基于吉林一号光谱星的东北地区春季水体识别方法对比研究

以吉林省敦化市为研究,基于吉林一号5 m分辨率遥感影像选取单波段阈值法、多波段谱间关系法、NDWI水体指数、SWI水体指数、监督分类法和非监督分类法共6种常见的水体识别方法对东北地区春季冰雪交融期最适宜的水体识别方法进行探究。通过Kappa系数、错分误差、漏分误差、面积精度等5种指标对水体识别效果进行对比分析,结果表明:最适宜的提取方法为监督分类法,提取精度较高的方法还有NDWI指数法、多波段谱间关系法。

一种基于机器学习综合指数的遥感赤潮识别方法

基于5种可以指示赤潮爆发的子指数及其综合方式,提出一种可用于多光谱卫星图像中赤潮识别的线性综合识别指数(LCI)方法。根据大连市星海湾现场实测的多日赤潮连续监测光谱数据,开展支持向量机与逻辑回归分类,并得到分类平面系数作为归一化的子指数组合权重,获得了两种较佳的赤潮识别指数组合方式,该两种方式在验证集上均取得了F1分数0.86以上的分类效果,且LCI数值与赤潮发生的概率也呈正相关。将得到的分类系数应用于多光谱卫星图像的赤潮像元提取,结果显示,两种线性综合指数均在图像中成功提取出赤潮区域。本文提出的赤潮综合识别指数为遥感图像中的赤潮识别提供了新的光谱指数运算方法。

一种针对多光谱遥感图像的桥梁快速识别算法

提出了一种针对多光谱图像中桥梁的识别算法。首先,根据水体和背景地物在不同光谱波段的亮度差异,计算多光谱图像的水体指数得到水体增强图,搜索其具有明显双峰的直方图得到最优阈值,实现河流的完整提取;其次,利用桥梁的存在会导致局部水体的光谱异常,沿河流中间线进行潜在桥梁区域的快速提取;再进一步利用桥梁长度以及与河流的空间关系进行鉴别,有效剔除虚警。利用SPOT4遥感影像进行实验,结果表明本文算法运算量小,对于多个桥梁的识别具有很好的实用性。

基于卫星遥感技术的宁波海域赤潮灾害监测研究

宁波海域是东海甚至全国赤潮高发海域,如何有效开展赤潮监测预警,一直是我市海洋灾害防灾减灾工作的重点.传统赤潮监测主要采用船舶定点航测和浮标定位监测技术,两种技术在及时性和全面性上都存在一定的局限性.近年,随着海洋卫星遥感技术的发展,利用海洋水色遥感技术开展赤潮监测的研究取得了很大进展,但是不同海域、水质对赤潮反演算法的适应性不尽相同.利用MODIS、GOCI、OLCI影像数据分别研究了叶绿素a浓度阈值法、改进型的赤潮指数(RI)法和赤潮水体遥感识别指数(RDI)法,并与历史赤潮数据进行检核,结果表明:基于OCLI影像的RDI算法和基于GOCI影像叶绿素阈值法比较适宜宁波海域多泥沙水质特性的赤潮监测.并在2021年成功进行了赤潮监测应用,为构建我市天地立体化赤潮监测预警提供了重要技术支撑.

基于OLCI数据的浙江近岸海域赤潮监测研究

赤潮监测对于赤潮的治理、预防和减少灾害具有重要意义。与传统的赤潮监测手段相比,遥感技术具有低成本、高效率、高覆盖度等优势,在赤潮监测方面具有广阔的应用前景。本文首先基于实测光谱数据,验证了C2RCC大气校正算法在浙江近岸海域的有效性;然后,利用2017—2020年3期赤潮爆发时期的OLCI影像数据,分别采用Chl-a浓度阈值法、改进型赤潮指数RI和赤潮水体遥感识别指数RDI 3种典型算法展开浙江近岸海域的赤潮监测研究。结果表明:1)C2RCC算法大气校正效果较好,适用于OLCI影像数据和浙江近岸海域。2)基于OLCI影像的RDI模型的赤潮监测精度最高,不易受高TSS和CDOM等成分的影响,监测结果更稳定;Chl-a浓度阈值法和RI方法易受悬浮物泥沙的影响,导致临岸海域误判赤潮现象。3)赤潮遥感监测技术可以弥补传统手段无法获取赤潮空间分布的缺点,大大提升海洋赤潮监测预警的效能。本文研究对于浙江近岸海域赤潮监测预警、海洋生态保护、海洋资源管控等具有重要现实意义,同时也可以为我国其他海域的赤潮监测提供技术参考。

基于NDVI-MNDWI特征空间的水体信息增强方法研究

以新疆吐鲁番为研究区域,以Landsat8/OLI影像为主要数据源,通过分析水体与地形阴影区以及建筑用地等典型地类在改进后归一化差异水体指数(MNDWI)与归一化植被指数(NDVI)所构成的二维特征空间中的表现特征,提出一种能够有效凸显水体影像特征的复合型水体指数(CNDWI),并据此进行水体信息的遥感自动提取实验.研究结果表明:CNDWI指数不仅明显增加研究区内的水体与山体阴影区之间的区分度,同时还保持了其他水体指数所具有的以极大值表达水体以及水体与建筑用地和植被等地物之间存在明显差异性的优点.

太原市黑臭水体遥感识别与地面验证

城市黑臭水体整治是城市水环境治理的一项重要工作。本文通过构建黑臭水体遥感识别模型,解决城市黑臭水体整治过程中黑臭水体的识别问题,实现城市黑臭水体空间分布快速定位与排查。通过分析黑臭水体形成机理和试验数据,从光谱特征上构建反映水体清洁程度的光谱指数(WCI),从图像特征上构建水体颜色、次生环境、河道淤塞、岸边带垃圾堆放等解译标志,综合光谱指数和解译标志共同进行黑臭水体遥感识别。利用该方法对太原市建成区内黑臭水体空间分布进行排查识别,共得到疑似黑臭河段14条,长度为52.530 km。经验证,除去断流影响外,遥感识别黑臭水体点位精度为92.86%,遥感识别黑臭河段长度精度为78.19%。在精度验证基础之上,进一步分析了黑臭水体遥感识别光谱指数和各项解译标志在黑臭识别中所占的权重,其中光谱指数和水体颜色二者权重最大,分别占29.60%和27.10%,是构成遥感识别黑臭水体的主要特征标志。通过两时相影像识别结果比对表明,WCI指数能够明显反应黑臭水体变化特征。因此,利用本文方法进行城市黑臭水体遥感识别具有很高的精度,在城市水环境整治过程中具有重要的应用价值。

高分二号的沈阳市黑臭水体遥感识别

中国城市黑臭水体情况严重,基于遥感监测黑臭水体刚刚起步,很多问题待解决。以沈阳市城市建成区内主要河流为研究区,于2015年—2016年开展地面调查,获取了浑河和蒲河46个一般水体的样点,和辉山明渠、满堂河、细河以及微山湖路附近、丁香湖北部50个黑臭水体的样点数据,包括水面光谱和主要水质参数。分析了黑臭水体与一般水体的光谱特征,发现城市黑臭水体反射率光谱在绿光—红光波段变化比一般水体平缓,基于这一特点提出了一种基于反射率光谱指数BOI(Black and Odorous water Index)的黑臭水体识别模型,并将其与红绿波段比值指数进行对比,具有更好的识别精度。结果表明:(1)基于遥感反射率(Rrs)计算的BOI小于0.065时,可判为黑臭水体。(2)由于GF2水体图像精确大气校正存在困难,可以利用瑞利散射校正反射率(Rrc)替代R_(rs),BOI小于阈值0.05时,可判别为黑臭水体;同时模拟证明,当气溶胶光学厚度逐渐增大时,黑臭水体与一般水体的光谱差异将逐渐减小,因此这种方法主要适用于比较清晰的图像、气溶胶光学厚度比较小(如AOT(550)≤0.5时)。(3)基于R_(rc)的BOI模型可以较好的应用于GF2图像上,具有较好的识别精度。对2015年—2016年3景GF-2影像提取的结果显示,满堂河和新开河黑臭现象得到逐步改善,辉山明渠黑臭现象依然严峻。本文发展的黑臭水体遥感识别算法主要是基于沈阳黑臭水体的光谱特征,仅在沈阳市进行了验证,将来还需在其他城市进一步验证,并且需要更多地考虑多种因素对水体反射率的影响。

深度卷积神经网络的遥感影像水体识别

从遥感影像中准确识别水体信息对水资源管理和洪涝灾害监测有重要意义。目前,传统遥感水体识别方法仍存在着不足,难以满足实际应用中的精度要求。近年来,卷积神经网络CNN (Convolutional Neural Network)的快速发展,为高分辨率遥感水体识别提供了新的思路。本文基于高分一号卫星数据,利用DenseNet、ResNet、VGG、HRNet等CNN模型和传统的归一化差异水体指数(NDWI)进行洪泽湖地区不同季节的水体识别,并采用精确度(P)、召回率(R)、F1分数和误判率(MRate)等指标来评价各种方法的水体识别能力。在DenseNet经典结构中加入了上采样过程和跳层连接结构,以解决梯度爆炸和梯度消失问题;采用OSTU方法确定NDWI的最优阈值,以降低水体识别的不确定性。得出主要结论如下:(1)所有CNN网络模型的水体识别效果都显著优于传统NDWI方法;例如,NDWI识别的精确度仅为0.779,而所有CNN网络模型的识别精确度均高于0.922。(2)改进后的DenseNet模型有效缓解了梯度爆炸与梯度消失的问题,其水体识别结果在识别精确度P(0.960)和误判率(0.041)等方面,明显优于其他CNN模型;同时,修改后的DenseNet模型训练时间更短,且损失函数最低,训练效率远优于其他CNN网络。(3)改进后的DenseNet模型对水体细部特征有很好的识别能力,能够准确识别不同季节中不同形状与颜色的水体。上述结果表明,CNN模型是从卫星影像中识别水体的可靠工具,而改进后DenseNet模型的识别效果尤其显著。

基于Mask R-CNN的高分遥感影像的稀土开采识别方法

根据离子吸附型稀土矿开采过程中的沉淀池状态及其空间分布关系,构建了基于Mask R-CNN的高分遥感影像稀土开采识别方法,实现稀土开采状态的识别与检测,为离子型稀土开采监管提供技术支持.该方法采用ROI Align结合双线性插值精确计算特征图浮点数处的像素值,避免了ROI Pooling带来的检测框偏离问题;同时在算法中引入特征金字塔网络(FPN),提升了算法对多尺度下小目标的精准检测能力;针对离子型稀土开采过程中沉淀池存在浸矿液体特征,加入归一化水体指数(NDWI)作为样本训练模型,再将模型用于离子型稀土开采识别;对比了Mask R-CNN,Faster R-CNN,SSD和YOLOv3检测算法在不同的基础网络和数据集下对目标的识别效果.结果表明:4种算法在使用NDWI数据集作为训练样本时比使用原始RGB数据集时的目标检测精度均提升了1.5%左右,且Mask R-CNN的识别效果优于其他3种算法.

基于Sentinel-2A MSI数据的水体信息提取算法对比研究

地表水体信息的准确提取对于水资源规划管理与相关灾害监测等具有重要意义。以Sentinel-2A MSI影像为研究数据,基于10种典型光谱波段指数算法对鄱阳湖周边区域的水体进行了提取,并以结合目视解译的synthetic aperture radar(SAR)影像水体识别结果作为真值进行了对比分析。实验结果表明:归一化差异水体指数、高斯归一化差异水体指数、伪归一化差异水体指数的识别效果最好,平均F1-score超过95%,且阈值稳定程度较高;改进的归一化差异水体指数适用于城镇区域的水体提取;组合水体指数在水田以及河流区域识别效果较好;增强型水体指数、阴影水体指数均适用于山区,其中增强型水体指数在城镇区域也具备适用性;修订型归一化差异水体指数仅适用于针对大面积水体的识别;面向阴影的自动化水体指数能够有效剔除地形阴影造成的干扰,而非面向阴影的自动化水体指数的整体表现相对较差。