高分六号遥感影像水深反演能力评价

水深是重要的海洋要素,水深遥感反演是获取浅水水深的重要手段。当前水深遥感反演应用以国外卫星数据为主,国产卫星数据的研究和应用较少。本文针对国产高分六号卫星(GF-6)数据,以三亚南山港为研究区域,分别建立单波段回归模型、双波段比值模型、多波段回归模型,进行多光谱影像的水深反演能力研究,并与国外主流哨兵2号卫星(Sentinel-2)数据进行实验比较。实验结果表明:GF-6遥感影像具有较好的浅水水深反演能力和一定的反演精度,各波段水深探测能力依次为:绿波段>蓝波段>红波段>近红外波段,反演方法效果依次为:多波段模型>双波段模型>单波段模型。相较于Sentinel-2数据,GF-6数据水深反演精度与其一致,这表明GF-6影像具备替代国外遥感数据进行水深反演的能力和大规模应用的潜力。本文的研究方法和分析结果将为国产高分系列卫星数据的水深反演研究和应用提供有益的参考。

高分六号影像在自然资源调查中的应用研究

以广州市南沙区自然资源调查为例,针对高分六号遥感影像的特点,建立了高分六号影像可以适应的自然资源分类体系。分析了面向对象的遥感影像分类过程中的各个过程,研究了多尺度影像分割在不同参数设置下的分类效果,得出了较为合适的多尺度分割参数,进行了面向对象分类实验和分类精度评价,影像分类精度达到了78.66%。通过对南沙区影像在实验各个流程中的区别及联系进行了横向对比,总结了其中的规律,显示了基于高分六号的面向对象遥感影像分类方法在自然资源调查中的应用价值。

基于高分六号卫星数据的红树林提取方法

红树林具有定期被潮水淹没的特点,这个特点对于利用遥感技术手段提取红树林来说既是机遇也是挑战。为探究在任意潮汐条件下,高分六号(GF-6)卫星数据的红边波段在红树林提取上的贡献度,以海南省最大的红树林区域东寨港东南区为研究区域,利用高分二号(GF-2)卫星数据获取标准样本点。以研究区的标准样本点和高分六号数据为基础,构建典型地物反射光谱曲线图,由植被强吸收的波段建立基线,基线之上反射率的平均值定义了适用于高分六号卫星数据的潮间红树林指数(intertidal mangrove forest index,IMFI),同时建立了红边归一化植被指数(red-edge normalized difference vegetation index,RENDVI),这2种指数与归一化植被指数(normalized difference vegetation index,NDVI)和归一化水体指数(normalized difference water index,NDWI)等常用指数通过箱线图进行对比分析,并基于IMFI和RENDVI构建决策树模型对研究区的典型红树林进行提取,提取结果与高分二号遥感数据目视解译提取的样本进行精度验证。结果表明:①红树林周期性被潮水淹没的特点,使得潮间红树林的反射光谱曲线在水体与红树林的标准光谱曲线之间分布,且相对分散;②IMFI和RENDVI可反映红边波段与近红外波段反射光谱的差异性,能够更好地对潮间红树林、红树林和水体进行分离;③基于IMFI和RENDVI构建的决策树模型可有效提取红树林分布信息,其总体精度为0.95,Kappa系数为0.90。红边波段的引入在红树林提取上发挥了重要作用,具有很大的应用潜力,为国产红边卫星数据在生态方面的应用提供参考。

基于卷积神经网络的高分六号卫星多光谱图像压缩

高分六号多光谱图像的空间冗余和谱间冗余较高,为了降低高分六号多光谱图像所占用的存储空间,提高国产高分多光谱图像的压缩效率,提出一种基于卷积神经网络的端到端多光谱图像压缩模型SMIC。SMIC模型由自编码器、量化结构、熵编码3个部分组成。自编码器通过卷积下采样提取图像的特征,降低数据的空间维度。量化结构采用多进制量化将特征矩阵离散化,减少图像压缩过程中的信息损失。熵编码采用高斯混合模型进行编码,降低码流,减少图像所占用的存储空间。实验结果表明:在相同码率下SMIC模型的高分六号多光谱图像压缩效果明显优于传统图像压缩算法JPEG,重建图像的质量明显提高,图像的峰值信噪比较JPEG高约2 dB,且SMIC重建图像的误差值主要集中在[-100,100]范围内,区间占比达到80%以上;SMIC模型重建图像的NDVI与原始图像NDVI的决定系数R2为0.93;SMIC模型的冬小麦提取准确率为87.16%,误检率为4.47%,冬小麦提取结果验证了SMIC模型能够满足部分定量遥感的应用需求。

高分六号红边波段对夏玉米种植区识别的影响

为探究高分六号卫星新增红边波段对夏玉米种植区识别的影响,选取山东省兰陵县为研究区,基于多时相高分六号宽幅相机遥感影像,构建4种波段组合方案,结合地面数据分析不同方案样本类型可分离性,采用支持向量机方法,提取研究区不同前茬作物夏玉米种植区域,分析光谱反射率变化及识别结果精度。结果表明:高分六号卫星两个红边波段都能不同程度提高不同物候期夏玉米与其他作物的区分度,较无红边波段参与相比,红边波段参与下不同作物间可分离度有一定提高;大蒜收获后、冬小麦收获后播种的夏玉米总体分类精度分别由80.1%、77.3%提高到90.3%、91.1%,分别提升10.2%和13.8%,Kappa系数分别由0.60、0.56提高至0.80、0.81。研究表明,新增红边波段可以有效提高夏玉米识别和提取精度,能够为红边波段的农业应用提供参考。

高分六号卫星遥感估算大气细颗粒物方法研究

针对目前利用高分六号卫星开展地区高空间分辨率大气细颗粒物监测研究较少的问题,提出了基于高分六号卫星宽幅相机数据的气溶胶光学厚度及大气细颗粒物遥感反演的技术方法,并在京津冀及周边地区开展了应用实验和对比分析。首先,基于改进暗像元法反演了高分六号卫星数据的气溶胶光学厚度;然后,结合地面大气细颗粒物监测数据与多种气象辅助数据,基于随机森林算法,构建了多参量综合的大气细颗粒物估算模型,对京津冀地区的大气细颗粒物浓度进行了估算。研究表明:高分六号气溶胶光学厚度反演结果与地基站点监测结果的相关系数为0.94,反演精度较高;大气细颗粒物估算结果与地基站点监测结果的决定系数达到0.79以上,较好地反映了京津冀地区的大气细颗粒物空间分布。

高分六号中分宽视场影像高精度DSM提取

高分六号(GF-6)卫星中分宽视场相机65.64°的超大视场角,使得其具有异轨立体观测能力。利用高分六号中分宽视场影像进行DSM提取,面临影像复杂的内畸变特征、宽视场相机立体平差等难题。文章提出了基于RPC模型的中分宽视场相机DSM提取方法,包括非线性内畸变补偿、宽视场外定向模型立体平差及核线影像生成与DSM提取。实验采用空间分辨率为16 m、重叠度为50%~70%的3组立体影像分别制作了50 m格网的DSM。通过全球公开精度最高的哥白尼DSM进行评估。结果表明,该方法提取的DSM高程中误差为8~10 m,达到子像素级水平。该研究为高分六号宽视场影像高精度处理及全球DSM提取提供了参考。

高区分度的高分六号影像可见光波段植被指数构建

在分析绿色健康植被光谱特性及5种典型地物在高分六号影像中可见光波段光谱特征的基础上,提出一种基于红、绿、蓝波段的可见光植被指数——高区分型红绿蓝植被指数(HDRGBVI),利用该指数与其他8种常见可见光植被指数提取研究区绿色植被覆盖效果进行对比研究,并采用基于SVM的监督分类方法进行对不同种可见光植被指数所提取的研究区绿色植被进行精度量化评价并将精度进行对比。结果表明:由HDRGBVI计算的植被指数灰度影像能够有效提取试验区植被,对大面积水体、狭长水体、细小水体具有抑制作用;相比其他8种常见可见光植被指数在应用于卫星影像时出现的植被与其他地类区分度低的问题,HDRGBVI增强了植被与其他地类的区分度,使得可见光植被指数应用于卫星影像时也拥有较好的提取效果;利用HDRGBVI与其他8种常见可见光植被指数分别对长桥海试验区植被覆盖区域进行提取,HDRGBVI总体精度为90.23%,Kappa系数为0.8045,精度高于其余8种常见可见光植被指数,能够准确对长桥海试验区的植被覆盖区域进行提取;为验证HDRGBVI是否具有良好的可适用性及可靠性,分别从3景高分六号影像中选择3个研究区进行验证,分别计算三个研究区的HDRGBVI,并利用对应试验区的基于SVM的监督分类结果进行精度验证,结果表明:三个研究区的绿色植被提取精度均维持在90%左右,均可对植被覆盖区域进行有效提取提取精度受不同地类分布差异影响的波动性较小,且能够较好的削弱影像中阴影等因素的影响。综上,所提出的高区分型红绿蓝植被指数——HDRGBVI能够有效、快速、高精度、大范围提取高分六号可见光波段影像中绿色植被信息,且具有较好的适用性,为可见光植被指数与卫星影像的结合应用提供了一种可行性方法。

基于高分六号数据的东海县植被覆盖度分析

为了对中国连云港市东海县地区植被进行植被覆盖度的研究及分析,以高分六号(GF-6)卫星数据为原始数据源,在归一化植被指数(normalized vegetation index, NDVI)和像元二分模型分析方法的传统研究基础上,进一步通过不同置信度法来获取像元二分模型数据中所对应的纯土壤像元(S_(soil))值和纯植被像元(S_(veg))值,从而对植被覆盖度进行遥感估测分析。结果表明:植被覆盖度的估测结果对置信度的取值非常敏感,在选取置信度时,应结合数据源的卫星特征、影像特征、地域特征等合理选择,置信度应控制在2%~10%;高分六号卫星影像能较好的估测出植被覆盖度,东海县植被覆盖等级主要呈西高东低的空间状态,这也为后续高分六号卫星在林业应用方面提供价值参考。

基于高分六号遥感数据的托克托县辣椒农业服务应用研究

文章根据高分六号卫星监测,制作2019年辣椒全生育期遥感图像并分析,得出遥感监测数据可以了解实时作物的生长情况,及时提供定性的作物长势好坏信息,对产量进行提早评估,为农户及相关农业部门决策辣椒生长提供准确的信息服务。

高分六号卫星技术特点与新模式应用

高分六号卫星是继高分一号卫星之后,又一兼具高分辨率成像和超大幅宽成像能力的卫星,也是我国首颗具备红边谱段的遥感卫星。为了更好地推进卫星的应用,文章对高分六号卫星平台和载荷进行了系统介绍,梳理了高分六号卫星与高分一号卫星的异同点,阐述了高分六号载荷以单相机体制实现超宽成像的创新,总结了精致为用、组网观测的高质量、高精度、高效能卫星技术创新,以及围绕长寿命、高可靠所采取的措施。结合卫星在轨应用,凝炼了高分六号卫星在对月成像、对月相对辐射定标成像、舱外可视化成像及自主健康管理等方面的新模式应用成果。文章总结了行业应用的前景,高分六号卫星具有高、中空间分辨率、大幅宽、多谱段成像结合的优点,对大尺度地表观测具有独特优势。

基于高分六号影像的四川盆地油菜种植调查

目的:使用高分六号多光谱影像调查评价四川地区油菜种植空间分布现状。方法:以四川盆地四川部分油菜种植区为调查区,选择油菜识别最佳时期的高分六号卫星多光谱影像,进行正射校正及几何精纠正,通过最大似然监督分类方法提取调查区内油菜种植空间信息,初步评价该区油菜种植区的空间分布现状。结果:结合地面调查样方数据验证:①基于高分六号影像的油菜分类总体精度为82.06%,Kappa系数为0.6997。②盆地内四川地区2019年油菜种植面积约为103.24万hm^2,规模种植区主要分布于成都、德阳、绵阳、雅安、眉山、乐山等地区。结论:高分六号遥感数据及监测结果可为四川农业产业发展及种植结构调整优化提供参考信息。

高分六号卫星在农业资源遥感监测中的典型应用

本文在简要概述农业资源遥感监测主要内容基础上,从覆盖范围、红边等新增谱段、空间分辨率三个方面对高分六号(GF-6)卫星农业遥感监测的优势进行了具体分析,并从农业种植业、畜牧水产养殖、设施农业应用、农业工程四个方面应用进行了示例说明。GF-6卫星在国产卫星农业遥感中起到了承上启下的作用,促进了卫星研制与应用部门紧密配合,强化了卫星设计整体性、系统性、高效性等最新的星地一体化理念,对推动农业遥感理论研究具有积极的意义,也为其他行业应用起到积极的示范作用。

高分六号卫星数据在森林草原火情监测中的应用

根据近两年高分六号(GF-6)卫星在我国及境外的森林草原火灾监测中的应用示范情况,介绍了该卫星数据在烟区监测和火烧迹地提取中取得的成果;火情监测应用示范结果表明:GF-6卫星影像具有反映森林草原等植被燃烧形成的烟区和火烧迹地等信息的能力,可有效支撑我国及境外的森林草原火灾的发现、火场态势监测和灾情评估等应用。

高分六号卫星农作物种植面积遥感监测应用

本文以农作物种植面积遥感监测作为切入点,分析了高分六号(GF-6)WFV数据晴空覆盖能力以及对农作物遥感监测的满足能力,并对农作物种植面积遥感监测需求,以及区域和局部小尺度上农作物种植面积遥感监测应用做了示例说明,认为随着地块级数据农业遥感应用需求日趋迫切,高空间分辨率国产高分卫星数据覆盖频率需要进一步提高。

高分六号宽幅数据识别火烧迹地的光谱及指数分析

为探究利用高分六号卫星宽幅(GF-6 WFV)数据识别火烧迹地的适宜光谱波段和指数,选取2019年发生在我国内蒙古大兴安岭林区的三处雷击火形成的火烧迹地作为研究区,结合GF-6 WFV波段组成,选取归一化植被指数(normalized difference vegetation index,NDVI)、全球环境监测指数(global environment monitoring index,GEMI)、增强植被指数(enhanced vegetation index,EVI)、燃烧面积指数(burned area index,BAI)、土壤调节植被指数(soil-adjusted vegetation index,SAVI)、改进型土壤调节植被指数(modified soil-adjusted vegetation index,MSAVI)和归一化差异水体指数(normalized difference water index,NDWI)等7个光谱指数及地面叶绿素指数(MERIS terrestrial chlorophyll index,MTCI)、归一化差值红边指数(normalized difference red edge index 1,NDRE1)、改进的叶绿素吸收指数(modified chlorophyll absorption ratio index 2,MCARI2)和改进的归一化土壤指数(modified normalized difference soil index,MNDSI)等4个改进指数,基于同期影像和前后两期影像进行火烧迹地和其他典型类别的区分度计算,并利用上述11个指数及指数差值进行火烧迹地的识别,定量评价了GF-6 WFV各波段、所选光谱指数及改进指数识别火烧迹地的能力。结果表明:(1)GF-6 WFV的近红外波段和新增的两个红边波段区分度较高,反映火烧迹地特征的能力较强。(2)在区分火烧迹地和火烧前正常植被上,NDVI,GEMI,EVI,BAI,SAVI,MSAVI和NDWI 7个光谱指数等的区分能力较强,4个改进指数中,NDRE1和MCARI2的区分能力较好,MNDSI和MTCI的区分效果较差。(3)在区分同期影像火烧迹地和其余典型类别上,BAI,NDVI,MCARI2和NDWI区分效果较优,其次为NDRE1,GEMI,EVI,SAVI和MSAVI,而MNDSI,MTCI的区分能力较差。(4)在利用所选指数和指数差值识别火烧迹地中,GEMI,EVI,BAI,SAVI和MSAVI的识别精度均较优,其次是MCARI2,NDVI和NDWI,做差后提取精度显著上升,Kappa系数均提升到0.80以上,MTCI,MNDSI和NDRE1提取效果较差。综合比较,BAI和GEMI识别效果最好,NDVI,EVI,SAVI,MSAVI,NDWI和MCARI2的识别能力中等,而MNDSI,NDRE1和MTCI等3个改进指数识别火烧迹地的能力较差。

高分六号遥感影像植被特征及其在冬小麦苗期LAI反演中的应用

高分六号(GF-6)遥感卫星是中国首颗精准农业观测的高分卫星,与高分一号(GF-1)组网运行,除具有与GF-1 WFV传感器相同的波段外,国内首次增加了能够有效反映作物特有光谱特性的红边波段。为评价高分六号卫星影像的农作物监测能力,以苗期冬小麦为研究对象,结合地面同步观测的冠层光谱和LAI实测数据,分析高分六号卫星影像的波段数量、波段光谱范围及新增的红边植被波段特征;通过提取GF-6 WFV影像中的反射率数据构建植被指数,借助人工神经网络,对比GF-6 WFV传感器不同植被指数组合构建反演模型的精度,以此探究GF-6 WFV红边波段在冬小麦苗期叶面积指数反演的应用能力。结果表明,高分六号遥感影像能较好反映真实的植被特征;同时在对冬小麦LAI反演时增加GF-6 WFV传感器的两个红边波段及红边植被指数数据,对苗期冬小麦LAI反演模型精度有较大的提高,R2分别调高12.48%,RMSE降低14.75%。

高分六号卫星遥感影像不同几何校正方法精度对比研究

为探究不同几何校正方法对高分六号影像定位精度的影响,笔者分别使用地理国情数据和GPS数据,对影像进行基于有理函数模型与多项式模型的几何校正,并运用事先布置好的检查点与校正后影像上的同名地物点进行精度分析。结果表明,利用地面控制点的几何校正中,有理函数模型的校正精度可达3.0 m (1.5个像元),多项式模型校正精度为4.0 m (2个像元),利用国情数据进行几何校正的平面位置精度可达4.9 m (2.5个像元),有理函数模型的校正精度最高,这些校正方法精度结果满足国家1∶100 00的数字正射影像的实际应用要求。

高分六号遥感数据在有林地识别中的应用

精准农业观测卫星-高分六号卫星(GF6)增加了4个特殊波段,更加有效地反映了植被特有的光谱特性,为植被应用研究提供更为详细的地物光谱信息。为了分析GF6数据在植被识别能力上的优越性,比较了GF6号新增波段(红边1、红边2、黄边、紫边波段)和高分数据传统波段对有林地识别精度的影响。结果表明:GF6新增波段对有林地快速识别的精度达到97.67%,Kappa系数为0.95,比GF数据4波段对有林地的识别精度提高了3.35%,Kappa系数提高了0.08。CART自适应特征和阈值选择决策树算法比人工决策树分类算法对有林地识别精度有显著增加,精度由88.81%提高到97.67%,Kappa系数由0.78提高到0.95。GF6数据新增特殊波段结合CART自适应特征和阈值决策树算法对有林地具有快速优越的识别能力。

基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演

针对太湖叶绿素a浓度反演大多采用低中分辨率遥感数据,缺少基于高分辨率遥感数据研究的现状,采用高分六号卫星遥感影像,运用波段比值模型、归一化差异叶绿素指数(NDCI)模型和三波段模型定量反演了太湖蓝藻的叶绿素a质量浓度,并采用2018年10月28日、2019年4月6日和2019年6月3日的高分六号卫星遥感影像对3种模型的反演精度进行了验证。结果表明,采用NDCI模型的平均相对误差、均方根误差和平均绝对误差最小,NDCI模型具有更好的精度和稳定性,更适合高分六号卫星遥感影像在太湖叶绿素a质量浓度反演方面的应用。