应用GF-5高光谱遥感影像提取山区茶园

为探究高光谱影像丰富的光谱信息对山区茶园的提取效果,促进国产卫星高光谱影像在茶园分布制图与资源监测中的应用,以普洱市南部山区茶园典型分布区为研究区,以高分五号AHSI(GF-5 AHSI)影像以及数字高程模型(DEM)为主要数据源,结合实地调查数据,构建基于随机森林(RF)分类器的亚热带山区茶园提取算法。首先,将去除噪声影响后剩余的250个波段作为光谱特征(SF);在分析研究区主要地物(茶园、森林、农田)光谱的基础上,分别构建植被指数特征(VIF)45个,地形特征(TRF)3个。然后,利用RF进行特征重要性排序,按照特征重要性从大到小依次将特征输入RF分类器进行茶园提取,随着特征的不断输入,茶园提取的F1-Score达到饱和不再明显增加时的特征维度即为最优选择特征。依据3种特征因子(SF,VIF和TRF)构建12种分类方案。最后,比较12种方案的茶园提取精度,最终确定最优方案。结果显示,不同特征组合茶园提取F1-Score排序为SF+VIF+TRE+FS>TRF+VIF+FS>SF+TRF+FS>TRF+VIF>VIF+FS>SF+VIF+FS>SF+VIF+TRF>SF+FS>SF+TRF>VIF>SF+VIF>SF。FS后6种分类方案中,SF参与分类的4种方案中被选中2次的波段为b4、b5、b6、b27、b133、b150和b281;在VIF参与分类的4种方案中被选中4次的指数分别为REP、VOG2、SR2、SR3、WBI、TIP3和TIP9;TRF参与分类的4种方案中坡度、坡向、高程均被选中。此外,SF+TRF+VIF特征进行FS后结合RF算法能够对亚热带茶园分布进行有效识别,具有较好的识别精度和可信度,GF-5 AHSI卫星数据在茶园分布制图和资源监测等领域有着较好的应用潜力和前景。

GF-5卫星高光谱影像数据质量评价与分析

目前遥感影像质量评价的指标与方法虽较为成熟,但尚未发现针对高分五号(GF-5)卫星AHSI影像数据质量评价及其可用性的全面研究。该文在分析高光谱影像质量评价方法的基础上,利用噪声标准差、清晰度和信息熵3个指标,对GF-5可见短波红外谱段的数据质量与可用性进行分析评价,结果表明:GF-5AHSI影像不同波段数据质量存在差异,影像信息主要集中在VNIR和SWIR第1-95波段内(受水汽影响的波段除外),SWIR中第43-50、96-112(1359.03~1418.17nm、1805.44~1940.15nm)共25个波段受水汽影响严重,不可用,第113-180(1948.57~2513.25nm)波段影像质量较差、噪声严重,阻碍了该波段的应用。研究结果可为GF-5AH-SI影像数据的处理与应用提供技术参考。

高分五号高光谱图像自动大气校正方法

高分五号是我国高分辨率对地观测系统重大专项中唯一的高光谱卫星,为有效提高其应用的效能和质量,首先必须对其图像数据进行大气校正。文章提出了一种基于MODTRAN辐射传输模型的高分五号高光谱图像大气校正方法。首先,通过MODTRAN辐射传输模型构建能见度查找表、水汽含量查找表和反射率查找表;其次,分别采用Version 5.2法和大气预处理微分吸收法逐像元反演得到图像能见度和水汽含量;之后,根据反射率查找表逐像元完成高分五号高光谱图像的大气校正,并与FLAASH校正结果进行对比。结果表明,能见度和水汽含量反演效果较好,校正后的光谱曲线与经FLAASH校正的光谱曲线相吻合,3种定量化指标均保持在较高水平,且该方法能够实现高分五号高光谱图像的自动化批量化大气校正,大气校正过程无需其他额外参数,具有一定的应用价值。

高分五号卫星高光谱遥感分类方法研究综述

针对高分五号卫星在我国卫星遥感应用与科研领域中的重要性,本文分析了高分五号卫星的载荷和数据特点,并对高光谱遥感分类方法的一般过程、特点及面临的问题进行初步探讨;同时,对国内外以高分五号卫星高光谱图像为主的高分系列卫星图像在遥感分类领域的研究现状和最新进展进行梳理与汇总,而且重点对机器学习和深度学习分类算法进行研究与分析,进而对高分五号高光谱遥感分类研究领域的未来发展趋势进行展望。研究结果表明,传统的单一分类模型很难满足业务应用对分类精度的要求,而机器学习和深度学习相结合的方法分类精度更高,在未来将会拥有更为广泛的应用前景。该研究为寻求更高精度的国产卫星高光谱遥感分类方法提供了建议,指明了未来的研究热点问题和发展方向。

全谱段光谱成像仪系统设计及实现

全谱段光谱成像仪是"高分五号"卫星上的一个重要的对地观测有效载荷,具有谱段多、空间分辨率高、辐射定标精度高的特点。载荷设计寿命8年,以60km幅宽、推扫成像方式,获取地球表面0.45~12.5μm谱段范围的辐射数据。可见近红外短波谱段(B1-B6)星下点空间分辨率20m,绝对辐射定标精度5%;中长波红外谱段(B7-B12)星下点空间分辨率40m,绝对辐射定标精度1K(300K时)。该载荷集成度高、技术指标先进,使中国多光谱光学遥感器在谱段数量、空间分辨率、辐射分辨率和辐射定标精度上都有了大幅提升。文章对载荷的方案、技术特点和先进性等进行了介绍,并对后续的应用方向进行了展望。

高光谱遥感技术发展与展望

高光谱遥感技术是在成像光谱学基础上发展起来的一种遥感信息获取技术,因其高光谱分辨率及光谱和图像同时获取的能力,在大气探测、航天遥感、地球资源普查、军事侦察、环境监测、农业和海洋遥感等领域有着广泛和重要的应用。文章对高光谱遥感技术的发展概况进行了回顾,详细介绍了典型的高光谱遥感仪器的发展历程及其主要参数,对比了不同时期各个国家高光谱遥感载荷的性能特点,分析了中国高光谱遥感技术发展现状,并归纳了国际上未来高光谱遥感技术发展计划。文章结合当前信息时代的发展特点,对高光谱遥感技术未来发展进行了展望,指出了高光谱遥感技术探测波段进一步拓宽,时间、空间及光谱分辨率进一步提高,高光谱遥感技术种类进一步丰富,图像、光谱、偏振多元信息一体化获取,智能化、网络化以及小型轻量化的发展趋势,可为中国高光谱遥感技术的进一步成熟化和实用化提供参考。

基于XGBoost特征选取和迭加权相关权重矩阵的高分五号遥感影像变化检测

提出一种基于迭加权相关权重矩阵(IR-CWM),使用XGBoost机器学习模型训练选取特征变化波段,训练预测变化检测结果的方法(IR-CWM-XGB).以国产高分五号(GF-5)高光谱遥感影像为数据源,经过预处理后,通过迭代加权得到迭加权相关权重矩阵(IR-CWM),然后经过XGBoost算法选取特征波段,选取随机样本进行模型训练,使用最终模型生成变化的结果.实验结果表明:本研究方法与变化矢量分析(CVA)变化检测方法、主成分变化矢量分析(PCA-CVA)变化检测方法、迭加权多元(IR-MAD)方法、卷积神经网络(CNN)等方法进行对比,本研究方法变化检测结果的Kappa系数和总体精度较高,误检率较低.

基于星地同测的长江口水文数据建模研究

为探索实现长江口水文、地形和生态的大范围、高频次、抗恶劣海况的高精度遥感监测技术,利用高分五号卫星,进行了星地同步监测方案试验,获取了建模所需高光谱大数据。采用函数拟合等数据建模方法,逐步建立了含沙量等水体参数的高光谱影像反演模型,并给出含沙量浓度反演模型的输出效果,最后指出后续深化研究方向。

星载高分五号高光谱耕地主要土壤类型土壤有机质含量估测--以黑龙江省建三江农垦区为例

为了评价国产星载高分五号(GF-5)高光谱影像估测土壤有机质(SOM)含量的潜力,以及不同土壤类型对SOM含量光谱估测精度的影响,本研究以黑龙江省建三江农垦区为研究对象,获取了覆盖研究区域的GF-5高光谱影像和188个土壤样本。对提取的样点GF-5光谱反射率数据进行了反射率倒数、对数、一阶微分等9种光谱数学变换,并采用相关系数法确定了SOM含量的光谱敏感波段。采用偏最小二乘回归(PLSR)线性统计建模方法,对研究区域全部土壤类型以及草甸土、沼泽土、黑土等主要土壤类型,分别构建了光谱全波段和敏感波段的SOM含量估测模型,并进行了精度评价。结果表明,基于GF-5光谱数据的研究区域全部土壤类型的SOM含量估测精度不理想,最优模型精度决定系数(R^(2))为0.265,均方根误差(RMSE)为4.647%,相对分析误差(RPD)为1.135;不同类型土壤在SOM含量光谱估测精度差异较大,草甸土和沼泽土的SOM含量估测精度不高,但黑土的SOM含量估测精度较高,其中全波段光谱反射率对数一阶微分(LnR)′的SOM含量估测精度最高,R^(2)=0.729,RMSE=1.065%,RPD=1.850,SOM含量估测模型可用。按照不同土壤类型构建SOM含量估测模型可以进一步挖掘GF-5高光谱遥感估测SOM含量的潜力。

星载GF-5 AHSI高光谱影像不同光谱波段土壤有机质含量预测精度比较

【目的】探讨星载高分五号(GF-5)高光谱影像不同光谱波段对SOM含量预测精度差异,明确有效光谱波段范围,以便提高SOM含量高光谱预测精度。【方法】该研究以黑龙江省建三江农垦区为研究区域,将GF-5可见短波红外高光谱相机(AHSI)获取的高光谱数据划分为可见光-近红外(VNIR)、短波红外(SWIR)和VNIR-SWIR 3种不同光谱波段,并将光谱反射率进行了9种光谱数学变换;分别采用多元逐步回归(MLSR)和偏最小二乘回归(PLSR)构建SOM含量预测模型,评价分析了3种不同光谱波段预测SOM含量的精度差异。【结果】在MLSR模型中,VNIR-SWIR的对数倒数一阶微分SOM含量预测精度相对较高,验证精度决定系数R^(2)_(val)为0.383,均方根误差RMSEP为5.009;在PLSR模型中,VNIR反射率的SOM含量预测精度较高,验证精度R^(2)_(val)为0.359,RMSEP为4.170。【结论】GF-5AHSI SOM含量预测精度较高的光谱波段为VNIR和VNIR-SWIR。卫星数据质量、研究区域自然条件、数据预处理过程、建模方法选择等因素共同影响SOM含量预测模型精度,通过技术和方法改进,GF-5数据预测SOM含量的潜力更大。

融合多光谱影像的高光谱影像厚云去除方法

云遮挡对高光谱影像的应用造成了不可忽视的影响。现有云去除方法通常利用时域近邻的同源影像提供辅助信息。然而,高光谱影像(如GF-5和EO-1高光谱影像)较低的时间分辨率导致同源辅助影像中可能存在较大的地物覆盖变化。时间分辨率更高的多光谱影像(如Landsat 8 OLI影像)能提供时间上更接近于高光谱云影像的辅助信息,从而减少地物覆被变化带来的影响。为应对高光谱和多光谱波段之间差异较大的问题,本文基于空谱随机森林(spatial-spectral-based random forest,SSRF)方法,提出一种利用多光谱影像(Landsat 8 OLI影像)对高光谱影像进行厚云去除的方法,将其简记为SSRF_M。SSRF_M较强的非线性拟合能力使其能够综合利用多光谱影像所有波段的有效数据对各个高光谱波段进行重建。本文使用GF-5和EO-1高光谱影像进行模拟云去除试验,视觉和定量评价结果均表明,与利用时间间隔更长的同源辅助影像的方法相比,本文方法能获得更高精度的云下信息重建结果。

利用高分五号AHSI载荷的高分辨率XCH_(4)异常探测方法研究

煤矿开采是最重要的甲烷排放源,然而其排放清单的准确性很低,一个关键的原因在于缺乏精准识别和定位该类排放源的能力。近年来,前沿研究表明可以利用卫星高光谱数据反演高分辨率的甲烷异常,从而帮助识别排放源。但是,在地表类型复杂地区该算法会完全失效。针对这一问题,率先提出一种基于L1重加权和迭代收缩阈值算法(ISTA)匹配滤波器的算法。利用高分五号(GF-5)数据在山西地区的实验表明,该方法性能显著优于现有的其他方法。实验中,本方法识别出23个甲烷强点源,这些点源全部位于TROPOMI的甲烷高值区内,且高分辨遥感影像显示这些点源处存在典型的煤矿开采设施。该方法的提出为利用GF-5卫星数据在世界范围实现甲烷点源排查奠定了技术基础。

高光谱图像类别独立的域适应分类

利用已有图像的标记样本对新的高光谱图像分类面临光谱偏移带来的分类性能差的问题。基于特征表示的域适应方法通过学习域不变特征来解决这个问题。然而现有方法难以同时将多个类的样本对齐,在对齐多类样本的同时又忽略了类间混合对可分性造成的影响。本文提出了一种类别独立的域适应分类方法。首先,为每个地物类别构造一个独立的降维子空间,在多个类别独立的子空间中对齐源域和目标域的样本。然后,在每个类别独立子空间中,利用对齐样本学习出目标域样本的后验概率。接着,融合所有类别独立子空间得到的后验概率得到分类标签,目的是增加后验概率的可信度。最后,利用空间先验平滑分类标签后将其作为伪标签用于迭代学习,更新类别独立子空间和目标域的分类结果。另外,本文还设计了代表性样本选择策略,有利于学习出更具共性的特征表达子空间。在两个真实的高光谱数据集上的实验结果表明,本文算法比原始的联合域适应算法的最近邻分类精度分别提升了9.56%和18.45%。

高分五号可见短波红外高光谱相机设计与研制

本文介绍了高分五号(GF-5)卫星上的主载荷之一—可见短波红外高光谱相机AHSI (the Advanced Hyperspectral Imager)的基本结构、成像原理、系统组成、关键技术和系统性能。该相机是国际上首个采用改进型Offner结构凸面光栅分光的星载高光谱相机,具有60 km的幅宽、30 m的空间分辨率和5/10 nm的光谱分辨率,同时获取地表地物在400—2500 nm范围内330个谱段的空间、辐射与光谱信息,具有突出的地物探测和识别能力。相比国际上经典的高光谱相机Hyperion,该相机幅宽提高8倍,谱段数增加近百个,信噪比提升近4倍;与德国、日本、意大利、印度等国际上当前发展的高光谱相机比较,该相机在幅宽和光谱通道数等方面具有明显优势,其综合性能处于国际领先水平。

高分五号高光谱遥感影像的城市土地利用景观格局分析

本文以武汉市江北核心区域7个行政区为例,以"高分五号"(GF-5)高光谱遥感影像为实验数据,提出了一种基于深度学习的空—谱结合高光谱影像分类算法(SSUN)的改进算法SSUN-CRF,通过全连接条件随机场(FC-CRF)对SSUN分类结果进行细化,并结合选取的7个景观格局指数分别从类型斑块水平以及景观水平分析7个行政区景观格局特点及武汉市城市化趋势。结果表明:(1) SSUN-CRF算法能够快速准确地提取城市用地类型,总体精度可达0.9048,Kappa系数可达0.8807;(2)从斑块类型水平上分析:根据各行政区不同类别景观类型百分比(PLAND)可以看出,武汉市主城区以居住用地为主,汉阳区3类居住用地PLAND指数高于其他主城区,表明汉阳存在较大"城中村"现象;江汉区商业用地斑块密度(PD)高且聚合度(AI)低,即商业用地多且分布均匀,表明江汉区是武汉的重要商贸区;(3)从景观层次水平上分析:根据香农多样性(SHDI)、香农均匀度(SHEI)指数分析可以看出,武汉市江北区域各用地类型总体分布均衡,景观生态多样性和稳定性较好;从斑块密度(PD)和香农多样性(SHDI)空间布局分析可知武汉市的城市扩张呈现以主城区为核心向外蔓延趋势,且沿主城区东南、西南方向扩张趋势明显。本文研究成果对武汉市总体发展规划、优化土地利用及可持续发展建设具有重要的指导意义,进一步可为发展长江经济带、"长江主轴"提供决策参考。

高分五号可见短波红外高光谱相机在轨辐射性能评估

对遥感器及其图像的在轨辐射性能(信噪比、相对辐射定标精度、绝对辐射定标精度和动态范围)评估是检验遥感器定量应用能力的重要任务之一。本文结合高分五号卫星可见短波红外高光谱相机AHSI(the Advanced Hyperspectral Imager)在轨性能评估任务,依据卫星发射以来的在轨测试数据,介绍了AHSI相机在轨辐射性能评估的原理、方法及相应测试情况。测试结果表明:AHSI信噪比可见近红外最高达到近700,短波红外最高达到近500;相对辐射定标精度误差小于0.5%,星上绝对辐射定标不确定度小于3%,场地绝对辐射定标真实性检验精度误差小于5%;动态范围在轨可见短波均可以256档增益精细调整。AHSI在轨辐射性能良好且稳定,能够有效支持后续定量化应用需求。

波段选择协同表达高光谱异常探测算法

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。

高分五号可见短波红外高光谱影像云检测研究

高分五号(GF-5)卫星上荷载的可见短波红外高光谱相机(AHSI)能够同时获取330个谱段的光谱信息,对大气和陆地进行综合高光谱观测,能有效获取地物的精确信息。云的存在会对遥感影像造成污染,为了提高GF-5数据的利用率,本文结合AHSI的地物高光谱特性,研究多种下垫面背景下的云检测方法。对得到的1级产品,利用产品配套的定标系数以及光谱响应函数文件,得到各波段的大气顶层表观反射率数据。使用多种典型地物与云像元进行表观反射率的对比后发现,厚云与其他类型的像元在可见光波段具有显著差异。高光谱数据由于波段宽度窄,易受到噪声的影响,因此在进行厚云像元判定时,使用多个窄波段数据进行等效计算,得到对应的宽波段表观反射率,在此基础上使用简单的检测阈值可以将厚云筛选出来。之后使用卷云波段,筛选出潜在的薄云像元。高亮地表作为薄云检测的重点研究对象,检测时极易与薄云造成混淆,为了将薄云区域与高亮地表进行有效区分,统计不同波段之间表观反射率比值的变化,将薄云与易造成误判的高亮区域进行对比,确定最优判定波段与阈值。为了验证算法的精度,对多景AHSI影像进行目视解译,勾选出云像元区域作为基准数据。实验结果表明,本文所提方法的云检测总体精度可达91%以上,可以准确区分云与晴空区域,实现高精度的高光谱遥感影像云检测。

高分五号高光谱影像的关联对齐域适应与分类

高分五号(GF-5)搭载的高光谱传感器兼顾宽覆盖和高分辨率的特性,但在实际应用中宽覆盖范围内各种地物类别的标注十分困难。当标记样本很少甚至没有标记样本时,遥感图像分类异常困难。此时,可以采用域适应方法,借助已标记的历史数据(源域)实现对未标记数据(目标域)的分类。本文提出了一种基于稀疏矩阵变换的关联对齐域适应分类算法。首先,利用稀疏矩阵变换估计源域和目标域的协方差矩阵;然后,运用协方差关联对齐方法估计源域到目标域的变换矩阵;接着,运用估计得到的变换矩阵将源域数据进行变换,使得其与目标域对齐;最后,在变换后的源域数据上建立分类器,实现对目标域数据的分类。本文的算法在两个真实的GF-5高光谱数据集上进行了验证。实验结果表明,本文算法要优于常用的子空间对齐算法和关联对齐算法。特别地,在黄河口GF-5数据上,本文算法比原始关联对齐方法的最近邻分类准确率提升了3.5%,支持向量机分类准确率提升了2.3%。

顾及水陆差异的高分五号影像条带去除

高分五号搭载的可见光短波红外高光谱相机,能获取精细的地物光谱信息,具有十分广泛的应用前景。但高光谱卫星遥感数据往往无法避免条带噪声的干扰,进行条带去除是数据预处理中不可缺少的步骤。传统方法往往对地物的异质性与丰富的细节纹理考虑不足,导致条带不能被彻底地消除。为此,本文提出了一种顾及水陆差异的影像条带去除方法,采用水体与陆地区别统计的策略,解决条带噪声在异质区域的统计特征差异问题,并结合优化统计和一维变分滤波技术实现水陆区域参考统计特征的精确估计,最终基于矩匹配方法分别实现条带去除。实验结果表明:无论是真实实验还是模拟实验,本文提出的算法相较于传统条带去除算法,能更加稳健地去除数据条带噪声,还原地表真实辐射信息;在模拟实验中,本文算法处理结果的峰值信噪比(PSNR)达到46.58,且平均绝对误差(MAE)仅有11.56,均明显优于用于比较的3种传统算法,且算法执行效率也具备优势,能够更好地适用于高分五号大数据量的处理需求。