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。

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。

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。

GF-2正射影像融合方法的比较与分析

基于高分二号卫星(GF-2)多光谱影像和全色影像,采用5 m数字高程模型(digital elevation model,DEM)影像进行正射校正,选用无波段限制的7种影像融合方法对正射影像进行融合,通过定性和定量分析,探究不同影像融合结果的差异性。结果表明,施密特全色锐化(GramˉSchmidt pan sharpening, GS)融合方法能够较为真实地反映原有地物信息,地物细节处理效果比其他影像融合方法好;小波变换(wavelet transform, WT)和最近邻扩散(nearest neighbor diffusion, NND)方法对植被的区分度较差;不同的影像融合方法有其各自的特性,在实际应用中,应根据不同的需求,选择适宜的影像融合方法。

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。

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。

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。

遥感影像融合方法对GF-2影像土地利用分类的影响

选择新郑城镇区域为研究区,以高分二号(GF-2)影像为数据源,首先分别利用HSV算法、Brovey算法、PCA算法及Gram-Schmidk(GS)算法进行影像融合;然后在eCognition软件平台上,基于面向对象多尺度分割技术,利用随机森林算法对影像进行土地利用分类,并对分类结果进行精度评价。试验结果表明:不同融合算法影像融合效果明显不同,其中,GS算法融合后的影像质量最好,且分类精度最高,PCA与HSV算法次之,Brovey算法融合影像在4种融合算法中分类精度最低。

基于多分类器集成的GF-2作物信息精细提取研究

【目的】将多种分类器的优点融合,以便提升遥感影像作物信息提取的精度。【方法】以渭库绿洲为研究区,利用国产高分2号(GF-2)数据和野外调查数据,基于提取的遥感识别特征制定不同分类方案,采用马氏距离(Ms DC)、最小距离(MDC)、最大似然(MLC)、神经网络(NNC)、支持向量机(SVM)5种传统机器学习方法分别对6种特征组合方案的影像进行分类,然后选择基分类器,并应用多数投票法和保守投票法2种多分类器集成算法,对研究区农作物进行精细分类提取。【结果】①辅助特征的加入对于子分类器的精度提高明显。5种分类器中除了MLC,其余4种分类器都是在加入归一化植被指数特征(NDVI)和纹理特征后取得了最高精度。②基分类器中精度最高的是NNC-4(人工神经网络的第4种特征组合方案),OA达到83.54%,Kappa系数为0.77。③相比基分类器,多分类器集成方法能够在制图精度和用户精度两方面提高农作物的提取精度。并且保守投票法优于多数投票法,OA为85.89%,Kappa系数为0.80。④集成分类结果中除了棉花的识别精度与最优基分类器NNC-4相等,达到94.94%外,其他的农作物如套种棉花、玉米、套种玉米、核桃园的识别精度都高于NNC-4,其中套种玉米与核桃园的提取效果较好,精度分别达到86.05%、79.09%;对于套种棉花的提取较差,只有63.86%;玉米的提取最差,只有12.17%。【结论】本文应用GF-2数据,基于多分类器集成方法对复杂背景下的多种作物及种植结构进行精细提取研究,拓展了作物信息提取的方向和GF-2数据的应用领域。

基于GF-2影像的离子吸附型稀土矿含量推断方法

寻找离子吸附型稀土矿床对保障我国关键矿产资源具有重要作用。综合利用广西崇左六汤矿区的基础地质、地球化学勘探、高分辨率遥感影像等多源地学数据,以已知矿床分布特征为约束,基于多项式回归及BP神经网络对该区进行建模,以决定系数R 2及均方根误差(RMSE)为模型评价指标,对研究区离子吸附型稀土矿含量进行预测。研究结果表明,多项式回归模型检验R 2=0.54,BP神经网络模型检验R 2=0.64,剔除数据中高离群值后模型精度显著上升,多项式回归模型精度较好,但预测效果图与实测效果图差异较大。综上,数据中离群值的存在对模型的影响较大,模型拟合的好坏并非判断模型好坏的唯一标准,BP神经网络模型能较好预测研究区离子吸附型稀土矿含量。

基于GF-2影像融合方法的棉花种植面积提取

首先,针对研究区GF-2影像进行Brovey变换、G-S变换、NNDpansharp变换、PC变换4种融合,对融合结果进行定量评价;其次,利用随机森林分类方法对研究区作物进行分类,并进行精度验证,提出了研究区域农作物信息。结果表明:1)对研究区进行4种方法融合,提高遥感影像分辨率;2)从评价结果可知,4种融合影像中,NNDpansharp融合影像质量最佳。分类结果说明,NNDpansharp融合影像的随机森林分类总精度和Kappa系数最高,该方法和结果可为农业部门将高分二号遥感影像融合提取棉花面积方法提供选择性参考。

GF-2卫星数据融合及在矿山地物识别中的应用

文章以GF-2国产卫星数据为研究对象,以某矿山区为试验区,就多光谱与全色波段数据融合图像的矿山地物目视解译为目的,从GS变换法、Brovey变换法、PCA变换法和NNDiffuse算法开展融合试验研究,对4种方法融合的图像从空间细节的加强和光谱信息的维持2个方位进行主观视觉和客观定量进行了比拟评判。结果表明:NNDiffuse算法融合的图像在亮度信息、信息量、清晰度和光谱信息4个方面具有综合优势;此外,应用研究表明:基于NNDiffuse算法融合的图像对于大于9 m 2的不同矿山地物目标均能够识别和圈定。

基于多分类器集成的GF-2遥感影像分类研究

影像分类是遥感信息提取的关键技术之一。针对传统单分类器分类精度低的问题,以夹岩水利枢纽工程项目建设核心区为研究区域,提出了一种面向高分二号(GF-2)遥感影像的多分类器集成分类方法,对工程项目建设区进行分类研究,并对比分析传统分类器的分类精度。结果表明:马氏距离分类法的总体分类精度为91.7%,Kappa系数为0.84,对水体分类效果较好;最大似然分类法的总体分类精度为95.7%,Kappa系数为0.92,对林地、水体分类效果较好,道路分类效果不够理想;支持向量机分类法的总体分类精度为96.60%,Kappa系数为0.94,对林地、水体、道路分类效果较好;多分类器集成分类方法的总体分类精度为97.80%,Kappa系数为0.96,其分类精度高于传统单分类器的分类精度。

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。

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。

基于GF-2的喀斯特城市生态用地监测研究——以七星关城区为例

掌握城市生态用地结构变化对保护生态用地、建设新型城市具有重要意义。该文选取毕节七星关城区为研究区,以2016年、2021年的GF-2遥感影像为数据源,通过监督分类、非监督分类以及面向对象分类方法进行生态用地遥感监测及变化分析。研究结果表明,面向对象的分类方法能够更好地实现对高分影像分类,其中,监督分类中最大似然法分类结果的总体精度为80.47%,非监督分类中ISODATA分类结果的总体精度为65.56%,而面向对象的分类方法总体精度可达到91.82%;面向对象的分类方法结合了光谱特征、形状特征、纹理特征以及对象之间的拓扑信息,当分割尺度为20时可以将影像对象很好地分割,解译结果更精准,分类效果更好;2016—2021年间,七星关区生态用地范围持续减小,共减少面积19.32 km^(2)。其中生态用地转化为建设用地的面积为17.78 km^(2),占比92.03%;生态用地转化为道路的面积为1.54 km^(2),占比7.97%。

基于GF-2民勤县白刺包提取技术

以甘肃民勤县的白刺包为主要研究对象,采用冬季过境的高分二号(GF-2)数据,结合影像的最小值差值+最大值差值纹理信息、白刺包长宽比与面积等几何特性,利用多尺度分割、面向对象分类和阈值提取等方法进行白刺包的定量提取。研究结果表明:在白刺包的空间位置提取方面,精度达到94%,满足研究要求;而在提取面积方面,与实际面积的线性回归系数(R2)为0.77,均方根误差(RMSE)为5.77,虽然精度尚可,但仍然有进一步提高的必要。

面向对象的GF-2影像水体信息提取研究

高分辨率遥感影像面向对象信息提取的前提和关键步骤是影像分割。在分析水体信息提取方法的基础上,提出多尺度-光谱差异分割的方法。首先,以河南省开封市某区域为例,采用多尺度分割的方法对GF-2影像进行分割,确定最优分割尺度;然后,在保证地类分割纯度的基础上,对分割的影像进行光谱差异分割,得到研究区域水体分割最佳效果;最后,利用水体在近红外波段均值的特征,设置阈值提取到满意的水体信息结果。根据目视评价和定量评价结果,证明该方法在研究区域是可行的。