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。

2018-2022年青海省主要湖泊蓄水量时空变化数据集

青海省是中国西北部重要的生态功能区,水资源总量丰富,但时空分布极不均匀,且由于气候、地理环境等因素的影响,大部分湖泊长期缺乏监测。而湖泊作为地表水水资源的重要载体,是研究气候变化和人类活动对水循环过程影响的重要指示器。国产高分一号、六号卫星宽幅相机空间分辨率为16 m,组网运行可实现2天重复观测,可以高频次获取地表水体面积;ICESat-2激光测高数据具备厘米级的测高精度,可以获取高精度的地表水体测高水位。本数据集基于GF-1/6WFV水体面积和ICESat-2测高水位构建青海省湖泊蓄水量遥感监测模型,通过遥感手段对青海省湖泊蓄水量进行时空变化监测。经验证,本数据集中湖泊蓄变量监测精度总体优于93%,满足湖泊蓄水量时空变化遥感监测需求。本数据集在时间尺度上涵盖2018-2022年,共计60期月度监测结果;空间尺度上覆盖了青海省面积大于30 km^(2)的33个湖泊,主要集中分布在青海省西部、北部、东南部,可为青海省湖泊、水文与气候变化过程监测、水资源动态评价、优化水资源管理与调度提供基础数据支撑。

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。

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RFM模型的GF-2卫星数据几何校正精度探讨

本文以GF-2国产卫星原始数据为研究对象,在基于RFM下分别采用不同精度DEM数据和不同数量的GCP的参与下来探讨对GF-2卫星全色波段原始数据的几何纠正精度的影响。结果表明:在一定数量GCP参与下采用10m分辨率DEM纠正的全色波段影像精度要明显高于30m分辨率DEM,通过分析在8个GCP参与下采用30m分辨率DEM纠正的全色波段影像最大中误差为4.74m,达到1:10000尺度精度要求;此外,并不是参与纠正的GCP数量越多其图像纠正的精度就越高,GCP参与的数量在6-8个时纠正的图像精度相差不大,在30m分辨率DEM参与下GCP数量最少为6个所纠正的全色波段影像才能满足1:10000工作的精度要求。

基于GF-2卫星数据尾矿提取研究

以新疆伽师县铜矿区GF-2卫星数据为信息源,通过对GF-2卫星数据下尾矿库尾矿光谱特征与纹理结构特征的分析,构建了尾矿遥感增强处理数学模型,总结出一套可行的尾矿库提取技术流程,实现了基于GF-2卫星数据下尾矿信息的提取,为矿山尾矿调查工作提供较好的技术支持。

面向林地分类的GF-2影像融合算法评价

针对林业部门目前常用的遥感影像融合算法,探究适合于林地信息提取的GF-2影像融合算法。以GF-2卫星1 m全色/4 m多光谱分辨率平面影像为数据源,采用HSV变换(hue-saturation-value,颜色空间变换),Brovey变换(彩色标准化变换),PC变换(principle components,主成分变换),HPF变换(high-pass fusion,高通滤波变换),GS变换(gram-schmidt,正交化变换),Pansharp变换(超分辨率贝叶斯变换)等6种常用融合算法,通过目视和定量特征分析对融合效果进行评价,并结合面向对象分类方法对融合后影像进行地类信息提取和分析,探讨6种融合算法对GF-2影像在林区地类提取的适宜性。研究结果表明:基于Brovey和HSV算法的融合结果目视效果良好,清晰度与纹理增强明显;这2种融合算法影像在不同地类信息的提取上各有优势,HSV算法融合结果在不同地类的提取上效果最好,分类总精度可达85.14%,Brovey算法融合结果则在森林类型的提取上具有最高的分类总精度,为75.72%;其余4种融合算法在图像质量及其他地类提取中各有优势,具体融合算法的选取需根据应用目的和影区应用区域的实际情况而定。该研究可为林业部门提高GF-2卫星的适用性及大规模应用提供参考。

基于面向对象GF-2遥感数据的元谋热区番茄识别

为了准确掌握元谋热区番茄种植的空间分布信息,实现合理调整农业结构以及区域特色农作物经济规模化发展的目标,以GF-2为数据源,基于面向对象的分类思想,以ESP尺度参数评价工具对遥感影像进行分割尺度评价。设置最优分割尺度参数后获得影像对象,随后利用光谱、纹理及植被指数构建多种识别方案,使用最大似然法和支持向量机不同分类器,对元谋热区番茄进行了遥感识别,并着重探讨了基于GF-2数据对于番茄信息提取的最佳辅助识别特征组合方法。结果表明:基于GF-2遥感影像数据构建的归一化植被指数、比值植被指数、灰度共生矩阵与局部二值模式纹理多特征组合方案在最大似然法中对番茄的识别精度最高,总体分类精度为97.20%,Kappa系数为0.91;在支持向量机中,番茄识别精度最高的组合是构建的归一化植被指数、比值植被指数以及灰度共生矩阵纹理的多特征组合方案,总体分类精度为96.44%,Kappa系数为0.87;最大似然法总体识别效果优于支持向量机。综上,基于GF-2影像数据对象所构建的多种辅助识别特征组合能够实现元谋番茄的精细识别。

基于GF-2数据结合多纹理特征的塑料大棚识别

塑料大棚在全球范围的大量使用带来经济效益,同时也引发了很多环境问题,及时准确的塑料大棚空间分布信息是农业生产和土壤治理决策的重要依据。塑料大棚的使用改变了土壤表面的光谱特性和空间结构,塑料薄膜材质的特殊性,使其反射光谱具有强烈的方向性和不确定性,因而仅依靠地物反射光谱特征难以准确识别塑料大棚。本文以GF-2影像作为单一数据源,针对塑料大棚特有的空间分布细节信息,分析不同纹理提取算法对塑料大棚识别的适用性。结果表明:1)纹理能有效提高基于遥感影像的塑料大棚识别精度;2)使用单一纹理算法识别不同空间分布结构塑料大棚的分类方案中,采用LBP (local binary pattern)纹理算法的塑料大棚识别精度均优于GLCM (gray-level co-occurrence matrix)、PSI (pixel shape index)纹理算法,其中研究区A基于LBP纹理特征的塑料大棚识别总体精度为96.85%,Kappa系数为0.95,研究区B的总体识别精度为95.58%,Kappa系数为0.94;3)本文使用3种不同的纹理特征组合分类方案,均能提高塑料大棚的识别精度,但不同纹理特征组合算法运用到空间结构差异较大的2个区域时表现不同。加入GLCM的纹理特征组合能提高分布范围较大且聚集度高的塑料大棚识别精度(研究区A塑料大棚斑块平均面积为3.39 hm2,聚集度指数为80.64),对于塑料大棚使用面积小且分布破碎的区域识别精度提升效果不明显(研究区B塑料大棚斑块平均面积为1.37hm2,聚集度指数为72.98)。本试验结果中研究区A的地物光谱特征、NDVI和3种纹理特征组合的大棚识别精度最高,总体识别精度和Kappa系数分别达到了98.13%和0.97,研究区B的地物光谱特征、NDVI、PSI和LBP纹理特征组合识别精度最高(总体精度为96.13%,Kappa系数为0.95)。基于影像对象的多纹理特征能够实现塑料大棚的精细识别,该方法对塑料大棚空间分布精确制图具有重要意义。

2017-2021年海南省GF-2地表反射率产品数据集

GF-2数据具有空间分辨率高、几何定位精度高等特点,单景影像观测幅宽可达45公里,在农业、林业等领域均具有广泛的用途。本数据集收集2017-2021年592景海南省全岛高分二号数据(GF-2 PMS)影像数据,通过可见光近红外迭代算法对数据进行大气校正,完成了2017-2021年海南省GF-2地表反射率数据的生产。并通过SONET(Sun-sky radiometer Observation NETwork)三亚站点收集的气溶胶数据,生成用于验证反演算法产品的参考地表反射率数据。结果显示,GF-2的地表反射率数据与地基实测反射率的准确度、精确度、实际统计偏差统计值检验均在标准参考线之下,本数据集具有较高的精度,可以为海南省生态监测提供了技术支撑。

基于GF-2影像的廊坊市中亭河COD遥感监测方法

为验证宽波段高空间分辨率遥感卫星数据在小范围尺度水质监测上的可行性,基于GF-2号卫星数据,对中亭河的河水化学需氧量(COD)进行遥感监测,根据实地采样数据与遥感卫星数据的相关性建立经验模型,通过反演模型实现对河水COD的实时监测。实验结果表明:统计模型R2为0.8274,模型平均误差为4.9%,宽波段高空间分辨率遥感卫星数据在小尺度水质监测上是可行的。

基于GF-2影像西藏桑耶地区岩性-构造遥感解译

西藏桑耶地区位于青藏高原中南部,区内切割强烈,地势陡峻,属于高山峡谷区。为提高区域地质调查野外工作效率,在调查中率先开展了遥感解译研究。在充分收集已有资料的基础上,通过对GF-2卫星数据进行预处理和影像增强,结合野外验证建立了各地质要素的遥感解译标志,实现了区内不同地层岩性、侵入岩、断裂和褶皱等地质要素的提取,最终编制了研究区1∶5万遥感地质解译图,为区域地质调查提供了数据支撑。结果表明:各地质要素在GF-2数据上均有良好反映,完全满足1∶5万尺度的遥感地质解译和编图的需要,充分显示出该卫星数据在区域地质调查等工作中具有良好的应用前景。

GF-1/2卫星数据地质灾害调查应用能力分析

随着我国航天技术和卫星技术的迅速发展,我国自主发射的卫星遥感数据因其质量高、价格低廉的特点越来越受到各行各业用户的青睐。本文在对地质灾害调查与监测业务需求分析的基础上,开展GF-1/2在地质灾害调查与监测应用中的能力分析和示范应用,促进了GF-1/2数据在地质灾害调查与监测中的规模化和产业化应用。

基于高分2号遥感数据估测中亚热带天然林木本植物物种多样性

【目的】探索高分2号遥感数据与中亚热带天然林木本植物物种Shannon-Wiener多样性指数、Simpson多样性指数和Pielou均匀性指数之间的关系,为森林经营管理和保护策略提供参考。【方法】提取高分2号多光谱数据的原始波段、植被指数、纹理特征和全色波段纹理特征,使用随机森林算法筛选变量并对3种多样性指数进行建模,设置不同纹理提取窗口来寻找最优窗口。【结果】基于随机森林算法的RFE冗余变量去除方法可从众多遥感变量中快速选择对模型精度具有显著贡献的少量变量。多光谱数据3×3窗口纹理特征、全色数据7×7窗口纹理特征和植被指数结合的特征集对3种多样性指数具有较好估测结果,其决定系数(R^2)和均方根误差(RMSE)分别为0.47和0.300(Shannon-Wiener多样性指数)、0.53和0.042 (Simpson多样性指数)、0.61和0.051 (Pielou均匀性指数)。植被指数中类胡萝卜素反射率指数与3种多样性指数具有显著相关关系。【结论】高分2号遥感数据中的植被指数和纹理特征可有效估测研究区森林木本植物物种多样性。类胡萝卜素反射率指数可体现森林中类胡萝卜素相对于叶绿素的含量,在秋冬季节作为反映常绿树种和落叶树种分布的指数,对森林木本植物物种多样性估测具有最大贡献。使用星载遥感数据预测的多样性和均匀性指数分布可有效监测森林木本植物物种多样性变化。

全球地表覆盖数据辅助多源影像融合提取城市不透水面

本文提出了一种利用GlobeLand30数据辅助多源数据融合进行城市不透水面自动提取的方法。首先基于波段映射和小波变换的影像融合方法,融合哨兵二号和高分二号影像,获得同时具有较高空间分辨率和光谱分辨率的融合影像,其具有丰富的光谱特征和空间特征,有利于提升复杂城市区域的不透水面和非不透水面区分能力。然后利用GlobeLand30数据的类别信息自动获取初始分类样本,基于融合影像的丰富光谱信息构建多种植被指数、水体指数和建成区指数,对初始分类样本进行优化。最后利用优化后的训练样本,使用光谱、地物指数等特征训练分类器,实现城市不透水面的自动准确提取。本文以济南市2019年的高分二号和哨兵二号影像为试验数据,在时相、分辨率与影像均不同的GlobeLand30全球地表覆盖数据辅助下获得了总体精度优于92%的不透水面提取结果,验证了本文方法的有效性。

一种基于GF（2^8）的流密码设计

为满足密码学安全领域对安全性和加密速度的需求,设计了一种高效流密码。本算法基于流密码体制进行设计,最小数据处理长度为128位,每次分组密钥长为560位。在数据加密过程中向明文混入无效信息,扩充密文数据量并能有效避免特殊数据带来的不安全隐患。算法的加、解密结构具有很大的相似性,易于进行并行计算以及在硬件上实现。针对真随机数发生器和伪随机数发生器两种方式产生的密钥给出不同的优化算法,降低存储代价。

基于城市多种地理数据的济南中心城区地下空间开发利用现状计算研究

针对城市规划建设对地下空间的迫切需求,在大量地理数据的基础上,通过分析遥感光谱特征,结合面向对象分类技术,提取高分辨率遥感影像建筑物的阴影轮廊,并采用建筑物高度反演技术,多角度研究济南市中心城区建筑物分布,探索地下空间的开发利用情况。结果表明,采用高分二号影像建筑物高度反演技术,具有影像分辨率高、阴影提取完整度较好,准确性较高等特点。通过对济南市中心城区各类建筑实测高度值和估算高度值进行误差对比分析,反演误差约为0.73 m,总体精度约为96.68%,符合预期目标要求。

基于高分二号卫星数据的煤矿区地质灾害信息提取研究

随着遥感数据获取技术和能力的全面提高，遥感数据呈现出明显的大数据特征。发展适应于遥感大数据的智能分析和信息挖掘技术，成为当前遥感技术研究的前沿。高分二号（GF－2）卫星数据是我国首颗自主研发的亚米级高分辨率卫星数据，具有观测幅宽、重访周期短、高辐射精度、高定位精度等优势，为未来我国地质灾害的长期、动态地监测和研究提供了高精度、稳定可靠的数据源。本文选取安徽谢桥煤矿2015年1月8日的GF－2卫星影像为研究数据，在对煤矿区主要地质灾害遥感地学分析的基础上，采用面向对象的影像分析方法对研究区由采煤活动所诱发的地质灾害信息进行自动提取。结果表明：利用GF－2卫星数据能够有效地识别地质灾害体的位置、范围、形态等空间分布特征；面向对象的自动提取方法对于煤矿区大面积的积水塌陷盆地、小规模的塌陷坑和线性的地裂缝都有很高的提取精度，识别精度达90％以上；基于逐层剔除的思路构建的提取规则，为GF－2数据在地质灾害调查和大数据分析中的应用提供了很好的技术支持，也为其它地物目标的提取提供了参考，但在特征的选择和阈值的设定上需要具体分析。

高分辨率多光谱遥感影像森林类型分类深度U-net优化方法

[目的]使用深度学习全卷积神经网络U-net的自动特征提取,有效地改善遥感目标识别及地物分类的效果。[方法]以内蒙古自治区赤峰市旺业甸林场为研究区,主要数据源包括GF-2多光谱数据、ZY-3 DOM数据、ZY-3DEM数据、小班数据以及外业实地调查数据等。借鉴前人对FCN-8s模型的优化思路,基于Unet网络模型,在模型训练过程中通过在原始波段的基础上加入标准归一化植被指数(NDVI)构建网络,并增加条件随机场后处理过程,得到最终的分类结果。[结果]表明:(1)优化后的U-net模型的总体分类精度达84.89%,Kappa系数为0.82,分别高于未加入标准归一化植被指数特征的U-net模型以及未使用条件随机场进行后处理的U-net模型的分类精度;(2)优化后的U-net模型与使用相同策略的FCN-8s,支持向量机和随机森林的分类结果相比,提高了8.04%-12.54%,分类精度大幅度提高。[结论]通过少量调整相关的遥感特征以及使用条件随机场后处理方法可改善U-net模型的分类效果,适用于基于U-net的森林类型高分辨率多光谱遥感影像分类。

基于港口船舶识别的高分二号卫星遥感影像融合方法比较

在卫星遥感影像识别中,相较于海上单一环境的船舶识别,港口船舶识别由于存在集装箱、码头等大量干扰目标,显得更为困难。采用强度-色度-饱和度(Intensity-Hue-Saturation, IHS)变换、Brovey变换(Brovey Transform, BT)、ESRI全色锐化变换、简单均值变换和施密特正交变换法(Gram-Schmidt, GS)等5种融合算法,进行高分二号卫星全色和多光谱影像的融合试验,通过定性和定量评价选出适用于港口船舶影像的最优方法。结果显示GS融合方法在增加影像空间信息的同时维持了光谱保真性,其均方根误差、峰值信噪比、结构相似性等指标均优于其他4种融合方法,可用于港口船舶识别。