辅以纹理特征的HJ-CCD海上溢油信息提取 ——以PL19-3溢油为例

鉴于依赖光谱特征的传统溢油信息提取方法面临信息提取精度低的困境,提出采用光谱特征与纹理分析结合的方法应用于溢油监测.选择位于渤海的蓬莱19-3油田溢油事故为研究对象,基于覆盖溢油事故阶段的8景30m分辨率HJ-CCD数据,在溢油目标提取过程中,引入了方向性纹理特征分析,将主成分光谱降维、方向梯度边缘检测等技术相结合,形成了基于光谱与纹理特征的溢油信息提取技术.所述方法经8组数据检验后,用类间分歧度方法进行了对比评价.结果表明:将纹理分析方法应用于溢油信息提取,类间分歧度提高到1.9999,提高了油膜影响边界和油膜厚度分区识别能力.     

基于光谱与纹理特征融合的滩涂信息提取方法

滩涂在光学遥感影像中具有光谱信息综合的特点,单纯基于光谱特征的滩涂信息提取方法精度不高.本文在海岸带地物分类过程中,引入了纹理特征分析,发展了一种基于光谱和纹理特征融合的滩涂信息提取方法.该方法首先利用神经网络分别实现基于像元光谱特征和基于图像纹理特征的海岸带地物分类;在两种分类结果的基础上,建立融合模型,完成决策级的信息融合,从而得到最终的滩涂信息提取结果.试验结果表明,在海岸带地物分类过程中引入纹理特征分析是有效的,决策级的光谱与纹理信息融合可以使滩涂信息提取的精度达到92.3%.另外,神经网络方法用于海岸带地物分类亦是可行的.     

面向地质灾害防治的第四系空间信息提取研究

第四系空间分布及其厚度信息提取是地质灾害防治工作中的关键技术之一。以三峡库首区秭归段为研究区,在收集遥感影像、地质图、地形图以及勘查资料等多源数据的基础上,分析了第四系空间分布及其堆积厚度的影响因素,确定地层岩性、坡度、水系多级缓冲区、归一化植被指数(NDVI)以及遥感影像光谱特征中的亮度(Brightness)和遥感影像纹理特征中的灰度共生矩阵对比度(GLCM contrast)作为第四系空间信息提取的评价因子,并利用C5.0决策树构建了第四系空间分布及其相对厚度信息提取模型,编绘了研究区第四系相对厚度空间分布图。结果表明:区域内第四系的空间分布及其堆积厚度由岩性和水系控制,而局部主要由坡度控制;遥感影像的光谱、纹理特征较为真实地反映了第四系的空间分布信息;172 m高水位蓄水期间的塌岸调查结果佐证了第四系厚层区划结果的可信度,该研究结果在水库蓄水后库岸再造或塌岸防治方面具有一定的参考价值。     

OBIA与RF结合的龙口市土地利用信息提取方法

为提高中分辨率遥感影像解译精度,本文提出面向对象影像分析（Object Based Image Analysis,OBIA）与随机森林（Random Forest,RF）结合的土地利用信息提取方法。采用Landsat 8 OLI影像,针对不同地物特点,阈值分割和多尺度分割结合创建影像对象,规则集和分类器协同分类,基于Relief F算法分别对光谱特征、纹理特征及所有特征降维筛选特征子集,并与全部特征一起应用RF建模,对龙口市进行土地利用信息提取与比较。结果表明：OBIA与RF结合提取土地利用信息,基于Relief F算法筛选纹理特征,保留完整光谱、几何、空间关系特征构建RF模型,建模错分率为0.0958,分类总体精度和Kappa系数分别为89.37%和0.872,取得较理想结果。该方法可应用于中分辨率遥感影像土地利用信息提取。     

基于GOCI影像的黄海海雾提取方法研究

海雾作为灾害性天气,是海洋环境监测的重要内容。以黄海为研究区,分析研究了海水、海雾和云在GOCI影像中光谱特征,建立了结合波段比较法和波段运算的海雾提取方法。将该方法应用于2015年5月25日发生的黄海海雾事件,利用Kappa系数评价该方法的分类精度。结果表明:该分类方法的kappa系数为86.74%;海雾提取结果与中国气象局发布的监测结果的空间分布趋势基本一致;基于GOCI影像的海雾信息提取方法为海雾监测提供了新方向,为实时监测海雾动态提供了有利条件。     

垦利县耕地利用动态监测研究

对土地利用变化进行监测是全球变化的一项基本内容,基于遥感技术的两个最主要的应用是通过影像分类制作土地覆被图和通过变化监测分析土地覆被变化,从而为土地利用分析提供了有力的工具与手段。论文以山东省垦利县为研究对象,探讨了利用TM数据进行耕地信息提取及监测,包括遥感图像的几何精校正、数据配准、研究区数据提取及图像增强等,分别采用屏幕目视解译法和自动分类与目视解译结合法两种分类方法提取耕地信息,在此基础上对耕地分类结果进行叠加监测,并对分类和监测结果进行了验证;最后对耕地资源的变化做了一个系统的分析。结果表明,在计算机自动分类结果的基础上,进行目视修正,可以有效地提高分类精度,适宜于农用土地区尤其是滨海盐渍土区的耕地信息提取。     

基于植被指数的GF-1与Landsat-OLI石漠化识别能力对比评价

植被指数是运用多源遥感影像提取石漠化过程中的主要参考指标之一。为了在石漠化提取中选择最优植被指数,论文以GF-1和Landsat-OLI为源数据,运用欧氏距离对多种植被指数在石漠化提取过程中的可分性和类型识别能力进行了定量的对比评价。结果表明：Landsat-OLI在石漠化与非石漠化、不同等级石漠化信息提取的可分性上略优于GF-1,共有71个参数的欧氏距离大于等于阈值1.56;通过植被指数光谱特征,可以对非岩溶区与石漠化地区进行较好的区分,其类型间欧氏距离普遍高于阈值;然而由于相邻等级石漠化之间植被覆盖率存在渐近式过渡关系,在遥感影像上光谱反射率接近,比间隔等级石漠化更加难于区分。在石漠化类型识别能力方面,波段差和比方法优于单一光谱指数。对于GF-1和Landsat-OLI而言,石漠化信息提取中推荐使用的最优植被指数均为NDVI,其次为GRNDVI。     

基于ETM+的遥感蚀变信息提取研究——以青海省拉陵灶火地区为例

矿化蚀变信息是遥感找矿重要的标志。在总结前人研究的基础上,以青海省拉陵灶火地区为实例,对经典的Crosta主成分分析方法进行改进,采用ETM+1+ETM+2、ETM+3/ETM+1、ETM+4/ETM+3、ETM+5和ETM+1+ETM+2、ETM+4/ETM+3、ETM+5、ETM+7提取铁染和羟基蚀变异常信息;通过对比,认为改进后的方法找矿效果更好,为今后该区遥感蚀变信息提取提供新思路。     

高原山区星载合成孔径雷达数据与多光谱数据的图像融合探究——以贵州省毕节市为例

为了推动雷达数据在贵州高原山区的应用,针对高原山区的气候与地形特点,基于雷达数据的优势,本文对此类高原山区应用星载雷达数据进行初步探讨。利用TM影像4,3,2波段和雷达SAR数据,通过不同融合方法进行融合,应用标准差、信息熵、相关系数等参数对融合效果进行分析。结果表明:几种方法得到的图像都在不同程度上增强了多光谱图像的光谱信息,同时也增加了雷达数据的纹理信息。其中PC变换能够最好地保持TM数据的多光谱特性,对于植被信息最为突出;HSV变换很好地保留了SAR数据的纹理信息,有利于居民点、建筑物等目标的识别;GS变换增加了图像的可识别度,但降低了整体的清晰程度;Brovey变换效果最差,图像失真较大。     

湖泊水环境高空间遥感影像污染点源信息提取研究

传统的污染点源信息提取技术存在权重因子各指标取值范围广、提取精准度不准确、植被覆盖率检测效果差等问题,为此,采用高空间遥感影像对湖泊水环境污染点源信息提取进行研究.针对信息的选择和预处理,需要先获取污染点源信息,并利用多项式对遥感影像图中的畸形几何进行修正;通过利用TM影像技术分析波段组合和单独使用波段的分类效果;根据影像中不同的隶属度,构建水体规则,分析水体差异指数,由此提高信息提取的精度,进而完成污染点源信息的提取.通过选取验证区域,进行实验,实验结果表明,使用该技术能够缩小权重因子各指标取值范围,并提高污染点源信息提取的精准度与植被覆盖率检测的效率,实用性较强.     

ERS-2 SAR和Landsat ETM+数据融合提取崇明东滩典型地物信息与分类

以长江口崇明东滩为研究区,在分析崇明东滩典型地物的反射光谱特性和散射特性的基础上,对ERS-2 SAR数据和Landsat ETM＋数据分别进行了处理,其中对ERS-2 SAR数据进行了小波去噪处理和纹理特征信息的提取,对ETM＋数据进行了HIS彩色空间变换,然后在特征级层次上对两者进行了信息融合,最后对融合后的图像进行了典型地物信息的提取,并且根据我们野外实地调查数据和已有的研究成果,对本文的分类结果进行了评价,取得了满意的效果。     

用小波方法识别并提取通河体应变震前异常

基于小波变换理论可以识别、清除数字化资料干扰。本文利用小波方法对通河体应变2006年以来资料进行分析,并结合黑龙江及邻区4.0级以上地震震例资料探讨该方法对于提取体应变数据的震前异常信息的有效性,结果表明在一些地震前2～5个月,体应变都接收到了周期10～30天左右的异常信号,该方法能有效地提取震前异常。     

基于面向对象的海岸带土地利用信息提取研究

针对海岸带复杂多样的土地利用信息,选取山东省乳山市海岸带为研究区域,运用 Landsat TM遥感影像数据,基于面向对象分类方法,利用不同地物的光谱、形状、纹理和空间关系等特征,通过多尺度分割、隶属度函数法和标准最邻近分类法提取研究区土地利用信息,并对分类结果进行精度评估。结果表明：①隶属度函数法和标准最邻近分类法结合,提取出乳山市海岸带12 种土地利用类型信息,很好地区分了盐田和养殖水面、林地和园地,可提取出主要的道路和河流等细长线状地物;②将提取结果与最大似然法对比,面向对象分类方法提取精度达到82.50%,Kappa系数为0.809 1,分别比最大似然法提高了11.44%和0.105 5,很好地避免“同物异谱”和“异物同谱”对分类精度造成的影响,有效地避免了“椒盐”现象。面向对象分类方法提取中分辨率遥感影像精度较高,为海岸带土地利用信息的快速、准确提取提供了有效的技术手段。     

县域棉花信息遥感提取与棉田精确化管理分区研究

棉田信息化的精确管理是提高棉花生产管理水平及我国数字农业发展的客观需求。论文以山东省夏津县为研究区,选取棉花4个不同生长期的HJ-1卫星遥感影像,通过物候历分析和主要农作物的光谱特征,确定棉花识别最佳时相,建立提取模型,获取棉花种植区信息。建立棉花花铃期遥感影像的特征光谱指数,并与实测的5种主要土壤养分数据结合,运用相关分析、 主成分分析和K均值聚类分析方法,划分棉花管理区,并对分区结果的合理性进行差异显著性评价分析。结果显示:棉花种植区提取的最佳时相为蕾期,提取精度达到93%以上;优化土壤调节植被指数(OSAVI)能够较好地反映棉花的长势信息,同时与土壤养分具有显著的相关性;利用主成分分区指标将研究区棉田划分为3个管理区:管理一区占总棉田面积的24.67%,土壤有机质和氮磷钾含量最高,棉花长势旺盛;管理二区占47.02%,土壤养分含量中等,棉花长势一般;管理三区占28.31%,土壤肥力最低,棉花长势较差;各管理分区内土壤养分的变异系数都显著减小,分区间土壤养分和光谱指数均值差异显著,显示了分区的合理性。该研究可为实时准确的棉花栽培管理与决策提供科学依据。     

基于无人机多光谱的沼泽植被识别方法

为了探究高分辨率无人机多光谱数据对沼泽植被群丛识别能力,在洪河国家级自然保护区的核心区、缓冲区和实验区分别建立典型样区,通过低空无人机搭载的RGB及多光谱相机获取研究区正射影像,构建多维数据集并确立4种分类方案.采用面向对象的随机森林（RF）算法,对输入的多维数据集进行变量选择和参数（mtry、ntree）调优,构建适合沼泽植被群丛尺度识别模型.结果表明：优化的面向对象的RF算法对沼泽湿地植被具有较高的识别能力,在95%的置信区间内,核心区方案四（结合了光谱波段、纹理特征、几何特征、位置特征、地表高程信息和植被指数）获得最高总体精度为87.12%,kappa系数为0.850,比方案二（结合了光谱波段、几何特征和位置特征）总体精度高12.27%,kappa系数高0.140;对于单一典型沼泽湿地植被识别精度中,芦苇获得最高的用户精度高于88%,生产者精度高于90%,小叶章的生产者精度高于85%,但是在核心区用户精度较低,仅为78%.该方法可以作为沼泽植被群丛识别的有效方法,为研究沼泽湿地生态环境变化提供更准确的数据支持.     

基于高分1号杭州湾南岸滨海陆地土地覆盖信息提取方法研究

针对滨海陆地复杂地物环境下如何提高土地覆盖信息遥感提取精度的关键问题,基于最新发射的国产高分(高分辨率)1 号和资源3 号影像,采用面向对象分类法和最大似然法,开展杭州湾南岸滨海陆地土地覆盖信息的遥感提取。结果表明,相比最大似然法,面向对象法结合高分1 号既考虑对象的光谱、空间和纹理等多种属性特征,又充分利用高分影像所提供的丰富纹理和空间信息,对于土地类型多样、边界模糊等混合像元具有较好的识别能力,获得较高分类总精度(90.4%)和Kappa 系数(0.876 7);分割尺度对高分影像分类精度具有重要影响,高分1 号2 m和8 m最优分割尺度分别为63%和65%,资源3 号影像最优分割尺度为66%;高分1号比资源3 号更能体现在植被和水体等地物信息提取方面的优势。     

影像纹理窗口大小对山地阔叶林不同群落有效叶面积指数估测的影响

森林叶面积指数是陆地表面过程和地球系统气候模型的基本参数,更是森林结构的关键参数之一,已广泛应用于辐射、植物光合作用和降雨截流估测等方面。论文以川西南山地阔叶林5种不同群落类型为研究对象,基于地面调查的112个20 m×20 m样地和SPOT 5数据,运用5种图像处理技术,包括光谱反射率、植被指数、影像单波段纹理、简单波段比纹理和主成分纹理,提取相应影像信息,建立多元回归模型估算有效叶面积指数（LAIe）。结果表明：光谱反射率、单波段纹理参数和植被指数对LAIe估测能力相对较低,利用植被指数仅获得实测LAIe约65%的精度（R²=0.65,RMSE=0.28 m²/m²）;更为有效的是运用所有比值处理的纹理特征参数值来估测LAIe,可获得实测LAIe约74%的变异（R² =0.74,RMSE=0.20 m²/m²）;改进最理想的是利用主成分处理建立的回归模型（R²=0.85,RMSE=0.10 m²/m²）。不同群落的LAIe估测,整体上相应地优于研究区结果,其中栲群落决定系数R²更是高达0.89（RMSE=0.07 m²/m²）。对于研究区阔叶林以窗口7×7、9×9比较成功,而各群落以窗口9×9较好。因此比值处理、主成分处理的纹理特征参数引入及高空间分辨率数据的使用,能显著提高LAIe估测精度。     

基于信息筛选和拉依达准则识别地下水主要组分水化学异常的方法研究

地下水水化学组分的异常值识别是获取水化学背景值的重要的一环,以往提出的基于水化学各组分内在联系的计算背景值的水化学图法及Durov图法在柳江盆地的研究中均取得了良好的效果,但是水化学图法的计算步骤繁多,过程复杂,对采样精度要求严格.因此,为简化计算过程,快速识别异常,本文借鉴英国地调局识别异常的方法,以沙颍河流域为研究区,针对该区浅层地下水水质资料,利用信息筛选法替代水化学图法,对研究区内水化学主要组分进行异常识别,并将不同识别方法的识别效果进行对比分析.结果表明,尽管存在两种方法单独识别出的异常数据较多,但是水化学图法+拉依达准则和信息筛选法+拉依达准则对地下水主要组分的异常识别效果均较好,异常识别后的剩余数据的阈值范围较为一致,信息筛选法能够在大尺度区域内精度较低条件下,有效地替代水化学图法快速识别出异常值.     

基于无人机影像的城市植被精细分类

针对传统植被资源调查方法工作量大、成本高、效率低的问题,利用高分辨率无人机遥感影像,联合地物光谱-纹理-空间信息,构建了一种适用于描述城市不同植被种类的多维特征空间,在此基础上对三种应用广泛的分类算法(基于像素的、面向对象的支持向量机及深度学习Mobile-Unet语义分割模型)开展了对比分析研究.结果表明:本文提出的联合地物光谱-纹理-空间信息的特征空间构建方法能够有效地描述城市不同类型植被的特征差异,提升影像分割、植被分类的精度;在分类精度上,基于像素和面向对象的支持向量机分类结果的总体精度均超过90%,深度学习方法的总体分类精度为84%;在算法效率上,传统机器学习方法也优于深度学习方法.因此,得出结论针对城市小区域、小样本的植被精细分类,传统机器学习分类方法比深度学习方法效果更好.     

阿尔泰阿克提什坎金矿——一个有前景的金矿新类型

阿克提什坎金矿是由南京地矿所和新疆第一地质大队联合组织的国家“三0五”项目I_3-6专题A组于1988年8月发现.它的发现经历了金异常和矿化信息的提取(包括地质异常和化探异常的综合分析;实地踏勘 快速追踪查证和简单工程评价;资料综合整理,样品测试分析和资源总量预测三大阶段。