多源遥感技术在洪水监测中的应用研究

洪水的暴发,常常会导致耕地淹没、居民地摧毁、人员伤亡等损失,严重威胁社会经济的稳步发展。准确且快速获取洪水水体面积、水深、水量等信息,能够帮助决策者及时掌握洪水发展情况,科学制定防洪调度方案,有效降低洪水造成的损失。卫星遥感、无人机航测等非接触式监测技术具有远距离、大范围、长时序监测的优势,在各类灾害应急中具有重要的应用价值。本文通过对各卫星平台的关键性技术指标进行分析研究,结合洪涝灾害特点,建立天空地协同的洪水遥感监测指标体系,同时利用多源遥感卫星数据,以“21·7”河南省郑州市特大洪水为研究对象,对洪水淹没面积、洪水水深和水量进行精准、快速计算与提取,建立健全的洪涝灾害应急体系。

基于机器学习算法的森林生物量多源遥感估测

为进一步探索不同空间分辨率影像在10 m×10 m样地尺度下森林生物量估测性能及协同机器学习算法(RF、SVM、DT、GBM、k-NN、Stacking)的估测效果,利用光学遥感GF2(高分二号卫星)、sentinel 2A、Landsat 8 OLI、SUM(整合3种遥感数据源)影像及辅助变量DEM高程数据、环境因子、林分因子(森林类型、优势树种),在Boruta算法变量选择下用机器学习算法对元谋地区乔木林森林生物量(地上+地下)进行遥感估测,并比较4种影像下的估测精度。研究表明:(1)基于Boruta算法分别对3种影像及整合3种影像条件下进行变量选择,单一影像中sentinel 2A的植被指数PEIP、Landsat 8 OLI的纹理因子b2_ME_9×9、GF2的GNDVI分别为3种影像下的最高得分变量,多源融合估测森林生物量中GF2的GNDVI为最佳得分变量;(2)基于Boruta算法选择的变量构建RF、SVM、DT、GBM、k-NN算法以及对5个模型的Stacking集成算法,SUM的Stacking集成算法的估测效果最优,模型决定系数(R2)为0.73,均方根误差(RMSE)为28.46 t·hm^(-2),集成算法下的SUM的估测性能优于sentinel 2A、Landsat 8 OLI,GF2优于sentinel 2A,sentinel 2A的估测性能优于Landsat 8 OLI。研究结果说明在生物量遥感估测中高分辨率影像具有较好的估测效果,同时多源遥感协同估测、集成算法均可提高森林生物量遥感估测精度,可为森林生物量遥感估测提供参考和借鉴。

基于多源遥感的桐乡市水系格局演变研究

【目的】浙江省桐乡市水系受人类活动干扰巨大,定量评估桐乡市水系的演变过程对其未来水系优化布局与城市可持续发展具有重要意义。【方法】基于1975、1998、2005、2012、2016、2019年6期多源遥感影像与土地利用调查数据,采用目视解译方式获取水系数据,使用河网水系指标、景观格局指数、空间叠加分析等方法定量研究桐乡市河流和池塘的数量、结构、形态、功能、空间分布变化规律与原因。【结果】①桐乡市河流长度和面积在2005年前保持增加,在快速城镇化时期剧烈衰减,到2016年后快速恢复。Ⅰ级河流持续增长,支流在各个时间阶段变化显著。②河网密度、支流发育系数、分形维度在整个过程中先增加再减小最后快速增加,河流水面率持续上升但在高速城镇化时期增速明显滞缓,河网环度与实际结合度不断波动并在2016年达到峰值。③河网密度在近郊与远郊的变化远大于市区。在2005年前,河流水面率变化市区>远郊>近郊,开始快速城镇化后,市区>近郊>远郊。远郊的支流发育系数变化最不显著。④桐乡市池塘面积同样经历了先增加后减小最后快速增加的过程,结构组成不断变化,养殖坑塘的激增是池塘面积改变的主要因素。池塘形态在发展中逐渐规整,分布先聚集后离散最后重新连片,并在西部远郊区域产生大规模聚集。【结论】桐乡市不同时期水系变化受城市发展政策影响巨大,具有明显的阶段性,造成地方水系变化的主要原因包括城镇化发展、农业结构调整、生态治理与修复,与同类型平原水网城市变化特征存在异同。

集成多源遥感与极限梯度提升的竹林地上生物量估测

森林生物量遥感精准估测是评估森林碳汇潜力的重要依据,通过对比机载激光雷达(LiDAR)与机载多光谱数据在竹林地上生物量(AGB)估测中的差异,探索不同光学与激光点云数据协同估测森林AGB的潜力。以福建特色竹种黄甜竹(Acidosasa edulis)人工林为研究对象,同步采集无人机载多光谱影像和LiDAR数据,提取并优选单一LiDAR的优选特征集、单一多光谱影像数据优选特征集、联合机载LiDAR和多光谱影像的优选特征集,采用多元线性回归模型(MLR)和支持向量机(SVM)、随机森林(RF)、极限梯度提升(XGBoost)拟合竹林AGB估测模型。结果表明:(1)LiDAR数据的高度特征和密度特征是竹林AGB估测的重要特征,基于多源异构数据的特征集对竹林AGB估测的效果优于单一的遥感数据;(2)竹林AGB估测中,基于机器学习算法的非参数模型优于多元线性回归模型;集成XGBoost与多源特征集的黄甜竹AGB估测模型最优,R^(2)达0.64,Erms为9.90 t·hm^(-2)。竹林具有特殊冠层结构,应用LiDAR数据源能够有效获取林分垂直结构信息,联合多源异构数据能提高生物量估测模型精度。

多源遥感数据与机器学习算法的沼泽湿地信息提取

基于多源遥感数据与机器学习算法,旨在探讨提高沼泽湿地信息提取精度的方法。利用GEE(Google Earth Engine)平台获取的Sentinel-1合成孔径雷达(SAR)数据、Sentinel-2多光谱数据以及地形数据,结合多种机器学习算法提取沼泽湿地遥感信息,并在大兴安岭山区的南瓮河自然保护区以及松嫩平原区的莫莫格保护区进行精度验证。结果表明:利用多源遥感数据结合机器学习算法的研究方法,可显著提高沼泽湿地信息提取精度。在平原地区沼泽湿地信息提取中,雷达数据比多光谱数据贡献度更高;在山地地区沼泽湿地信息提取中,二者具有相近的贡献度。Sentinel-1、Sentinel-2数据和地形湿度指数数据的组合更有利于各种地形沼泽湿地信息提取。随机森林机器学习算法对沼泽湿地信息提取精度最高。

融合地表温度与形变的地下煤火多源遥感识别研究

地下煤火隐蔽性强且危害大,不仅破坏植被及生态环境,造成严重大气污染,且易诱发地质灾害,威胁周边人们群众的生命财产安全以及煤炭的安全生产,因此开展地下煤火灾害的准确识别与监测具有重要意义。为了解决单一遥感手段难以准确识别地下煤火的问题,基于2017—2019年的多景Landsat-8影像和Sentinel-1 A影像,利用普适性单通道算法和DS–InSAR(Distributed Scatterer Interferometry Synthetic Aperture Radar)技术分别获取了水西沟煤田长时序地表温度与形变分布信息,在此基础上基于阈值分割与时空耦合叠加分析等方法开展了融合地表温度与形变的地下煤火多源遥感识别研究。结果表明:地表长时序温度和形变时空协同分析可以有效克服非煤火高温或形变等复杂异常信号产生的影响,凸显了地下煤火信号在地表温度与形变2个维度中的响应特征。而且,地下煤火区地表温度异常与形变异常空间分布形态存在细微差异,其中形变异常得益于SAR影像分辨率和外界干扰因素较少等条件,其对地下煤火识别的指示作用更强,而基于温度异常正确识别的煤火区域范围则与实勘煤火边界具备更好的空间一致性。另外,地下煤火灾害的温度与形变峰值空间位置存在一定偏移,但在时间维度上2者响应具有明显的一致性,表现为稳定的异常高温与持续沉降。可见,与单一遥感手段相比,融合2者的方法能够更加准确地识别地下煤火区,为地下煤火灾害的广域普查和及时防治提供良好的技术方法支撑。

融合多源遥感数据的夏玉米土壤水分反演方法对比研究

为了解决在夏玉米植株高度较高(>1.5 m)情况下,无人机遥感土壤水分反演过程中冠层与地表之间多次散射对微波后向散射的衰减问题,寻找合适的反演方法。通过融合运用无人机多光谱和热红外数据、Sentinel-1A SAR卫星数据,结合田间实测数据,对植被覆盖下的土壤水分反演与精度验证进行研究;采用温度植被干旱指数(TVDI)、水云模型(WCM)以及引入MIMICS模型参数的改进水云模型(Improved WCM)3种方法进行土壤水分反演。其中,TVDI方法拔节期反演精度R2为0.50(10 cm)和0.42(20 cm),乳熟期反演精度R2为0.49(10 cm)和0.46(20 cm);WCM方法拔节期反演精度R2为0.53(10 cm)和0.44(20 cm),乳熟期反演精度R2为0.18(10 cm)和0.02(20 cm);Improved WCM方法拔节期反演精度为0.76(10 cm)和0.69(20 cm),乳熟期反演精度为0.78(10 cm)和0.74(20 cm)。采用引入MIMICS模型参数的改进水云模型方法得到的夏玉米2个生育期的反演效果,明显优于水云模型方法和温度植被干旱指数方法;3种方法的2个生育期反演精度均为10 cm高于20 cm。因此,引入MIMICS模型参数的改进水云模型方法更适合于玉米植株较高情况下的10 cm土壤含水量反演。

基于人工智能的多源遥感数据融合在电网勘测应用研究

随着卫星遥感、空间科技等技术的不断发展,通过卫星采集多源遥感数据已被广泛应用到诸多行业。将多源数据进行融合,生成信息更丰富、质量更高的图像,能更清晰地分析地物地貌地形情况,已成为近年来图像智能处理领域的技术研究前沿方向。文章基于人工智能卷积网络和注意力机制,提出一种统一融合网络,将不同光谱和空间属性的遥感源数据进行有效融合,生成具有精确光谱信息和清晰空间细节的高分辨率图像,为电网勘测选址选线等业务提供了辅助支撑的有效手段。实验结果表明,文章研究结果比现有典型方法具备更好的融合效果。

多源遥感卫星数据在脉状萤石矿床中的找矿预测应用:以内蒙古水头萤石矿床为例

萤石是一种战略性非金属矿产,脉状萤石矿床是全球萤石产量的主要来源,应用遥感技术开展脉状萤石矿床的勘查找矿研究具有重要意义。笔者选择内蒙古中东部水头萤石矿床为研究区,在野外地质调查和前期研究的基础上,综合应用Landsat-8、ASTER、Sentinel-2和WorldView-2多源遥感影像进行成矿预测。首先,基于光谱协同理论将Landsat-8与WorldView-2融合生成协同数据,对研究区地层岩性和控矿构造进行遥感解译;利用Sentinel-2和ASTER影像进行了羟基、铁染和硅化蚀变信息提取。基于已知萤石矿点的遥感解译特征建立研究区萤石矿的遥感解译标志,在此基础上,应用GIS平台对提取特征信息进行加权叠加分析,开展研究区内萤石矿的综合预测。研究结果表明:Landsat-8与WorldView-2数据融合的假彩色合成影像可有效区分研究区萤石矿化点;由于脉状萤石矿体具有明显的垂向分带特征,在研究区地表露头中多发育硅质顶盖,因此硅化蚀变异常与羟基异常组合可作为萤石矿化的重要特征依据。GIS综合预测结果与已知矿点吻合度高,证实了应用多源遥感数据在脉状萤石矿床勘查找矿中的有效性,并预测了三处新的靶区,相关结果可为后续勘查部署提供依据,也可为其他地区的萤石遥感找矿勘查提供参考。

基于多源遥感特征融合与卷积神经网络(CNN)的丘陵地区水稻识别

为探究卷积神经网络(CNN)算法和多源遥感优选特征数据融合对丘陵地区水稻种植区的识别效果和适用性,以江西省上高县为研究区,利用Sentinel-2与GF-1遥感影像数据,对研究区晚稻种植区域进行识别。选取影像波段特征、植被指数、纹理特征及地形特征等分类特征,用分离阈值法(SEaTH)筛选出对各类别分离度较大的特征变量。基于Sentinel-2优选特征数据、GF-1优选特征数据、Sentinel-2与GF-1优选特征融合数据,使用CNN分类算法进行晚稻识别,同时用支持向量机(SVM)、最大似然法(MLC)分类算法进行对比。结果表明,Sentinel-2与GF-1优选特征融合数据在CNN分类算法下对水稻的识别效果最好,总体精度、Kappa系数分别为96.19%、0.93,结合野外调查数据进行验证,实际验证精度达94.69%。由研究结果可知,Sentinel-2与GF-1优选特征融合数据在CNN分类算法下对丘陵地区水稻识别具有较好的效果和适用性,是丘陵地区水稻遥感识别的有效手段。

多源遥感蒸散产品在小流域径流模拟中的适用性评价

在小流域径流模拟中,从多源蒸散发产品中选择合适的产品有利于提高水文模型径流模拟精度。从遥感蒸散发原理出发,选取了基于机器学习模型的GLASS产品、基于陆面模式的PET_PU_3H025_002产品、基于遥感模型的MOD16、GLEAM、SSEBop产品作为研究对象。以Littlewashita流域为研究区,通过求取蒸散发产品的区域多年均值分析其时空变化特征,并探究多源蒸散发产品在CREST水文模型中的适用性。根据NSCE、Bias、CC三项指标,结合单指标评价法和多指标综合评价法,比较了率定期和验证期模拟结果。结果表明:①5种遥感蒸散发产品多年均值的时空分布格局差异较大。PET_PU、SSEBop产品在区域内的估算值相对偏高,MOD16产品相对偏低。GLASS和GLEAM产品区域内多年均值的变化范围相似,均维持在2.2~2.4mm/d。②模型对洪峰时间的模拟较准确,但在洪峰流量的模拟方面存在差异。对比Bias指标,在率定期内GLEAM产品的偏差最小,MOD16的偏差最大。对比NSCE、Bias、CC三项指标,验证期径流模拟效果较率定期明显降低。③不同遥感蒸散发产品在小流域径流模拟中的差异性较小。综合多指标评价法,GLEAM和GLASS产品表现更出色。

多源遥感图像融合语义分割发展现状与展望

遥感图像的语义信息提取正成为城市规划利用、土地覆盖勘察、灾害变化检测以及海上态势感知等研究方向的关键技术之一。文中从由“单源”向“多源”发展的遥感图像智能处理需求出发,首先概述并分析了大数据时代和深度学习背景下的遥感图像语义分割发展现状,主要包括单一来源图像语义分割、多源遥感图像融合语义分割和多源(同质/异质)遥感图像变化检测。然后在阐述主要方法的基础上,提炼并总结了多源遥感图像语义分割的关键技术,主要有单源遥感图像快速语义分割语义信息辅助的多源遥感图像精确配准与融合、基于多源遥感图像的语义信息智能提取。最后,针对多源遥感图像在轨处理需求,概括出高分辨率多源遥感图像智能一体化信息提取所面临的技术挑战,并对未来发展趋势进行展望。

基于多源遥感影像的矿区煤火探测方法

露天矿煤自燃造成煤炭资源浪费、破坏周边环境甚至严重威胁矿区安全生产,露天矿煤火探测具有重要意义。针对上述问题,提出了一种昼夜地表温度融合的方法,结合煤自燃引发的其他地表异常现象进行露天矿煤火探测。该方法分别获得白天与夜间的地表温度,通过代数叠加,消除太阳辐射等因素的影响,突出持续热异常区域。针对露天矿周边区域,在地表温度异常的基础上,制作沉降异常和生态异常两级带通滤波器,对地表温度异常进行滤波,整合得到研究区煤火分布特征。研究表明,昼夜地表温度融合的地表温度信息较单一时相温度探测煤火的方法更为有效,针对露天矿周边地区,昼夜地表温度融合的热红外遥感技术联合雷达干涉测量技术与遥感生态指数探测煤火的方法具有较高的可靠性和准确性。

刚果(布)Mpassa-Moubiri铜多金属矿区多源遥感蚀变矿化异常提取

刚果(布)Mpassa-Moubiri矿区铜、铅、锌等矿种找矿前景良好,运用多源遥感数据可提供丰富的找矿地质信息。本文选取Aster、Sentinel-2A、Worldview-2影像,采用主成分分析法分别提取白铅矿化、菱锌矿化、硅化、铁染、蓝铜矿化、孔雀石化等蚀变矿化异常信息,光谱角监督分类方法提取浅表含矿黑土异常信息。运用GIS密度分割挖掘各类蚀变矿化信息空间分布规律,并将其作为评价指标构建层次分析模型,最终圈定异常强度阈值高于0.8、面积17.18 km^(2)的遥感综合异常区域。结果表明:遥感综合异常主要呈北东向展布,富集在碳酸盐岩与碎屑岩接触带的有利成矿部位,与地表调查、化探异常吻合较好,表明多源数据组合能有效提取该矿区蚀变矿化信息,可为后续大比例尺勘查工作部署提供依据。

长时序多源遥感数据的森林冠层高度反演

为准确获取森林冠层高度信息,精确估计森林地上生物量及评估森林碳汇能力,基于长时序的地面实测、多源遥感数据与数字高程模型构建30个长时序的特征变量,结合机器学习算法(Machine Learning,ML)对浙江省丽水市的森林冠层高度进行反演。研究表明,地形因素对森林冠层高度的反演呈“不重要性”,而与红绿波段相关的植被因子、森林冠层高度强相关;加入长时序的特征因子可有助于提升ML算法对森林冠层高度反演精度,卷积神经网络(Convolutional Neural Network,CNN)提升的性能尤为显著,实现最佳0.39的决定系数(R^(2))提升与4.15的均方根误差(R_(MSE),式中记为R_(MSE))下降;随机森林在4种ML算法中的反演精度最高(R^(2)=0.79,R_(MSE)=1.65),大于支持向量机(R^(2)=0.65,R_(MSE)=1.97)、极端梯度上升法(R^(2)=0.76,R_(MSE)=1.81)与卷积神经网络(R^(2)=0.71,R_(MSE)=1.83)。

基于地理模型和多源遥感的林草生态综合监测方法——以日照市莒县为例

随着生态系统保护工作的不断推进,林草生态系统成为人们关注的重点问题。分析林草生态监测现状可确定目前林草生态监测存在的问题。针对当前林草生态综合监测过程,由于遥感图像分析能力不足,造成监测结果精度不足等问题,提出基于地理模型和多源遥感的林草生态综合监测方法。采集遥感图像,完成3D标定及预处理工作。通过纹理特征提取与支持向量机算法,对林草生态环境遥感影像进行判读。应用多源遥感技术构建地理加权回归模型,实现林草地图斑监测。将图斑带入马尔科夫矩阵模型中,获取林草生态综合变化监测结果。至此,基于地理模型和多源遥感的林草生态综合监测方法设计完成。通过实验证实,此方法的遥感图像分类精度以及监测精度均优于当前方法。

基于多源遥感数据的牲畜空间化研究

1前言全球经济的快速发展,使人类对动物源性食品的需求量急剧增加,加快促进了畜牧业的发展。畜牧业的发展逐渐引起了人类的高度重视,畜牧业一定程度上与环境承载力紧密相关,对维持草畜、生态平衡,实现可持续发展、人与自然和谐共生至关重要。目前,人类掌握牲畜情况依然长期依赖于传统的统计调查数据,是以行政区划为单元进行的逐级数字收集,多以省、市、县三级为主,尺度比较粗糙。

基于GNSS和多源遥感数据的桥梁变形实时监测技术研究

文章简要介绍全球导航卫星系统(GNSS)技术应用于动态测定桥梁变形的方法,建立GNSS监测模型,提出监测纠偏、数据处理的技术方法;探索“GNSS+各类遥感数据”在桥梁变形实时监测中的应用,建立全面监测、数据准确的技术体系,以切实获取桥梁变形动态。经过监测对比分析,GNSS与遥感技术联合后,与人工监测结果的变动趋势相似,监测结果偏差小于12 mm,具有较高的参考价值。

基于多源遥感数据的中国城市绿地变化研究

城市绿地对于相对脆弱的城市生态有着重要作用,同时对于城市人群生活产生积极影响,然而城市发展过程中产生的剧烈土地利用变化,必然会引起城市绿地的面积和分布产生改变,进而对局部气候和整体城市环境造成影响。尽管国家一直重视城市绿地建设和规划。

洛宁盆地多源遥感地热信息提取方法研究

为探明洛宁盆地地热资源范围,为后期科学合理开发地热资源提供数据支撑,本文提出多源多时相遥感技术的综合预测方法。分别使用大气校正法、发射率归一化法对Landsat 8、ASTER数据进行地表昼夜温度反演,提取温度异常区。结果表明:此方法能够消除太阳辐射的影响,昼夜温度二者呈负相关;温度高异常区主要分布在水体、城镇区域,呈线状延伸。再结合多时相卫星数据对蚀变和构造信息进行提取,叠加温度、蚀变和构造图层,并结合已有地质资料综合分析,最终圈定3处靶区。其中金家庄-广武庙一带、霍家岭-岭东一带通过实地踏勘发现7处温泉点,验证了方法的可靠性。本文以地热形成理论为背景,结合遥感技术,综合利用地质资料,圈定地热靶区,其结果具有较高的精度。所采用的方法能够快速预测地热资源分布范围,具有低成本、周期短的特点以及较好的应用价值。