基于混合像元分解的HJ-1卫星时间序列影像城市植被信息提取

针对城市植被信息提取中单时相遥感影像无法获得物候特征及影像中的混合像元问题,本研究以南京市区及近郊作为研究区,将2013年77景环境星(HJ-1)归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列数据看成"类高光谱"数据,利用非限定性分解法、半限定性分解法和全限定性分解法对滤波后的数据进行分解,结果表明:使用非限定的线性光谱混合模型分解算法对研究区草地、灌木丛、针叶林、落叶阔叶林、常绿与落叶阔叶混交林5种植被信息提取的均方根误差(Root Mean Square,RMS)最小,此方法效果最好.

玛纳斯河流域山区雪粒径HJ-1卫星反演

雪粒径是影响雪面能量收支和表征积雪状态的重要参数,利用遥感手段定量反演雪粒径信息对雪水当量估算、流域水资源管理和局地气候变化研究等具有重要意义.针对新疆玛纳斯河流域山区积雪表层粒径地遥感反演,以渐近式辐射传输模型为基础建立雪粒径反演模型,利用HJ-1卫星多光谱数据得到玛纳斯河流域山区冬季积雪期和春季融雪期的雪粒径反演结果,并利用地面实测数据对反演结果进行验证,最后分析雪粒径随海拔的分布特征.结果表明:建立的雪粒径反演模型能够较好地描述雪粒径与卫星遥感信号间的定量关系;雪粒形状对反演结果影响较大,当选择适当的雪粒形状时,雪面粒径反演值与实测值较为吻合;海拔对雪面粒径的分布影响较大.

山区复杂地形条件下GF-1卫星遥感雪面反射率计算

针对山区遥感影像计算雪面反射率的难点,采用各向异性校正与地形校正相结合的方法,将研究区不同坡面方向的雪面反射率归一化至平坦地表垂直观测方向上的雪面反射率,以消除地形影响.其中,各向异性校正采用二向反射分布函数(Bidirectional Reflectance Distribution Function,BRDF)模型;地形校正采用山地辐射传输模型.遥感影像选用新疆玛纳斯河流域的高分一号卫星(GF-1)宽幅相机数据.利用同步观测的积雪光谱数据对此方法的校正能力进行验证,结果表明此方法能够消除大部分地形和大气的影响;计算的雪面反射率在非阴影区与阴影区均与实测数据相一致;该方法可为山区积雪的光学遥感研究提供技术支撑.

矿区复垦农田土壤重金属含量的高光谱反演分析(英文)

以矿区复垦农田土壤为研究对象,利用实验室获取的土壤重金属元素砷(As)、锌(Zn)、铜(Cu)、铬(Cr)和铅(Pb)的含量与土壤可见近红外高光谱数据建立重金属元素含量的定量估算模型。为了保证模型预测的精度和稳定性,首先,对原始光谱数据进行平滑处理,并进行光谱变换,即:一阶导数,标准正态变量变换及连续统去除变换;然后,通过相关性分析提取不同变换光谱的特征波段;最后,将最小二乘支持向量机与传统的多元线性回归和偏最小二乘回归方法的结果相比较。研究表明:(1)以不同变换光谱数据建立反演模型均有较好的稳定性并达到一定精度,其中以最小二乘支持向量机方法优于偏最小二乘回归优于多元线性回归模型(除少数几个情况外);(2)从不同光谱变换数据中提取的光谱特征对反演模型结果有一定影响,其中以连续统去除和标准正态变量变换建模结果较好,一阶导数变换稍差。因此,利用高光谱遥感技术来定量估算土壤重金属含量是可行的,而且,必要的光谱预处理对提高估算模型的精度很有帮助。

新疆天山玛纳斯河流域高分辨率积雪遥感研究进展

新疆天山北麓玛纳斯河流域冬、春季积雪覆盖,高山冰川发育,是我国西北干旱区的典型流域,其冰雪融水对北疆工农业生产和生态环境具有重要意义.近五年来,在流域开展5次科学考察、积雪常规观测和星地同步观测,利用GF-1PMS(Panchromatic and Multi-Spectral)和WFV(Wide Field of View)、HJ-1CCD(Charge-Coupled Device)和IRS(Infrared Scanner)等国产高分光学遥感数据和C波段RADARSAT-2、ENVISAT ASAR等合成孔径雷达数据,探索山区复杂地形条件下的综合辐射校正方法,建立积雪识别模型获取积雪覆盖范围、积雪表面类型和积雪干湿状况,建立积雪参数反演模型获取雪粒径、雪深和雪水当量,分析流域积雪变化特征与雪盖衰退过程,进行流域融雪径流模型的参数率定、模拟与预报,为流域水资源合理利用与调配提供科学依据.

基于对象特征的山东省丘陵地区多时相遥感土地覆被自动分类

对于基于像元的土地覆被分类来说,植被的分类是难点。使用多时相面向对象分类方法可以较好的解决这个问题。以山东省烟台市丘陵地区为研究区,采用Landsat TM(Landsat Thematic Mapper remotely sensed imagery)、DEM(Digital Elevation Model)、坡度、坡位、坡向等多种数据,利用基于对象特征的多时相分类方法对研究区进行土地覆盖自动分类。首先对影像进行多尺度分割并检验分割结果选取合适的分割尺度,然后分析对象的光谱、纹理、形状特征。根据各类地物的光谱特征、地理相关性、形状、空间分布等特征,明确类别之间的差异。建立决策树使用隶属度函数进行模糊分类,借助支持向量机提高分类精度。研究结果表明,通过使用多时相影像采用面向对象分类方法,相对于传统的基于像素的分类可以明显提高分类精度,尤其是解决了乔灌草的区分问题。

基于协同分割的高分辨率遥感图像变化检测

针对面向对象变化检测存在的多时相对象边界不一致的难题,基于计算机视觉领域的多视图像协同分割思想,提出一种面向多时相高分辨率遥感图像变化检测的协同分割方法.首先对多时相遥感图像进行协同处理,利用多时相信息发现变化特征,以光谱变化为指标,获得变化强度图,进而在变化强度图的引导下,结合各时相的图像自身特征进行分割,通过能量函数的构建和优化,直接生成边界准确、空间对应的多时相变化对象.利用两个时相的高分辨率航空图像进行实验表明,该方法可以较完整准确地分割出变化对象,通过建立其空间对应关系,能清晰地表达对象的变化过程,为高分辨率遥感图像面向对象变化检测提供了新思路.

基于区域合并的高分辨率遥感图像多尺度分割

图像分割是高分辨率遥感图像处理和分析的关键环节.本文探讨了将区域合并方法应用于高分辨率遥感图像多尺度分割的技术要点,旨在提升分割的精度和效率,获得地物对象的多尺度表达.主要研究内容包含如下五个方面:(1)图模型的构建,包括区域邻接图和最近邻图,以提高分割效率;(2)合并准则的确定,选择能有效表征区域同质性、形状和边界的图像特征并加以组合,提升分割精度;(3)合并策略的选择,针对寻优范围不同列出面向全局、面向局部以及混合区域合并等三种合并策略,并分析各自的特点;(4)尺度参数的设置,针对面向局部的区域合并策略提出递增的尺度参数序列控制方法,生成边界一致的多尺度分割结果;(5)分割树的设计,利用树中不同层级的节点表达不同尺度的分割区域,可快速输出多尺度分割结果.研究成果可应用于高分辨率遥感图像面向对象分析、地物目标识别和信息提取.

玛纳斯河流域春季雪层参数特性分析

采用2014年春季野外观测的新疆玛纳斯河流域积雪物理特性数据(积雪深度、积雪密度、体积含水量、雪层温度),分析了流域融雪期的积雪参数特征,及其在垂直剖面上的廓线分布.结果表明:(1)研究区在融雪期的积雪随着深度的增加而温度逐渐降低,部分地区积雪保温作用明显,保温层位于雪表层下约10cm位置;(2)流域北部低山区雪密度随着积雪深度的增加逐步减小,高山区和亚高山区雪密度的垂直廓线呈现为中部大、积雪表层和底部小的分布特征;(3)北部低山区积雪体积含水量高于高山区和亚高山区,垂直廓线呈单峰曲线,峰值距雪表面约12cm;南部高山区和亚高山区积雪以潮雪为主,雪层含水量存在层位变化.

玛纳斯河流域山区积雪的C波段SAR图像表征

首先利用光学遥感数据识别新疆玛纳斯河流域山区积雪时空分布信息,然后利用C波段合成孔径雷达图像分析非积雪期、积雪期、融雪期的积雪和无积雪覆盖地表在不同下垫面类型、不同局部入射角、不同极化条件下的后向散射系数差异、后向散射系数变化情况和干涉相干性差异,结果表明：（1）在积雪期,积雪与无积雪覆盖地表后向散射系数相近,在融雪期,积雪覆盖地表后向散射系数比无积雪覆盖地表低5~10dB;（2）从非积雪期到积雪期,HH、VV极化的后向散射系数变化较小,HV、VH极化的后向散射系数降低2~4dB;（3）从积雪期到融雪期,积雪覆盖地表HH、VV极化的后向散射系数降低约2dB,HV、VH极化的后向散射系数变化不明显,无积雪覆盖地表HH、HV、VH、VV极化的后向散射系数增加2~3dB;（4）从非积雪期到融雪期,积雪覆盖地表HH、HV、VH、VV极化的后向散射系数降低约2dB,无积雪覆盖地表HH、VV极化的后向散射系数增加1~2dB,HV、VH极化的后向散射系数变化不明显;（5）HH、VV极化方式下积雪覆盖地表相干系数明显低于无积雪覆盖地表.SAR（Synthetic Aperture Radar）图像表征分析结果对积雪及其物理状态的雷达识别研究提供科学依据.

基于合成孔径雷达图像的山区雪水当量反演

雪水当量是表征积雪水资源量的重要指标,准确获取雪水当量信息对于流域水资源管理与区域气候研究具有重要意义.以新疆玛纳斯河流域山区典型地区为研究区,在获取RADARSAT-2精细四极化产品、地面同步观测数据、数字高程数据和土地覆盖类型数据的基础上,探讨了针对山区地形与下垫面条件的EQeau模型参数优化方法,修订了模型系数,并反演获得了研究区2013年12月13日的雪水当量分布信息.结果表明:(1)在山区复杂地形与下垫面条件下,增加地形、土地覆盖类型和局部入射角作为EQeau模型的条件参数,可取得冬秋季后向散射系数比与积雪热阻间较好的拟合关系,从而修订模型系数;(2)利用系数修订后的EQeau模型和RADARSAT-2数据反演得到了研究区精度较高的雪水当量信息,进而表明利用C波段合成孔径雷达数据和EQeau模型反演山区雪水当量是有效可行的.研究成果可为山区雪水当量的定量反演提供新思路.

巴音布鲁克典型区MODIS亚像元积雪覆盖率估算

雪盖信息对气候变化研究、水资源利用和雪灾监测具有重要意义.亚像元积雪覆盖率(snow cover fraction,SCF)的估算可以减少混合像元造成的误差,提高雪盖监测精度.本文以新疆巴音布鲁克为研究区,以环境与灾害监测预报小卫星B星(HJ-1B)数据作为地面真值,计算出中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)数据对应的雪盖率,建立所得雪盖率与归一化差分积雪指数(normalized difference snow index,NDSI)之间的逐像元估算模型,并对估算结果进行了验证.结果表明,与MODIS积雪产品数据相比,该模型估算的雪盖率精度明显改善,具有较强的精确性和实用性.但是相对于真实雪盖率,也存在总体高估的情况.模型误差的主要来源是积雪边缘区的破碎分布、阴坡和阳坡的太阳辐射差异以及林带积雪的复杂影响.逐像元估算模型能有效的提高巴音布鲁克地区雪盖率制图精度,为该地区水资源合理利用,牧区雪灾的抗灾减灾提供了依据.

基于BP神经网络的玛纳斯河流域雪盖率预测

为了实现对新疆玛纳斯河流域的雪盖率预测,为该区融雪径流预报提供数据支撑,本文选取反向传播(BP)神经网络模型时间序列预测的方法对研究区雪盖率的预测问题进行了研究.首先基于2001-2012年研究区中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)积雪数据产品MOD10A2提取研究区雪盖并计算雪盖率,分析研究区雪盖率变化在时间上的自相关性,据此选取对预测值影响较大的相邻若干个历史时刻的雪盖率以及往年同期雪盖率的均值作为模型输入变量,建立神经网络模型,并选取相关系数与确定系数作为模型预测效果的评价指标.结果表明:以BP神经网络时间序列预测方法预测2012年积雪覆盖率,输入变量为与待预测雪盖率相邻的前期雪盖率值与往年同期雪盖率均值,预测值与实际值的相关系数为0.80,确定系数为0.61,预测结果基本反映了2012年雪盖率的年内变化趋势,可以为融雪径流模型(SRM)径流预报提供一定的数据支撑.

基于极化SAR图像的玛纳斯河流域典型区积雪识别

极化合成孔径雷达具备全天候的积雪观测能力,而且能提供丰富的极化特征用于积雪识别.选取2014年3月19日新疆玛纳斯河流域典型区Radarsat-2数据,首先对全极化SAR(Synthetic Aperture Radar)数据进行目标分解提取积雪极化特征,再利用J-M距离(Jeffreys-Matusita)进行特征选择,分析不同极化特征对积雪的可分性,最后利用最优特征集和支持向量机(Support vector machine,SVM)进行积雪识别.结果表明:Yamaguchi分解和Freeman分解的体散射分量、相干矩阵特征值和香农熵四种极化特征对积雪有较强的识别能力;多种极化特征联合识别相对于单一特征识别积雪具有较大优势,基于四种极化特征的积雪识别精度达到84%.利用极化特征进行积雪识别可获得较好效果,能够弥补可见光遥感难以识别云下积雪的不足.

面向对象变化检测中多时相图像分割模式影响评价

面向对象变化检测是高分辨率遥感图像分析技术中的研究热点,在国土资源监测、城市扩展、森林植被变化等方面具有广泛的应用前景.多时相图像分割是面向对象变化检测的关键步骤,主要包括三种模式:多时相组合分割、单时相分割与多时相分别分割.本文通过分析三种多时相图像分割模式下变化对象的差异,评价多时相图像分割策略对于面向对象变化检测结果的影响.结果表明,多时相分割模式对变化对象形状以及检测精度的影响均较大,三种模式中的多时相组合图像分割模式对本文研究区的变化检测精度最高.

玛纳斯河流域山区积雪反射光谱特征分析

以新疆玛纳斯河流域为研究区,利用三次野外观测获取的山区积雪光谱数据（波段范围为350~2500nm）,分析研究区内的典型地物光谱曲线特征,以及新雪、污化雪、陈雪和风吹雪的反射特性,探讨污染物类型和浓度、雪层含水量、雪粒径、雪与枯草混合物对积雪反射特性的影响,为山区积雪识别提供依据.结果表明：受污染物、雪层含水量、雪粒径、雪与枯草混合物等因素影响,污化雪、陈雪、雪与枯草混合物的光谱曲线兼有积雪与非雪地物的反射特性;在可见光波段,污化雪、陈雪的反射率有不同程度的下降,但是依然高于非雪地物的反射率;在近红外波段,新雪、污化雪、陈雪、风吹雪、雪与枯草混合物的光谱曲线在1020nm、1250nm处均出现积雪特有的吸收谷,在1080nm、1320nm、2246nm波段均出现积雪特有的反射峰.另外,污染物在降低积雪反射率的同时,使得污化雪在可见光波段的光谱曲线呈现上升趋势,即呈现污染物自身的光谱曲线特征,与其它类型的积雪形成明显对比,是区分污化雪与其它类型积雪的关键所在.

玛纳斯河流域积雪遥感地面同步观测

积雪作为冰冻圈主要组成部分,是全球能量和水循环的重要环节.利用卫星遥感技术获取的高时空分辨率的积雪分布和状态信息对寒区水资源管理、经济发展和社会稳定具有重要意义.目前,利用高分辨率光学和合成孔径雷达(Synthetic Aperture Radar,SAR)卫星数据能够实现积雪覆盖范围的识别和雪层物化参数的反演,但识别和反演的精度在高寒山区条件下受地形影响严重.为改进现有识别和反演模型在山区条件下的适应性,以新疆天山北坡玛纳斯河流域为研究区,分别在2013年冬季积雪期和2014年春季融雪期进行了两次与SAR卫星同步的野外积雪观测,为山区积雪识别和积雪参数反演获取了地面实测光谱和积雪参数数据.对两次积雪观测的目的、方法和初步结果进行介绍.观测初步结果显示了积雪在研究区内空间分布不均一,季节性差异性明显,为后续通过高分辨率遥感手段获取山区积雪参数时间和空间变异性提供了基础.

基于马尔可夫随机场模型的SAR图像积雪识别

以新疆玛纳斯河流域2014年3月19日RADASAT-2影像为研究数据,采用马尔可夫随机场(Markov Random Field,MRF)模型分割方法进行积雪识别.MRF模型分割方法能够充分利用图像上下文信息,降低相干斑噪声对合成孔径雷达(Synthetic Aperture Radar,SAR)数据的影响.通过初始k-means分割估算出MRF参数,建立先验模型和概率密度函数,利用迭代条件模式(Iterated Conditional Model,ICM)算法进行最大后验概率求解得到最优标记,从而识别出积雪.通过实测数据进行验证,该方法积雪识别精度达86.67%.结果表明:MRF模型分割方法的能够有效识别积雪;在地势较为平坦的地区,交叉极化(HV)方式下的后向散射系数与极化总功率Span的识别效果较好;在地形起伏较大的地区,HV后向散射系数的识别效果随着高程和坡度的增加而降低,极化总功率Span能够综合三种极化特征,较好地克服地形影响,提高积雪的识别精度.

玛纳斯河流域积雪区GF-1卫星图像辐射质量比较

卫星图像辐射质量与其对地观测能力息息相关,GF-1是我国高分辨率对地观测系统的首发星,在山区积雪监测中有着重要的应用价值。使用新疆天山玛纳斯河流域积雪区GF-1图像与相同区域、相近时间(2d内)成像的国外同类高分辨率卫星SPOT-6和RapidEye图像进行评价与比较,衡量GF-1在山区积雪区域的图像辐射质量水平,为GF-1的应用以及后续高分系列卫星载荷的研制提供参考。利用遥感图像辐射质量评价中常用的图像统计特征、平均梯度、信息熵和信噪比(SNR)指标对3种卫星图像进行比较,结果表明:GF-1图像与其他两种卫星的图像相比在图像统计特征和平均梯度方面表现最佳;但由于辐射量化级数的制约,其信息熵相比其他两种卫星还存在一定差距;GF-1在对积雪成像时局部会出现过饱和现象,从而导致部分区域的局部标准差值为0,在去除这些异常值后对GF-1图像的SNR进行重新估计,发现其在蓝光、红光和全色波段显著优于其他卫星,但绿光波段和近红外波段与SPOT-6有一定差距,与RapidEye相仿。总体来说,GF-1在山区积雪区的图像辐射质量基本达到了国际同类卫星的水平,部分指标甚至显著优于其他卫星,但在辐射量化级数和传感器所接受辐射能量范围方面还有一定差距,在部分积雪区会出现过饱和现象,后续可针对这些方面进行改善。

近20年大同市土地利用/覆盖遥感变化分析

应用多分类器集成方法获取1993-2013年4个时期的土地利用/覆盖分类图,利用动态度、转移矩阵及土地利用程度变化模型研究大同市近20年的土地覆盖时空变化特点,结果表明:(1)20年间区域有林地、人工林和建设用地面积的增长速度较快,灌木、裸岩、裸土和草地的面积减少较快。大同市整体土地覆盖变化反映了耕地林地增加、城镇扩展、灌草地和未利用地不断减少的土地利用变化格局;(2)大同市土地流失的来源为灌木林、草地及未利用地,地类去向为有林地、建设用地及农业用地,未利用地大部分被转化为林、草、农业用地;(3)阳高县、左云县、市辖区的土地利用程度最高,灵丘县的土地利用程度最低,建设用地及农业用地的增加使得大同市整体土地利用处于发展期;(4)大同市土地覆盖变化剧烈,主要受人口压力、资源开采及生态修复政策的影响。建议加强生态恢复功能,优化空间开发格局,并建立持续定期的遥感监测。