectral images could be used to estimate PV and Rock more accurately. Our findings indicate that PV and Rock can be directly and efficiently quantified using remote sensing techniques within heterogeneous landscapes.     

一种基于多光谱遥感影像的喀斯特地区裸岩率的计算方法初探

石漠化是我国西南地区广泛分布的一种生态—地质灾害。石漠化地区的提取和等级的划分是石漠化研究的首要前提。裸岩率作为石漠化等级划分的一个重要指标,对其科学快速的运算,是石漠化等级划分和石漠化地区提取的基础。提出了一种基于多光谱遥感影像的裸岩率的计算方法,并选取贵州省普定县后寨河流域1987年的TM影像进行了实验。首先,对影像进行预处理获得影像对象,再通过波段运算提取后寨河流域的归一化植被指数NDVI和裸土指数BI,分别用来计算植被覆盖度和土壤裸露率,最后通过图层算术运算获得实验区的裸岩率。结果表明这种裸岩率的提取方法具有可行性。     

基于混合像元分解的喀斯特石漠化地物丰度估测

我国西南喀斯特地区长期存在以石漠化为特征的土地退化问题,是我国三大生态问题之一。喀斯特地区地表复杂度高,具有高度时空异质性,像元混合现象严重,植被、裸岩和裸土为喀斯特地区典型地物,使得评价喀斯特石漠化的关键指标(如裸岩率、植被覆盖度)获取比较困难,高光谱遥感在混合像元分解方面有独特优势,可以获取地物端元的丰度。通过地面试验表明光谱指数能够表征地物覆盖度,进而以Hyperion高光谱影像为数据源,利用连续最大角凸锥方法从影像中提取这3类地物的端元,运用半约束和全约束线性光谱分解方法估算其丰度。研究表明:半约束线性分解得到的丰度优于全约束分解结果,其反演的植被、裸土和裸岩的丰度与相应的光谱指数间具有显著线性相关性,确定系数R²分别为0.92、0.66与0.84,表明地物丰度能够表征其覆盖度。因此,通过混合像元分解算法反演地物丰度来提取喀斯特石漠化因子具有一定的可行性,这为高光谱遥感在喀斯特石漠化中的评价和监测奠定了理论和算法基础。     

Spectral indices for estimating ecological indicators of karst rocky desertification

Karst rocky desertification is a process of land desertification associated with human disturbance of the fragile eco-geological setting of karst ecosystems. The fractional cover of photosynthetic vegetation (PV), non-photosynthetic vegetation (NPV), bare soil and exposed bedrock are key ecological indicators of the extent and degree of land degradation in karst regions. In this study, field spectral-reflectance measurements were used to develop a karst rocky desertification synthesis index (KRDSI) based on unique spectral features observed in non-vegetation land-cover types (NPV, bare soil and exposed bedrock) and were used to estimate the fractional cover of NPV, bare soil and exposed bedrock. Compared with linear spectral unmixing (LSU) using a tied-spectrum transform, the KRDSI is more consistent with the field measurement of non-vegetation land-cover fractions. This study indicates that ecological indicators of karst rocky desertification can be extracted relatively simply with the combination of vegetation indices and KRDSI values.     

不同等级石漠化区MODIS-NDVI与MODIS-EVI对比分析

利用2001～2010年10 a的MODIS资料,比较分析广西喀斯特不同等级石漠化区MODIS\|NDVI和MODIS\|EVI的时间变化特征差异,利用全时间序列及16 d10 a均值序列分析NDVI和EVI之间的相关关系,比较线性及对数相关模型对两种植被指数相关关系的拟合效果,结果表明:石漠化等级由重度到潜在,两者之间的差值也随着植被覆盖度的增加而增大,植被覆盖度越低,NDVI和EVI所表征的植被变化特征越相似。NDVI的峰值出现时间多晚于EVI且其反映的植被变化趋势与实况更吻合,但其NDVI偏高;各等级石漠化的两种时间序列NDVI与EVI的对数相关关系优于线性相关,两种植被指数的相关性随着植被覆盖度的降低而增大,但全时间序列中轻度、中度石漠化相关性变化规律与16 d 10 a均值序列相反。     

中尺度涡特征提取算法及可视化研究

在对海洋遥感图像数据进行处理,特征可视化检测海洋信息的过程中,中尺度涡信息检测是重要内容之一,其结果直接影响海洋中尺度涡信息反演的精度.为了提高中尺度涡信息提取的准确性,本文根据海洋中尺度涡成像的特点,基于边缘检测,运用连通区域提取技术,综合利用涡旋的形状、尺度等判据,检测图像中的旋涡闭合等值线以及提取旋涡的特征参数.采用Matlab和C#混合编程,将中尺度涡检测算法和遥感数据信息有机结合起来,实现了中尺度涡检测的自动化和可视化,提高了遥感图像的处理效率.实验表明,该方法具有较高的中尺度涡信息检测精度,检测效果理想.     

一种基于背景自学习的高光谱图像生物信息提取方法

为了提取指纹、癌变区域等重要的生物信息,传统方法一般是使用物理、化学手段直接作用在信息载体上,这不仅需要较长时间,容易对原有信息及载体造成破坏,而且提取过程不可重现、精度较低.高光谱成像技术避免了获取信息时物理接触造成的破坏,能多次稳定获取图像,成为了一种优秀的生物信息采集途径.在此介绍一种基于背景自学习的高光谱图像信息提取方法,它解决了传统非结构化背景模型适应性不强的问题,利用空间光谱信息进一步提升了信息提取精度.实验证明,该方法能有效对背景信息进行估计,提取完整的生物目标信息,精度优于传统目标信息提取方法.     

喀斯特石漠化演化预测CA模型

近年来,石漠化的研究常借助于GIS等相关技术来完成,但GIS在石漠化的动态模拟演化方面存在不足。而元胞自动机(CA)具有强大的空间动态模拟功能,鉴于此,在GIS技术的支持下,以CA理论为基础建立了分别采用Moore型和扩展Moore型邻域的CA模型,以某地1988和1999年石漠化数据为始端数据运行模型,通过将模拟结果与实际数据进行比较,对模型进行参数调整和预测检验。实验结果表明:两种模型预测的结果均可以基本反映实际石漠化发展趋势,而采用扩展Moore型邻域的CA模型要比采用标准Moore型邻域的CA模型具有更高的准确度和可信度;用此方法对石漠化进行演化预测是有效的。采用扩展Moore型邻域的CA模型对2012年该区石漠化状况进行了预测。     

基于多时相协同变化检测的耕地撂荒遥感监测

针对地表覆被复杂、地块破碎等原因导致的撂荒地提取精度较低问题,提出一种基于多时相协同变化检测的耕地撂荒信息提取方法。以河北省石家庄市鹿泉区为研究区,采用Sentinel-2A和Landsat 7多光谱影像,在野外样本的支持下,分析耕地各种覆盖类型的归一化植被指数（Normalized Difference Vegetation Index,NDVI）季相变化规律,以季节性撂荒、常年性撂荒、冬小麦、多年生园地为分类体系,构建多时相协同变化检测模型,开展研究区耕地撂荒状态遥感监测。研究结果表明：基于Sentinel-2A影像的季节性撂荒和常年撂荒耕地的分类精度分别为95.83%和96.55%;基于Landsat 7影像的季节性撂荒和常年撂荒耕地的分类精度分别为91.67%和93.10%;2019年鹿泉区季节性撂荒占耕地面积的4.7%,常年撂荒耕地占7.1%。利用该方法能够快速、准确地获取研究区耕地空间分布、面积等信息,对于不同分辨率的影像均具有较好的撂荒地提取精度。     

基于Siam-UNet++的高分辨率遥感影像建筑物变化检测

针对同—区域前后时序的高分辨率遥感影像背景复杂、变化类别多样、目标变化检测时存在漏检和边界识别粗糙问题,提出了一种基于Siam-UNet++深度神经网络的高分辨率遥感影像建筑物变化检测算法.该算法采用UNet++作为骨干提取网络,在其编码器部分应用Siam-diff(Siamese-difference)结构提取前后两时序图像的变化特征,并在解码阶段的上采样和横向跳跃路径连接之后引入注意力机制,突出建筑物变化的特征,抑制网络对其他类别特征的学习;同时使用多边输出融合(multiple side-output fusion,MSOF)策略加权融合不同语义层次的特征信息,提高了建筑物变化检测的精度;最后采取滑窗的方法对大尺度遥感影像进行预测,减少拼接过程中变化结果图产生的空洞图斑.在大型建筑物变化检测数据集上的实验结果表明,该算法有效提升了建筑物的变化检测效果.