联合多时相GF-6 WFV和Sentinel-2的森林类型识别

【目的】我国南方地区多云雨,地型较破碎,森林类型精细识别较为困难,探讨联合多源、多时相的遥感数据对森林类型识别具有重要意义。【方法】以江西省信丰县为研究区,基于2019年森林资源二类调查数据,将森林划分为松林、杉木林、阔叶林、针叶混交林、针阔混交林、竹林、灌木林和其他林地等8种类型,利用随机森林算法比较GF-6 WFV和Sentinel-2最佳时相相同波段(紫/深蓝、蓝、绿、红、近红外、红边)和不同波段(黄边、短波红外)的森林类型识别能力,构建联合光谱特征集。联合多时相GF-6 WFV和Sentinel-2,构建多时相植被指数特征集,结合联合光谱特征集、纹理特征和地形特征,通过随机森林和递归消除法构建特征变量优选数据集进行森林类型识别,利用混淆矩阵和森林类型的实际分布对识别结果进行精度验证。【结果】(1)GF-6 WFV蓝、绿和红波段组合的总体精度为58.31%,分别加入紫、近红外、红边、黄边和Sentinel-2短波红外波段后,其总体精度分别提高1.99%、8.90%、10.71%、1.50%和14.10%;Sentinel-2蓝、绿和红波段组合的总体精度为54.68%,分别加入深蓝、近红外、红边、短波红外和GF-6 WFV黄边波段后,其总体精度分别提高3.30%、10.82%、12.92%、17.31%和3.97%。(2)特征变量优选数据集的总体精度和Kappa系数为80.80%和75.56%,贡献程度大小依次为GF-6 WFV多时相植被指数、Sentinel-2多时相植被指数、GF-6 WFV光谱特征、Sentinel-2光谱特征、地形特征和纹理特征,贡献率分别为40.44%、23.23%、18.12%、10.21%、4.61%和3.39%。(3)松林、杉木林、阔叶林、针叶混交林、针阔混交林、竹林、灌木林和其他林地的制图精度分别为86.97%、85.60%、88.61%、9.43%、19.01%、53.60%、86.90%和82.56%,用户精度分别为81.42%、79.79%、77.57%、71.43%、81.82%、67.00%、87.74%和82.88%,识别结果与研究区实际森林类型分布较吻合。【结论】联合多时相GF-6 WFV和Sentinel-2可以综合多时相、多源影像的优点,能够有效提高森林类型的识别精度。

基于GF-2和ASTER数据青海德龙地区构造蚀变信息提取及找矿预测

德龙地区位于青海东昆仑金及多金属成矿带东段,是该成矿带内极具勘查潜力区域之一,受限于偏远的地理位置和崎岖的地形条件,大比例尺地球化学勘查及常规地质调查工作难以直接开展。为此,基于ASTER和GF-2数据,通过分析不同空间分辨率遥感影像的色调、几何结构和纹理特征进行线性和环形构造识别;同时,根据主要蚀变矿物光谱特征分析,利用ASTER可见光—近红外波段和短波红外波段,采用“掩模+主成分分析”方法提取铁化、Al-OH和Mg-OH蚀变信息;在此基础上,结合多元地学信息及野外调查结果,综合分析遥感解译构造蚀变信息与研究区金矿化的内在联系,建立基于区内金矿床的遥感找矿预测模型,并以此为依据划分出找矿远景区3处。通过野外查证,在德龙找矿远景区新发现金矿体多条。研究结果表明,融合遥感数据和地理信息系统技术可有效识别地表热液蚀变和构造空间结构特征,能够为该地区进一步找矿预测提供参考和依据。

基于GF-2影像的武汉市九峰山国家森林公园地上碳储量估算

探究国产高分辨率数据在森林碳储量估算研究中的潜力,为构建森林碳储量估算模型提供新思路。选取武汉市九峰山国家森林公园为研究对象,以GF-2遥感影像为数据源,结合地面实测信息,对研究区森林地上碳储量进行估算,共提取6个植被指数、4个波段值、8种纹理特征,筛选出9个与实测碳储量相关的遥感变量,运用线性与非线性方程对单个高相关变量和多个相关变量进行建模,选出最优模型,为进一步提高预测精度,将模型代入4种纹理窗口(3×3、5×5、7×7、9×9)。结果表明:通过遥感图像提取的植被指数之间,具有较强的共线性,单变量建立的模型精度低于多变量模型;利用均方根误差RMSE与决定系数R^(2)对4个窗口下模型的预测精度进行评价,模型在5×5窗口下预测效果最好(R^(2)=0.73,RMSE=0.5),3×3窗口下预测效果最差(R^(2)=0.64,RMSE=0.8),将所有估测模型进行比较,在纹理窗口下模型精度提高了0.11。利用5×5窗口下构建的多变量模型对研究区碳储量进行估算,九峰山国家森林公园碳储总量为1.06×10^(4) t,总体平均碳密度为84.59 t/hm^(2),具有一定的固碳作用。选用国产高分辨率影像GF-2数据对武汉市九峰山森林公园进行反演研究,能很好地运用在森林植被碳储量定量与生长状况领域。研究结果对“双碳”目标下森林生态系统碳汇监测与管理具有重要科学意义。

级联语义分割和边缘检测的GF-2影像耕地提取

针对山地丘陵区的坡耕地和小面积耕地碎片边界模糊不清、分类提取困难的问题,以GF-2影像为数据源,提出了一种级联语义分割和边缘检测模型的遥感影像耕地信息提取方法。首先,针对不同类型耕地的特点选择级联方式;其次,将耕地边缘作为独立的特征类别,结合改进U-Net、DeeplabV3+和DexiNed模型,融合面特征和线特征,使得耕地边缘特征与语义特征能够进行互补,从而提高耕地提取的准确性,实现对复杂地形背景噪声的抑制和不同类型耕地的提取。实验结果表明,对比单一模型DeeplabV3+和U-Net,级联模型的耕地信息提取的总体精度、Kappa系数和F1值均有大幅度提升,针对不同类型耕地级联模型提取的耕地结果更接近真实耕地标注,漏提、误提区域远低于单一模型。

基于GF-2遥感影像和改进后PSPNet模型的丘陵地区耕地图斑提取方法

针对丘陵地区耕地地块具有边界模糊、覆盖物种类多样、大小和空间位置分布不规则等特点,传统分类方法难以快速准确提取耕地信息的问题,本文以四川省金堂县竹篙镇和高板镇为研究区域,利用高分二号卫星影像和改进后的PSPNet语义分割网络模型进行耕地图斑提取研究。在模型训练中,引入CBAM注意力模块以提高整个网络的特征提取和表达能力,采用余弦退火学习率以加快模型的收敛速度。结果表明,改进后的PSPNet模型在丘陵地区耕地提取精度方面取得了显著提高,耕地识别精度达到了95.69%,比标准PSPNet模型提高了1.07%,比Unet++,DeepLabv3+和支持向量机方法方法提高了1.32%,1.75%和6.33%。基于改进后的PSPNet模型具有更强的特征提取和表达能力,可以更准确地提取丘陵地区的耕地信息,为农业决策提供更准确的数据支持,促进农业智能化和精准化,提高农作物产量和质量,推动农业现代化进程。

基于GF-1卫星遥感反演排水河沟水体溶存N_(2)O浓度模型对比研究

[目的]探究利用GF-1卫星数据反演水体溶存氧化亚氮(N_(2)O)浓度的可行性,为实现低成本、高效率的水质实时监测提供有效途径。[方法]以宁夏青铜峡灌区第1和第5排水河沟为研究对象,选取与排水河沟水体溶存N_(2)O浓度相关性高的GF-1卫星影像波段反射率和水质参数作为自变量,通过最优子集筛选法确定最优自变量组合,分别构建了多元线性回归、BP神经网络和支持向量机模型,对水体溶存N_(2)O浓度进行预测对比。[结果]水温(T)、溶解性有机碳(DOC)等是影响水体溶存N_(2)O浓度的主要因素,同时近红外(NIR)等卫星波段与水体溶存N_(2)O浓度变化趋势显著相关。当自变量包括T,NIR等7个因素时,模型预测效果最佳。在3种模型中,BP神经网络模型验证结果R^(2)为0.64,具有最高预测精度。[结论]GF-1卫星数据以及水质参数与水体溶存N_(2)O浓度存在复杂的相关性关系,且BP神经网络能够实现利用GF-1卫星数据较高精度地反演水体溶存N_(2)O浓度。

基于GF-2面向对象土地利用分类研究

高分辨率遥感技术发展迅速,传统技术已经无法满足信息提取的要求,严重影响提取精度和效率。以秦岭北麓长安区与鄠邑区交界处北部部分区域为实验区,高分二号影像为数据源,采用面向对象分类法进行土地利用分类研究,并进行监督分类做对比实验。结果表明,采用面向对象分类法分类结果总体精度为90.05%,Kappa系数为0.857,比监督分类方法精度高出14.55%,Kappa系数高出0.288。面向对象分类方法总体分类效果较好,有效提高了分类精度。

基于GF-2卫星影像的连云港滨海湿地植被类型分类

选择连云港海岸带临洪河口湿地和埒子河口湿地为研究区,以GF-2号卫星影像为数据源,经几何校正和大气校正后,使用Gram-Schmidt算法进行影像融合;利用融合后影像基于面向对象方法,分别采用随机森林和最邻近法进行影像分类。实验结果表明:GF-2号卫星较好地反映了不同时相滨海湿地植被的光谱特征和空间特征,使用随机森林算法结合光谱和空间结构特征能较好地对滨海湿地植被类型进行分类;影像的时相特征和空间结构明显地影响植被分类精度。

基于GF-2影像的德阳城市黑臭水体遥感监测研究

黑臭水体地面监测覆盖范围有限,受人为因素影响较大,监测结果具有局限性。以德阳市城市建成区内主要黑臭水体为研究对象,采用2017~2022年4幅高质量的GF-2遥感影像,通过ENVI 5.3对GF-2遥感影像进行正射校正、影像融合、辐射定标、图像裁剪、几何校正等预处理后进行遥感监测研究。分析了黑臭水体与一般水体的光谱特征,发现不同波段黑臭水体反射率与一般水体反射率变化差异明显。基于这一特点提出了取不同波段斜率比值作为遥感识别指数。采用水体清洁指数模型,识别黑臭水体与具有黑臭风险的水体。本文基于德阳黑臭水体的光谱特征提出的WCI,仅对德阳市丁家堰进行了验证,还需扩大范围检测其适用性。

一种GF-2全色多光谱影像融合方法

高分2号卫星影像的应用日益多样化,如何获取高质量融合影像成为需要研究的重要问题。为了从原始的全色影像和多光谱影像中获取高空间分辨率和高光谱分辨率的影像,结合方向信息和脉冲耦合神经网络对非下采样轮廓波变换算法进行改进。以甘肃省兰州市的GF-2全色影像和多光谱影像作为数据源,提出了一种结合PCNN和NSCT的遥感影像融合方法,通过定性评估和定量评估,与IHS方法、BT方法、PCA方法和GS方法相比,改进后的方法在改善空间细节和保留光谱信息方面具有更好的效果。

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机(extreme learning machine,ELM)以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机(support vector machines,SVM)算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。

GF-2影像城市地物分类方法探讨

GF-2影像具有较高的分辨率和丰富的光谱、几何及纹理信息。为了深入探索GF-2影像城市地物分类方法,本文以四川省隆昌县城为研究区,提出了一种基于最优尺度和规则的面向对象分类法。在影像分割的基础上,通过构建评价函数,并结合最大面积法选取最优尺度,进而构建分层体系,提取影像的光谱、几何及纹理特征建立规则并分类,且将其与单尺度下的面向对象和基于像素分类法进行对比分析。结果表明,本文方法的总体精度和Kappa系数分别为93.33%和0.92。

基于GF-2影像的江苏耕地破碎地区景观格局空间粒度效应分析

本研究选用国产高分二号卫星(GF-2)遥感影像为数据源,在不同类型耕地遥感识别的基础上,利用景观格局指数分析方法,探索研究区水稻地、大豆地、蔬菜地、休闲耕地和大棚种植地这5类耕地景观的景观格局指数空间粒度效应。结果表明,5类耕地景观的斑块所占景观面积比例对粒度变化不敏感;面积加权平均斑块分维数随着粒度增大,变化幅度较小;平均斑块面积和平均最近距离随着粒度的增大呈现不同程度增加的趋势;边缘密度、面积加权邻近指数和聚集度指数随着粒度的增大呈现不同程度下降的趋势。大豆地和休闲耕地的边缘密度以及聚集度指数随着粒度增大降幅最明显,水稻地的平均最近距离随着粒度增加增幅最明显。

GF-2影像面向对象典型城区地物提取方法

国产高分遥感影像信息丰富,提供了精准的地物空间细节,深入研究高分数据处理及其提取城区地类目标信息的方法具有重要意义。本文以国产高分二号(GF-2)遥感影像为数据源,利用规则集的面向对象分类方法,通过ESP尺度分析工具选取得出最优分割尺度,建立各类地物的特征体系及分类规则,最终提取出研究区典型城区地物信息,并将之与传统基于像元的SVM监督分类结果作比较。结果表明:规则集的面向对象分类总体精度为92.23%,Kappa系数为0.9,比SVM监督分类有大幅度提高。对高分二号等高分辨率影像,面向对象的分类方法精度更高,图示效果更好,是城区地物提取的有效方法。

基于有限域GF（2^n）上圆锥曲线的公钥密码算法

圆锥曲线密码学是一种新型的公钥密码学,迄今对圆锥曲线密码学的研究成果都是以有限域GF(p)上的圆锥曲线为基础的.本文将有限域GF(p)上的圆锥曲线C(GF(p))推广为有限域GF(2n)上的圆锥曲线C(GF(2n)),证明了圆锥曲线C(GF(2n))上的点和加法运算构成有限交换群(C(GF(2n)),),并给出了圆锥曲线群(C(GF(2n)),)的阶的计算.此外,提出了使用有限域GF(2n)上的圆锥曲线群构造公钥密码系统,并给出了E lGam al加密方案和数字签名算法(DSA)在圆锥曲线C(GF(2n))上模拟的算法,最后分析其安全性.

采用国产GF-2遥感影像的复杂水网平原水体信息提取

以国产高分二号(GF-2)影像为数据源,选取杭嘉湖水网平原作为典型研究区域,基于面向对象分析技术,提出一种选取最佳分割尺度和特征规则的方法.该方法通过局部方差变化率(ROC-LV)曲线峰值确定最佳分割尺度,采用分离阈值法(SEaTH)建立提取规则,实现水体信息的快速提取.结果表明:总体精度达到98.7%,Kappa系数达到0.96,水体信息提取准确度和查全率均值都在97.3%以上.所提方法能够有效地提取水体信息,满足实际应用需求.

GF-2卫星影像在土地变更监测中的适用性及潜力分析

为进一步推广国产卫星遥感影像数据在国土资源行业中的应用,针对土地利用监测与现状变更调查业务需要,探索"高分二号"(GF-2)卫星数据在土地利用动态监测与现状变更调查工作中的适用性及其潜力。以四川隆昌县金鹅镇为研究区,通过定性、定量评价原始影像数据质量,对比分析同级数据,结合多方法提取变更信息,从不同角度测试其变化监测能力。结果显示,GF-2卫星数据地物清晰,光谱信息丰富,目标解译性较好,影像效果优于"高分一号"(GF-1)和SPOT6数据;主成分分析法和光谱变异法的结合可快速发现影像上的变化信息,GF-2卫星影像能满足土地利用变更监测的需求,具有较大潜力及价值。

基于国产GF-2遥感影像的大麻地块提取方法研究——以安徽省六安市苏埠镇为例

针对传统的基于像元的分类方法提取大麻地块结果存在较为破碎、精度较低的问题,以国产"高分二号"(GF-2)4m的多光谱遥感影像为数据源,在安徽省六安市苏埠镇选取了一个研究区,使用基于规则集的面向对象的方法实现了大麻地块的精确提取。首先,对研究区预处理过的GF-2遥感影像进行多尺度分割,在多尺度分割结果的基础上,确定提取大麻地块的最优分割尺度。其次,针对不同地物类型选取样本对象生成光谱曲线,分析大麻地块与其他地物类型的异同点,并基于光谱分析结果构建规则集最终实现大麻地块的提取。最后,将基于规则集的面向对象分类结果和基于像元分类(监督分类)的结果进行对比分析。结果表明,基于规则集的面向对象方法可以有效的提取出研究区内的大麻地块,精度可以达到91.09%,解决了传统基于像元分类方法提取大麻地块结果较为破碎的问题。

基于国产GF-2卫星影像的遥感地质解译:以阿吾拉勒地区为例

"高分二号"(GF-2)卫星的成功发射标志着我国民用卫星进入亚米级的"高分时代",多光谱数据与全色数据的融合不仅保留了多光谱的色彩优势,也提高了多光谱影像的空间分辨率,GF-2卫星提供的海量遥感影像在促进我国地理信息产业快速发展的同时,也在地质领域发挥着越来越重要的作用。在简述GF-2 1A级数据处理的基础上,详细判读了断裂、褶皱、环形构造等构造特征和地层岩性信息,以及岩脉等细微构造。结果表明GF-2数据可以有效应用于地质调查,对于地质构造识别及地质体空间属性确定有较强的实用价值和广泛的应用前景。

基于GF-2影像对恰西国家森林公园的遥感分类

【目的】选用面向对象的监督分类法,对研究区域的天山云杉林进行遥感分类,选取一种分类效果最佳的方法,为该区域的林地资源调查、动态监测评价提供依据。【方法】基于高分二号(GF-2)遥感影像数据,借助ESP尺度评价工具和目视解译相结合,筛选研究区各地物最优分割尺度,利用3种不同分类方法在此基础上进行遥感分类。【结果】研究区内的水体、道路、其他用地、林地和草地的最优分割尺度,分别为390、372、316、296、246;其次在各地物最优分割尺度下,比较最邻近分类、结合矢量数据分类和阈值分类3种方法,经过精度评估发现,3种分类方法的Kappa系数和总体精度值分别为0.7607、0.7820、0.8406和0.8148、0.8305、0.8765。【结论】阈值分类方法优于其他2种方法,选用更为优良的阈值分类方法引入解决该地区林地资源调查是可行的。