ASTER遥感影像水体信息提取方法研究

以安徽省芜湖市为试验区,首先对试验区水体和其它各类地物的光谱特征进行分析,探讨水体在ASTER遥感影像各个波段与其它地物之间的可分性,然后经过反复实验和分析,构建了基于波段阈值和谱间关系的水体提取模型:B2>B3,B1+B6<127,B3+B4<54和B3<24,最后将该方法提取结果与非监督分类、监督分类和植被指数法提取结果进行评价和比较。实验结果表明该方法可较好地提取研究区各类水体,分类精度明显优于传统提取方法,且简单实用,但在对光谱特征分析过程中样本点选取要求较高。     

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COSMOＧSkyMed和SPOTＧ５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COSMOＧSkyMed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SPOTＧ５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COSMOＧSkyMed提取的水体和灾前光学影像SPOTＧ５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Hyperion影像的辽东湾水体信息自动分类

通过对辽东湾地区(局部)的水体、土壤及植被等主要地物波谱特征的对比分析及海水与淡水的波谱特征的对比分析,确定了高光谱遥感数据中的水体敏感波谱区间及区别海水与淡水的特征波谱区间,提出了基于连续波谱的水体信息提取与分类的利率法及双吸收深度模型,该方法在提取水体信息时不受山地阴影的影响,提高了水体信息的提取准确度。基于此方法和模型对研究区进行了海水与淡水信息的提取与分类,结果与实际情况吻合良好,为利用高光谱遥感数据进行水体信息提取分类,实现更好的水资源管理、洪水监测、海水入侵监测以及内河水入海口对海水的影响监测提供了有效的理论方法和技术手段。     

2020年长江中下游蓄滞洪区集中区域洪水遥感监测及敏感性分析

为了减轻洪水有关的灾害风险，需快速准确获取洪水范围，并利用洪水事件的相关数据和信息来分析洪水的敏感区域，可为洪水的预防决策和管理提供科学依据。基于Sentinel-1 SAR数据分析2020年7月长江中下游蓄滞洪区集中区域洪水淹没状况，并利用机器学习模型分析了长江中下游蓄滞洪区集中区域洪水的敏感性，研究结果表明：(1)长江中下游蓄滞洪区内2020年洪水期水体面积达到了3 747 km²，相比平水期新增水体面积为1 301 km²，占整个研究区新增水体面积的19%，新增水体面积最大的为洪湖蓄滞洪区和华阳河蓄滞洪区。(2)从研究区新增水体范围内2010年以来土地利用变化来看，耕地、人造地表面积扩大，湿地、林地、草地和裸地面积下降，湿地面积萎缩降低蓄水纳洪能力。(3)研究区洪水敏感性高等级面积占整个研究区的23.33%，洪水敏感性极高等级占整个研究区的22.55%；蓄滞洪区洪水敏感性高等级面积占蓄滞洪区的面积比例为38.97%，极高等级占整个蓄滞洪区面积的52.05%。研究结果可为蓄滞洪区洪水防治、规划和建设提供科学依据和理论参考。     

基于分布式计算的遥感图像水体识别研究

为了提高遥感数据的处理速度,解决遥感信息提取中的数据密集与计算密集问题,将并行计算的思想引入到遥感图像的处理与信息提取中,构建基于Landsat ETM+影像的分布式遥感图像水体提取模型。以渭干河流域为研究区,利用单波段阈值法、多波段谱间关系法、水体指数法等方法进行水体信息自动提取的实验。实验结果表明,该模型具有较高的识别精度,能够快速识别水体,并具有稳定的可扩展性和伸缩性。     

一种遥感影像水体信息自动提取方法

本文提出了一种基于卫星图像数据的LBV变换与归一化植被指数NDVI的遥感影像水体信息自动提取的方法.水体经过LBV变换后形成的B分量图的灰度值很大,水体信息的归一化植被指数值小于0;构建水体信息自动提取模型条件是水体信息满足B分量数值大于某一阈值并且归一化植被指数值小于0;与其它方法进行实验比较该方法可以较准确的进行水体信息的自动提取,同时准确地将水域与低密度覆盖的水植混合体分开.     

基于Sentinel-1与Landsat 8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。     

改进DeeplabV3+模型的河流水体提取

为了探究深度学习DeeplabV3+模型在河流水体提取的潜力,分别构建了ResNet-50、ResNet-101、ResNet-152、Xception共4种不同骨架网络的DeeplabV3+模型,开展河流水体提取研究。通过河流水体提取结果对比分析,确定了最优骨架网络模型为ResNet-50,在此基础上提出了改进的DeeplabV3+模型,并与最邻近分类法、随机森林分类法、支持向量机分类法、原始DeeplabV3+模型法等分类方法的分类结果进行比较。结果表明：改进的DeeplabV3+网络模型能有效提取河流水体目标,增强小面积河流水体识别能力,减少河流水体漏分现象,提高河流水体提取效果。改进后的DeeplabV3+网络模型在高分辨率遥感影像河流水体提取方面具有可行性,为后续该领域的进一步研究应用提供了参考。     

基于多特征的城市用地高分辨率影像分类与提取

利用高分辨率影像对象的多特征信息,采用面向对象的影像分析技术与多尺度影像分割技术,建立基于多特征的遥感影像分类模型,提取城市用地信息,为城市用地的合理规划与有效管理提供信息支撑。该方法分类速度快、精度高,为遥感影像信息的分类与提取提供了新的思路。     

基于视觉注意机制的大范围水体信息遥感智能提取

建立契合遥感数据内在特征的智能信息分析模型与方法,是解决遥感大数据时代信息智能提取的关键所在。从普适性的大范围水体信息遥感智能采集的需求出发,构建一种基于视觉选择性注意机制与AdaBoost算法的水体信息遥感智能提取方法。首先通过对遥感多特征指数的RGB配色方案的优化设计,实现水体信息图像特征的增强和可视化表达。然后在HSV颜色空间中,利用色差距离图像的关键节点信息构造分类特征集,并采用AdaBoost算法构建水体识别分类器,据此从图像色彩聚类结果中自动识别出水体所属类别,实现水体信息的智能提取。对比实验结果表明,该方法的水体信息提取结果在漏分率（LR）和复合分类精度（CCA）上都有明显提高;同时,该方法能有效减少对高质量训练样本的依赖性,对于丰水期泥沙含量较高水体以及洪灾导致的淹没区等临时性水域也具有较好的识别性能。     

A method for generating floodplain maps using IKONOS images and DEMs

Flooding is a natural hazard that takes millions of lives each year. Remote sensing and geographic information systems (GIS), two fields of surveying engineering, can play an important role in flood management by generating floodplain maps.

This paper proposes a model to generate a floodplain map for a flood event. A digital elevation model (DEM) is used to compute a flood-depth map for a given flood event. The flood-depth map is overlaid over the classified high-resolution image (IKONOS) to determine the inundated classes after flooding. This model is applied on a part of the river that is located in the northwest of Iran in Khoram-Abad city. Applying this model on this study area shows that the accuracy classification is improved by about 15% using a multi-layer perceptron neural network. This improvement could play an important role in flood risk assessment. A nonlinear regression model is also used for modelling the flood-water line.     

基于图卷积网络的多标签遥感图像分类

由于遥感图像包含物体类别多样,单个语义类别标签无法全面地描述图像内容,而多标签图像分类任务更加具有挑战性.通过探索深度图卷积网络(GCN),解决了多标签遥感图像分类缺乏对标签语义信息相关性利用的问题,提出了一种新的基于图卷积的多标签遥感图像分类网络,它包含图像特征学习模块、基于图卷积网络的分类器学习模块和图像特征差异化模块三个部分.在公开多标签遥感数据集Planet和UCM上与相关模型进行对比,在多标签遥感图像分类任务上可以得到了较好的分类结果.该方法使用图卷积等模块将多标签图像分类方法应用到遥感领域,提高了模型分类能力,缩短了模型训练时间.     

鄱阳湖区洪涝灾害遥感动态监测系统设计与实现

鄱阳湖区域历史上多次遭受洪灾的侵扰,1998年汛期江西省连续两次大暴雨致使湖区洪水泛滥,洪涝成灾,造成重大损失。为提前预防及降低洪涝灾害的损失,在国家科技部社会公益研究项目专项资金的支持下,笔者开展了对鄱阳湖区洪涝灾害的调查研究,开发了鄱阳湖区洪涝灾害遥感动态监测系统。该系统能根据历史数据和卫星遥感信息预测湖区洪涝灾害发生的可能性,动态监测湖区的洪涝灾害情况,进行灾后损失评估,能在一定程度上减少灾害造成的损失。     

Urban flood risk analysis for determining optimal flood protection levels based on digital terrain model and flood spreading model

The objective of the paper is to present a new risk-analysis approach for the assessment of optimal flood protection levels in urban flood risk management, which is based on an active contour method. Although the active contour method is a very popular research topic, there has been no attempt made on deriving a model for simulating flooding and inundating to date, as far as we are aware. We have developed a flooding prototype system, which consists of two main parts: a digital terrain model and a flood simulation model. The digital terrain model is constructed using real world measurement data of GIS, in terms of digital elevation data and satellite image data. A pyramidal data arrangement structure is used for dealing with the requirements of terrain details with different resolutions. A new flooding model has been developed, which is useful for urban flood simulation. It consists of a flooding image spatial segmentation based on an active contour model, a water level calculation process, a standard gradient descent method for energy minimisation. When testing the 3D flood simulation system, the simulation results are very close to the real flood situation, and this method has faster speed and greater accuracy of simulating the inundation area in comparison to the conventional 2D flood simulation models.     

Use of RADARSAT‐1 data and a digital elevation model to assess flood damage and improve rice production in the lower part of the Chi River Basin,Thailand

In Thailand, flooding due to seasonal monsoon conditions frequently destroys a substantial amount of rice production, the most important agricultural activity of the country. Taking the 2001 monsoon flooding that hit the Lower Chi River Basin as an example, we developed a new method for accurately assessing damage to flood‐affected paddies. A RADARSAT‐1 image acquired during peak flooding was combined with a 30‐m digital elevation model (DEM) to develop a ‘flood‐level‐determination’ algorithm for estimating floodwater depth. Based on the elongation capability of the rice varieties, a water depth of 80 cm was used to separate ‘non‐damaged’ from ‘damaged’ paddy areas, indicating that about 60% of the paddy fields in the flooded areas were non‐damaged paddies. To minimize the loss of rice and maximize farmers' incomes, a map of rice varieties appropriate for the damaged paddy areas was produced, combining the flood‐affected paddy map with the flood frequency map. Our results demonstrate the potential of using single‐date RADARSAT‐1 data and a DEM to provide accurate and economic means of assessing flood damage to rice fields that can be used to improve rice production.     

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。     

The accuracy of sequential aerial photography and SAR data for observing urban flood dynamics, a case study of the UK summer 2007 floods

In this paper we examine, for the first time, the potential of remote sensing to monitor flood dynamics in urban areas and constrain mathematical models of these processes. This is achieved through the development of a unique data set consisting of a series of eight space-borne synthetic aperture radar (SAR) and aerial photographic images of flooding of the UK town of Tewkesbury acquired over an eight day period in summer 2007. Previous observations of urban flooding have used single image and wrack mark data and have therefore been unable to adequately chart the propagation and recession of flood waves through complex urban topography. By using a combination of space-borne radar and aerial imagery we are able to show that remotely sensed imagery, particularly from the new TerraSAR-X radar, can reproduce dynamics adequately and support flood modelling in urban areas. We illustrate that image data from different remote sensing platforms reveal sufficient information to distinguish between models with varying degrees of channel-floodplain connectivity, particularly toward the end of the recession phase of the event. For this test case, our results also show that high resolution SAR imagery even when acquired from satellites can reveal important hydraulic characteristics difficult to simulate with current dynamic flood models. Hence, it is established, at least for this test case and event, that SAR imagery from as far as several hundred kilometers from the Earth's surface can deliver important information about floodplain dynamics that can be used to identify and help build suitable models, even in built-up environments.     

基于多时相遥感观测的板栗林分布提取研究

板栗林在欧亚、北美等地广泛分布,具有良好的生态价值和经济效益。我国板栗产量居世界首位,是重要的经济树种。使用遥感影像建立板栗林空间分布提取方法能够为其科学管理和高效经营提供定量数据,但树种分类是遥感分类的难点,并且针对板栗林的遥感提取研究较少。以河北省宽城满族自治县为研究区,结合MODIS高时间分辨率特征和Landsat数据较高空间分辨率的特征,研究板栗林提取的最佳时相以及分类特征,并采用多时相观测基于支持向量机算法实现板栗林的提取。结果表明：①4月至6月各地类光谱差异最大,是板栗林提取的关键物候期;②蓝、绿、红、近红外和短波红外波段地表反射率是分类的有效波段,NDI、NDVI、NDWI、RSI和RVI等植被指数增强了植被信息,是板栗林提取的有效分类特征;③单一时相板栗林分类中,生长季前期6月精度最高,生长季后期9月次之,非生长季1月分类结果较差;④结合生长季6月、9月和非生长季1月遥感影像的分类精度最佳,板栗林制图和用户精度分别为89.90%和87.25%。与林业局板栗林面积统计数据相比,精度可达93.45%。