综合后向散射特征与极化特征的L波段SAR数据岩石分类

以菲律宾民都洛岛为研究区域,选取ALOS PALSAR双极化数据(极化方式为HH和HV极化)作为数据源,通过提取后向散射系数(Sigma0 HH和Sigma0 HV)和极化分解参数(熵、角和反熵),使用最大似然分类方法实现研究区的岩石单元分类和填图。在加入了极化分解参数之后,总体精度由仅使用后向散射系数的36.706%提高到65.000%。海岸带沼泽和珊瑚礁的F1分数超过了0.80,辉长岩和Mansalay组的F1分数超过了0.75。引入极化特征后,岩石单元的边界被更好地提取,Mansalay组和Mindoro变质岩与其他岩石的可分性增强。3个极化分解参数弥补了多种岩石单元的后向散射系数难以区分的不足,显著提高了岩石单元的可分性。研究表明,L波段SAR数据的极化分解参数和后向散射系数相结合能提高植被覆盖区岩石单元的分类精度。

中尼交通廊道318国道沿线泥石流分布及特征数据集(2022年)

中尼交通廊道地区在特殊的地理地质环境限制下,缺乏可信且较为完整的泥石流分布数据。本数据集是基于泥石流早期识别和野外实地调查,结合数字高程模型(DEM)和地质图,得到的1990年至2022年中尼交通廊道318国道沿线范围内的泥石流编目及特征信息。泥石流流域的提取主要采用Arc GIS中的水文分析方法,考虑到DEM的精度限制,结合Google Earth影像进行必要的人工校正。降水和温度参数信息取自1980–2009年共30年的国家气象站点实况数据内插年降水数据和年气温数据,断层分布信息来自中国地质调查局发布的《中国1∶50万数字地质图》,地形信息来自12.5 m分辨率的ALOS DEM数据。在28.0°–29.4°N,85.1°–88.9°E范围内,共提取255条泥石流记录,覆盖面积为1660.73 km^(2)。本数据集包含中尼交通廊道318国道沿线泥石流主要分布范围的矢量文件、泥石流目录矢量文件、泥石流参数特征文档3个文件。本数据集均经过现场实地调查、确认,数据信息可靠,可作为基础数据集,应用到该地区的泥石流研究中。

日本先进陆地观测卫星-4

2024年7月1日(UTC时间),日本先进陆地观测卫星-4(ALOS-4)雷达成像卫星搭乘H3运载火箭成功发射,该卫星由日本宇宙航空研究开发机构(JAXA)研发。ALOS-4卫星由三菱电机公司研制,是ALOS和ALOS-2的后续任务,运行在高度628km、倾角97.9°的太阳同步轨道,重访周期14天,设计寿命7年,质量约2990kg。

利用InSAR资料反演缅甸M_w6.8地震断层滑动分布

2011年3月24日缅甸东北部发生Mw6.8级地震.本文利用覆盖该地区的升降轨ALOSPALSAR数据,获取了该次地震的同震形变场,并采用灰度配准技术获取了其地表破裂位移.针对影像中因轨道不精确造成的非线性长波长误差,本文采用二次多项式曲面法予以去除,获取了更为精确的同震形变场.最后,基于弹性半空间形变模型反演了该地震的断层滑动分布.结果表明,该地震断层滑动以左旋走滑为主,兼具少许的倾滑运动分量,断层滑动主要集中分布在断层面0～10 km深度范围,最大滑动量达5 m,位于地表以下5 km深处.反演获得的地震标量矩为2.49×1019N·m,震级约为Mw6.8级.

ALOS卫星PRISM影像严格几何模型的构建与验证

根据ALOS卫星全色遥感立体测绘仪(PRISM)传感器的成像原理,利用卫星影像的辅助数据文件构建无需地面点的严格几何模型。试验发现,直接利用星上提供的轨道姿态数据和严格几何模型进行无控制定位精度较差,经分析发现ALOS卫星辅助数据文件中提供的CCD侧视角可能存在固定的系统误差,经校正后能使定位精度得到显著提高,达到ALOS卫星标称的几何定位精度。不同景影像定位精度的差异可能的原因是CCD侧视角的细微变化。

阴影植被指数SVI的构建及其在四种遥感影像中的应用效果

阴影是遥感影像中普遍存在的干扰因素,如何有效去除阴影已成为共识,寻找一个有效的阴影检测指标是实现影像阴影去除的基础工作。以Landsat TM,ALOS AVNIR-2,CBERS。02B CCD及HJ-1 CCD影像为试验数据,立足于进一步增大阴影区植被与明亮区植被、水体间的差异,实现影像阴影的有效检测,构建了一个新的植被指数——阴影植被指数SVI,该指数既可保证明亮区植被、阴影区植被、水体区在近红外波段的绝对差异,又能对NDVI进行放大,消除可能存在的混淆现象,改变NDVI直方图的"偏态"现象,使植被指数值更接近于正态分布,更符合地面实际;该指数适用于近红外波段辐射特征差异较大的地物。采用精度评估法验证SVI对明亮区植被、阴影区植被、水体区三类地物的识别效果,结果显示,四幅影像总分类精度依次高达98.89%,100%,97.78%,97.78%,总Kappa系数依次为0.983 3,1,0.966 7,0.966 7,说明SVI对明亮区植被、阴影区植被及水体区具有极好的检测效果;对子影像、SVI与NDVI的统计指标对比亦说明,SVI可靠、有效,可以将其应用于影像阴影去除。

“基于片层-面向类”的竹林信息提取算法与应用分析

随着竹资源经济效益的不断挖掘,及时、准确地掌握竹林的分布状况与动态信息成为亟须解决的问题,而传统的实地调查并不能很好地满足该需求。3S技术的兴起为掌握竹林分布信息提供了新手段,但受多种因素的制约,长期以来竹林信息提取效果不佳。该文在前期研究基础上,进一步以ALOS高分辨率遥感影像为数据源,利用提出的"基于片层—面向类"算法提取南方山地丘陵区顺昌县的竹林信息,以验证该方法的有效性。除利用传统的基于像元的分类方法外,引入近年来时兴的面向对象法,以作比较;同时,对"非片层区"进行进一步处理,以提高竹林信息提取的精度。用实测点验证表明:基于像元与面向对象的竹林信息提取精度分别为84.42%、86.46%,Kappa系数分别为0.677 3、0.723 4;从目视效果看,基于像元的分类结果存在椒盐状,而面向对象的结果图连续性更佳。两种方法结果虽相差不大,但面向对象方法可能更适用于诸如ALOS这样的高分辨率遥感影像。此外,两种方法共同表明,利用"基于片层-面向类"的信息提取思路,能有效地提取竹林信息,并可作为山地丘陵区域影像解译的重要技术参考。

基于ALOS数据的遥感植被分类研究

以广西平南县的植被覆盖为研究对象,以ALOS为遥感数据源,并对其进行了数据处理,运用信息量、相关系数及OIF方法,分析数据的波段特征;采用决策树分类算法,根据各种植被光谱特征建立知识库,提出基于光谱信息的植被分类方法,并将其与传统的监督分类方法进行了比较。结果表明:基于光谱特征的植被遥感信息提取方法分类总体精度显著提高,Kappa系数达到0.877;采用Landsat—5 TM遥感影像对该方法进行推广,分类总体精度为86.09%,Kappa系数为0.83。结果表明该分类方法能有效地对植被进行分类与识别,并对不同数据源的植被分类有一定的普适性,为实现植被的自动化提取提供了理论依据和方法。

ALOS PALSAR雷达影像InSAR数据处理中的基线和地形误差分析

从理论上分析了InSAR处理中的两大误差源——基线和地形对形变测量精度的影响,并建立了评价模型。在此基础上,研究了上述两种误差源对ALOS PALSAR的影响,获取了两种误差对形变影响的空间分布特征。结果表明,ALOS PALSAR的轨道精度为3～5 m,在现有的轨道精度情况下,形变测量精度较差,需对基线误差进行纠正;地形误差的影响很小,主要误差源于轨道误差。在现有DEM精度条件下(SRTM DEM),利用ALOS PALSAR,要获得优于1cm的形变测量精度,基线长度最好小于400 m。

基于纹理特征和支持向量机的ALOS图像土地覆被分类

高空间分辨率遥感图像在土地覆被分类方面应用广泛,但传统的基于像元分类方法的精度较低。为了提高高分辨率图像的分类精度,通过灰度共生矩阵法快速提取纹理特征,利用支持向量机(SVM)并辅以纹理特征,对浙江湖州典型实验样区的ALOS图像进行土地覆被分类。结果表明:基于纹理特征和SVM的图像分类能更好地提取地物信息,分类总精度达到90.88%;单纯SVM的分类精度(89.96%)高于最大似然法(分类精度86.16%)。本文方法可快速准确地提取土地覆被类型,为研究农业非点源污染的产生和时空分布提供服务,进而为寻求太湖流域内合理的土地利用模式和土地的可持续利用提供科学依据。

环境因子对土壤水分空间异质性的影响——以北京市怀柔区为例

为了探讨山区表层土壤水分的空间分布格局及其影响因素,以北京市怀柔区为研究区域,联合使用ALOS/PA-LSAR微波数据和Landsat-5遥感影像反演得到研究区的土壤水分数据,运用旋转主成分分析法分析了高程、坡度、坡向和植被盖度4个环境因子对土壤水分的影响情况及分布规律,并确定相应的主控因子。结果表明:高程和坡度是影响山区表层土壤水分空间变异的主控因子,植被盖度次之,坡向的影响最弱。对主控因子(高程和坡度)的单因素分析表明,土壤含水量随着高程的增加而逐渐减少,随着坡度的增加,土壤含水量总体上呈现先增加(坡度<3°)后减小(坡度>3°)的趋势,对深入研究山区土壤水分分布特性和水土保持具有指导意义。

基于林分结构响应的PALSAR森林结构参数估测

为提高ALOS PALSAR 数据估测森林结构参数的精度,引入代表林分结构复杂程度的调整熵值（ENTadj ）参与估测,以消除林分结构对雷达后向散射系数的干扰。首先利用野外样地实测的树高计算林分的调整熵值,与Landsat8 OLI 第6 波段建立线性回归模型,获得基于像元的调整熵值。一般森林结构参数与ALOS PALSAR 后向散射系数之间的关系可以用对数模型模拟。引入基于像元的调整熵值作为自变量对原始对数模型进行改进,分别对林分平均高、林分平均胸径、林分蓄积量建立了3 种形式的改进模型。利用原始模型和改进模型分别对杉木林、马尾松林、阔叶林和针阔混交林的上述森林结构参数进行估测。最后比较模型拟合精度筛选出3 项森林结构参数在各类森林中的最优模型,共计12 个。结果表明：考虑林分结构干扰后,雷达估测森林结构参数模型的拟合精度R2均得到了提高。马尾松林各项森林结构参数模型的拟合度提高最大。精度检验结果表明：林分平均高估测精度（RMSE 为0.74 -2.51 m）、林分平均胸径估测精度（RMSE 为2.61 - 5.61 cm）和林分蓄积量估测精度（RMSE 为21.71 -30.92 m^3 / hm^2 ）都比较理想。本研究探讨了林分结构信息应用于合成孔径雷达后向散射系数反演森林结构参数方面的潜力,提高了光学数据结合雷达数据估算森林结构参数的能力。

基于ALOS遥感影像的湿地地表覆被信息提取研究

为了验证ALOS遥感影像湿地地表覆被信息提取的可行性,以黑龙江省三江平原典型内陆淡水沼泽湿地为研究对象,通过ALOS遥感影像波段的光谱及纹理特性分析,探讨适合水体、旱地、水田、沼泽、林地、建设用地、草甸等覆被类型的分类特征;基于非监督、监督及面向对象分类方法,遴选能实现最优分类结果的特征组合,为湿地地表覆盖分类数据源及方法的选择提供参考。结果表明:非监督、监督及面向对象分类方法的总体精度分别达到63.86%、96.14%和85.26%;非监督分类方法整体分类效果不够理想;面向对象方法虽然得到了相对较高的分类精度,但是针对建设用地、林地及草甸地类信息提取的精度处于较低水平;监督分类方法能取得较好效果,最适合于湿地地表覆被信息提取。

基于光谱和纹理特征的ALOS影像土地利用信息提取

针对高分辨率遥感影像易于反映地物纹理特征的特点,综合利用地物的光谱和纹理特征进行分类,探讨适用于ALOS影像的土地利用信息提取方法。以川东丘陵地区影像为例,基于GLCM提取纹理信息,将提取的纹理特征向量采用赋权值法融合为一个综合纹理信息波段,然后采用面向对象法将其与光谱特征信息共同参与分类。与最大似然法的提取结果对比表明,考虑了纹理特征的面向对象分类方法能明显提高分类精度,Kappa精度提高了0.12;避免了椒盐现象,分割的地类边界具有更好的语义表达,更贴合地物实际分布特征;建筑用地和林地具有明显的纹理特征,而旱地纹理特征不明显。该方法不仅分出了6个基本地物类型,而且对于林地、建筑用地等类型还能进一步细分。

基于水文应用的多源数字高程模型精度分析

天空地监测技术的迅速发展使得可免费获取的地形数据越来越多,而不同地形数据的精度和现势性制约着水文科学的创新和发展。收集目前可免费获取的数字高程模型,基于分辨率、现势性、覆盖范围等属性筛选出SRTM、ASTER2 GDEM和ALOS World 3D三类数据源为研究对象,针对不同地形地貌区,计算分析与水文密切相关的DEM衍生特征的精度,进而提出不同数字高程模型在水文应用中的适用范围。经分析:各DEM在地势起伏大的区域,地形宏观描述基本一致;地势起伏小的区域,Aster2 DEM与其他三种DEM存在差异;在中小河流洪水预报的经验模型中,根据资料情况利用任何一种数字高程模型提取流域参数均可,不作为影响模型精度的重要指标。在地势起伏大的地区,除SRTM外各DEM对水系形态的描述精度较高;地势起伏小的地区,除ALOS world 3D能准确描述河口区域水系结构关系外,其余DEM均不能准确描述河口区域水系形态;分布式水文模型的产汇流分析、水文通视性分析等建议使用ALOS world 3D。

ALOS影像在土地覆被分类中最佳波段选取的研究

选定长江口北岸ALOS影像为实验遥感数据,以影像土地覆被分类为目的,根据信息量最大、相关性小、地物光谱差异大可分性好的原则,进行ALOS影像各光谱波段影像特性统计分析和波段组合的实验分析,结合基于信息量的波段选择指数和地物光谱特征分析方法,选取ALOS最佳组合波段为4,3,2。

ALOS卫星遥感数据影像特征分析及应用精度评价

通过影像灰度等级分析、单变量统计分析和影像纹理特征分析以及平面点位精度、影像分类精度和图斑面积精度评定,针对ALOS数据图像质量开展影像特征研究与应用精度综合评价,并与SPOT5数据对比。ALOS数据在纹理特征及面积精度方面(尤其是较小的图斑面积精度)均明显优于SPOT5;建设用地和农用地二、三级地类的影像分类精度均可达到优良等级;点位中误差精度可满足1∶1万比例尺制图要求。ALOS数据在国土资源调查和管理中具有良好的应用前景,可与SPOT5形成较好的数据互补。

基于光谱特征的森林类型识别研究

光谱特征分析是森林类型识别的前提。使用ALOS遥感数据,通过单波段、多波段统计方法分析波段数据特征,获得对影像的整体认识;运用归一化植被指数、主成分分析以及最佳指数法,计算不同森林类型的光谱特征;通过与最大似然法对比,结合实地调查数据,构造出理想的决策树算法,研究森林类型的识别问题。结果表明:ALOS数据4个波段中,波段4独立性较强,在遥感信息提取中是必选波段;NDVI及主成分变换可显著增强地物区分度,为森林类型识别研究的波段组合提供参考;同最大似然法相比,决策树分类精度显著提高,Kappa系数达0.878 7;该算法可降低混合分类现象,提高森林类型识别精度。

多源遥感技术在汶川震后高精度数字高程模型重建中的精度分析

汶川地震后,震中地区地表形态遭到很大破坏.在该地区开展科学研究急需高精度数字高程模型支持,重建震区数字高程模型十分必要.本文以高精度重建该地区数字高程模型为目标,综合ALOS PRISM获取的三轨立体像对、ALOS PALSAR雷达影像和欧空局发布的汶川地震ENVISAT雷达影像等资料,采用光学遥感立体测图技术、InSAR技术,并融合已有全球数字高程模型,研究建立覆盖此地区15m分辨率的数字高程模型.在利用中国地壳运动监测网络和陆态网络工程项目实测的GPS数据进行高程精度分析后表明:ALOS PRISM DEM精度优于10m(95%置信度);ALOS PALSAR DEM精度优于10m(95%置信度),而ENVSAT ASAR DEM在平原、丘陵地区精度优于20m(95%置信度).研究证明:ALOS PRISM能进行高精度的地形测量,ALOS PALSAR在山区仍可获得高精度数字高程模型,ENVISAT ASAR在平原地区的精度较高.因此融合光学、雷达遥感技术完全满足获取高精度、高分辨率震区数字高程模型的需要,这为在困难地区建立高精度数字高程模型提供了一个很好的途径.

ALOS-PRISM遥感影像超分辨率重建

介绍了日本ALOS卫星PRISM三线阵传感器的成像原理和方法,提出了利用PRISM三线阵影像进行超分辨率重建来提高PRISM影像的空间分辨率。提出了新的光流配准算法,该算法将标准互相关配准算法引入到Lucas-Kanade光流配准算法中,大大的减少了误配率,能够有效的消除PRISM Level1级别的影像之间由于地形起伏所引起的变形。同时,改进了影像的高斯退化模型,在超分辨率算法中,引入了可变退化函数,通过交替最小化(AM)算法对可变退化函数进行盲估计,实验结果表明,超分辨率重建影像与插值影像相比,细节清晰很多,有效的提高了影像的分辨率。实验结果说明了本文配准算法可以达到超分辨率重建的亚像素的精度要求,可以应用于航空遥感影像的高精度匹配,同时也说明了将航空遥感影像的退化函数算子分为高斯退化算子和可变退化算子的思想是正确的,符合实际情况。