基于NDVI变化检测的滑坡遥感精细识别

随着遥感技术的发展,高分辨率的卫星影像数据逐渐丰富,滑坡灾害的信息提取被进一步推进,当前滑坡灾害应急调查主要以目视解译和野外调查为主,费时费力,难以满足灾后救援的迫切需求。面向像元和面向对象的单时相滑坡遥感信息提取方法等存在着滑坡过识别、误识别的问题。因此,在此提出以滑坡前后多时相遥感影像为数据源的变化检测滑坡识别方法,首先根据归一化植被指数（NDVI）进行基于像元的变化检测确定滑坡预选区,再结合面向对象的几何规则完成滑坡的精细识别,这种基于变化检测和几何规则相结合的方法能有效排除道路、建筑、裸地等光谱特征与滑坡相似的非滑坡部分。以九寨沟滑坡为例,采用高分一号8 m分辨率多光谱相机2015年8月1日的影像（滑前）以及2017年8月16日的影像（滑后）作为数据源,进行滑坡识别实验。结果表明,和面向对象的单时相方法相比,基于变化检测和几何规则相结合的多时相方法滑坡提取的精度较高,制图精度高达88.80%,用户精度高达81.19%,都大幅超过面向对象单时相法的精度,漏分误差及错分误差分别下降23.22%和11.72%,可为有效组织滑坡灾后救援与重建工作提供可靠依据。     

遥感图像变化检测算法研究

提出了一种基于非下采样Contourlet变换和脉冲耦合神经网络的无监督的不同时相的卫星影像的变化检测新算法。该算法将非下采样Contourlet变换和脉冲耦合神经网络这两种方法结合,将它应用于不同时相的卫星影像的变化检测。实验结果表明,与传统方法相比,对于高斯和斑点噪声,该算法具有更高的抗噪性能和检测精确度。     

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。     

基于多时相TM影像的城市边缘区划分及其变化监测

城市边缘区作为城市和农村之间的过渡地带,是城市扩张过程中土地利用变化最为活跃的部分。在城市边缘区,城市用地类型与其他的土地利用类型,比如耕地、林地、牧草地和水域等混合在一起,并且这些非城市用地类型随着城市化的进程很快转换为城市用地。城市边缘区被定义为城市内边界和外边界之间的环状区域,内边界分离城市核心区与城市边缘区,外边界分离城市边缘区与农村腹地。本研究采用一种新的方法来对城市边缘区进行界定,以及对其动态变化进行监测研究。通过多时相遥感数据的分类,提取城市及其周边的土地利用信息,并对其空间结构模式用地理景观指标进行定量的描述,最后借助空间聚类获取边界阈值来划分城市边缘区并对其变化进行监测。     

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。     

基于遥感影像的变化检测技术

变化检测技术已经广泛地应用在各个领域。例如：环境监测、土地利用、农作物生长状况监测、森林采伐监测、灾情估计等方面。主要讨论了基于遥感影像的变化检测技术的实际应用。     

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。     

基于影像区域特征人工目标变化检测方法

提出了一种基于图像区域特征的人工目标变化检测方法,在研究解决区域特征变化准则函数构造、特征量标准化处理、多特征联合变化判定规则确定等问题的基础上,能够抑制单纯由像素灰度差异引起的伪变化,而且对不同尺寸的区域变化有较好的适应性。     

基于多时相遥感和GIS技术的湿地识别研究

本以江苏省洪泽湖湿地为例,首先利用秋季成像的TM影像进行分类,采用了混和分类法。然后利用同年度春季成像的TM影像制作湖泊掩膜来纠正分类中湿地类型与高地类型的错分现象。研究发现,该方法能有效地降低分类的误差,提高分类的精度。     

基于敏感特征向量的SAR图像灾害变化检测技术

为了解决阴雨云雾条件下光学遥感图像的应用局限性问题,针对典型的四类地表变化（堰塞湖、滑坡泥石流、部分倒塌建筑和严重倒塌建筑）分析SAR图像灰度和纹理特征的敏感程度,并提出敏感特征向量的概念;以综合利用了灰度差值和纹理差值的敏感特征向量作为评判因子,结合主成分分析技术和K均值聚类技术,提出了新的SAR图像灾害变化检测算法。该方法算法简单,检测效果好,并用两组ALOS SAR实验数据进行了证实。     

模型驱动的测试用例自动生成框架

提出一个基于模型驱动架构(MDA)的测试用例生成框架,其中,平台无关的系统模型通过水平转换成平台无关的测试模型,平台无关的测试模型通过竖直转换生成相应的测试用例。利用MDA转换工具ATL和MOFScript制定相应的转换规则作用于元模型,使测试者只须提供源模型和测试数据即可生成相应的测试用例。     

基于多时相TM影像的冬小麦面积变化监测

利用北京1992年、2000年、2004年、2009年的多时相Landsat TM5影像数据,结合实际调查数据,分析了近20年来北京冬小麦种植面积的变化趋势及演变特征。采用决策树、PCA、缨帽变换等手段对地物进行分类,利用多时相影像,NDVI组合阈值提取小麦种植区面积。研究结果表明:北京地区1992年、2000年、2004年、2009年冬小麦种植面积分别为:113671ha,84322ha,40410ha,61529ha。北京冬小麦种植面积呈现为明显的先减少后增加的趋势。从1992年到2009年共减少52143ha。其中,从1992年到2000年冬小麦种植面积减少了29349ha,减少的面积中城区扩张占用和转变为裸地的最多,分别为39.7%和42.8%,另外有13.3%变为设施用地,3%成为水体(鱼塘和水田);从2000年到2004年冬小麦种植面积共减少43921ha,减少的面积中转变为裸地和城区扩张占用的最多,分别为39.8%和33.1%;从2004年到2009年冬小麦种植面积共增加了21119ha,其中裸地转变为小麦种植区面积最大。     

Change Detection in Overhead Imagery Using Neural Networks

Identifying interesting changes from a sequence of overhead imagery—as opposed to clutter, lighting/seasonal changes, etc.—has been a problem for some time. Recent advances in data mining have greatly increased the size of datasets that can be attacked with pattern discovery methods. This paper presents a technique for using predictive modeling to identify unusual changes in images. Neural networks are trained to predict before and after pixel values for a sequence of images. These networks are then used to predict expected values for the same images used in training. Substantial differences between the expected and actual values represent an unusual change. Results are presented on both multispectral and panchromatic imagery.     

基于模糊聚类的遥感图像与现有地形图的变化检测方法

提出了一种基于模糊聚类的遥感图像与现有地形图的变化检测方法。该方法通过模糊聚类对遥感图像和地形图的像元进行分类,然后基于分类结果实现图像的叠合,从而显示图像间的变化情况。本文通过一个图像变化检测实例说明该方法能够快速、直观的反映遥感图像与现有地形图之间的变化,从而避免了参考点均方误差法无法完全反映图像实际变化情况的问题。     

高分辨率遥感影像土地利用动态监测技术研究

近年来;利用高分辨率遥感影像进行土地利用的动态监测在我国已到关键技术和系统研制阶段。本文以某一示范区的土地利用动态监测系统的研究为例;详细阐述了其变化图斑获取子系统实现的关键技术和过程。论文首先简要介绍了系统的主要组成部分;接着详细阐述了变化图斑获取子系统的区域变化检测技术、分类技术、变化区域和属性信息的获取技术;最后对系统作业的工艺流程和主要功能作了介绍;并对系统的应用前景和进一步改进的问题进行了分析。     

A method for detecting large-scale forest cover change using coarse spatial resolution imagery

Many large countries, including Canada, rely on earth observation as a practical and cost-effective means of monitoring their vast inland ecosystems. A potentially efficient approach is one that detects vegetation changes over a hierarchy of spatial scales ranging from coarse to fine. This paper presents a Change Screening Analysis Technique (Change-SAT) designed as a coarse filter to identify the location and timing of large (>5-10 km²) forest cover changes caused by anthropogenic and natural disturbances at an annual, continental scale. The method uses change metrics derived from 1-km multi-temporal SPOT VEGETATION and NOAA AVHRR imagery (reflectance, temperature, and texture information) and ancillary spatial variables (proximity to active fires, roads, and forest tenures) in combination with logistic regression and decision tree classifiers. Major forest changes of interest include wildfires, insect defoliation, forest harvesting, and flooding. Change-SAT was tested for 1998-2000 using an independent sample of change and no-change sites over Canada. Overall accuracy was 94% and commission error, especially critical for large-area change applications, was less than 1%. Regions identified as having major or widespread changes could be targeted for more detailed investigation and mapping using field visits, aerial survey, or fine resolution EO methods, such as those being applied under Canadian monitoring programs. This multi-resolution approach could be used as part of a forest monitoring system to report on carbon stocks and forest stewardship.     

An automated binary change detection model using a calibration approach

An automated binary change detection model using a threshold-based calibration approach was introduced in the study. The burdensome processes required in binary change detection, including calibration, calculation of accuracy, extraction of optimum threshold(s), generation of a binary change mask, and removal of “salt-and-pepper” noise were integrated and automated in the model. For practical purpose, the model was implemented as a dynamic linked library in ESRI ArcMap 9.1 using Visual Basic. This study demonstrated the model with a variety of single and multiple variables (layers) extracted from multiple-date QuickBird imagery for three study sites in Las Vegas, NV and two study sites in Tucson, AZ. The use of multiple variables in binary change detection resulted in significantly better performance than single variables.     

土地利用与土地覆盖变化信息的图谱研究——以大福州为例

本论文应用RS和GIS复合技术提取大福州城土地利用信息图谱,从现状结构、发展变化(净变化与相互转化)等方面对大福州城的土地利用信息进行定性和定量的分析,并建立了实验区土地利用演变过程和空间扩展图谱,其研究和建立的土地利用斑块形态与扩展图谱,在一定程度上反映了地学信息图谱的“形-数-理结合”和“系列化”、“谱系化”、“模型数值化”的特征,本工作是地学信息图谱在LUCC中的应用尝试,对区域土地可持续利用有指导意义。