一种面向灾害应急的UAV影像快速拼接方法

洪涝、地震等自然灾害发生突然,特别是对城郊设防水平较低地区,短时间内能造成巨大的损失.及时、准确、快速地获得足够的灾情信息是减灾救灾的前提；依靠无人机采集的灾区遥感影像越来越成为减灾部门提取第一手灾情信息的首选数据源.结合无人机影像特点,优化利用影像局部不变特征进行特征匹配,通过RANSAC算子剔除匹配粗差,并用变换优化法求取最佳变换模型参数,然后采用基于动态规划的最佳拼接缝搜索策略和加权平均相结合的融合策略,在保证灾害应急精度要求的前提下,很好地消除了拼接缝和“融合鬼影”现象,为城郊区应急情况下的灾情信息获取提供了新的技术手段和支持.     

基于遥感影像序列的建设占用农用地时空信息提取

随着我国城市化进程持续深入,大量农用地被建设占用,严重威胁着粮食安全和生态环境.因此,农用地保护刻不容缓,而及时获取建设占用农用地时空信息是其重要基础.利用长时间序列Landsat影像,构建了一种基于时序异常值分段检测的建设占用农用地信息提取方法.首先构造多种指数的原始时间序列和年际变化率时间序列,根据年际变化率时间序列选择能够显著表征建设占用农用地的指数,然后采用异常值检测算法对年际变化率时间序列进行异常值检测以获取发生土地利用变化的像元及其变化时点,最后根据变化时点将原始时间序列分割为三段子序列,并分别与建设用地原始时间序列、农用地原始时间序列对应的子序列进行相似性比较,识别建设占用农用地的像元.实验证明,该文提出的方法能够快速获取建设占用农用地的变化时点和空间位置信息,变化时点检测的总体精度为89.35％,Kappa系数为0.88;空间位置检测精测精度为93.49％,Kappa系数为0.91.     

基于MODIS时序影像的东湖环境变化分析

经济发展影响生态环境变化,文章利用MODIS时序影像数据,计算和分析地面植被、水域和建筑物分布区域,获取武汉东湖地区环境变化序列图像,从中分析2002年以来经济开发对植被、生态环境变化的影响,提出经济开发与环境保护意见。     

基于遥感影像的小流域土地利用景观格局研究CSSCI

以SPOT-5卫星遥感影像为基础数据源,在GIS技术的支持下获取刘家河流域的土地利用类型。引入景观生态学的基本原理和方法,基于Fragstats 3.3软件,用景观格局指数定量分析了该流域土地利用景观格局。结果表明,刘家河流域内的耕地是景观的主体类型,流域水资源丰富、交通条件便利,非常适合发展现代农业,但应注意生态环境保护,尤其应注意对坡度大于25°的耕地实施退耕还林,以防止出现水土流失等环境问题。     

基于无人机可见光影像的绿色植被提取

在分析健康绿色植被光谱特性及无人机可见光影像典型地物各波段像元值差异的基础上,提出一种综合利用红、绿、蓝3个可见光波段信息的新型绿色植被指数——差异增强植被指数（DEVI）.利用该指数及其他8种常见可见光植被指数结合不同阈值方法提取研究区域绿色植被信息,并采用地表真实感兴趣区和基于SVM的监督分类方法进行精度量化评价.结果表明：由DEVI计算的植被指数灰度影像直方图具有良好双峰形态,可利用双峰直方图阈值法快速确定阈值,且阈值一般位于0.9~1之间;同时,DEVI提取精度明显优于其余8种植被指数,且采用双峰直方图阈值法时,总体精度为98.98%,Kappa系数为0.9791,相对误差为1/83.为验证DEVI是否具有良好的可适用性及可靠性,选取3种典型植被覆盖区域进行可行性验证,结果表明：利用DEVI可高精度提取建筑密集区域和植被零散分布区域的绿色植被信息,总体精度分别为98.42%和98.56%,Kappa系数分别为0.9610和0.9635,相对误差分别为1/125和1/91;而植被集中分布区域提取精度略低于上述2种典型区域,总体精度为97.40%,Kappa系数为0.9371,相对误差为1/53.因此,提出的差异增强植被指数——DEVI可以有效、高精度、低成本提取不同植被覆盖典型区域无人机可见光影像中的绿色植被信息,为陆地生态系统中的绿色植被监测研究提供一种可行性方法.     

基于改进Logistic回归模型在地质灾害评价中的应用

为了解决传统Logistic回归模型中灾害点和随机点可能重叠的问题,该文提出了一种基于格网单元的二分Logistic回归模型。以四川省威远县为研究区,借助于遥感卫星影像、地质普查资料和地理国情监测数据,采用灾害点和格网单元2种方法的二分Logistic回归模型对威远县地质灾害进行评价,同时采用ROC曲线和已知点2种方验证评价结果。结果表明:在低山丘陵区域,基于格网单元的Logistic回归模型评价精度更高;威远县地质灾害中高易发区主要分布在西部、西北部山区,占全区总面积的39.35%;地层岩性、高程、坡度和距道路距离是导致地质灾害发生的主要因素。     

基于葵花影像中国地区夜间云识别方法研究

目的实现适用于中国地区的夜间云识别。方法根据红外波段云与非云的亮温差异,采用亮温阈值法研究适用于中国地区的夜间云识别算法。中国地形高程差异明显,其地表辐射能量也存在较大差异,影响云检测结果精度,因而提出基于三个高程阶梯的云识别方法。由于云检测结果验证缺少可见光波段,使用MODIS云数据产品和雷达数据CALIPSO分别做定性和定量验证。结果云检测区域与MODIS的MYD06云产品基本一致,CALIPSO雷达数据四个月的平均验证结果为:非云区域的提取精度约77.86%,云区域的提取精度为79.67%,将有云区域错提为非云的误差率为2.76%,而将非云区域误提取为有云区域的错误率为12.31%。结论利用日本静止气象卫星Himawari-8影像数据,根据阈值法提出的基于三个高程阶梯的云检测算法,较好地实现了适用于中国地区的夜间云识别。     

一种水质分析方法:基于GOCI影像的东平湖叶绿素a浓度估算

目前我国水环境质量差,水生态受损严重,约1/3的重点湖泊呈富营养状态,叶绿素a浓度直接反映水中藻类物质的含量,是衡量湖泊富营养化的重要参数.而常规的单点采集方式已无法满足快速大面积获取水质状况的需求,因此研究非接触式的遥感反演方法是十分必要的.本实验以东平湖为研究区,基于GOCI多光谱影像通过QAA反演算法实现叶绿素a浓度的估算及精度验证.实验结果表明:利用QAA算法反演的叶绿素a浓度精度优于传统的经验模型,同时该模型具有较好的移植性,其次由反演结果的分布情况可以看出居民生活区集中的湖区沿岸叶绿素a浓度较高,大量生活污染物的排放可能是造成叶绿素a浓度高的原因.     

基于决策树与密度聚类的高分辨率影像海岸线提取方法

针对高分辨率影像进行海岸线提取时常常出现的河道区域岸线向陆地方向伸向较远的问题,本文将海岸线视为海水（包括潮滩）与陆地（包括河流）两类地物的分界线进行提取。首先采用C4.5决策树分类方法进行海岸带地物分类规则挖掘,实现基于规则的地物分类;再对海水与陆地分类结果进行基于密度的聚类方法进行后处理,实现噪声去除,其基本原理为:设置一邻域半径,通过统计半径内异类样本点的数量来确定当前点是否为噪声点,若异类像素点的个数超过某一预设的阈值,则对当前噪声点进行修正。为验证本文提出方法的有效性,获取了2013年10月20日天津附近海岸带区域的资源三号卫星影像数据进行验证,结果表明,本文提出的岸线提取方法能够消除河道区域岸线提取的影响,除个别地物比较复杂的区域之外,其平均提取精度优于2个像元,满足海域遥感技术规程中线状信息误差标准的要求。     

基于MODIS影像的洪泽湖水生植被覆盖时空变化特征及影响因素分析

水生植被是湖泊生态系统的重要组成部分,在改善湖泊水质、维护生物多样性方面起到重要的作用.当前我国湖泊普遍面临富营养化和水生植被退化等问题,监测水生植被时空变化特征、探究主要影响因子,对于保护水生植被和修复富营养化湖泊生态系统具有重要意义.因此,本文选用2007～2017年中等分辨率卫星MODIS数据,引入植被频次法(vegetation present frequency,VPF)提取水生植被信息,结合气象因子和人类活动分析了洪泽湖近11 a水生植被的时空变化特征及潜在影响因素.结果表明,洪泽湖水生植被VPF存在着明显的季节和年际变化,VPF春夏显著高于秋冬(P 0. 05,one wayANOVA),最大值0. 43出现在6月,最小值0. 21出现在1月,4～10月生长期显著高于其他月份.年际上,洪泽湖北部湖区(Z1) VPF呈现显著降低的趋势(R2=0. 56,P 0. 01),由2008年的最高值0. 50下降到2016年最低值0. 27,下降了45. 8%,表明水生植被在该地区呈现快速退化趋势.空间上,洪泽湖水生植被VPF整体上由沿岸带向开敞水域递减,其中北部(Z1)和西部湖区(Z2)高于其他湖区(Z3～Z5).洪泽湖全湖VPF年际变化受年均气温、年降水量、年平均风速和年日照时数影响不显著(P 0. 05),表明气候要素对洪泽湖水生植被年际变化影响较小.在采砂活动和水生植被共同存在的北部湖区,总悬浮物浓度与VPF存在显著负相关(R2=0. 48,P 0. 01),表明采砂导致的总悬浮物浓度增加是影响Z1区域水生植被退化的重要原因,又以采砂区附近表现尤为明显.