Landsat遥感影像检索系统设计与实现

为提高影像资源的共享度以及实现对已有的大量Landsat遥感影像的高效存储和管理,本文提出一种基于ArcGIS server的Landsat遥感影像在线检索解决方案。方案以ArcGIS Server作为网络地图发布平台,使用ArcGIS Server提供的Java Web ADF(Application Developer Framework)结合J2EE技术完成遥感影像检索系统的开发。系统将按轨道行列号查询、按经纬度查询、按行政区查询、按空间位置查询、按成像时间查询和影像下载等功能集于一体。初步应用表明:ArcGIS Server与J2EE技术的结合能够为用户提供良好的交互效果,并为相关部门提供了便捷的Landsat遥感影像存储管理与检索服务。

基于LANDSAT遥感影像的太原市土地利用分类

以LANDSAT遥感影像为数据源,经过波段选择、拼接裁剪和监督分类等步骤,将太原市土地利用类型分为林地、疏林地、旱地、城镇用地、工交用地和水体六类,并且达到一定的分类精度。在此基础上,指出太原市土地利用中存在的问题,并提出了调整对策。

基于Landsat遥感影像的石漠化时空演变分析——以西畴县兴街镇为例

石漠化已经成为我省最严重的生态灾害,研究石漠化时空演变规律,对于石漠化治理和修复生态具有重要意义。本文利用Landsat遥感影像进行石漠化信息提取和解译,基于研究区2000年、2006年、2010年、2015年四个时期的遥感影像,研究西畴县兴街镇这15年间的石漠化时空演变趋势。研究得出:该研究区的石漠化在全镇范围内的分布较广,石漠化程度比较严重,主要以中度石漠化和重度石漠化为主,石漠化程度较高的地区集中分布在该镇的西北部、南部,皆为典型喀斯特地貌地区。2015年的石漠化程度相比2000年、2006年和2010年有所减轻,但是石漠化的情况依然十分严重,南部、西北部的石漠化集中分布依然突出。该研究对于石漠化的调查、治理等工作具有一定的借鉴意义。

基于多时相Landsat遥感影像的海州露天煤矿排土场植被时空特征分析

矿区土地复垦是目前土地整理的一项重要内容,也是矿区可持续发展实现的保障。矿区植被及其恢复状况是矿区土地复垦质量的一种重要的指示器,表征土地复垦的程度与质量。研究基于1975～2000年共4期遥感影像,构建植被覆盖度指数,考察辽宁省阜新市海州露天煤矿排土场25a来植被生长状况及时空变化特征。分析结果表明:1975～2000年间,研究区植被处于不断生长、逐渐恢复的状态,并存在明显的空间差异。时间尺度上,植被覆盖度较高(0.4～0.6)的区域所占面积比例从1975年的14.04%增长到2000年的34.83%;空间分布上,植被覆盖度低(0～0.25)的区域多分布在台地之间相连接的边坡位置上,植被覆盖度较高(0.25～0.6)的区域则分布于台地内部的平坦地面上。

昆明市植被覆盖变化特征分析——基于Landsat遥感影像数据

以昆明市主城区及呈贡新区为研究区域,其于1992年Landsat 5 TM、2001年Landsat 7 ETM＋、2014年Landsat 8遥感影像数据,运用归一化植被指数（NDVI）和植被覆盖度遥感定量模型,在ENVI 5.1、Arc GIS10.1软件的支持下,提取3个时相的植被覆盖度等级,定量分析了该地区的植被覆盖度变化情况。结果表明,昆明市主城区及呈贡新区植被覆盖等级以高植被覆盖为主;1992~2014年植被覆盖以高→中等、高→中高为主要转换类型;植被覆盖等级与环境、农业、城市建设政策息息相关。

基于Landsat遥感影像的黄河三角洲东营段海岸线变化分析

基于Landsat遥感影像数据,利用平均高潮线法提取了1986—2015年的海岸线,运用GIS技术分析了黄河三角洲东营段面积的淤蚀变化、海岸线迁移特征及其时空变化规律,以及淤蚀变化与入海水沙的关系。结果表明:1986—1997年黄河三角洲东营段处于持续蚀退状态,蚀退面积约为180 km^2;1997—2006年淤积后面积相对稳定,2006年面积和1986年相差不大;自2008年开始呈现轻微蚀退状态;蚀退速率和淤积速率最快的时段分别为2011—2013年和1997—1999年。海岸线时空变化特征显著,黄河入海口段变化最为剧烈,海岸线方向和形态不断变化,向海延伸;东营港及邻近岸段区域面积基本稳定;刁口段、莱州湾岸段年间淤进和蚀退交替进行,总体上均处于蚀退状态。黄河三角洲东营段海岸线变化主要受黄河流路变化、入海水沙和海水侵蚀的影响,黄河调水调沙工程的长期实施对于近年来河口海岸线的变迁具有深刻影响。

Landsat遥感影像正规化处理的模型比较研究

卫星遥感影像在接收的过程中由于受到许多因素的干扰,使影像的质量受到一定程度的影响。而不同时相的影像也会因为成像时光照和大气条件的不同而出现差异。因此,在使用遥感影像之前往往需要进行必要的辐射校正。目前,主要用于辐射校正的两种基于影像的正规化模型分别是Markham和Irish等人提出的校正日照差异的正规化模型(ICM)和美国尤他州立大学遥感和地理信息系统实验室新近提出的日照大气综合校正模型(IACM/IACMt)。本文以三对不同时相的Landsat TM/ETM+影像为例,利用不变特征地物法求出各影像的相对噪音、RMSE和斜率,并用这些指标来对模型进行定量对比和评价。结果表明,当不同时相影像之间的季相、太阳天顶角和大气条件有较大差别时,经过正规化处理的遥感影像的噪音和RMSE比未经正规化处理的影像得以明显降低,且斜率更接近于1,镶嵌接缝淡化,效果更好。但如果遥感影像之间的季相一致、成像时的太阳天顶角接近,且影像晴空无云的话,则经过正规化处理的影像和未经该处理的影像之间的区别并不大。就正规化模型之间的对比而言,当影像无明显的大气影响时,ICM要好于IACM;但当受到明显的大气影响时,带有τ值的IACMt模型更好。

基于Landsat遥感影像解译的神农架林区近30年土地覆盖动态变化

利用神农架林区1987年、2000年、2013年Landsat卫星遥感影像,结合地面调查信息,运用ERDAS软件分别解译出这3个时期地表覆盖类型,同时对比3个时期地表覆盖类型的变化,统计分析出3个时期神农架林区森林变化面积和来源。结果显示:1987—2000年森林面积增长缓慢,净增长了14.70 km2,变化主要来自灌丛和草地的转化;2000—2013年期间森林面积增长迅速,净增长了207.49 km2,变化主要来自灌丛、草地和农田的转化。运用遥感技术连续、宏观、动态地监测神农架林区地表覆盖变化,不仅丰富了神农架林区的本底资料,同时也为生态环境监测与生物多样性保护提供了重要的数据。

基于Landsat遥感影像的杨树信息提取方法分析

该文使用近10 a 4个时相的江苏全省Landsat遥感影像,在数据预处理的基础上提取归一化植被指数、比值植被指数、土壤调节植被指数、增强型植被指数、大气阻抗植被指数等5种植被指数,并进行主成分分析。运用最大似然法、随机森林法和光谱角填图法进行分类,结合小班数据,对各方法的分类结果进行精度评价。评价结果表明,光谱角填图分类法在杨树信息提取时精度更高,对杨树的区分精度也达到42.67%。

基于Landsat遥感影像的湿地动态监测统计分析

以巢湖湿地为例,利用Landsat 5和Landsat 8遥感影像图,以ENVI 5.1软件为处理平台,分析了巢湖湿地不同时期面积变化情况.研究表明,遥感技术能够对复杂的湿地进行动态分析.

基于Landsat遥感影像的土地利用变化研究初探

基于Landsat遥感图像,利用ERDAS软件进行数据处理,分别对不同时段中土地利用和土地覆盖情况变化进行统计分析。结合遥感影像解译成果和统计分析对土地利用及其覆盖的研究,为科学管理和合理利用土地资源提供了理论依托。近年来,人们的生活方式发生了比较大的改变,而耕地和林地的退化反映了传统农耕的逐步衰退,建设用地正逐步取代耕地,这也为区域可持续发展提供了理论依据。

基于Landsat遥感影像的海上油气平台提取与监测

监测海上油气平台的开发有着巨大的经济和军事意义。针对可见光遥感影像数据源丰富的特性,提出了一种适用于Landsat系列中等分辨率的光学影像的海上油气平台的提取监测方法。首先将TM/ETM+/OLI影像进行几何校正、辐射校正、图像增强以及区域掩膜等系列预处理,其次采用多滑动窗口动态阈值遍历影像初步识别疑似油气平台,然后应用相邻时期3景影像基于像素级别的叠合判定以去除薄云以及舰船的虚警干扰,筛选出最终的油气平台,以马来西亚与文莱交界的南海海域为实验区,通过1991―2016年共21景Landsat影像,动态监测该区域近25 a来油气平台开发的历史过程,共检测66个油气平台,通过与ALOS PALSAR数据人工识别的油气平台进行对比验证,结果表明:该方法提取的检测率为82.67%,正确率达到86.11%。监测结果显示:该海域油气平台开发主要集中在20世纪90年代之前,而后近海油气新增开发平台较少,开发主要向远离陆地的深海方向扩展。

基于Landsat遥感影像的桂林主城区土地利用变化监测

城区土地利用情况及其时空演变特征不仅是一个城市社会经济发展水平的反映,也是城市建设、城市规划以及景观规划决策的重要依据之一。针对传统测绘方法进行土地利用的变化与监测存在着人力成本高、更新速度慢和调查成果不全面等问题。基于Landsat卫星影像数据,采用遥感监督分类方法分别对桂林主城区2002—2019年的5期遥感影像进行了土地利用分类与信息提取。然后分别对此时间段内桂林城区的土地利用面积变化、土地利用转化率和土地利用结构变化情况进行了监测分析。结果表明在2002—2019年间,桂林城区的耕地面积呈逐渐减少趋势,年均减少率为4.97%;建设用地面积呈逐年上升趋势,年均上升率为2.55%;绿地面积在2002—2006年间年均减少率为7.67%,在2006—2019年间年均增长率为2.52%,呈现先快速降低后缓慢增长的态势。

基于Landsat遥感影像的浙江省建设用地扩张监测

快速、准确地监测建设用地动态变化,对于严格控制城市建设用地随意增长、保护农林用地具有重要意义。针对现有建设用地提取方法精度相对不高、速度相对缓慢等问题,提出一种支持向量机和指数法结合的建设用地提取方法。首先,计算不同地表覆盖类型的特征指数;然后,将计算结果和原始影像波段作为分类特征空间,用支持向量机进行分类;最后,突破以往基于样本点的精度评价方式,采用土地利用现状数据从数量和空间分布上对提取结果进行校核。经验证,提取的建设用地与土地利用现状数据空间重合率达到94%,表明该方法能有效利用Landsat遥感影像监测浙江省建设用地时空扩张,并为今后实时监测用地变化提供思路。

基于长时序Landsat遥感影像的赣南脐橙时空变化分析

为了更有效地掌握赣南脐橙时空变化,基于2015年Landsat8影像,利用ENVI软件对研究区脐橙种植区进行特征提取,使用ENVI深度学习扩展模块建立脐橙分类模型,将分类模型应用于1990—2020年Landsat影像,得到30年间7个时期的脐橙提取结果,最后对赣南脐橙典型种植区域信丰、安远、寻乌三个县进行脐橙种植区的时空变化研究,探讨影响脐橙分布的因素及其发展趋势,为农户进行脐橙种植与面积评估等提供一定的科学依据与有效指导。

面向无人机绝对定位的遥感影像快速检索方法

针对在复杂环境下无人机景象匹配导航中的视觉绝对定位问题,提出了一种聚合深度学习特征的实时影像快速检索方法。首先,引入可训练软分配深度学习框架—NetVLAD,结合VGG16网络提取并聚合生成影像稳定的全局特征表达向量;其次,在初始检索阶段,使用KD树结构对影像全局特征向量构建检索索引,在不损失检索精度的前提下提高检索速度;最后,使用皮尔逊积矩相关系数对初始检索结果进行快速预判断,自动过滤初始检索结果,对于需要重排序的影像则采用特征学习匹配算法——图神经网络SuperGlue进行匹配重排序。所提方法在公开的夏季和冬季遥感影像数据集分组进行实验,实验结果表明:未重排序条件下,初始检索结果第一张影像平均准确率达到了58.27%,部分特征较好地区准确率达到了85%,对不同时相遥感影像也有很好的适应性,平均检索一张影像耗时3.7 s,可为无人机景象匹配导航的初始定位提供参考。

基于改进HRNet的遥感影像冬小麦语义分割方法

冬小麦在影像中呈现田块碎小且分布零散等空间特征,同时影像包含的复杂地物对冬小麦识别造成干扰,易出现识别精度低且边界分割模糊等问题。为及时准确获取大范围冬小麦空间分布信息,该研究以高分二号卫星影像作为数据源,提出一种CAHRNet(change attention high-resolution Net)语义分割模型。采用HRNet(high-resolution Net)替换ResNet作为模型的主干网络,网络的并行交互方式易获取高分辨率的特征信息;联合OCR(object-contextual representations)模块聚合上下文信息,以增强像素点与目标对象区域的关联性;3)引入坐标注意力(coordinate attention)机制,使网络模型充分利用有效的空间位置信息,以保留分割区域的边缘细节,提高对分布零散、形状多变的冬小麦田块的特征提取能力。试验结果表明,在自制的高分辨率遥感数据集上,CAHRNet模型的平均交并比(mean intersection over union,MIoU)和像素准确率(pixel accuracy, PA)分别达到81.72%和97.08%,MIoU相较U-Net、DeepLabv3+分别提高了9.09、2.44个百分点;PA相较U-Net、DeepLabv3+分别提高6.80、1.59个百分点,说明CAHRNet模型具有较高的分割识别精度,可为进一步准确获取冬小麦作物分布信息提供技术支撑。

用于高分辨率遥感影像地类识别的Deeplabv3+改进模型

在高分辨率遥感影像地类识别上,语义分割网络Deeplabv3+表现优异,但是所需参数非常多,训练时间久。遥感影像中的地类与普通RGB图片中的对象相比颗粒度非常大,其具有更显著的特征以及更少的类别,并不需要过深过大的网络。因此,文中提出了一种基于轻量级网络的语义分割模型(Thin-Deeplabv3+),对Deeplabv3+的编码器进行了改进,利用轻量级膨胀网络(Light and Dilated Network,LDNet)提取输入遥感影像的特征,然后利用膨胀系数分别为2、12、24和36的空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)模块加强特征提取。在高分遥感影像数据集(Gaofen Image Dataset,GID)以及DeepGlobe土地覆盖分类挑战数据集(DeepGlobe Land Cover Classification Challenge,DLCCC)上的实验结果表明,Thin-Deeplabv3+的识别精度高于Deeplabv3+,并且所需参数仅约为Deeplabv3+的1/10。

基于HRNet和自注意力机制的多源遥感影像水稻提取

为了提高协同光学和雷达影像提取水稻的精度,该研究通过改进深度学习网络HRNet,提出一种多级特征融合的框架方法,改进后的MSATT-HRNet模型综合利用欧空局哥白尼项目哨兵1号(Sentinel-1)的双极化合成孔径雷达(synthetic aperture radar,SAR)影像和哨兵2号(Sentinel-2)多光谱光学影像,提取了湖南省长沙市望城区水稻种植区域。针对HRNet网络的改进主要包括两部分:1)设计了通道注意力机制与最大池化组成的卷积组用于提取SAR特征,同时将自注意力模块嵌入HRNet基础特征提取模块中用于提取多光谱光学影像的特征;2)为了探索双模态特征之间的内在互补关系,设计了由通道注意力与空间注意力组成的特征融合模块。研究针对改进模型进行了消融试验,并将MSATT-HRNet与其他常用深度学习方法(MCANet、Deeplabv3、Unet)进行了比较。结果表明,该研究提出的多源数据融合方法能够利用不同数据源的互补优势。水稻种植区域提取结果的总体精度、Kappa系数分别达到97.04%和0.961,与MCANet、Deeplabv3、Unet相比,总体精度分别提高6.90、2.67和2.98个百分点,Kappa系数分别提高0.055、0.025和0.030。证实了该方法可以有效提高水稻的判别精度。研究通过深度学习技术与遥感影像的耦合,为南方多云雨地区水稻制图提供了一种可行的选择。

基于多时相光学遥感影像亚像素相关的边坡监测——以溪洛渡电站为例

水电站高边坡监测是水电站灾害防治中的关键问题,基于卫星遥感技术进行库区滑坡监测是解决该问题的重要手段之一。利用卫星影像亚像素相关性算法获取地表形变位移场,能够克服SAR影像失相关因素,在水电站边坡监测中具有重大的应用潜力。本文以溪洛渡电站2015-2019年5期Google Earth影像和2019-2022年4期Sentinel-2影像为数据源,采用相位相关算法计算了边坡形变量,通过构建一次多项式曲面拟合模型去除轨道误差等趋势性误差,获取了2016、2017和2019年溪洛渡电站下游边坡形变值。分析显示,两种影像提取得到的边坡形变量具有相同的变化趋势,均与谷幅实测数据吻合较好。本文结果验证了基于多时相遥感数据将亚像素相关性匹配技术运用于大型水电站边坡形变监测的可行性。