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。

基于多基线InSAR的ALOS-2数字高程模型重建

由于光学数据在多云多雨地区的局限性,通过SAR数据获取DEM成为一种可行的方案。ALOS-2卫星搭载L波段传感器,可穿透部分植被接收到地表回波信号,获得更真实的地表信息。贵州省积累了大量ALOS-2存档数据,但其空间基线短、高程模糊数大,未能应用到DEM生产中。基于此,本文收集贵阳市东部区域ALOS-2数据,采用多基线InSAR技术反演DEM结果,通过与单基线结果及SRTM30 DEM对比验证,表明了基于ALOS-2数据和多基线InSAR生产DEM的有效性和实用性。

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。

基于GF-2影像山地森林有林地小班区划

【目的】选用面向对象的分层分类法对研究区域的天山云杉林进行遥感分类,提出高分辨率遥感数据进行有林地小班区划的规则集,检测主流遥感数据源的提取效果,以期为森林资源监测和山区天然林更新恢复评价等方面提供技术参考,进一步推进国产高分辨率遥感数据在山区林地分类方面的应用。【方法】以天山西部山地云杉林为研究对象,以新疆天山西部国有林管理局巩留分局的恰西国家森林公园为研究区,以高分二号(GF-2)影像为基础数据,对其进行多尺度分割和郁闭度估测模型的研究,并结合野外实地测量以及遥感数据的光谱信息、纹理信息、植被指数因子等特征值,建立地物分类规则集,利用面向对象的分层分类方法,开展基于郁闭度的山地森林有林地小班区划研究。【结果】选用地形因子+植被指数+纹理特征因子构建的郁闭度估测模型,估测精度达到了89.93%,能够有效地反映研究区郁闭度的真实情况,而基于郁闭度估测模型的山地森林有林地小班区划的结果较好,根据森林资源二类实地调查结果显示研究区内有林地面积为4264.62 hm^(2),GF-2影像提取出来的有林地面积为4129.82 hm^(2),相对误差只有5.53%,总体吻合度达到了94.47%。【结论】选用国产高分辨率影像进行有林地的提取和郁闭度等级的划分是可行的,可为研究区域内的小班区划提供一定的数据支撑。

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。

IGF-2和IGF-1R在子宫内膜腺癌的表达及临床意义

目的检测子宫内膜癌中IGF-2及其相应受体IGF-1R蛋白的表达情况,探讨IGF-2及其相应受体在子宫内膜癌变中的表达及作用。方法采用免疫组化PV法检测20例正常增生期子宫内膜(对照组)、30例子宫内膜腺癌(腺癌组)组织中IGF-2I、GF-1R的表达情况。结果IGF-2的过阳性表达在子宫内膜腺癌要显著高于正常子宫内膜且随病理分级的增高而表达增强,随手术病理分期的增高逐级增强I。GF-1R的过阳性表达在子宫内膜腺癌显著高于正常子宫内膜,且随病理分级的增高而表达增强。结论IGF-2及IGF-1R的异常高表达在子宫内膜癌的发生发展过程中起重要作用。

基于GF-2卫星遥感影像的界河水体信息提取方法

快速准确地从遥感影像提取界河地表水体信息,是研究跨国水资源利用、水体监测与应急监测的核心热点问题。以GF-2卫星遥感影像为主要数据源,采用归一化差分水体指数(Nomalized Difference Water Index,NDWI)、改进阴影水体指数(Modified Shadow Water Index,MSWI)、支持向量机(Support Vector Machine,SVM)和面向对象方法 (Object-Oriented Method,OOM)完成中俄界河区域水体信息定量提取,并探究各个提取方法优势与不足。结果表明:SVM法总体精度和Kappa系数最高,NDWI法总体精度和Kappa系数最低; NDWI法易受建筑区和阴影影响,OOM法受阴影和建筑区影响最小; SVM法和MSWI法可应用于GF-2地表水体提取,能够满足界河水体监测与应急监测需求,但SVM法最适宜GF-2影像的水体信息快速、准确提取。

基于矩匹配算法的GF-2影像条带噪声去除

高分二号（GF-2）是我国第一颗空间分辨率优于1 m的民用光学遥感卫星,波长范围从可见光到近红外,星下点空间分辨率可达0.8 m.在工作中发现GF-2数据中随机出现条带噪声,影响了数据的解译和信息提取.分析了GF-2数据条带噪声特点,选用矩阵匹配算法,对遥感影像中的条带噪声进行去除,并对去除效果进行评价.结果表明,矩匹配算法能有效去除GF-2国产卫星数据的条带噪声.

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。

特征优选的GF-2影像湿地地表覆盖要素提取

为满足地理国情普查及监测对湿地地表覆盖要素自动分类需求,本文以GF-2影像为数据源,采用Relief F算法优选特征,根据选取不同特征数量达到的总体分类精度和类间分类精度,对比分析面向对象的随机森林、决策树、支持向量机、最邻近4种分类方法对湿地覆被自动分类的适用性,通过实例进行对比分析,结果表明经过特征优选上述4种分类方法均可利用较少特征值达到较优的分类结果,验证了Relief F算法的有效性。在分类精度和学习速度方面,随机森林最优,决策树优于支持向量机,除最邻近方法外均可用于湿地信息普查。

基于GF-2影像恰西国家森林公园郁闭度反演研究

为提高恰西国家森林公园的郁闭度估测模型精度,对单变量和多变量建模进行对比研究,选取出最优的建模因子用于郁闭度反演。先对地形因子和遥感影像的纹理特征因子、植被指数因子进行获取和提取,接着采用偏最小二乘回归法,分别以4种不同建模因子构建郁闭度估测模型,最后用检验样本对4种模型进行精度评价和分析。结果表明,多变量的估测模型结果最好,其校正R 2为0.842,均方误差为0.0695,估测精度达到了89.93%。采用多变量比只采用一种变量模型的估测精度要高,更适用于该研究区域的郁闭度反演。

基于GF-2遥感影像的机械性破损面提取方法

机械性破损面容易引发水土流失、次生地质灾害等生态环境问题,但目前还缺乏其基于遥感影像的有效提取方法。选择机械性破损面分布密集的云南省螳螂川流域为研究对象,基于高分二号(GF-2)遥感影像,探讨其基于纹理特征辅助的面向对象提取方法。根据7类地物特征建立地物分类规则,在最优尺度分割的基础上,基于光谱特征的决策树A和基于“光谱+纹理”特征的决策树B进行面向对象的分类。经过精度评价分析得出,相对于传统的监督分类法和仅基于光谱的面向对象分类法,基于“光谱+纹理”特征的决策树B分类方法使Kappa系数和总精度分别提高至0.82和86.25%,有效地提高了机械性破损面的提取精度。