矿山遥感监测ZY-3影像与SPOT-5影像对比分析

以鄂南、鄂东南矿集区矿山开发遥感调查与监测中使用的SPOT5和ZY-3卫星数据为例,计算同一地区2类影像的均值、信息熵、平均梯度等指标,分析该2类影像对矿山地物、地质环境的识别能力以及最小可监测面积。结果表明:1ZY-3影像的信息量与清晰度均高于SPOT-5影像;2在区分面积较小的中转场和固体废弃物堆,圈定活动开采面范围以及识别较小的矿山次生地质灾害体等方面,ZY-3影像优于SPOT5影像,能够满足1∶50 000矿山遥感监测的质量要求。

基于ZY-3卫星影像多层分割的村镇用地决策树分类

以资源三号(ZY-3)卫星影像为研究对象,采用多层次影像分割的决策树分类方法对长乐市鹤上镇的村镇用地信息进行提取.首先,在ENVI软件的支持下,通过反复分割试验,确定各村镇用地的最优分割尺度和合并尺度,并对影像进行多层次分割;然后,通过村镇用地对象的光谱、纹理、形状特征分析,筛选出各地类相互间区别明显的对象特征,建立村镇用地分类的决策树规则,并进行村镇用地信息的提取.研究表明,较传统的分类方法,该方法分类的精度有很大提高(总体精度为92.6%,Kappa系数为0.91),可为高分辨率遥感影像的村镇用地信息提取提供参考.

Landsat-8与ZY-3卫星影像降尺度地表温度反演及分析

地表温度(land surface temperature,LST)在表征地表能量转换和气候方面具有很重要的作用。目前获取的高空间分辨率遥感影像,通常没有热红外波段,而能获取的热红外影像,空间分辨率往往不够。针对时间分辨率和空间分辨率的矛盾问题,提出了一种利用降尺度进行地表温度反演的方法。该方法利用Landsat-8卫星影像的热红外波段进行地表温度LSTOLI,30m反演;根据不同地物的光谱特性,选取代表城市热特性的地物端元,对ZY-3多光谱影像大气校正后,进行混合像元分解,获取每个像元内不同端元的丰度,利用端元的平均温度建模,估算地表温度,得到高空间分辨率的地表温度LSTZY-3,5.8m。为了验证估算结果的准确性,将LSTZY-3,5.8m升尺度为30mLSTZY-3,30m,与LSTOLI,30m进行对比。结果表明,LSTZY-3,30m和LSTOLI,30m具有很高的一致性,精度较高。这种方法可以作为一种实用的估算地表温度的方法。

U型卷积神经网络的ZY-3影像道路提取方法

针对经典全卷积神经网络在池化和上采样过程中造成图像分辨率不断下降以及对各个像素进行分类时忽略了像素之间的关系,导致提取道路比较模糊和平滑的问题。该文提出一种基于U型卷积网络的ZY-3道路提取方法。首先,参考医学图像分割领域表现突出的U-Net模型,采用对称式网络结构将低级细节信息与高级语义信息相结合,提高道路的初提取精度;其次考虑到卷积神经网络对百万量级的参数优化程度相对不足,采用集成学习的方法,通过变更权重获得若干个模型进行融合,进一步提升了道路提取的精度;最后,通过使用形态学开运算完成孔洞的去除等工作。实验结果表明,该文方法的提取结果在不同实验区域中平均准确度达到了95%以上,显著优于基于经典全卷积网络模型、基于纹理与形状特征提取道路的方法。

结合局部单应矩阵的ZY-3遥感影像稠密匹配

针对现有的特征点匹配结果的密集度无法满足于三维重建的需求问题,本文提出了一种结合局部单应矩阵的资源三号遥感影像稠密匹配方法。首先,采用ASIFT算法对资源三号遥感影像进行特征点匹配,通过随机抽样一致性(RANSAC)算法对初始的匹配结果进行优化,提高ASIFT匹配结果的精度;其次,以优化后ASIFT匹配结果作为匹配基元,构建Delaunay三角网,利用Delaunay三角网间的同名三角单元的单应矩阵关系对已有匹配结果进行加密;最后,通过灰度相似性和最小二乘双重约束提高加密特征点的精度,从而达到精匹配的目的。实验选取ZY-3遥感影像作为实验数据,实验表明,本文算法具有较好的可靠性与鲁棒性,能获得比ASIFT匹配多6倍的同名点。

基于ZY-3卫星多光谱影像估算浙江省乔木林地上碳密度

【目的】基于覆盖浙江省的ZY-3卫星影像以及LULUCF碳汇监测样地数据,以浙江省乔木林地上碳密度为研究对象,尝试构建一个自动化提取浙江省乔木林地上碳密度的技术方法。【方法】分别在矢量标志建立、光谱信息提取、解译标志提纯、ZY-3卫星影像分类、自变量优选、建模方法优选、碳密度图制作等方面开展相关研究测试。【结果】本研究在解译标志提纯后对ZY-3影像进行分类的精度高于提纯前的影像分类精度;采用的k NN法对ZY-3影像进行分类的精度(平均总精度为80.31%,平均Kappa系数为0.69,乔木林平均用户精度为91.86%,乔木林平均生产者精度为80.85%)高于最大似然分类法(平均总精度为78.56%,平均Kappa系数为0.62,乔木林平均用户精度为89.68%,乔木林平均生产者精度为77.79%);在选用的建模方法中,k NN法构建的模型精度(平均RMSE为15.64 t/hm2,平均RRMSE为23.53%)优于稳健估计法(平均RMSE为17.63 t/hm2,平均RRMSE为25.11%)。最后,生成了浙江省乔木林地上碳密度分布图。【结论】本研究可为省域或更大尺度范围的乔木林地上或森林碳密度估算提供一个新的路径,为实现自动化估算碳密度以及其他森林参数提供参考。

ZY-3卫星影像雪盖信息提取方法

针对国产资源三号(ZY-3)卫星多光谱影像空间分辨率高但波段范围较窄,在积雪提取方面研究缺乏这一现状,提出一种综合近红外(near infrared,NIR)波段和归一化植被指数(normalized difference vegetable index,NDVI)的决策树雪盖信息提取方法。以各地物光谱特性差异及NDVI特性差异为基础,方法充分利用积雪在NIR波段上反射率远高于其他地物,且其对应NDVI<0这两大特性,借助二次阈值化处理实现对积雪的判别划分。以最大似然监督分类提取结果为参考,对研究区雪盖信息整体提取结果、局部提取结果和提取精度进行统计和对比分析。实验结果表明,该方法具有受建筑物、阴影和裸土影响较小的优点,提取结果准确性、完整性较高。

结合ZY-3高分影像和OSM数据的城市建筑物提取与分类

近年来,城市化进程不断加快,城镇建设规模的不断扩张给城市规划管理带来了越来越多的挑战。充分利用高分辨率遥感影像进行城市建筑物的自动快速提取具有非常广泛的现实意义。以江西省南昌市中心城市的建筑提取为例,结合ZY-3号高分辨率遥感影像和OSM道路网矢量数据,分别从光谱指数决策规则、面向对象空间决策规则两方面出发,采用分层决策的方法完成城市不同屋面类型建筑的提取,包括蓝色建筑、红色建筑和灰色建筑。最后,对不同类别建筑物的提取精度进行检验,研究结果显示蓝色建筑物区分效果较好,红色建筑其次,水泥屋面的灰色建筑物提取精度相对较低。

2m分辨率遥感影像地表覆盖分类误差研究

以贵州省镇远县焦溪镇为研究区,以资源3号(ZY-3)2m分辨率卫星影像为主要数据源,采用面向对象分类技术提取研究区地表覆盖信息,将提取结果与普莱亚(Pleiades)影像,经目视解译并结合实地验证获取的高精度地表覆盖进行对比,分析ZY-3影像提取地表覆盖各类型的精度误差。研究结果表明:ZY-3影像相对于Pleiades数据提取平均总误差为1.56%,其中旱地和建设用地分类误差相对较大,精度误差分别是3.41%和3.08%。而水体分类误差最小,为0.70%,其余地类水田、乔木林、灌木林、草地、裸地提取误差则分别是1.28%、0.53%、0.86%、1.18%、1.47%。

基于省域冬小麦遥感监测的海量卫星数据筛选

从海量卫星影像中快速获取适合解译冬小麦的影像资料是开展冬小麦遥感监测的基础工作。本文以GF-2和ZY-3影像作为数据源,基于山东省的冬小麦物候特征,确定了影像的最佳时相是3—5月,在此基础上筛选云量少、冬小麦特征明显的影像,同时考虑到冬小麦长势的区域性差异,针对不同区域选取不同时相的影像,确保所选影像上的冬小麦光谱特征较为明显,并对影像覆盖情况进行了统计分析,共得到可用影像184景,及时、快速地为冬小麦种植信息提取提供基础数据。其中,3月份影像主要分布在鲁西南区域;4月份影像主要分布在鲁西和鲁东区域,在鲁南、鲁中和鲁北区域有少量分布;5月份影像主要分布在东部沿海地区。

轨道约束的资源三号卫星影像区域网平差在境外电力选线中的应用

为了快速获取境外电力勘测中的基础地理信息,提出了一种轨道约束的资源三号(ZY-3)卫星影像区域网平差方法,以南苏丹朱巴地区某220kV架空输电线路选线为例,对比轨道约束与标准景影像立体区域网平差的精度。研究表明,轨道约束的ZY-3卫星影像立体区域网平差是可行的,其在9点布控条件下的平面及高程精度完全满足境外平原地区1∶50000成图比例尺的精度要求。依据电力选线相关规程中关于电力选线各阶段的比例尺精度要求,轨道约束的ZY-3卫星影像立体区域网平差的精度能够满足境外平原地区电力选线及初设阶段的平面及高程精度需求。

结合正则化最小二乘进行高空间分辨率四波段相机云识别

针对资源三号(ZY-3)多光谱影像的特点,提出一种结合最小二乘原理与阈值法的云检测方法。在阈值法进行初始云提取的基础上,利用正则化最小二乘进行云像元的再次提取,克服了高分辨率遥感影像上云与道路、房屋等地物容易混淆的问题。与现有云检测方法进行对比,利用阈值法与正则化最小二乘进行云检测的整体精度和Kappa系数明显高于阈值法、阈值与K均值聚类相结合的方法,达到了支持向量机云检测方法相同的精度水平,但是效率明显高于后者。将该方法应用于不同时相和场景的遥感影像,算法云像元提取的整体精度在97%以上,Kappa系数在0.9以上。分析表明,该算法能够对不同下垫面情况下的云像元进行有效地识别。