联合多时相GF-6 WFV和Sentinel-2的森林类型识别

【目的】我国南方地区多云雨,地型较破碎,森林类型精细识别较为困难,探讨联合多源、多时相的遥感数据对森林类型识别具有重要意义。【方法】以江西省信丰县为研究区,基于2019年森林资源二类调查数据,将森林划分为松林、杉木林、阔叶林、针叶混交林、针阔混交林、竹林、灌木林和其他林地等8种类型,利用随机森林算法比较GF-6 WFV和Sentinel-2最佳时相相同波段(紫/深蓝、蓝、绿、红、近红外、红边)和不同波段(黄边、短波红外)的森林类型识别能力,构建联合光谱特征集。联合多时相GF-6 WFV和Sentinel-2,构建多时相植被指数特征集,结合联合光谱特征集、纹理特征和地形特征,通过随机森林和递归消除法构建特征变量优选数据集进行森林类型识别,利用混淆矩阵和森林类型的实际分布对识别结果进行精度验证。【结果】(1)GF-6 WFV蓝、绿和红波段组合的总体精度为58.31%,分别加入紫、近红外、红边、黄边和Sentinel-2短波红外波段后,其总体精度分别提高1.99%、8.90%、10.71%、1.50%和14.10%;Sentinel-2蓝、绿和红波段组合的总体精度为54.68%,分别加入深蓝、近红外、红边、短波红外和GF-6 WFV黄边波段后,其总体精度分别提高3.30%、10.82%、12.92%、17.31%和3.97%。(2)特征变量优选数据集的总体精度和Kappa系数为80.80%和75.56%,贡献程度大小依次为GF-6 WFV多时相植被指数、Sentinel-2多时相植被指数、GF-6 WFV光谱特征、Sentinel-2光谱特征、地形特征和纹理特征,贡献率分别为40.44%、23.23%、18.12%、10.21%、4.61%和3.39%。(3)松林、杉木林、阔叶林、针叶混交林、针阔混交林、竹林、灌木林和其他林地的制图精度分别为86.97%、85.60%、88.61%、9.43%、19.01%、53.60%、86.90%和82.56%,用户精度分别为81.42%、79.79%、77.57%、71.43%、81.82%、67.00%、87.74%和82.88%,识别结果与研究区实际森林类型分布较吻合。【结论】联合多时相GF-6 WFV和Sentinel-2可以综合多时相、多源影像的优点,能够有效提高森林类型的识别精度。

基于GF-6/WFV卫星遥感的大田冬小麦叶片氮素含量估测

为对大田冬小麦叶片氮素含量(LNC)进行快速、准确及无损监测,通过在江苏省泰州泰兴市、盐城大丰区和南通如皋市布设冬小麦遥感监测大田试验,在获取试验样点冬小麦冠层红光波段反射率(REDref)、近红外波段反射率(NIRref)和计算的十个光谱指数(RVI、NDVI、DVI、SAVI、OSAVI、MSR、RDVI、EVI2、NLI和SVI)基础上,将12个遥感光谱指标与冬小麦LNC进行相关分析,选出与LNC相关性较好的作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型,并利用GF-6/WFV卫星遥感影像对县域冬小麦LNC的空间分布开展监测。结果表明,12个遥感光谱指标与冬小麦LNC之间存在不同程度的相关性,其中NDVI、RVI、MSR、OSAVI和NLI与冬小麦LNC的相关性较好(相关系数不低于0.65)。将优选的5个遥感光谱指标作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型(LNC-BPEM),模型的估测精度r^(2)=0.866,RMSE=0.246%,ARE=12.9%。将冬小麦LNC-BPEM估测模型和GF-6/WFV影像结合对县域冬小麦LNC的空间信息监测,获得了如皋县域冬小麦LNC的空间分布特征,该区域冬小麦LNC范围在0.9%~2.0%(长势正常)的种植面积为29 693.3 hm^(2),占冬小麦总种植面积的74%。这说明利用GF-6/WFV卫星的多个遥感光谱指标与神经网络结合建模可有效估测县域大田冬小麦叶片氮素含量。

融合GF-6 WFV影像主成分分析特征的县域冬小麦种植面积提取

为准确、快速获得县域冬小麦的种植信息,针对多时相方法存在的成本高、效率低、过程复杂等问题,以安徽省固镇县为研究区,提出基于单时相GF-6 WFV影像主成分分析特征与原始光谱波段归一化融合、并使用K-最近邻算法进行土地覆盖物分类的有效面积提取方法。结果表明,所提出方法优于RAW和PDR这2种基准方法,且降维维度参数为3时效果最好,总体精度和Kappa系数分别为89.71%和0.87,实际冬小麦提取面积精度达98.49%,相对误差仅为1.51%。

基于GF-1 WFV的漫湾养殖区悬浮物浓度估算研究

网箱养殖对区域水环境影响较大,研究网箱养殖区水质参数变化规律对于认知区域性水产养殖对水环境的影响具有较大的现实意义。采用GF-1WFV数据,针对漫湾库区近年成倍增长的网箱养殖区,构建了网箱养殖区总悬浮物浓度反演模型。结果表明:模型具有较高的精度,反演值与实测值的平均相对误差为9.65%,均方根误差为0.33 mg/L。依据构建的反演模型与卫星影像反演了漫湾网箱养殖区的总悬浮物浓度,分析了库区和不同网箱体位置的总悬浮物浓度变化规律。研究发现,漫湾库区和不同网箱体位置的悬浮物浓度变化规律基本一致,网箱体总悬浮物浓度未因养殖局部“圈定”现象而出现异常,但比库区河流整体悬浮物浓度要小,主要因其总悬浮物浓度变化主要受降水、地表径流、水流流速等影响,网箱养殖会降低其对局部“圈定”区的总悬浮物浓度的影响。研究对漫湾库区和网箱养殖区总悬浮物浓度变化规律认识具有一定参考意义,后续将发展多源遥感数据的水质参数遥感估算模型,用于漫湾网箱养殖区水环境变化规律的认知。

GF-1与GF-6 WFV影像在滇池悬浮物浓度反演中的对比分析

总悬浮物(TSM)是水环境评价的重要参数之一,也是遥感水质反演的重要指标。GF-1/WFV和GF-6/WFV作为高分系列对外免费开放的卫星数据,在遥感监测中的应用较为广泛,但目前针对两种数据的对比分析以及GF-6/WFV新增波段在水体水质参数反演中的适用性研究较少。以云南滇池水域为研究区域,对与水体实测数据同步过境(或时相相近)的GF-1/WFV和GF-6/WFV遥感影像采用统计分析的方法进行相同波段(蓝、绿、红、近红外)一致性分析,在此基础上运用经验回归方法分别构建两种数据的TSM反演模型,并将加入GF-6/WFV新增波段的模型与GF-1/WFV构建的模型进行对比分析,选择最优模型应用于滇池2020年的6幅GF-6/WFV图像得到滇池TSM分布图。结果表明:GF-1/WFV与GF-6/WFV的蓝、绿、红、近红外波段的相关系数分别为0.98,0.98,0.97和0.99,两种数据的表观反射率具有很高的一致性。GF-1/WFV基于蓝、绿、近红外波段构建的差值模型“B2+B4-B1”反演精度较高,模型反演的均方根误差为6.35 mg·L^(-1),平均绝对百分比误差为23.60%。GF-6/WFV基于近红外、红边1和红边2波段构建的比值模型“1/B5+B6”反演精度较高,模型反演的均方根误差(RMSE)为3.07 mg·L^(-1),平均绝对百分比误差(MAPE)为20.65%,以GF-1/WFV构建的差值模型“B1-B4”与GF-6/WFV构建的“B5-B4”对比发现后者均方根误差减小了2.61 mg·L^(-1),平均绝对百分比降低了32.33%,实验表明加入红边波段的模型反演效果较其他模型更好。采用建模公式得到了2020年滇池TSM分布图,滇池TSM的变化范围在4~45 mg·L^(-1),均值为18.23 mg·L^(-1),总体空间分布呈现北重南轻的分布态势,滇池TSM时间分布表现为上升-下降趋势。该研究不仅可以为湖泊水质监测传感器波段设置提供参考和借鉴,也为滇池水资源监管部门进行水质遥感监测提供了技术支撑。

基于深度学习的GF-1卫星WFV影像赤潮探测方法

赤潮是我国主要的海洋生态灾害,有效监测赤潮的发生和空间分布对于赤潮的防治具有重要意义。传统的赤潮监测以低空间分辨率的水色卫星为主,但是其对于频发的小规模赤潮存在监控盲区。GF-1卫星WFV影像具有空间分辨率高、成像幅宽大和重访周期短等优点,在小规模赤潮监测中表现出较大的潜力。然而,GF-1卫星WFV影像的光谱分辨率较低,波段少,传统面向水色卫星的赤潮探测方法无法应用于GF-1卫星WFV数据。而且赤潮具有形态多变、尺度不一的特点,难以精确提取。基于此,本文提出了一种面向GF-1卫星WFV影像的尺度自适应赤潮探测网络(SARTNet)。该网络采用双层主干结构以融合赤潮水体的形状特征与细节特征,并引入注意力机制挖掘不同尺度赤潮特征之间的相关性,提高网络对复杂分布赤潮的探测能力。实验结果表明,SARTNet赤潮探测精度优于现有方法,F1分数达到0.89以上,对不同尺度的赤潮漏提和误提较少,且受环境因素的影响较小。

不同大气校正模型对GF-6 WFV影像清晰度的影响评价研究

为探讨不同大气校正模型对高分六号(GF-6)WFV影像清晰度的提升,利用主客观相结合的方法对大气校正后的影像清晰度进行评价。结果表明:1)不同大气校正模型对影像清晰度提升的效果不同。从基于地理视觉要素的主观评价来看,大气校正后的GF-6 WFV影像纹理特征更为明显,清晰度得以提升。2)基于影像特征的定量评价结果表明,不同的大气校正模型对GF-6 WFV影像清晰度提升程度不同,快速大气校正对影像提升效果最为明显。3)从基于色彩保真度的定量评价结果可知,不同大气校正结果对不同地物反射率影响较为明显,FLAASH大气校正结果更适合于植被遥感应用研究,快速大气校正模型的适用范围更广。

基于GF-1/WFV数据的冬小麦条锈病遥感监测

条锈病是冬小麦常见病害,利用遥感影像对条锈病病害区域进行准确监测具有重要意义。该文利用GF-1/WFV影像,结合条锈病地面光谱数据分析,采用冬小麦条锈病遥感监测指数(wheat stripe rust index,WSRI)对河南西华县冬小麦条锈病发病范围进行了估测。首先,利用冬小麦NDVI加权指数(weighted NDVI index,WNDVI)获取冬小麦种植区域。其次,利用影像4个波段反射率之和提取不同冬小麦品种的分布范围,值较高的为条锈病高抗品种(郑麦系列),较低的则是条锈病易感品种(矮壮系列)。再次,构建冬小麦条锈病指数(wheat stripe rust index,WSRI),结合地面实地调查的条锈病分布数据,通过设定合理的WSRI指数划分阈值,提取条锈病染病区域并进行精度验证。结果表明,研究区内小麦条锈病空间分布识别的总体精度在84.0%以上,具有区域监测应用的潜力。该方法简单,可操作性强,表明宽波段GF-1影像结合WSRI指数的技术,是一种比较可行的小麦条锈病遥感监测方案。

基于GF-1/WFV与MODIS时空融合的森林覆盖定量提取

森林作为陆地生态系统的重要组成部分,因其巨大的碳储量和固碳能力而备受关注,利用高分1号卫星的NDVI数据(GF-1 NDVI)可实现森林覆盖的定量提取。然而,由于受阴雨天气、运行成本等因素的影响,难以形成GF-1 NDVI时间序列数据,无法满足森林覆盖高精度提取的需求,为此,以河南省嵩山部分地区为实验区,应用STAVFM算法融合GF-1/WFV NDVI与MODIS NDVI,生成8 d步长的GF-1/WFV NDVI时间序列数据,在此基础上,提取NDVI特征并与GF-1/WFV的光谱特征进行组合,最后,采用SVM分类方法实现研究区森林覆盖的定量提取。研究结果表明,利用STAVFM算法生成的GF-1/WFV NDVI时序数据效果理想,很好地解决了GF-1 NDVI时序数据的缺失问题,由其NDVI特征与GF-1/WFV光谱特征构成的组合能够实现森林覆盖的有效提取,基于SVM分类后的总体分类精度为94.72%,与未融入NDVI特征的GF-1/WFV原始影像的分类结果相比,提高了4.90个百分点。

基于GF-1 WFV影像的黄河口湿地植被盖度估测及分析

植被盖度是植被生长状况的重要定量指标,而目前开展的植被盖度遥感估测工作主要集中在陆地区域,对河口湿地植被盖度遥感估测工作比较少见。本文基于国产GF-1 WFV遥感影像开展了黄河口湿地植被盖度估算,并结合植被类型、土壤盐度和植被指数分布状况开展了植被盖度分布特征分析,得到如下结论:(1)基于GF-1 WFV卫星影像的NDVI、SRI、SAVI、MSAVI和DVI 5种植被指数,分别建立植被盖度估测模型,其中基于NDVI、SRI、MSAVI和DVI 4种植被指数建立的多变量线性回归模型估测精度最好,其决定系数(R2)最大,为0.904,均方根误差RMSE最小,为0.14;(2)植被盖度估算模型的精度与植被盖度本身有一定的关系,其中各植被盖度回归模型中,盖度大于0.8时估算精度要优于盖度小于0.6的区域,RMSE最大相差0.04;(3)以潮滩碱蓬和潮滩芦苇为主的植被覆盖区属于低植被盖度区,盖度位于0.03~0.5,盐度在1.5g/L左右;芦苇草甸、互花米草和柽柳灌丛植被覆盖区属于高植被盖度区,盖度位于0.8~1.0,其中芦苇草甸土壤盐度小于1.2g/L,柽柳灌丛土壤盐度在1.4~2.0g/L,在高盖度植被区混生有中等盖度的植被,盖度在0.5~0.8,土壤盐度在1.8g/L左右。

基于高分一号WFV卫星影像的黄河口湿地草本植被生物量估算模型研究

基于高分一号WFV卫星数据,通过计算NDVI、SRI、SAVI、MSAVI、GBNDVI和DVI 6种植被指数,结合黄河口湿地现场草本植被地上干生物量样本,进行一元线性、指数、对数和幂4种模型的回归分析,从中选出生物量最佳估算模型。结果表明:(1)指数模型是NDVI和GBNDVI的最佳生物量回归模型,幂模型是其它植被指数的最佳回归模型(P<0.001);(2)6种植被指数干生物量最佳回归模型的决定系数(R2)都大于0.7,最大为0.77,由大到小排序为MSAVI>SAVI>NDVI>DVI>SRI>GBNDVI;(3)各最佳回归模型的平均相对误差(MRE)都小于54%,最小为23.9%,由小到大排序为NDVI<GBNDVI<SRI<DVI=SAVI<MSAVI。

GF-1卫星WFV影像间匀色方法

影像匀色方法是决定拼接后影像能否进一步用于遥感定量化应用的重要环节之一。本文针对我国高分辨率对地观测系统的首发星——GF-1卫星宽覆盖WFV传感器4相机拼接成像特点,提出了一种基于交叉辐射定标的影像间匀色方法。该方法首先利用传统的交叉定标方法获取某一台WFV相机在轨绝对辐射定标系数,然后采用统计分析和仿真模拟方法建立了相邻相机影像间DN值、表观辐亮度的相关模型,在完成相机间绝对辐射性能传递的同时,实现了影像间匀色处理。试验结果表明利用本文获取的交叉辐射定标系数能够有效地消除相邻相机影像重叠区域辐射不一致性的问题,实现WFV影像间匀色。该匀色方法可为其他类似卫星传感器影像间匀色提供参考依据。

大连长兴岛海域疏浚区GF-1 WFV影像悬浮物遥感反演研究

利用2017年8-9月期间大连长兴岛海域实测遥感反射率、悬浮物浓度及GF-1 WFV数据,研究了该区域悬浮物浓度的遥感反演算法,发现遥感反射率与悬浮物浓度的散点图存在两种不同的变化趋势,将2008-2015年期间辽东湾内其它海域的数据与长兴岛海域数据进行叠加后,可初步推断产生两种变化趋势的主要原因在于疏浚区与非疏浚区悬浮物的粒径大小不同,导致其光学特性和反演算法也存在差异。将两种算法分别应用于2017年9月20日辽东湾及长兴岛近岸海域的GF-1 WFV4影像,发现采用非疏浚区算法反演长兴岛海域悬浮物浓度时,出现明显的低估现象,而疏浚区算法则能较好地反映出疏浚施工过程中悬浮物的分布规律,具有较好的工程应用价值。

基于GF-WFV的厦门海域水体悬浮物浓度反演

为利用遥感技术快速、及时的掌握厦门近岸海域水体中悬浮颗粒物的总体分布情况,现场测量了厦门海域水体的下行入射辐射、天空光以及经过水气界面后反射回的辐射,计算了该海域水体表面的离水辐射获得了水体表面以上遥感反射率;同时采集了与光谱信息同步的水体样品,并分析了水体中的悬浮颗粒物质量浓度,获取了对应站位的水体反射波谱曲线和采集样品的浓度数据.通过研究不同站位水体的反射光谱数据,依据GF-WFV波段设置,对现场实测的光谱数据进行了拟合,并创建了基于GF-WFV拟合波段的悬浮颗粒物浓度经验反演算法.通过研究发现拟合(Rrs3+Rrs4)/Rrs2(其中Rrs1、Rrs2、Rrs3、Rrs4分别是GF-WFV第1、2、3、4波段的遥感反射率)同实测水体悬浮颗粒物质量浓度之间的决定系数为0.655,依据研究得出的反演算法反演该海域水体悬浮颗粒物质量浓度,其均方根误差为11.03 mg/dm3,相对误差为8.40 mg/dm3.利用同步的GF-WFV遥感数据对厦门近岸水体中总悬浮颗粒物质量浓度进行了研究,获取了研究区水体悬浮颗粒物的空间分布情况,结果表明GF-WFV遥感数据能很好的反映厦门近岸水体悬浮颗粒物浓度分布状况.

基于随机森林的GF-6 WFV和Landsat8 OLI遥感影像分类比较

高分六号卫星具有宽覆宽、多种分辨率、波段多的优势,能为遥感土地覆盖提供更丰富的信息。为了明确GF-6 WFV在土地覆盖分类中的重要性,以山西省浑源县为研究对象,选取同期Landsat8 OLI影像为对比数据集,采用随机森林分类方法进行土地覆盖分类对比研究,结果表明:GF-6 WFV和Landsat8 OLI总体分类精度分别为91.11%和87.87%,Kappa系数分别为0.89和0.85,说明GF-6 WFV的分类效果优于Landsat8 OLI。对比GF-6 WFV和Landsat8 OLI影像的地物光谱特征分析可知,各地物在两幅影像的近红外波段区分较明显,但是GF-6 WFV在红边波段对耕地、林地、草地和灌木的可分性更好,尤其是在红边2波段差异最明显;GF-6 WFV提取的地类面积占比更接近真实值,此外,GF-6 WFV具有更高分辨率的优势,在复杂地物类型分布的地区,GF-6 WFV的分类精度更高。

基于GF-1卫星WFV数据的全国建设用地自动监测技术研究

该文以国产高分一号卫星WFV数据为数据源,采用面向对象分类技术,研究面向全国范围的宏观监测信息提取技术及系统实现。一方面,研究了大尺度上利用高分遥感影像和面向对象分类技术进行宏观监测信息提取一整套技术方法,并对其中的建设用地进行了重点研究。另一方面,在集群计算环境下,利用高分一号卫星WFV数据,实现基于面向对象的宏观监测信息自动提取,并重点对建设用地提取结果进行了验证,验证结果显示分类精度优于80%。该研究提高了利用中等分辨率影像进行宏观监测的准确性及时效性,为合理利用和管理土地资源提供决策支持信息,支撑土地利用业务化应用。

基于GF-1 WFV数据的河套灌区春小麦长势遥感分析——以临河区为例

河套灌区是内蒙古自治区乃至我国的重要灌溉农业区和绿色农产品基地,其中春小麦是河套灌区的主要粮食作物,对当地农业可持续发展、种植业结构调整有着十分重要的意义。文章用地面实时监测数据结合GF-1卫星影像快速提取春小麦面积和长势信息的方法,探讨了该方法在巴彦淖尔市临河区农业遥感长势监测中的适用性。利用2017年5月18日的GF-1 WFV数据提取了临河区春小麦面积,在确定春小麦空间分布的基础上用NDVI监测作物长势情况,用3期的地面数据和遥感数据构建了研究区内春小麦的长势时间序列,进行了春小麦的长势对比分析。结果表明:临河区春小麦面积提取结果精度达到了93.51%,Kappa系数为0.805 3。通过遥感定量评价的结果发现植被指数的增长与地上生物量呈线性增加关系,用时间序列NDVI值代表长势取得了较好的结果,弥补了地面人工目视评价的不足。研究结果证明该方法在河套地区有很好的适用性和较高的推广价值。

面向GF-1 WFV影像的城市建设用地指数构建

针对GF-1 WFV影像缺少中红外波段,无法使用大多数建设用地指数提取建成区的问题,利用Fisher线性判别分析"类内聚合,类间分离"的投影准则,本文提出一种针对GF-1 WFV影像城市建设用地指数UBIWFV。该指数利用蓝光和绿光波段线性组合运算分离和增强建设用地信息。利用该指数提取了福州、石家庄和武汉3个不同研究区城市建设用地,并与建筑用地指数RBI提取结果进行比较。结果表明,该指数在不同研究区提取结果总体精度达到85%,Kappa系数达到0.7以上,提取结果空间连续性和完整性更好,指数阈值选取较容易。该指数相比RBI指数抑制裸土信息效果更明显。UBIWFV指数对于城市建设用地提取具有一定的可行性和适用性。

基于GF-1/WFVNDVI时间序列数据的作物分类

归一化植被指数(normalized difference vegetation index,NDVI)时间序列已广泛应用于植被信息提取研究,然而目前NDVI时间序列的研究主要集中于中低分辨率遥感影像,从而影响了植被信息提取的精度。随着中国高分专项首颗卫星高分一号(GF-1)的发射,为高分辨率NDVI时间序列的构建提供了可能。该文尝试利用GF-1卫星16 m宽覆盖(wide field of view,WFV)影像,构建16 m分辨率NDVI时间序列,以河北省唐山市南部区域为研究区,开展作物分类研究。该文采用覆盖作物完整生长期的GF-1数据构建NDVI时间序列,避免了利用自然年(1-12月)数据构建NDVI时间序列的不足,有助于作物信息的提取。通过分析样地的NDVI时序曲线,发现GF-1/WFV NDVI时间序列能够清晰地区分不同作物的物候差异,捕捉作物特有的生长特性,而且能够识别研究区当年的作物种植模式。该文分别采用最大似然法、马氏距离、最小距离、神经网络分类、支持向量机(support vector machine,SVM)等分类方法,基于GF-1/WFV NDVI时间序列对研究区作物进行分类,研究结果表明SVM分类方法总体精度最高,达到96.33%。同时该文还采用时间序列谐波分析法(harmonic analysis of time series,HANTS)对NDVI时间序列进行了平滑处理,结果表明处理后的NDVI时间序列能更好地描述作物的物候特性,作物分类精度得到进一步提高。

基于高分一号卫星WFV影像的水稻信息提取模式（英文）

通过卫星影像利用水稻不同物候期的特征对其进行识别是目前在水稻信息提取方面比较有效的方式。首先根据水稻区别于其他植被的显著特征,即水稻生长前期稻田的下垫面含有大量水的特性,将用于提取水域信息的归一化水体指数(normalized difference water index,NDWI)合理地应用在水稻前期的信息提取中,并且利用两个物候期的NDWI做比值,扩大了水稻与其他地物之间的差异。再借助归一化植被指数(normalized differential vegetation index,NDVI)在不同物候期的增长变化特征可以进一步提高水稻信息提取的精度。研究发现充分利用水稻在不同物候期的特殊性,并结合与水稻特性相关的指数,将NDWI和NDVI两种指数同时用于水稻提取,确定合理、准确、有效的提取方法是提高水稻提取精度的主要途径。本文以安徽省来安县的水稻为研究对象,基于2013年7月12日和8月30日获取的两幅高分一号卫星WFV影像数据,利用水稻分蘖期和抽穗期的NDVI和NDWI构建了水稻信息提取模式,有效地提取出了来安县的水稻信息分布并进行制图,最后结合在研究区野外实地考察的信息数据对提取结果进行验证和评价。研究结果表明利用该模式能够快速、准确地从遥感影像上获取水稻分布信息,具有很好的普适性。