Radarsat-2在重庆土地利用遥感监测中的应用研究

对Radarsat-2影像的成像特性、预处理方法进行了研究,并利用Radarsat-2影像和IRS-P6影像进行基于光谱特征变异法的土地利用动态遥感监测试验。通过实地调查、实测等方式对发现提取的变化图斑进行精度水平分析,评价了Radarsat-2卫星影像在重庆地区土地利用动态遥感监测工作中的应用潜力,为SAR卫星遥感数据在重庆地区的应用进行了有益的探索。     

基于影像特征随机森林的自然保护区矿区动态监测

获取矿区地物的变化是监测矿山活动有效手段之一,以贺兰山国家自然保护区为研究区,选用Landsat-8OLI多光谱遥感影像,通过分析矿区地物光谱信息特点,选取纹理特征、归一化差分植被指数NDVI、改进归一化差异水体指数MNDWI和归一化差值土壤指数NDSI 4种特征信息,采用随机森林分类方法,对研究区地物覆盖物信息进行识别,分类整体精度和Kappa系数分别为92.35%,0.91,分类精度较基于传统随机森林分类和支持向量机分类有明显提高。通过对研究区2016—2019矿业权内进行动态监测。结果表明:①通过图斑提取发现自然保护区内存在越界开采、无序开采及乱采滥挖等情况;②开采场面积增加的区域主要分布在矿业权范围内,减少的开采场面积在矿业权界内外均有分布,减少幅度达56.34%,说明相关矿业部门对矿山管理起到积极作用。基于影像特征的随机森林的分类方法在自然保护区地物覆盖信息提取和动态监测中具有一定可行性。     

基于GEE和多维特征集的锡林浩特露天矿区近30 a土地利用分类

随着矿产资源的不断开采,矿区地表土地利用会发生频繁的变化,快速获取矿区开采过程中长时间序列连续的土地利用分类结果对于矿区土地治理与生态重建具有重要意义。基于Google Earth Engine (GEE)遥感云平台,对Sentinel-2和Landsat数据从光谱特征、纹理特征、地形特征3个方面构建多维特征集,采用随机森林算法分别建立了不同特征模型并测试精度以筛选出适合矿区场景的最优分类模型。以锡林浩特市露天矿区为研究区,开展了近30 a(1991—2020年)长时序土地利用分类研究。结果表明:(1)基于GEE遥感云平台,能够高效、快速、准确地提取研究区1991—2020年近30 a的土地利用分类结果;(2)光谱特征对分类精度具有决定性作用,融入纹理特征和地形特征能够有效提高矿区土地利用分类模型精度;(3) Sentinel-2数据特有的红边波段对植被具有较高的敏感性,能有效提高分类精度。长时间连续的监测结果能够有效了解锡林浩特市露天矿区土地利用的变化情况及规律,为进一步分析人类生产生活和环境变化对土地利用的影响提供了坚实的数据支撑。     

基于PS-InSAR技术的珠海市地面沉降监测分析

珠海市是珠三角地区地面沉降较严重地区,有必要开展地面沉降监测以掌握其变化特征.采用PS-InSAR方法计算珠海市2017年3月—2018年4月的Sentinel-1卫星影像数据,通过形变监测分析提取地面沉降空间分布和沉降速率等信息.分析结果表明,珠海市主要有斗门区白蕉镇—西部中心城区和平沙2个地面沉降区,与实地调查现状...     

矿区煤火遥感监测技术的研究进展

对国内外利用卫星热红外波段探测煤火的方法进行了统计分类,着重对比分析了中分辨热红外卫星的地表温度反演方法和煤火区提取算法的特点,评述了机载热红外遥感探测煤火的研究现状和存在的主要问题,指出了矿区煤火遥感监测研究的发展趋势和新方向。     

基于影像特征CART决策树的稀土矿区信息提取与动态监测

、裸土指数（Bare Soil Index,BSI）、归一化植被指数（Normalized Difference Vegetation Index,NDVI）3种特征信息进行提取,采用基于CART（Classification and Regression Trees）决策树的分类方法对研究区稀土矿开采信息进行识别,分类总体精度达到89.43%,其中矿区分类精度达到88%,分类精度相对于基于光谱信息的CART决策树分类和最大似然分类有明显提高。通过对研究区2013-2016年稀土矿开采区域进行遥感动态监测,发现增加的开采区域主要分布于矿权范围内,减少的开采区域在矿权界限内外均有大量分布,减少幅度达41%,说明政府和相关矿权部门对于稀土行业健康有序发展发挥了重要作用。研究表明：基于影像特征CART决策树的分类方法在稀土矿区信息提取与动态监测方面具有一定的可行性。     

基于See5.0算法的决策树构建与分类研究

文中以地形较为复杂的济南市长清区为研究区域,综合TM影像的光谱特征、纹理特征与区域内的地形特征、植被特征信息作为样本集的属性值,结合研究区内6种主要地物类型训练数据集,基于See5.0的决策树分类法进行分类实验,并在ENVI中提取土地的利用现状信息.实验结果表明:综合利用不同的特征数据会有效的提高分类精度;See5.0和ENVI相结合可以高效、高精度地、客观地实现土地覆盖分类,是基于知识的遥感影像分类的有效的方法.     

基于影像特征CART决策树的稀土矿区信息提取与动态监测

、裸土指数（Bare Soil Index，BSI）、归一化植被指数（Normalized Difference Vegetation Index，NDVI）3种特征信息进行提取，采用基于CART（Classification and Regression Trees）决策树的分类方法对研究区稀土矿开采信息进行识别，分类总体精度达到89.43%，其中矿区分类精度达到88%，分类精度相对于基于光谱信息的CART决策树分类和最大似然分类有明显提高。通过对研究区2013—2016年稀土矿开采区域进行遥感动态监测，发现增加的开采区域主要分布于矿权范围内，减少的开采区域在矿权界限内外均有大量分布，减少幅度达41%，说明政府和相关矿权部门对于稀土行业健康有序发展发挥了重要作用。研究表明：基于影像特征CART决策树的分类方法在稀土矿区信息提取与动态监测方面具有一定的可行性。     

基于高分一号数据的矿山遥感监测——以会理多金属矿区为例

利用遥感技术,以会理多金属矿区为研究区,以国产卫星高分一号卫星影像为数据源,探讨了高分一号卫星影像在15万矿山开发遥感监测中的可行性。通过对高分一号遥感图像的几何纠正精度、图像融合质量、遥感解译标志、制图精度进行分析,高分一号影像完全满足15万矿山开发遥感监测的需要。通过利用总结的矿山开采遥感信息提取技术方法和建立的遥感解译标志,快速提取了研究区内矿山分布和开采信息,较全面准确地掌握了区内矿产资源开发现状与矿山环境状态。在监测中使用高分一号卫星影像,既提高15万矿山开发遥感调查的监测频率,也降低了监测成本。     

基于多系统GNSS的桥梁变形监测

GNSS技术被广泛应用于变形监测领域,我国北斗系统的加入,为现实GNSS多系统的变形监测提供了可能性。以国内某现役桥梁为例,利用GPS+BDS+GLONASS组合系统对其变形监测,对比了双系统与三系统的监测结果。结果表明,基于GNSS多系统的桥梁变形监测是可行的,三系统相比于双系统,不仅提高了卫星可见数、降低了DOP值,也大大提升了监测精度与稳定性。     

基于纹理和支持向量机的GF-1图像土地覆被分类研究

高分一号卫星,简称GF-1,是中国自主研发的高分辨率遥感卫星,高分辨率遥感图像包含较多的地物信息,广泛应用于土地覆被分类,但传统基于像元的分类方法在高分数据中应用效果不是很理想。为提高高分辨遥感图像的分类精度,以西北新疆喀什地区研究区利用GF-1图像进行土地覆被分类,利用灰度共生矩阵提取纹理信息,结合纹理信息利用支持向量机(SVM)进行分类,将结果与单源SVM分类和最大似然法分类进行对比分析,研究结果表明:结合纹理信息的SVM分类方法可以更准确地进行土地覆被分类,分类精度为93.74%;据源SVM分类精度为89.06%,最大似然法分类精度为86.79%。     

基于深度学习的无人机影像建筑物自动提取

在无人机影像建筑物自动提取过程中,传统地物分类算法其精度已无法满足生产过程中的分类要求。为此,文章提出以深度学习技术结合条件随机场应用于无人机影像建筑物的自动提取方法。首先利用基于残差模块的卷积神经网络对图像进行特征提取,然后利用全卷积对图像进行反卷积,恢复图像特征。基于初步分类结果,利用条件随机场模型进行边缘细化。通过对实验结果进行分析,验证了该算法应用于无人机影像建筑物自动提取的可行性。     

采煤沉陷次生湿地土地利用变化及驱动力分析

以具有百年开采历史的某矿采煤沉陷次生湿地为研究对象,选用1993年、2000年、2007年、2009年及2013年5个时相Landsat TM遥感影像为数据源,采用基于监督分类的多层次遥感信息提取方法获取了土地利用类型分类,分析了各时相不同土地利用类型面积变化特征及土地利用类型间空间转换特征,对研究区各时段土地利用变化的驱动因素进行探讨。结果表明研究区土地利用变化的驱动力主要是人为因素对其产生的扰动。     

基于深度学习和高分辨率遥感影像的露天矿地物分类方法

随着深度学习技术的发展,对高分辨率影像的分类已成为当前研究的热点,矿区地物分类更是矿区生态发展研究的重要问题。由于深度学习可以通过提取大量的历史影像数据规律及特征,对影像数据进行自动识别与分类,本研究将采用U-Net网络模型开展高分辨率露天矿区地物类型分类研究。采用高分二号遥感影像数据,勾画样本数据集提取样本数据特征,进行分类模型的训练,对矿区测试集进行测试,探讨深度学习在高分遥感影像上的自动识别能力。结果表明,U-Net模型对露天矿区地物识别的精确率（Precision）、召回率（Recall）、F1分数（F1-score）值分别达到0.86、0.82、0.84,均高于最大似然法、随机森林算法和支持向量机。基于深度学习中的U-Net网络模型可以对露天矿区地物类型进行有效的自动识别,可以为高分露天矿区遥感影像数据的地物分类提供技术支撑,有效实现了露天矿各地物自动识别与分类的能力。本文研究成果可以用于AI在露天矿区遥感分类方面的应用以及对矿区生态环境的监测与修复。     

基于高分一号特征优选的CART决策树面向对象分类研究

以陕西省神木县部分区域为研究区,采用国产高分一号影像数据,结合目视解译成果,研究基于多种特征的CART决策树面向对象分类,对研究区的地物类型进行自动提取。在训练样本一致的前提下,利用面向对象最邻近分类优化特征空间工具间接优化决策树特征空间,并与其分类结果相对比,证明CART决策树面向对象分类是一种高效、高精度的分类方法,尤其适用于大数据量的高分辨率遥感影像地物类型自动提取。     

基于遥感技术的轩岗矿区农村居民点时空格局变化研究

文中以山西轩岗矿区农村居民点为研究对象,利用1986～2015年30年间的7期卫星遥感影像数据,通过监督分类和人工目视解译相结合的方法,对矿区土地进行分类并提取出农村居民点,通过对矿区农村居民点的时空变化规律进行研究,分析其变化的内在驱动机制和主要影响因素。     

唐山市及周边地区矿业开发占地现状遥感调查

以SPOT-5高分辨率卫星影像为信息源,获取唐山市及周边地区矿产资源开发现状空间数据库,以ETM+中分辨率卫星影像为信息源,对唐山市及周边地区进行土地利用分类,并结合野外实地踏勘对结果进行查证,然后在GIS支持下对土地分类结果和矿产资源开发空间数据库进行拓扑分析,以此对唐山市及周边地区矿产资源开发土地占用情况进行了调查.结果显示:唐山市及周边地区矿产资源开发共占地6 978. 524 hm2,其中农用地5 015. 139 hm2,建筑用地889. 345 hm2,未利用地1 074. 04 hm2,分别占总占地面积的71. 8%、12. 7%和15. 5%.     

基于深度卷积特征的露天矿卡车装载状况识别技术研究

针对露天矿车辆运输过程中运载量管控受人为及环境等因素干扰较大,存在轻车跑票和人为套票等不利于生产管理的问题,提出了一种基于深度卷积特征的车辆装载状况识别方法。该方法通过构建试验数据集和对卷积神经网络AlexNet模型迁移学习,完成对露天矿卡车装载状况图像深度卷积特征的提取,并基于支持向量机多分类模型,实现对卡车装载状况的自动识别,在此基础上统计露天矿车队运载工作量。试验过程中,基于同一组试验数据集分别对GoogLeNet、ResNet、SqueezeNet、DenseNet模型进行迁移学习,提取卡车装载状况图像深度卷积特征,并使用同一支持向量机多分类模型对卡车装载状况进行自动识别。结果表明,在空间资源和时间资源约束下,迁移学习后的AlexNet模型在5种卷积神经网络中总体性能表现最佳,用其提取的图像深度卷积特征在卡车装载状态识别中准确率最高。相比于传统的人工设计图像特征,该方法能够更好地完成露天矿卡车装载状况自动识别任务,试验数据集的识别准确率达到97%以上,在此基础上对露天矿车队运载工作量进行统计,可有效鉴别露天矿卡车的实际装载状况,提高露天矿卡车运载的吨公里生产效率,有效解决露天矿...     

基于高分一号卫星遥感影像的城市绿地提取对比研究

针对目前面向对象方法在高分辨率遥感影像中提取绿地专题信息的特点,文中提出一种利用高分辨率遥感影像提取城市区域范围绿地信息的方法,结合K-T变换和ICA变换,根据地物的遥感影像特征、光谱特征信息和基于阀值的分类技术进行有效波段最优组合及地物分类,从而大幅提高了绿地专题信息提取的精度。研究中提出本方法和基于NDVI的典型绿地提取方法的提取结果进行精度评价,实验结果证明,在城市区域范围尺度上,该方法计算简便且实现了94.97%的高精度和总Kappa系数为0.919 5的评价结果。     

矿用高压配电装置在线监测系统的研究与应用

为提高高压配电装置运行的可靠性,设计了由传感器环节,监测分站以及监控中心等3部分组成的实时运行状态监测系统。其传感器环节实现特征量的提取,监测分站下位机以TMS320F2812型DSP为核心完成对配电装置各个特征量的采集、预处理,通过RS-485总线将数据送至工控机,工控机软件采用LabVIEW开发,主要完成对测量数据的分析、处理与显示。监测中心使用以太网传输信息,采用SQLserver数据库以实现本系统的监测数据和预警信息的存储。该系统经现场安装测试表明,能实时地反映真空断路器运行状态,并实现了部分故障预警的功能。