图像分形维数计算及其边缘提取

为提高遥感影像中地物边缘信息的提取精度,以离散分形布朗随机场（DFBR：DiscreteFractalBrownRandomfield）模型为依据,尝试设计并利用Matlab编程实现一种基于遥感影像单个像元的分形维数计算算法。该算法将影像的灰度空间映射成分形维数空间,然后在该空间进行变换和边缘检测。地物空间分布及其影纹结构边缘特征的差异,使计算分形维数所选窗口大小成为关键。选取研究区局部地段高空间分辨率遥感影像作为实验数据,通过计算不同窗口下像元分形维数,得到最佳边缘信息提取的计算窗口。实验结果表明,该算法在同类计算中更符合遥感数据的特点,提高了遥感影像地物边缘信息提取精度。     

高光谱遥感数据光谱曲线分形特征研究

提出一种基于分形分析的高光谱遥感数据处理方法．从反射光谱的产生机理、全色影像与单色影像表现出来的自相似现象以及用不同尺度量尺测量曲线所表现出来的幂指数关系三个方面,说明高光谱遥感数据中像元中光谱曲线具有分形的特征,简述了研究光谱曲线分形特征在高光谱遥感数据处理中的意义．     

全生命周期浒苔信息提取的空间尺度效应——基于Landsat/HJ与MODIS影像的比较

2008年至今,我国已连续多年爆发浒苔灾害,对当地生态环境和经济都造成严重影响.多源卫星遥感影像是监测浒苔信息的主要数据源,但利用不同的遥感影像,浒苔信息提取结果存在较大差异.通常认为这是由空间尺度差异造成的.本文利用准同步的30 m空间分辨率的HJ数据、Landsat数据和250 m空间分辨率的MODIS数据对全生命周期浒苔信息提取能力进行尺度效应分析.结果表明:(1)独立浒苔斑块面积小于0.25 km~2时,MODIS影像无法提取浒苔信息,而随着独立浒苔斑块面积增大,MODIS影像提取的浒苔信息与Landsat和HJ遥感影像数据提取结果的差距也随之增大;(2)浒苔斑块聚合度越大,空间分辨率对浒苔信息提取的影响越小;(3)在浒苔灾害发生初期和末期,由于斑块小而疏松,MODIS数据很难监测到浒苔信息.又由于MODIS数据无法兼顾聚集的浒苔斑块和疏松的浒苔斑块,因此在浒苔发展和爆发期,MODIS提取的浒苔面积大于Landsat与HJ遥感影像数据提取的结果.研究结果在一定程度上为浒苔灾害的遥感监测方法提供了影像选择的空间尺度依据.     

基于多尺度特征的高光谱端元提取方法

为提升高光谱端元提取效率,避免同种地物端元的多次重复提取,根据高光谱同种地物光谱曲线主要特征近似、全体像元中端元个体两两具有极大差异的原则,提出了一种基于多尺度特征的高光谱图像端元提取方法,即多尺度特征像元纯度指数方法(MSPPI).首先利用一维离散小波变换获取多尺度的光谱信息,然后利用光谱角距离和欧式最小距离提取相应的多尺度的光谱特征,并利用像元和其邻域内像元点之间的关联,引入距离测度提取纯像元,最终实现端元提取.通过在高光谱数据库USGS和AVIRIS中的实验验证算法有效性,并与SPPI算法和N-FINDR算法进行对比.结果表明:MSPPI算法能够提取全部端元,且每种地物端元提取百分比低于5%,SPPI虽然能够提取全部端元但提取百分比均高于10%,端元重复提取现象严重,而N-FINDR不能有效提取小面积地物,说明MSPPI算法性能优于N-FINDR算法和SPPI算法.     

一种图像分形特征提取的近似算法

提出了一种提取图像分形特征的近似算法,该算法对经典的“毯覆盖”算法中按不同几何度量尺度分别计算图像的“膨胀层”和“腐蚀层”进而计算不同几何度量尺寸图像表面积的计算过程进行了简化,降低了利用“毯覆盖”算法提取图像分形特征的计算量和存储量,在现有硬件条件下使实时提取图像分形特征成为可能。     

基于多时相遥感影像的北京平原人工林树种分类

为解决传统遥感分类方法区分平原人工造林地树种难度较大的问题,利用4个不同时相的高空间分辨率卫星影像,基于ESP计算方差变化率并结合目视解译获取影像的最佳分割尺度;通过相关系数法筛选构建的特征,进行面向对象的多时相影像和单时相影像分类,并与基于像元分类方法进行对比分析.结果表明:基于多时相影像各类别分类精度为64%,高于单时相分类精度(51%);面向对象KNN方法的分类精度优于SVM和MLC分类方法,两者精度分别为49%和43%.在树种丰富且分布复杂的平原造林林地景观中,利用多时相遥感数据,采用面向对象分类方法用于树种精细分类更具优势.     

基于 CBERS-02B 高分辨率遥感影像分割的最优尺度选取

高分辨遥感影像的信息提取对矿山的监测有着重要意义,影像分割是高分辨率遥感影像信息提取关键的一步. 文中以赣州稀土矿山的高分辨率遥感影像为源数据,采用分形网络演化多尺度分割算法对高分辨率遥感影像进行分割,通过 Robert 算子的边缘提取结果计算分割参数获取分割尺度,并在此基础上设置不同分割尺度对影像进行分割,对比分析分割结果表明,沉淀池的最优分割尺度为 35. 最后利用分割质量值对分割结果进行评价分析,验证了试验结果的正确性.     

强震前热红外异常识别方法与定量分析模型

为获取与构造活动有关的卫星热红外异常信息,提出了一种基于参考基准场的震前热红外遥感定量分析模型与异常识别方法.对遥感图像进行辐射定标、几何校正、云检测等处理后,根据研究区内不同时相遥感图像像元的亮温值与空间平均值之差及其时间域平均值与标准差,计算热红外异常图像像元的异常指数,提出了异常识别方法;进而计算当前热红外异常图像各像元亮温值与序列遥感图像的多年平均亮温之差,建立异常定量分析模型.利用多年热红外遥感资料建立目标区的参考基准场,并采用此异常识别方法与定量分析模型,分析了1998年张北Ms6.2级地震前热红外异常的演化特征.结果表明:1月5日沿张家口-渤海断裂出现异常,1月8日异常面积达到最大,为64.7万km2,最高增温幅度达到9 K,11日异常消失.     

基于SPEI的潮白河流域气象干旱时空特征分析

在全球变暖加剧的背景下,区域干旱情况愈发严重.潮白河流域作为密云水库的重要集水区,对其干旱特征研究具有重要的现实意义.基于中国区域地面气象要素驱动数据集,提取潮白河流域1979—2018年的气象数据,计算不同时间尺度的标准化蒸散发指数(SPEI)值,分析潮白河流域气象干旱时间和空间上的变化特征.结果表明:①1979—2...     

一种基于边界感知的遥感影像建筑物提取方法

遥感影像的复杂性给建筑物提取研究带来了极大的挑战.深度学习的引入提高了遥感影像建筑物提取的准确率,但仍存在边界模糊、目标漏检和提取区域不完整等问题.针对这些问题,提出了一种基于边界感知的遥感影像建筑物提取网络,该网络包括特征融合网络、特征增强网络和特征细化网络三部分.首先,特征融合网络采用编码-解码结构提取不同尺度特征...     

基于分维的遥感影像最佳分割尺度研究

针对面向对象的遥感技术中对象最优分割尺度难题,提出了基于分维的定量确定最优分割尺度算法。算法通过分析分维值变化规律和最优分割尺度之间的定量关系,发现分维值变化稳定区间与遥感对象最佳分割尺度范围相对应,因此可以通过对象分维-尺度关系,确定遥感对象的最佳分割尺度,一定程度上解决了最优分割尺度难于确定的难题。     

多云雾山丘地区遥感定量化理论及应用进展

在分析光学与微波遥感各自的应用现状及面临的挑战的基础上,从数据层、数据预处理和定量化理论与方法3个层面详细分析和总结了适用于多云雾山丘地区复杂环境的遥感定量化应用理论与方法,包括面向对象的反演策略、主被动遥感协同、时间序列建模、前向模型地形效应修正、弱敏感参数反演等。同时,结合研究团队近年在多云雾山丘地区遥感定量应用的研究实践,给出西南地区的土地连续变化监测、森林火灾风险评估、干旱监测、植被覆盖条件下的土壤水分主被动遥感反演等方面的应用实例。     

城市地表热环境季节变化及与下垫面特征关系

为进一步揭示城市地表热环境的时空分异机制,利用遥感信息技术提取深圳市西部地区不同季节的地表温度、植被覆盖、不透水面、水分状况等下垫面特征参数,在此基础上分析地表热环境的季节变化特征及与下垫面生物物理参数的定量关系.结果表明:研究区地表热力景观的空间分布、强度随季节发生显著变化;不透水面指数、湿度指数与地表温度分别呈指数正相关、线性负相关且在不同季节表现稳定,而植被指数与地表温度呈非线性关系并随季节变化;多元线性逐步回归分析表明,不透水面对地表温度的调节作用最大、地表湿度次之、植被覆盖最小.     

特征空间法与墒情监测应用分析

详细论述了旱情遥感监测中特征空间法的技术原理及应用方法,通过大量遥感数据资料分析,阐述了地面温度一植被指数特征空问与土壤湿度的相互关系及实际应用方法。     

应用AMSR-E微波遥感数据进行土壤湿度反演

为了有效解决大尺度区域土壤水分时、空间变化监测问题，在总结了被动微波遥感反演土壤湿度规律的基础上，基于先进的AMSR—E星载被动微波遥感数据，提出了利用双谱模型计算土壤表面发射率的计算方法．首先需要由双站散射系数计算反射率和发射率，然后应用人工神经网络反演土壤湿度，实现了在随机粗糙面状况下基于被动微波遥感的土壤表面水分反演，并在实验区进行了成功的应用．结果表明：其成果对于利用星栽被动微波遥感反演土壤湿度具有一定的推广意义．     

农业干旱监测指标研究进展

从传统监测指标和遥感监测指标两个方面对农业干旱表征指标进行了综述.传统农业干旱监测指标主要包括降水量指标、土壤含水量指标以及作物需水量指标等;遥感监测指标包含基于裸露地表和基于有植被覆盖地表的干旱遥感监测指标两大类.由于遥感方法具有大范围、宏观、动态监测的优势,目前得到了较为广泛的使用.未来农业干旱监测应建立广义的、适合于作物各时期的监测模型,并在此基础上对双层模型进一步简化.     

Spatio-temporal variation of vegetation in an arid and vulnerable coal mining region

Environmental assessment in an arid coal mining area requires an understanding of the influences of coal mining,the arid climate and ecological remediation.To that end,we selected vegetation as the key environmental factor to observe.Remote sensing approaches to monitoring the spatio-temporal variation of vegetation caused by mining activities,the arid climate and ecological remediation in the Shengdong coal mining area are described.Over a large regional scale it was found that the vegetation was improved as a result of ecological remediation activities.At the local scale,however,the vegetation coverage and soil moisture in the mined areas were slightly lower than those in un-mined areas due to mining subsidence.These differences are partly attributed to ground fissures that injure root systems and increase the depletion of soil moisture.It is recommended that fissures be reduced and filled to lessen their adverse effects on the environment.     

Down-scaling LUCC based on the histo-variogram

In remote sensing applications, accurate extraction of land type area after classification is very important. But for images of land use/cover change (LUCC) obtained from the special spatial resolution remote sensing data, it will be of great significance to obtain the land type area information with higher resolution by making use of spatial distribution characteristcs information of the land type itself first and further scaling-down in a given scale threshold on the basis of the existing spatial resolution data. An explicit expression of the relationship between the measurement scale, global fractal dimension and the land type area corresponding to different measurement scales is obtained on the research basis of the authors’ histo-variogram using the standardized area index (SAI). A good attempt has been made to obtain the land type area information with higher resolution by merely using the spatial distribution characteristcs information of the land type in the image itself and further scaling-down in a given scale threshold on the basis of the existing spatial resolution data. Supported by the National Natural Science Foundation of China (Grant No. 40601068), the National Basic Research Program of China (“973” Project) (Grant No. 2007CB714402) and the Key Science and Technology R&D Program of Qinghai Province (Grant No. 2006-6-160-01)     

Response of sediment yield to vegetation restoration at a large spatial scale in the Loess Plateau

The impact of vegetation coverage on erosion and sediment yield in the Loess Plateau has been extensively studied, but the research has been primarily based on observations from slope runoff plots or secondary forest regions; the scaling method remains unresolved when it is applied at a large spatial scale, and it is difficult to apply to regions with severe soil and water loss given the predominance of herbs and shrubs. To date, there is little data on the quantitative impact of changes to vegetation on sediment concentration at a large spatial scale. This paper is based on vegetation information from remote sensing images, measured rainfall and sediment data over nearly 60 years, and results from previous runoff and sediment variation research on the Yellow River. We introduce the concepts of a sediment yield coefficient and the percentage of effective vegetation and erodible area, analyze the impact of different vegetation conditions on the flood sediment concentration and sediment yield, and evaluate the effect of rainfall intensity on sediment yield under different vegetation conditions at the watershed scale. We propose models to evaluate the impact of vegetation on sediment yield in the loess gully hilly region, which are based on remote sensing data and support an application at a large spatial scale. The models can be used to assess sediment reduction that results from the current significant improvement of vegetation in the Loess Plateau.