基于COSMO-SkyMed和SPOT-5的城镇洪水淹没信息快速提取研究

洪水是我国最为频繁的自然灾害之一,如何快速准确地获取洪水淹没范围在救灾减灾工作中具有重要意义。目前,卫星遥感技术已广泛应用于洪水信息提取的研究中。不同的遥感数据源在洪水信息提取中各有利弊,综合研究雷达影像和可见光影像的优缺点,建立了基于多源遥感数据的洪水淹没信息快速提取模型。首先,利用灾中第一时间获取的COSMO-SkyMed雷达影像,采用面向对象的方法提取出洪灾发生时的水域空间信息;其次,利用灾前SPOT-5高分辨率光学影像,采用多光谱影像波段运算和决策树分类的思想提取出常态下的水域空间信息;最后,对灾中雷达影像COSMOSkyMed提取的水体和灾前光学影像SPOT-5提取的水体进行空间差值运算,得到洪水淹没范围信息,并利用洪水当天拍摄的无人机遥感影像对结果进行精度评价。将该模型应用于2013年浙江余姚水灾,监测结果表明:在洪水发生后,能够快速获取淹没范围空间信息,并且提取精度达到93.7%,为洪灾的防治以及抗洪抢险救灾工作提供强有力的技术支撑和基础数据信息。     

基于 Sentinel-1 与 Landsat8 的巢湖地区洪水淹没灾害分析

为及时准确得到阴雨天气下的洪水淹没区域及受灾情况,以巢湖流域作为研究区域,选择灾前、灾后的 Sentinel-1 影像作为数据源,基于 SDWI 指数及直方图双峰法提取水体信息,结合 Landsat 8 数据对山体阴影进行去除,快速提取洪水淹没范围,分析洪涝灾害前后时空变化特征,并结合 Landsat 8 数据获取的土地利用类型分类图,对受灾地区进行灾情评估。结果表明：2020 年 6—9 月巢湖流域重灾区域集中于巢湖西部、东部、北部,耕地、居民地受灾程度严重;利用多时相 Sentinel-1 影像快速提取洪涝受灾情况,可为国家减灾备灾、应急救灾、恢复重建工作提供有力的数据支撑。     

基于MOS-1b/MESSR的洪灾遥感监测

以湖南洞庭湖为研究区，MOS-1b/MESSR影像数据作为遥感信息源，应用ERDAS IMAGINE处理系统，对枯水期和洪水期两个不同时相的各波段影像数据进行组合运算、比值变换等处理，以及影像、光谱、直方图的对比分析。基于处理与分析结果，利用分类技术，建立了水体分类模型（B1+B2）/(B3+B4)>t，可快速准确地提取水体信息；同时，还提取和建立了水深系数模型WDI=B1/B2，得出了基于非线性回归分析的水体深度探测模型。依据洪水信息提取模型，对枯水期与洪水期的分类专题图进行叠加分析，得到了洞庭湖区洪水期的洪水分布图与洪水淹没信息，可为防洪救灾决策提供重要的科学依据。     

基于RS和GIS的洪涝灾害监测与评估研究

以鄱阳湖区为例,对洪灾的快速监测与评估进行研究。首先探讨了洪灾监测与评估所需的基础背景数据,包括数字地面高程模型(DEM)、本底水体数据及土地利用数据;然后介绍了以RS和GIS为支撑,对洪涝灾害进行监测评估,实现了对遥感获取的灾情信息与地面实况信息进行各种空间分析与专题分析,从而提取出洪涝淹没的范围和面积,及时地反映出淹没的程度及地理位置,快速地对洪涝灾情进行评估。最后结果显示:该方法快速、有效,能够为相关决策部门了解灾情、制定救灾方案以及灾后规划等提供决策支持。     

基于面向对象分类技术的景观信息提取研究

依据高分辨率遥感影像的特点,如何充分地利用影像的光谱信息和空间信息以及地学特征进行更为微观的遥感监测或大比例尺制图是高分辨率遥感研究的重要内容之一。本文以地形复杂的武夷山自然保护区为研究区域,以SPOT5原始影像为数据源,采用面向对象的多尺度分割方法,实现了不同尺度地物信息的分层提取。基于上层的分类结果对特定地物进行影像分割,选择合适的特征参数,并通过多次试验建立影像对象的隶属度函数,或利用最邻近分类法,逐级分层地提取了研究区的景观信息。研究结果显示：利用面向对象分类方法可以快速方便地对地形复杂条件下研究区的SPOT5遥感影像的景观信息提取,精度为76%,为高分辨率遥感影像的信息提取提供了更为快速、有效的技术途径。     

Sentinel-1A SAR数据在缅甸伊洛瓦底江下游区洪水监测中的应用

星载合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天候、全天时、实时性和宽覆盖的观测优势,可以广泛应用于洪水灾情监测。2015年7月16日~8月12日,缅甸遭遇近40年罕见的洪涝自然灾害。为此,本研究基于灾前和灾中Sentinel-1ASAR的影像开展缅甸伊洛瓦底江下游地区洪涝淹没范围监测。首先通过分析水体和受淹植被区的雷达微波后向散射机理,分别建立了开放性水体和受淹植被两类淹没区提取模型;然后通过该模型利用灾前、灾中两期Sentinel-1A数据提取了2015年8月11日缅甸伊洛瓦底江下游地区特大洪水淹没范围;同时结合地表覆盖等地理信息,分析了淹没范围内的耕地受灾情况。结果显示,基于Sentinel-1ASAR数据本研究分别提取了伊洛瓦底江下游开放性水体和受淹植被两类淹没区。其中,耕地受灾面积达5 681.05km2,受灾严重。研究表明Sentinel-1ASAR在洪水灾害的淹没范围监测方面具有较大的应用潜力。     

GF-1 WFV影像的中小流域洪涝淹没水深监测

针对目前水深监测仍主要依赖Landsat、SPOT等国外遥感卫星的问题,提出采用国产高分一号(GF-1)卫星16m分辨率WFV影像进行洪涝淹没水深监测。通过以中小流域为研究区,采取RS和GIS结合的水深测算方法计算淹没水深:在利用RS影像提取淹没范围的基础上,运用GIS方法由水面高程和地面高程之差计算得出淹没水深的空间分布。结果表明,GF-1卫星作为新兴的国产遥感数据源,凭借空间分辨率高和回访周期短的优势,可帮助摆脱对国外卫星遥感数据的依赖;GF-1卫星WFV影像提取水体精度较高,能广泛应用于中小流域洪涝灾害监测;RS和GIS结合的洪涝淹没水深监测算法简单易行,可快速计算在淹没范围已知情况下的水深。相关结果可为洪涝灾害监测与评估提供信息依据。     

光学和SAR遥感数据在赵村水库水体监测中的应用

为了解决传统水库监测管理手段效率低下的问题，采用光学影像和SAR影像数据对水库水体进行提取，实现对水库水域面积的动态监测。对比分析了多种水体提取方法在赵村水库的适用性，并结合现场调研的实际情况，分析了降雨量、水域面积和水位之间的关系。此外，利用数字高程模型对水库淹没区进行了模拟计算，得出了不同坝高设计下的淹没区域面积，并结合遥感影像进行了可视化展示。研究结果表明，光学影像和SAR影像数据相结合的方法可以准确提取水库水体信息，结果与实地调研数据相符，可为后续的水库监测预警工作提供有效的数据支持。     

基于SPOT影像的水体信息提取以及在湿地分类中的应用研究

利用SPOT影像数据,对研究区进行遥感图像融合处理实验,探讨了基于SPOT影像的水体信息提取的方法,以及在湿地分类中的应用。     

不同指数法在地表水体提取中的效果比较

由于遥感技术能够快速、高效地获取地表水体的时空分布特征,目前基于影像提取内陆水体的方法很多,但针对不同类型的水域,哪一种方法提取效果更好,是值得探讨的问题。以天健湖、须水河和黄河郑州段3个水域为研究对象,基于GF-2,Landsat 8,SPOT5卫星影像,采用水体、植被指数法等几种方法提取水域部分。通过分析提取效果,得出:对于水体较浅的天健湖,无论是GF-2还是Landsat 8影像,提取效果较好的方法是水体指数法,提取效果较差的均为单波段阈值法;对于相对较深的须水河,无论是GF-2还是Landsat 8影像,提取效果较好的方法是植被指数法,提取效果较差的均为单波段阈值法;对于含沙量较大、有细小水体的黄河水域,提取效果相对较好的是水体指数法,较差的是单波段阈值法和植被指数法。表明:在基于影像提取水体时,首先应弄清水域的情况,以采用相应的遥感指数。     

基于HJ-1 CCD数据的洪涝灾害范围动态监测研究——以黑龙江省抚远县为例

洪涝灾害范围是表征洪涝灾害时空分布特征的关键物理参数,是洪涝灾害灾情评估的主要内容和重要基础。充分利用遥感技术、地面站网观测数据和实地调查核查等手段,是当前"天、空、地、现场"一体化开展洪涝灾害范围动态监测的研究前沿。针对洪涝灾害范围实时动态演变过程监测时效性受数据和信息提取效率制约的问题,提出了基于HJ-1CCD数据利用区域生长算法的洪涝灾害范围提取模型。在研究多种地物目标的影像特征与光谱响应特征基础上,采用区域生长算法对2013年汛期黑龙江省抚远县洪涝灾害范围进行识别和判定。结果表明:汛期内稳定高频次获取的HJ-1CCD数据能为洪涝灾害范围识别和动态演变过程监测提供数据保障。区域生长法提取集中连片水体的效率高,能够将过去目视解译、人工勾画需要5h的工作量缩短到10min之内;提取结果宏观性强,在影响范围大的洪涝灾害范围动态监测业务中发挥着重要的作用。     

Building Height Estimation from GF-2 Image based on Morphological Shadow Index

GF-2 is a high resolution earth observing satellite with sub\|meter resolution which is developed by our own technique.To estimate urban building height based on GF\|2 remote sensing image combined with the idea of mathematical morphology and object\|oriented classification.First of all,segment image based on multi\|scale segmentation.Then extract shadow and calculate its length based on object\|oriented classification combined with spectral,shape,Morphological Shadow Index (MSI) and other features.In the end,estimate building height based on the geometrical model of satellite,sun and building and then accuracy evaluation and error analysis are carried out by using the field measurement data.Experimental results showed that 90% of the buildings’ absolute error is less than 1 m.This experiment demonstrate that the method can extract the height of urban building from the GF\|2 image effectively and the immense potential of domestic high resolution remote sensing image in applications on urban building information extraction.     

COSMO-SkyMed数据在常州市地表形变监测中的应用

小基线集合成孔径雷达干涉测量技术(SBAS-InSAR)已成功应用于城市地表形变监测,并表现出极大的潜力和优势。X波段高分辨率雷达卫星在地表微小形变探测方面较C波段和L波段更为敏感。选取覆盖常州地区COSMO-SkyMed高分辨率SAR影像,采用SBAS-InSAR方法获得了地表形变时间序列,对比水准观测数据,分析了干涉测量结果的精度,根据历史地下水位监测数据,分析了地下水水位变化对地表形变的影响。结果表明:干涉测量结果与水准观测数据具有很好的一致性,沉降区域主要发生在武进区,最大沉降量超过-40mm,主城区出现了轻微的回弹现象,回弹达到+5mm;地下水水位持续上升与地面沉降减缓、地面回弹趋势一致,地下水水位变化仍然是常州市地表形变的主要影响因素。     

Information fusion approach for the data classification: an example for ERS‐1/2 InSAR data

A huge amount of various remote sensing data have been acquired and archived during recent years. Information extraction from these data is still a challenging task, for example using the data classification. We propose the Bayesian approach to image classification using information fusion from different sources of data. The method of classification is based on the three processing steps: (1) information fission by feature extraction, (2) data and dimensionality reduction by unsupervised clustering, and (3) supervised classification with information fusion. The potential of the classification method is illustrated by the examples on ERS‐1/2 Tandem interferometric synthetic aperture radar data. The continuity of tandem pairs of SAR images is ensured by already started or future missions such as TerraSAR‐X, TanDEM‐X, and COSMO‐SkyMed.     

Citrus Recognition Methods of Hyperspectral Remote Sensing Image based on Spectral Unmixing Model

In order to monitor the citrus planting information timely and accurately,We take Huichang County of Jiangxi Province as the research area,using EO\|1 Hypersion hyperspectral remote sensing (HRS)image as a datasource to build a citrus recognition methods of hyperspectral remote sensing image based on spectral unmixing.First of all,the EO\|1 Hyperion hyperspectral remote sensing image has 242 bands,and it has a wide spectrum rang.It can extract the spectral curve of typical objects in the study area,which is based on the image pre\|processing including the band selection,the atmospheric correction and so on.Then,we use the fully constrained linear spectral mixture model of spectral unmixing to decompose the mixed pixels of the image,and then extract the abundance value of citrus.Finally,we construct the relationship between citrus abundance and the actual cultivation of citrus based on the high resolution remote sensing image.The results indicated that the unavoidable error in the extraction of the typical objects and the differences of the citrus canopy coverage can lead to the corresponding relationship between the citrus plant accurate identification and the citrus abundance threshold value.Under the condition of repeated experiments,the study area of citrus abundance thresholds in the range of 0.30~0.45,the overall accuracy can reach more than 90%,and it can meet the requirements of identification of citrus.     

基于面向对象技术的鄱阳湖湿地地物分类研究

使用RadarsatＧ２全极化雷达数据,基于面向对象技术对图像进行分割,分析各类地物的散射特征,并对分割对象进行特征提取,依此设计各类地物的提取因子并对鄱阳湖湿地进行地物信息提取,最后利用实地采样数据和同期的高分一号影像数据对分类结果进行验证.研究表明:采用面向对象技术并结合地物散射特征设计的提取因子,可以有效克服雷达图像分类中常见的斑点现象,提高湿地分类精度.     

Extracting Built\|up Areas from TerraSAR-X Data Using Object-oriented Classification Method

Urban sprawl stands for one of the most dynamic process in the context of global land use changes.Currently developing countries are going through the tide of urban expansion,represented by China and India.The constantly increasing loss of land resources due to growing settlements comes along with various ecological and socioeconomic challenges such as air pollutant,water contamination,urban heat island effect and urban waterlog disaster.In order to prevent these negative consequences,effective methods and strategies for a sustainable development of urban planning is the availability of accurate and up\|to\|date geo\|data on the location,shape,and dynamics of built\|up areas.Based on single\|polarized TerraSAR\|X,the approach generates homogeneous segments on an arbitrary number of scale levels by applying a region\|growing algorithm,which takes the intensity of backscatter and shape\|related properties into account.The object\|oriented procedure consists of three main steps:firstly,the analysis of the local speckle behavior in the SAR intensity data,leading to the generation of a texture image;secondly,a segmentation based on the intensity image;thirdly,the classification of each segment using the derived texture file and intensity information in order to identify and extract build\|up areas.In our research,the distribution of BAs in Dongying City is derived from single\|polarized TSX SM image (acquired on 17th June 2013)with average ground resolution of 3m using our proposed approach.By cross\|validating the random selected validation points with geo\|referenced field sites,Google Earth high\|resolution imagery,confusion matrices with statistical indicators are calculated and used for assessing the classification results.The result of kappa coefficient is 0.85,OA coefficient is 92.89%.We have shown that connect texture information with the analysis of the local speckle divergence,combining texture and intensity of construction extraction is feasible,efficient and rapid.