GF-1影像遥感监测指标与冬小麦长势参数的关系

为了分析高分一号卫星(GF-1)影像在冬小麦长势监测中的有效性和适宜性,以建湖县冬小麦为研究对象,选取12个植被指数作为遥感监测指标,运用回归分析法探讨遥感监测指标与地面实测冬小麦长势参数的关系,并以回归模型的决定系数(R 2)作为反演精度的评价指标。研究发现,叶面积指数(LAI)、密度和生物量的反演精度较高,其中LAI的反演精度在拔节期最高[监测指标:红蓝色归一化植被指数(RBNDVI),R 2:0.6894],密度的反演精度在拔节期最高[监测指标:优化的土壤调节植被指数(OSAVI),R 2:0.5438],生物量的反演精度在孕穗期最高[监测指标:归一化植被指数(NDVI),R 2:0.4486],说明GF-1影像适合在拔节期进行冬小麦LAI、密度的监测,在孕穗期进行生物量监测。土壤含水量、株高和叶绿素含量(SPAD值)的反演精度较差,最佳回归模型的R 2皆低于0.3600,说明所选的12个遥感监测指标不适合反演这3个长势参数。除乳熟期外,其他4个生育期中都是LAI的反演精度最高,可见GF-1影像的遥感监测指标与LAI的相关性最好,反演精度最高。本研究结果说明,在进行冬小麦长势监测时,不同的生育期需要采用不同的监测指标,同时GF-1影像则更适合在拔节期和孕穗期进行冬小麦的长势监测。本研究结果在一定程度上为GF-1影像在农情遥感监测中的应用提供了科学依据。

基于P5像对与GeoEye-1影像的近地表地层产状的提取

通过对P5立体像对、GeoEye-1影像的处理与分析,分别进行了数字高程模型的提取和地层的划分,用检查点法和目视检查法对提取的数字高程模型的误差评估结果显示,误差在5m以内,满足产状提取的要求。根据地层划分结果,在不同时代的地层边界处和同时代地层内部选择岩层三角面发育较好、产状相对稳定的区域,选取用于地层产状提取的点,并获取其三维坐标,然后在MATLAB环境下根据三点法或多点拟合法原理及公式编程提取地层产状。野外验证结果表明,提取的产状倾角误差均在6°以内,其中85%的误差在4°以内,中误差在3°以内,均在定量研究可接受的范围之内,并分析和总结了误差产生的主要原因。研究结果表明,利用P5立体像对与GeoEye-1影像提取近地表地层产状的方法,有效地约束了浅层构造的形态,减少了构造分析的不确定性,对柯坪的构造变形研究具有重要意义。

面向GF-1影像的比值建筑用地指数构建

针对GF-1影像缺少短波红外波段的问题,根据建筑用地信息在缨帽变换(Kauth-Thomas transformation,KT)前2个分量具有高对比度的特征,提出了一种比值建筑用地指数(ratio build-up index,RBI)。在不同的时空条件下,利用该指数分别提取了湖北省钟祥市和襄阳市樊城区的建筑用地信息,并将其结果与常规分类器和建筑用地指数等方法提取的结果进行了比较。结果表明,RBI方法提取的建筑用地信息总精度和Kappa系数均较高,且对裸地信息具有较好的抑制能力。

基于多时相GF-1影像的施工期生产建设项目分布信息提取

[目的]开展基于高分遥感的生产建设项目提取技术的研究,全面、及时地掌握生产建设项目分布信息,满足水土保持监管的迫切需求。[方法]以陕西省榆林市的部分区域为研究区,利用2013和2014年两个时相的GF-1影像,通过面向对象的直接比较法,提取变化信息,并结合光谱、形状等特征,去除伪变化,获取区域范围内新增的裸地和不透水面。另外,结合专家知识,提取疑似施工期生产建设项目信息。[结果]新增裸地和不透水面的发现精度达到83.53%,疑似施工期生产建设项目的发现精度为95.56%。[结论]该方法能够有效地提取施工期生产建设项目分布信息。

基于Sentinel-1影像的浙江省沿海养殖池塘提取与管理

沿海养殖池塘建设能带来巨大的经济效益,对保障海产品供给和丰富居民食物多样性具有重要意义。而养殖池塘的快速扩张也会带来严重的环境危机,故有效揭示养殖池塘的时空分布特征对有序管理沿海养殖池塘至关重要。但养殖池塘大多分布于岸线曲折、靠近海洋的潮滩一侧,有效且高精度识别养殖池塘具有难度。对此,提出结合Google Earth Engine云平台和ArcGIS本地端分类后处理的养殖池塘识别方法,基于地区水体频率、对象特征和精细处理得到了浙江省沿海2016—2021年较高精度的养殖池塘空间分布数据。结果表明:养殖池塘总体精度均大于93%,Kappa系数均大于82%,表明研究方法具有较好的适用性。浙江省沿海养殖池塘面积趋于下降,2016、2019、2021年分别为30360.60、24375.35、21700.02 hm^(2)。养殖池塘地级市集中分布于宁波市、台州市、绍兴市和杭州市,县域聚集于慈溪市、宁海县、三门县、萧山区、上虞区和象山县。浙江省养殖池塘集聚性下降,聚集于海湾、河口、沿海平原与潮滩,如杭州湾、象山港、三门湾、浦坝港和乐清湾。养殖池塘空间差异性突出,其海侧大于陆侧、北部大于南部。

基于GeoEye-1影像的城区建筑物提取方法研究

在传统信息提取方法的基础上,提出监督分类和规则分类相结合的方法以及基于知识规则的多尺度分割方法进行建筑物的提取,旨在简单高效地从高分辨率影像数据中准确提取出城区建筑物,并通过北京市区的GeoEye-1影像进行方法验证。结果表明:提出的两种方法的Kappa系数均达到了87%,相比传统的监督分类方法提高了22%,其中生产者精度提高了30%以上,精度较高,而且这两种方法原理简单,适于流程化操作,具有明显的优越性。

基于多特征的GF-1影像阴影检测研究

针对高分影像阴影检测精度易受水体、偏蓝色地物影响的问题,结合GF-1影像自身特点,提出一种集主成分变换、图像特征计算、逻辑非运算和形态学闭运算于一体的阴影检测方法。对GF-1影像多光谱数据、全色数据进行正射校正和信息融合,可实现光谱与分辨率信息的最大化利用,并最大程度地突出阴影信息,增大阴影与其他地物的差异。其次,建立基于主成分变换的阴影检测方法 PC1/NIR和图像特征计算Rg_nir,得到初始阴影信息和水体信息;用初始阴影信息与水体信息作逻辑非运算,剔除水体,并利用形态学闭运算使得阴影区域更加连续、饱满。实验表明,该方法既能准确地检测出GF-1影像中的阴影信息,又能有效削弱水体、偏蓝色等地物的影响。

基于GF-1影像的西藏亚东地区构造解译研究

随着地质调查工作精度的提高,中低分辨率的遥感影像已难以满足地质构造深入解译的需求。高分一号(GF-1)影像的应用为提高地质构造解译尺度提供了数据基础,特别是在人车通达性较差的地区,可大大减少野外工作量。为此,以地质构造发育的西藏亚东地区为研究区,利用GF-1影像,在分析已有地质资料基础上,构建了研究区的断裂形成机制模型,并结合地形地貌特征,对研究区的地质构造进行遥感解译。结果显示:(1)研究区内解译新增断裂418条;(2)受SN向应力挤压机制影响,形成于中新世晚期的EW走向断裂为主要断裂,其性质为逆冲断层,EW向应力的引张作用,形成了研究区SN向、NE向断裂,并具有多期活动特点;(3)河流和湖泊受断裂控制明显,河流多成SN向,位于逆冲断层上盘的隆升造成了区内河流和湖泊的水位降低。

面向林地信息提取的Pleiades-1影像融合算法评价分析

以Pleiades-1影像为对象,以探究其面向林地信息提取的融合算法选择为视角,通过基于目视和定量特征分析、辅助面向对象分类分析的方法,为林业部门遥感影像大规模融合应用提供参考。研究认为Pansharp和GramSchmidt算法融合结果目视效果良好,各波段与原多光谱相关系数均高达0.8以上,清晰度与纹理增强明显。两种融合算法影像在不同林地层次信息提取能力各有优势,Pansharp融合结果在林地层次分类总精度可达86.55%,Gram-Schmidt融合结果则在森林类型层次具有最高的分类总精度78.76%。具体融合算法的选取需根据其应用的信息提取层次而定。

面向GF-1影像的NDWI分割阈值选取方法研究

以位于我国不同地区的15个湖泊为研究区域,基于高分一号(GF-1)卫星遥感影像计算归一化水体指数(normalized difference water index,NDWI),在此基础上分别采用迭代法、大津法和直方图双峰法选取分割阈值及提取水体信息,并分析3种方法的阈值选取结果及水体信息提取结果。研究结果表明:迭代法与大津法选取的阈值相近,与直方图双峰法选取的阈值相差较大;迭代法选取阈值的效率较高;直方图双峰法的提取精度最优,其提取的水域面积与参考面积拟合的效果最好。该研究可为GF-1影像的精准水体提取提供自适应阈值分割方法的选取策略。

基于GF-1影像的普达措国家公园森林地上生物量遥感估算

精确估算森林地上生物量有利于掌握森林资源碳储量的分布特征,该研究以普达措国家公园为研究区,基于国产高分一号(GF-1)全色多光谱(Panchromatic Multispectral Sensor,PMS)卫星影像和数字高程数据,提取波段信息、植被指数、纹理信息和地形因子,利用多元线性逐步回归、支持向量机、神经网络和随机森林模型,估算森林地上生物量。研究结果表明,基于GF-1影像构建的随机森林模型的精度效果最佳,决定系数为0.77,均方根误差为27.53 t/hm^(2);普达措国家公园森林地上生物量为7085614t,平均生物量达136.01t/hm^(2),表明公园内寒温性针叶林发育完好;海拔>3500~4000m区域森林生物量平均值最高,为126.56t/hm^(2),与生态保护目标分布范围相符;不同坡向生物量存在差异,阴坡和半阴坡平均生物量高出其他坡向20.48%,立地条件较优。研究结果证实基于GF-1优化的生物量经验模型具有对亚高山天然林地上生物量的估算潜力,对区域森林资源的有效科学管理和维护森林生态环境具有重要意义。

基于GF-1影像多尺度—光谱差异分割的不同喀斯特地貌区土地利用信息提取

影像分割是高分辨率遥感影像信息提取的前提,遥感影像分割的精确程度直接影响遥感分类的精度。为提高喀斯特山区遥感影像信息提取的精度,采用多尺度-光谱差异分割对喀斯特山区高分辨率影像分割,通过标准最近邻分类法提取土地利用信息,对比了仅多尺度分割、多尺度-光谱差异分割两种分割方法下喀斯特山区土地利用信息提取的精度。结果表明:(1)多尺度-光谱差异分割能改善过分割和欠分割现象。(2)多尺度-光谱差异分割优于单一使用多尺度分割。(3)多尺度-光谱差异分割综合了影像的光谱、纹理、形状等特征,进而提高了喀斯特山区影像分割分类的精度。

基于GF-1影像的玉米识别方法研究

本研究选取新疆昌吉市为研究区,以基于GF-1影像的作物分类与玉米识别为目的,利用2015年的5景高空间和高时间分辨率的GF-1遥感影像,经对影像进行掩膜处理后,分别利用最大似然法、马氏距离法、最小距离法、平行六面体法、神经网络法和支持向量机法对昌吉市的作物进行分类与玉米识别。结果表明,昌吉市玉米识别的最佳方法为最大似然法,最佳月份为8月,总体分类精度为98.48%,Kappa系数可达到0.98,制图精度与用户精度分别为99.93%和97.72%。

基于深度学习的多时相GF-1影像林分类型分类研究

为了探究深度学习方法基于多时相高分1号影像的森林植被分类效果。以黑龙江省孟家岗林场为研究区,以多时相GF-1影像和数字高程模型(DEM)为数据源,通过提取光谱特征、植被指数、纹理特征以及地形特征构建多特征数据集,并结合VSURF算法进行特征优选。同时,分别采用优化后的U-Net,SegNet,DeepLab V3+模型对森林林分类型进行分类,并与最大似然法、随机森林方法进行对比分析。结果表明:1)利用多时相影像分类精度明显优于单时相影像;2)基于VSURF算法从构建的97个特征中优选出16个特征变量,其中NDVI、RVI、均值、同质性、对比度、相关性以及DEM特征具有较高的贡献性均被保留,其余变量被消除,从而在一定程度上避免“维数灾难”,提高模型效率;3)3种深度学习方法中U-Net模型的分类精度最高,总体精度为86.04%,Kappa系数为0.742,DeepLab V3+模型次之,SegNet模型精度最低。同时,深度学习方法的精度均优于随机森林和最大似然法。基于多时相GF-1影像构建最优特征组合,并结合深度学习方法对森林林分类型分类具有一定的参考价值。

基于GF-1影像的渭-库绿洲外围土壤含盐量定量反演研究

为探讨国产GF-1卫星影像在干旱区土壤盐渍化监测中的适用性,以渭-库绿洲外围荒漠交错带为研究对象,利用BP神经网络和RBF神经网络2种建模算法,以GF-1影像的4个波段的反射率及影像提取的归一化差异植被指数(NDVI)、差值植被指数(DVI)、土壤调节植被指数(SAVI)、盐度指数(SI1、SI2、SI-T)共10个指标构建土壤含盐量反演模型。结果表明:在2种算法中,BP神经网络模型预测精度最高,R2为0.818,RMSE为0.194;发现利用植被指数更能提高模型的预测精度;利用BP神经网络预测模型反演研究区的土壤含盐量,发现预测情况与研究区实际情况相符,说明利用GF-1数据结合BP神经网络构建的反演模型适用于监测研究区土壤盐渍化问题。

基于GF-1影像的冬小麦面积提取及年际变化动态监测

为探讨国产高分一号(GF-1)卫星影像在作物面积提取中的适用性,以冬小麦主产区山东省菏泽市为研究区域,利用GF-1卫星携带的多光谱宽幅相机(WFV)16米遥感影像为主要数据源,以菏泽市土地利用类型和野外地面调查数据作为辅助,采用决策树分类法和监督分类—最大似然分类法相结合的方法,通过分区解译方式,分别提取出菏泽市2014和2015年冬小麦种植面积和分布区域,并利用地面样方数据对分类结果进行精度验证,同时开展年际变化动态监测分析。结果表明:以GF-1/WFV 16米影像为主要数据源,将多源信息引入决策树和监督分类模型,进行种植结构复杂地区冬小麦种植面积遥感估算的方法是可行的。GF-1/WFV 16米影像在作物面积遥感监测业务运行中具有较大的开发应用潜力。2014和2015年菏泽市冬小麦位置提取精度分别达到96.5%和96.7%,面积总量提取精度分别达到96.8%和95.0%;遥感提取的两年冬小麦种植面积均略小于官方提供的统计数据,但两者呈现出的变化趋势一致,即菏泽市两年间的冬小麦种植面积呈减少趋势。

基于GF-1影像的内蒙开鲁县玉米虫害程度划分及成因分析

为监测2018年内蒙古开鲁县玉米虫害发生程度,利用虫害爆发一周后的GF-1遥感影像提取玉米种植范围,结合对植被茂密稀疏变化敏感的重归一化植被指数(RDVI),采用RDVI均值和标准差来反映玉米受虫害胁迫后生长变化情况,通过设置标准化阈值,利用决策树方法对玉米所受虫害胁迫程度进行划分。结果表明,基于RDVI划分玉米受害程度总体精度可达75%,说明RDVI可作为监测玉米受虫害迫害程度的指标。此外,通过分析开鲁地区生境因素,发现高温干旱的气象条件及较大的虫源基数是该地区玉米受虫害严重的重要原因。

单Geo Eye-1影像对的高原区域像控点布设与定位精度探讨

由于高原地区野外条件限制,在测区周边、内部按照规则区域法布设像片控制点,施测难度大。本文设计了有控与无控等5种布点方案,非均匀布设像控点或适当减少像控点数量,加载Geo Eye-1卫星影像所附带的RPC文件,采用有理函数模型的解算方法,用来检测1:10000测图成果的定位精度。结果表明:在特别困难的作业区域,单个Geo Eye-1影像对上甚至只做1个像控点的前提下,能够达到测图精度。但是实际作业时,考虑到成果的可靠性,建议尽量每个影像对至少2个以上的像控点。

WorldView-1影像在土地动态监测中的应用

以丰润区为例结合Wor1dView-1卫星影像在土地动态监测中的应用，介绍WorldView-1卫星遥感影像数据的处理方法，详细分析土地利用特征，建立解译标志，提取土地动态变化信息。达到了确保土地调查成果的真实性和准确性的目的。

基于GF-1影像的城市高大地物的阴影检测方法

对阴影信息的研究是高分辨率遥感影像研究的重要问题,但是,在高分辨率遥感影像中,水体、暗色植被和偏蓝色地物会影响阴影检测精度,基于HSV色彩空间与主成分变换法,文中提出了一种检测阴影的阴影指数PSI。选择两个试验区,采用主成分变换法与PSI进行阴影区域检测并对检测结果进行比较分析,结果表明,在没有深色地物的情况下,PSI能够有效的区分阴影区域与水体、暗色植被和偏蓝色地物。在有人工草坪的情况下,PSI能够有效的区分人工草坪与阴影区域。在有深色地物的情况下,对HSV色彩空间中的V分量利用直方图阈值法对阴影区域进行检测,分离后的阴影区域中不包含深色地物,对PSI指数检测阴影的结果与V分量检测的阴影结果进行逻辑与运算,得到目标阴影区域;最后对阴影提取结果进行小区域去除和形态学滤波等后处理。实验结果表明,该方法针对GF-1影像具有良好的适用性,能精确并且快速地检测出阴影区域。