面向对象的遥感影像承灾体边缘提取方法

承灾体是研究地质灾害的一个重要方面,基于高分辨率遥感影像的地物自动提取将成为地质灾害承灾体识别的重要途径。依据面向对象思想,对高分辨率遥感影像进行分割获得承灾体对象;通过对分割后的图像提取图像梯度,进行二值化,去除毛刺等方法处理,获得完整的承灾体边缘。实验结果表明:提取的承灾体边缘完整且准确,在实际应用中具有广泛的适应性,优于传统的提取方法。

遥感影像在地震灾区地质安全与环境恢复中的作用

简要分析了遥感影像判读技术在地震灾区环境地质灾害评估、土地资源监测、及生态环境恢复重建中的作用,并对地貌植被、建筑、交通、河道水系以及水资源污染等影响的震情判读特征进行了较为详细的阐述。为今后利用高分辨率遥感影像进行震区土地资源规划与生态环境重建、防震减灾和空间信息技术系统数据库的建设指明了发展方向。

地球长波辐射 (OLR)遥感与重大自然灾害预测

针对目前重大自然灾害 (如地震、洪水泛滥、火山喷发等 )还难能作出短期预测预警的现实状况 ,文中提出利用极轨卫星遥感所监测的“地气”系统射出长波辐射 (即OLR)信息 ,是可能攻克这一难关的突破口。文中不仅详细介绍了有关OLR数据的产出原理及其载荷卫星 (NOAA)运行的主要参数 ,而且还结合近年来发生的重大自然灾害实例 ,利用笔者研究的应用OLR提取灾前预测信息的3种方法 ,客观地给出了OLR时空变化图像。结果显示 ,在重大自然灾害事件发生前 ,在未来可能发生重灾的区域及其附近 ,OLR呈现出比周围区域更显著的辐射增强变化特征。这一特征的揭示 ,为利用卫星遥感技术预测未来可能发灾区域及时作出短期预测预警提供了一种新的途径。文末对目前有关强震前热红外异常成因的两种看法做了综合介绍和简要评述。

斜坡变形的遥感调查及灾点稳定性的预测

利用遥感技术和高分辨的航空图像 ,对南昆铁路百色至米花岭路段及其两侧的斜坡变形等灾点开展遥感调查。在此基础上探讨斜坡变形灾点的成因 ,通过引进斜坡变形趋势评判数学模型 ,对斜坡变形灾点的稳定性进行预测 ,并对斜坡变形的灾点和路段进行评价 。

湖南省地质灾害遥感应急体系建设研究

本文在总结多年来湖南地质灾害遥感应急调查现状与需求的基础上,结合湖南地质灾害的特点,提出湖南地质灾害遥感应急体系的构建思路,规定了卫星遥感、航空遥感、地面遥感等不同平台的地质灾害遥感应急启动条件和响应时间,详细阐述了灾前基础地理、遥感影像、资源环境和孕灾背景等基础数据库的建设方法以及灾时遥感数据的实时获取途径与处理要求,明确了遥感应急解译与灾情险情评估内容,为湖南省地质灾害遥感应急体系建设提供了重要参考。

测绘工作对抗灾救灾和灾后重建的意义

航天遥感获取遥感影像为灾后灾害评估提供资料和数据分析重大突发性灾害爆发的时候,一般伴有通讯终止、交通瘫痪、受灾地区基础设施遭受重大破坏等紧急情况,往往让救灾部门无法及时获取准确的地形资料,从而不能对灾害进行一个整体的、

一种山区滑坡灾损建筑物信息提取的方法

高分辨率遥感技术是我国防灾减灾中的关键技术之一,高分遥感数据的快速处理、及时准确获取灾损信息对灾后重建补偿具有重要意义。处于山地地形环境中的建筑物的地面调查评估与灾损评估往往具有一定的困难,本文结合2006年广西梧州发生的重大地质灾害,利用面向对象方法结合决策变化检测技术提高了高空间分辨率卫星影像中的灾害建筑物信息提取效率。研究中发现该次滑坡灾害在高分影像上具有显著的灾损特征。基于像元的变化检测技术与面向对象的分类方法结合可以有效剔除非灾导致的变化建筑物信息,如道路和裸地干扰信息,对进一步提高灾损建筑物信息提取的精度发挥了关键作用。

多模态序列遥感影像的洪涝灾害应急信息快速提取

遥感对地观测技术具有响应快、观测范围大、表达地表信息客观等特点,是监测洪涝灾害的有效手段之一。洪涝灾害发生时常常伴随云雨天气,灾害前后获取的时间序列数据来源多样,利用多模态多时相遥感影像对洪涝灾害进行一体化监测是大势所趋。然而,不同传感器类型的数据处理平台不同、处理流程不一,多源数据协同处理链路长、智能化水平低导致时效性难以满足应急响应的需求。提出了一种多模态序列遥感影像一体化配准与洪涝灾害自动变化监测方法,利用深度特征和语义信息实现灾前光学影像和灾后合成孔径雷达(synthetic aperture radar,SAR)影像的自动、高精度配准,基于先验基础地理信息和时间序列遥感影像实现洪水变化监测和灾损信息提取。所提方法在2020年7月中国安徽洪涝灾害和2021年7月中国河南洪涝灾害监测中得到了有效验证,能够实现小时级的灾害应急信息提取。

遥感技术在森林火灾信息提取中的应用

利用森林火灾后的TM影像 ,应用最佳波段监督分类法、第三主成分分量 (PC3)滤波阈值法和IHS变换法对罗源县境内的历年森林火灾信息进行提取 .通过对比发现最佳波段监督分类法和PC3滤波阈值法的森林火灾信息提取精度较高 ,而IHS变化法效果较差 .同时还分析了影响精度的原因 ,提出利用地形、地理特征来提高火烧迹地信息提取精度的观点 .

基于生成对抗网络的建筑物损毁检测

建筑物作为自然灾害中最受影响的承灾体之一,其损毁信息的准确提取对灾后应急救援具有十分重要的意义。本文借鉴多模态的思想,提出了一种自动检测损毁建筑物的recursive-generative adversarial networks(RS-GAN)方法,将损毁建筑物检测分为灾前建筑物识别和灾后损毁建筑物检测两个任务,且分别在两个GAN分支中完成。RS-GAN加入联合损失函数将两个GAN分支进行连接,充分利用两个任务之间的潜在互利性提升检测效果。RS-GAN利用第1条GAN分支识别建筑物灾前形状与位置,并将识别结果作为第2条GAN分支的输入进行损毁建筑物检测任务,从而使检测结果具有更清晰的轮廓。该方法为端到端模型,在不需要过多的人工干预情形下,实现了损毁建筑物的自动检测。为了验证RS-GAN模型的效果,在圣罗莎和密苏里两个数据集上进行了测试。试验结果表明,RS-GAN方法拥有更好的检测性能,在圣罗莎数据集上的总体精度和平均精度分别达到了0.90和0.86。