甘肃森林火灾的分布特征及其与归一化差分植被指数的关系

利用甘肃省各林区16年的森林火灾资料,分析了火灾的时空分布特征。结果表明,甘肃省森林火灾主要集中在2～3月份;森林火灾平均开始于10月下旬,结束于5月中旬;地域分布主要集中在马衔山、小陇山、白龙江等林区。此外,利用NOAA气象卫星资料研究发现,遥感监测到的归一化差分植被指数与森林火灾发生率有较好的负相关关系,因此归一化差分植被指数可用于森林火灾的预警研究。

基于高分一号遥感影像的水体提取方法对比分析与改进

以高分一号遥感影像为数据源,以安徽省黄山市屯溪流域内的东方红水库为研究对象,采用单波段阈值法、两波段差值法、波段比值法、归一化差分水体指数(NDWI)法、归一化差分植被指数(NDVI)法共5种水陆像元度量方法,分别应用平均值法和最大类间方差迭代法两种阈值选取方法对东方红水库进行水体提取,探索最大类间方差迭代法在水体提取变量上的改进效果,在此基础上提出了一种改进的最大类间方差联合水体提取法,并对比了改进前后的水体提取效果。结果表明:改进后的水体提取方法可以很好地降低影像提取中产生的噪点,提高水体提取的精度,提取成果的平均相对误差为4.69%,决定系数为0.8579,相比于改进前平均相对误差降低了0.68%,决定系数提高了0.0539。

CLEFIA不可能差分路径构造方法研究

本文主要依据CLEFIA算法扩散变换的有关性质研究了CLEFIA算法不可能差分路径的构造方法,得到了该算法的9轮不可能差分;经过分析和论证指出,文献[7]给出的CLEFIA的9轮不可能差分并不是新的不可能差分。本文使用不可能差分归一化方法分析CLEFIA算法整体结构,得出的不可能差分路径与CLEFIA算法评估报告一致。

基于PCA和SVM的遥感影像水体提取方法及验证

针对内陆湖泊水质及光谱特性空间差异性大、支流水系结构复杂而导致的遥感影像水体提取精度低的问题,提出了结合光谱主成分分析(PCA)及支持向量机(SVM)的PCA-SVM水体提取算法。基于GF-1卫星遥感影像,对原始影像光谱波段特征进行PCA降维,从中优选熵、方差、差异性纹理特征向量,结合原始波段及归一化差分水体指数(NDWI),构建了8维特征向量,并基于SVM算法提取湖泊水体。以巢湖洪水期与非洪水期影像为研究实例,分别采用NDWI法、传统SVM算法及PCA-SVM算法对水体进行提取,并进一步基于PCA-SVM算法对2020年汛期巢湖洪水期淹没演变过程进行反演和跟踪,定量解析特征向量组合及SVM惩罚系数C对水体提取性能的影响。结果表明:PCA-SVM算法提取的湖泊完整、支流连续,显著改善了含蓝藻水体漏提、建筑物误提等问题;洪水期和非洪水期提取结果的F1分数分别为95.08%和97.95%,虚警率分别为5.43%和1.13%,提取精度显著高于NDWI法和SVM算法。

基于Sentinel-2数据的火烧迹地提取研究

昆明为云南省的政治经济文化中心,森林火灾多发给人民生产生活带来了极大的威胁。准确提取火烧迹地有利于掌握林火规律,加强森林火险区划,通过合理配备资源提高森林防火效率。以昆明地区2016—2020年Sentinel-2数据、高温火点数据和土地利用分类数据为基础,基于差分归一化火烧比率(dNBR)提取该地区火烧迹地面积,并对其空间分布特征进行分析。结果表明:土地利用数据有利于提高火烧迹地提取效率,但高温火点数据错漏较多,对火烧迹地提取贡献不大。Sentinel-2数据与dNBR指数的结合在单火场可以达到平均89%以上的提取精度,有较高适用性。昆明地区火灾高发区为安宁市、晋宁区等地,过火区域集中在高程1700~2300 m、坡度6°~25°的林地耕地混杂地区,阴坡过火面积略大于阳坡。

联合NDRI特征和空间相关性的机载MS-LiDAR数据分类

对比仅包含多光谱信息、仅可实现二维土地覆盖分类的传统光学遥感数据,机载多光谱激光雷达(multispectral light detection and ranging,MS-LiDAR)的优势在于同时包含多光谱和空间信息、可实现三维土地覆盖分类,但现有的机载MS-LiDAR数据的土地覆盖分类研究所需特征维度过高、算法复杂度高。因此,提出了一种整合空间相关性和归一化差分比率指数(Normalized Difference Ratio Index,NDRI)特征的逐步分类算法。该算法首先融合机载MS-LiDAR数据的多波段独立点云,获取兼具空间位置及其多光谱信息的单一点云数据;然后利用空间邻域增长下的地面滤波算法分离地面和非地面点;接着基于不同目标的激光反射特性差异设计将草地(树木)自地面(非地面)中分离的NDRI指数,并利用类间方差最大原则下的自适应最优NDRI指数实现地面和非地面点的精细分类;最后利用3D多数投票法优化分类结果。采用加拿大Optech Titan实测MS-LiDAR数据测试提出算法的有效性及可行性,实验结果表明:算法的平均总体精度和Kappa系数分别可达90.17%和0.861,可有效实现城区MS-LiDAR数据的三维土地覆盖分类;分步处理的方式更有利于针对具体的分离目标的特点设计简单且有效的规则,算法设计更简单、复杂度低;NDRI可为其他机器学习算法的显著性特征的设计和选择提供理论支撑。

长江南京段河床与洲滩平面演变特征遥感分析

以长江南京段为例,根据1984—2020年间Landsat卫星遥感影像资料,利用归一化差分水体指数法提取特定水位下的水边线,形态学方法提取河床边界和洲滩,本征正交分解法提取两者的时空演变特征。结果表明:近40年以来,长江南京段河床边界受人类活动影响向内收缩(对应水域面积减幅6%),并以长江村附近收缩最为剧烈,主要发生于1984—2005年;河段五大洲滩中,八卦洲、梅子洲及新济洲的形态变化较小,新生洲洲头消退和洲尾淤长程度相近,新潜洲自洲头向下游逐渐淤长,面积增幅200%,洲尾初期、中期及后期增长分别发生在1984—2000年、2000—2005年及2005—2020年。河床边界与洲滩时间序列的一阶模态反映了时均形态,其他高阶模态反映了局部冲淤消长规律,模态投影系数反映了各空间演变特征对应的时间演变特征。

基于多源卫星多光谱遥感数据的过火面积估算研究

露天生物质燃烧是重要的大气污染物排放源,导致空气质量恶化并引起气候变化。卫星遥感数据能够提供大尺度、多时相的监测信息,然而燃烧火点监测和火烧迹地监测两种方式都存在着局限性。以美国东南部地区为研究区域,通过结合卫星遥感获取的高分辨率燃烧面积数据及多时相的燃烧火点数据,建立时空匹配模型估算露天生物质燃烧过火面积。通过分析植被燃烧前后的光谱变化特征,基于高分辨率的Landsat-5 TM4波段(0.84μm)与7波段(2.22μm)数据,利用差分归一化燃烧比(dNBR:the differential normalized burn ratio)提取燃烧面积数据;而燃烧火点数据则通过分析燃烧植被的热红外光谱特征利用MODIS 4与11μm波段数据提取。结果显示,该地区燃烧面积与燃烧火点数量之间相关系数达0.63,并且二者之间的比例关系随植被类型而发生变化,林地、草地、灌木、耕地和沼泽五种植被类型对应的像元燃烧面积分别为0.69,1.27,0.86,0.72和0.94 km^2。通过与美国火灾中心(national interagency fire center,NIFC)地面调查数据比对,模型估算的美国东南部过火面积数据较为精确,而同期的MODIS燃烧面积产品(MCD45)及燃烧源清单产品(global fire emissions database,GFED)遗漏了该区域大量的小面积燃烧事件。因此,本研究建立的过火面积估算模型能够提供更为精确的排放源参数信息,有利于区域空气质量模式准确地模拟露天生物质燃烧排放状况。

数字电能计量系统误差多参量退化评估模型及方法

为评估数字电能计量系统的运行误差,提出了基于多参量退化模型的误差评估方法。数字化电能计量系统等效为多输入单输出系统,确定系统退化参量及参量退化作用量,从而建立多参量退化模型,并给出误差评估约束条件。在求解退化网络过程中,引入了大数据处理方法。针对数据种类繁多且变化速率不一的特点,采用差分归一化数据预处理方法。针对退化网络不能用初等函数描述的问题,采用前馈神经网络逼近退化特性。实现了在已知参量退化影响量的条件下,根据误差评估约束评估数字化电能计量系统误差。实例分析结果显示,所提方法的评估结果与实际运行状态在短时间内相符合,绝对误差小于0.2%,表明该方法能有效地动态评估数字化电能计量系统的误差。

草原火烧严重度燃烧指数的适用性比较分析

基于遥感影像的燃烧指数被广泛应用于火烧严重度(fire severity)研究,选取适宜燃烧指数定量评估草原火烧严重度,对草原生态系统植被的恢复与管理具有重要意义。以呼伦贝尔草原火烧迹地为研究区域,基于landsat8 OLI影像分别构建4种燃烧指数(NBR、NSTV1、d NBR和Rd NBR)与综合燃烧指数(CBI)的回归模型并进行精度验证,对比分析不同燃烧指数识别草原火烧严重度等级的能力。结果表明:在燃烧指数与CBI构建的回归模型中,d NBR指数的相关性(n=70,R^2=0.856)最高;4种燃烧指数识别火烧严重度的精度存在差异,中度火烧区域(1<CBI≤2)内,NSTV1指数识别精度最高,未过火(CBI=0)、轻度火烧(0<CBI≤1)和重度火烧(2<CBI≤3)区域内,d NBR指数识别精度均表现最好,分别为80%、62.5%和100%;基于不同燃烧指数的草原火烧严重度制图中,d NBR指数的总体精度同样高于其他燃烧指数,为82.1%,Kappa系数高达0.76。综上所述,d NBR指数是草原火烧严重度分析与评价的适宜遥感指数。

基于决策树和混合像元分解的玉米种植面积提取方法

Landsat 8影像具有较高空间分辨率和时间分辨率,长时间序列Landsat 8-NDVI曲线反映农作物的物候历、种植模式和种植结构信息,是精确提取玉米种植面积的理想数据源。基于时序Landsat 8-NDVI影像提取玉米种植面积的方法中,决策树方法快速、高效,可通过多阈值限定进行分类,但由于混合像元问题,如果阈值设置过宽,提取面积偏大;阈值设置过窄,提取面积偏小;混合像元分解通过计算端元组分丰度可以排除异质地类干扰。因此,以时序NDVI为数据源、耦合使用2种算法是精确提取作物种植面积的有效方法。本研究基于时序Landsat 8-NDVI,提取河北省保定市大田玉米的种植面积。首先,分析典型作物区的NDVI曲线特征,并构建决策树从而初步提取早播夏玉米、小麦夏玉米和春玉米的分布范围。然后,根据端元平均NDVI波谱曲线,进行3种玉米混合度分解,进而根据玉米丰度比例精确提取玉米种植面积。精度评价结果表明:利用本方法提取的玉米种植区总分类精度在98%以上,Kappa系数在0.97以上;所提取的玉米种植类型主要是夏玉米,春玉米种植主要集中在涿州市中部,这与实地调查结果一致。上述定量和定性的评价结果表明该方法可用于快速、精确提取玉米种植面积。

基于分形理论与GEOEYE-1影像的NDVI连续空间尺度转换模型构建及应用

基于GEOEYE-1多光谱影像、以归一化差分植被指数(NDVI)为研究对象继续就分形方法在高空间分辨率基础图影像中的适用性进行研究,并就分形模型构建最合理尺度层级的确定进行细致探讨.实验表明,基于分形理论的NDVI连续空间尺度转换模型构建方法适用于高空间分辨率遥感影像;在给定的条件下,NDVI尺度转换分形模型构建时最合理尺度层级存在且可计算.研究使得分形方法所适用的反演量类型及基础图空间分辨率范围皆有大的扩展.

风云三号MERSI数据提取北冰洋海冰信息方法研究

海冰是制约北冰洋航路开发最为重要的因素之一,FY-3卫星上搭载的中分辨率光谱成像仪(MERSI)扫描范围大,一天之内可获得5次以上极地同一地区观测数据,有利于北冰洋海冰状况的动态监测。以格陵兰岛附近海域为研究区域,利用2011年6月13日MERSI多波段数据,经过辐射定标、投影定位等预处理后,以两波段比值和归一化差分积雪指数(NDSI)作为判别指标,采用最大类间方差阈值法对指标图像进行分割,实现海冰、海水和云的区分,准确获取格陵兰岛附近海冰分布信息。该研究可为国产卫星数据在北冰洋航路选择和航运安全保障方面的应用提供技术支持。

MODIS积雪产品及研究应用概述

MODIS是新一代图谱合一的光谱成像仪,适合进行雪情监测。概要介绍了MODIS积雪产品及NDSI算法在积雪制图方面的应用,也介绍了MODIS积雪产品在国内外研究应用的现状和今后的发展趋势。并且给出了应用MODIS数据制作内蒙古雪盖图的实例。

基于RS和GIS的2008年长江中下游雪灾监测——以湖北省为例

2008年1月中旬至2月初，我国长江中下游地区出现了大范围持续低温、雨雪、冰冻天气气候事件，造成了特大积雪灾害。以湖北省为例，基于RS和GIS技术对这次雪灾进行了动态的监测评估。利用连续多天的卫星遥感资料和积雪深度观测资料，在GIS的支持下，计算归一化差分积雪指数（NDSI），提取积雪分布信息，并根据不同海拔高度，确定了积雪深度的NDSI分层阈值，实现了3层积雪深度（0～10、10～20和20～30cm）的判识。针对积雪区内不同的土地利用类型，统计了不同深度的积雪面积。结果表明：湖北省近90％面积被雪覆盖，其中江汉平原、鄂东北和鄂东南等地雪灾最为严重，部分地区积雪深度在20cm以上；水田、旱地等农业用地以及湖泊、水库、河渠等水系积雪最为严重，居民点用地也有较大范围的积雪，居民生活受较大影响；2月2日以后积雪面积逐日减少，到2月8日，积雪基本融化。在上述研究基础上形成了基于RS和GIS的长江中下游积雪监测的业务流程。

结合水体指数与卷积神经网络的遥感水体提取

常用多光谱遥感水体提取少有兼顾光谱与空间信息,致使水体提取的可靠性和准确性难以保证。在利用遥感水体光谱特性的同时,融入深度学习算法,提出归一化差分水体指数(normalized difference water index,NDWI)与深度学习联合的遥感水体提取方法。该方法首先选取典型水体样本进行训练,构建深度学习卷积神经网络(convolutional neural networks,CNN)水体识别模型。其次,计算多光谱影像NDWI指数并分割成图斑,以图斑包络矩形构建初始的水体目标子区。最后,构建NDWI指数与CNN水体识别概率的联合估计模型,并以迭代运算实现最优化遥感水体提取。实验验证了该方法的高可靠性与准确性。相比常用方法,水体识别准确率高达94.19%,而错分率仅为5.04%,显著提高了水体提取精度。

MODIS在青藏高原大范围积雪制图中的应用及存在的问题

积雪是地球表面重要的组成部分之一,精确监测积雪覆盖及其动态变化是地球科学的一个重要研究方向。本文以我国主要积雪区之一的青藏高原作为研究区域,研究了MODIS数据在青藏高原大范围积雪制图中的应用。使用基于NDSI阈值法的积雪像元识别方法,对2002-2003年度青藏高原的积雪状况进行了监测。对监测结果的分析表明,虽然这种算法目前还存在一些不足,但对青藏高原大区域的积雪监测仍是一种极为有效的方法。

基于MODIS的雪情监测及其对农业的影响评估

2009年11月中旬,中国中部地区出现了大范围持续低温、雨雪、冰冻天气气候事件,造成了积雪灾害。本文利用连续多天的MODIS遥感数据,通过计算归一化差分积雪指数(NDSI,Normalized Difference SnowIndex)分析了北京、河南、河北、湖北、山东、山西、陕西7个地区的积雪状况,对积雪发生的时空特征进行了动态监测,并对监测省份农业受到的影响进行评估。结果表明:监测区整个降雪过程积雪面积呈单峰型变化,11月15日积雪面积最大,15日以后积雪面积开始减少,24日监测区积雪基本融化;山西省为本次降雪过程的核心区域,累计积雪总面积为62.89×104km2,陕西、河南、河北省次之,分别为40.10×104km2、37.62×104km2、37.58×104km2,山东、湖北、北京受积雪覆盖影响较小,积雪总面积分别为10.42×104km2、8.52×104km2、0.42×104km2;监测期间油菜作物均处于出苗期,持续积雪覆盖会对其产量造成一定影响。已进入越冬期的冬小麦,稳定的积雪覆盖会产生积雪融水,进而土壤墒情得到改善,有利于作物来年生长。尚未进入越冬期的冬小麦抗寒能力较差,持续低温积雪对其生长及产量造成不良影响。

基于遥感技术的洱海水域面积提取方法研究

湖泊作为区域地表水循环中的一个重要载体,对区域的水资源环境平衡发挥着重要作用。本文运用遥感技术,以2010年ETM+作为数据源,对遥感图像进行预处理之后,通过应用缨帽变换、归一化差分水体指数(NDWI)和增强型水体指数(EWI)3种方法,分别对云南省大理州洱海2010年的水域面积进行提取,比较方法准确性。通过对比效果得出,针对取洱海水域面积3种方法提取效果都非常好,其中归一化差分水体指数法能够更为准确而且快速的提取出水体面积。

长江上游MODIS影像的水体自动提取方法

利用MODIS资料,分析了长江上游不同水体及其它主要地物在1～7通道的光谱特征,分析发现,水体混合像元在可见光的光谱特征与山体的阴影、云的阴影、城镇等的光谱特征具有很好的相似性,仅采用近红外波段和红光波段的方法不能有效提取出研究区的水体.提出综合采用归一化差分水指数、积雪指数以及可见光、近红外多通道信息的方法,逐步提取出研究区的水体及混合水体像元.