基于局部端元光谱表征的地表水体遥感自适应提取

精确的光谱表征是遥感专题地物信息提取的重要前提。针对不同水体光谱之间特征差异性,给水体信息全局光谱表征带来不确定性,提出了基于局部端元光谱表征的各类水体自适应提取方法。首先通过全局光谱指数计算实现水体的初步识别;然后,建立局部专题地物目标区,进行PPI计算提取局部水体端元;第三,通过计算局部区域内水体端元光谱相似度,统计光谱相似度直方图;最后,分析直方图分布特征,选择初始分割阈值,通过逐步迭代自动调整阈值达到最佳阈值选择,实现局部水体单元的自适应高精度提取。通过不同类型湖泊水体提取实验表明,该方法要优于传统的全局水体光谱指数阈值分割法,能够准确、 自动地提取遥感影像上水体分布信息,几乎不受水体光谱特征差异的影响。     

新光谱变换结合神经网络提取山区地形遥感水体信息

通过对比分析MNDWI结合阈值法和波段谱间关系结合阈值法这两种常见的水体信息法,针对其识别山体阴影和水体的准确率的不高的缺点,提出了一种新的光谱变换结合神经网络分类法。实验结果表明,新光谱变换结合BP神经网络的遥感分类方法基本上消除了山体阴影对水体提取的干扰,提取水体信息的效果比前两种方法要好。     

杭州湾水体光谱高频观测及在悬浮物动态变化监测中的应用

现场光谱观测是水色遥感真实性检验的基础。传统基于航次站位观测获取的水体光谱数据少,难以满足快速变化的近岸水体遥感产品真实性检验的需求。为此,国际上开始发展水体光谱连续观测系统,但目前近岸水体光谱连续观测系统仍较少,特别是在高浊度、高动态的水体。针对该问题,在杭州湾建立了一套基于海上塔台的高浑浊水体光谱高频观测系统。该系统每3 min获取一次水体光谱数据,实现与过境卫星观测时间的匹配。本文重点开发了基于海上塔台特点的水体光谱高频观测数据的处理方法,实现了晴空、耀斑、阴影、弱光照等自动判别,并对处理结果进行了检验。结果表明,塔台观测获得的归一化离水辐亮度光谱与船测结果具有较高的一致性,相关系数大于0.99, 平均相对误差为9.96%。此外,对塔台水体高频观测系统的长期观测能力进行了评价,结果表明,尽管系统运行一年之久,系统与便携式地物光谱仪ASD同步观测获得的水体归一化离水辐亮度在谱形和数值上一致性均较好,相关系数大于0.90,平均相对误差为6.48%。同时,利用系统高频观测的水体光谱可有效监测悬浮物浓度随潮汐的快速动态变化。杭州湾塔台水体高频观测系统为进一步开展浑浊水体水色卫星遥感产品真实性检验提供了丰富的现场光谱数据,特别是高时间分辨率的静止轨道水色卫星遥感产品的真实性检验。     

光谱分辨率对黑土有机质预测模型的影响

高光谱遥感以其高光谱分辨率适于反射光谱特征复杂的地物识别与参数反演,但对于反射光谱特征平滑的地物,高光谱数据可能存在数据冗余问题。本研究对实验室测定的黑土高光谱反射率进行重采样,基于统计分析方法研究了光谱分辨率对黑土有机质预测模型精度的影响,结果表明:黑土有机质含量高,土壤有机质的光谱作用范围宽(445～1 380nm);黑土有机质光谱预测模型精度随光谱分辨率降低,呈现先增后减的趋势,最优模型的光谱分辨率为50nm,低于高光谱遥感波段设置,略高于多光谱传感器波段设置;黑土有机质光谱预测最优模型以倒数对数微分为自变量,模型决定系数R2=0.799,RMSE=0.439,研究成果为土壤有机质遥感反演、光谱速测仪器的研制,以及传感器波段设置提供理论基础与技术支持。     

基于无人机高光谱影像的建筑垃圾分类研究

建筑垃圾“围城”已经成为现阶段城市环境治理面临的主要问题,严重制约了城市生态环境的可持续发展,做好建筑垃圾的分类对保护城市水资源、提高城市土地利用率、提升居民生活质量意义重大。该研究将GaiaSky-mini 2推扫式机载高光谱成像仪（400～1 000 nm）搭载在经纬M600Pro无人机上,选择晴朗无风的试验环境,实时获取研究区高光谱遥感影像。对采集的研究区高光谱遥感影像进行几何校正、图像裁剪、辐射校正等预处理;将研究区内地物分为背景地物和建筑垃圾两大类,其中背景地物包括芦苇、蒿子、水体、阴影、裸土和柏油路,建筑垃圾包括白色塑料、防尘布、地基渣土和瓦砾砂石;基于影像像元选取样本点,分别提取研究区内6种背景地物和4种建筑垃圾的光谱信息,制作光谱曲线,并依据光谱特征差异,选取特征波段,通过波段计算统计并选取合理阈值,利用决策树分类法实现背景地物的分离和建筑垃圾的识别提取;针对不同类别的背景地物和建筑垃圾分别选取验证样本点,对背景地物的分离结果和建筑垃圾的识别结果进行精度评价。结果表明,背景地物和建筑垃圾总体识别精度为85.91%,Kappa系数为0.845;针对建立的背景地物分离决策树,6种背景地物的分类效果均较好,其中芦苇、柏油路和裸土的生产者精度为95%,整体能较好的将背景地物分离;针对建立的建筑垃圾识别决策树,防尘布和瓦砾砂石的生产者精度为95%,白色塑料和地基渣土的生产者精度为90%,能精确的提取研究区内的建筑垃圾。研究表明决策树分类法在无人机高光谱遥感影像中实现建筑垃圾的识别与提取具有很好的分类准确度,同时也验证了无人机高光谱遥感在建筑垃圾分类提取领域的科学性和可行性,对未来建筑垃圾的分类识别工作具有一定的实际意义。     

基于高分一号卫星WFV影像的水稻信息提取模式

通过卫星影像利用水稻不同物候期的特征对其进行识别是目前在水稻信息提取方面比较有效的方式。首先根据水稻区别于其他植被的显著特征,即水稻生长前期稻田的下垫面含有大量水的特性,将用于提取水域信息的归一化水体指数(normalized difference water index,NDWI)合理地应用在水稻前期的信息提取中,并且利用两个物候期的NDWI做比值,扩大了水稻与其他地物之间的差异。再借助归一化植被指数(normalized differential vegetation index,NDVI）在不同物候期的增长变化特征可以进一步提高水稻信息提取的精度。研究发现充分利用水稻在不同物候期的特殊性,并结合与水稻特性相关的指数,将NDWI和NDVI两种指数同时用于水稻提取,确定合理、准确、有效的提取方法是提高水稻提取精度的主要途径。本文以安徽省来安县的水稻为研究对象,基于2013年7月12日和8月30日获取的两幅高分一号卫星WFV影像数据,利用水稻分蘖期和抽穗期的NDVI和NDWI构建了水稻信息提取模式,有效地提取出了来安县的水稻信息分布并进行制图,最后结合在研究区野外实地考察的信息数据对提取结果进行验证和评价。研究结果表明利用该模式能够快速、准确地从遥感影像上获取水稻分布信息,具有很好的普适性。     

结合DEM的红边-近红外植被指数提取城市植被信息

随着生活水平的不断提高,城市植被已成为衡量城市宜居性的重要标准之一,对城市生物多样性评估和保护起到非常重要的作用。因此,合理规划城市植被是解决环境问题和提高生活质量的重要手段。因此,城市植被的提取和监测成为重中之重的任务。目前,城市植被提取一方面受到地域和物种的影响,另一方面也受到地形和建筑物阴影的影响。为解决上述问题,提出了一种结合数字高程模型(DEM)的红边-近红外植被指数模型（RENVI）。首先选取了3景经过辐射定标和大气校正的具有红边波段、且光谱和空间分辨率较高的Worldview-3遥感影像;然后,根据红边波段对于植被具有较高的敏感性,且红边范围内的光谱数据与反映植被生长状况的参数有较好的相关关系原理,采用DEM模型和红边波段光谱差异,有效去除地形和建筑物阴影;最后,在可见光波段范围内建立红边光谱-近红外光谱构建特征空间,构建了红边-近红外植被指数模型,同时与归一化植被指数（NDVI）和增强型植被指数（EVI）进行城市植被提取的定性和定量对比分析。定性分析是利用真实植被影像参考图与模型提取植被影像进行视觉分析;后者是采用用户精度、生产者精度、总体精度和Kappa系数进行量化分析。定性分析表明：NDVI和EVI提取城市植被,由于建筑和道路像元混淆在植被中,产生了错分和漏分的问题。RENVI较好地消除了阴影像元与植被像元混淆问题,能准确的提取城市植被,减少了冗余度,增加了植被指数的信息量。定量分析表明：RENVI模型较NDVI和RVI能够准确提取城市植被,3景影像总体精度分别为89%,81.4%和91.8%,Kappa系数分别为0.852 8,0.791 3和0.905 2。综上所述,该方法有效提高了城市植被提取精度,并取得了较好的提取视觉效果。     

基于ALOS卫星图像阴影的天津市建筑物高度及分布信息提取

光谱差异是提取建筑物阴影信息的一个重要依据.基于ALOS卫星图像阴影与建筑物高度关系的分析,文章阐述了依据阴影来估算建筑物高度的原理和方法,辅以数据融合的方法,利用多光谱影像中的光谱差异从ALOS全色图像中准确提取阴影信息,从而建立一种基于图像阴影提取城市建筑物高度及分布信息的标准化流程.同时,在天津的城市建筑物高度获取试验中,建筑物高度提取精度的抽样验证率达到87.6%,初步显示出了 ALOS卫星数据在城市建筑物高度测量方面的巨大潜力.     

基于卫星高光谱遥感的水体和林木面积测绘北大核心CSCD

高光谱卫星的出现和发展为遥感测绘提供了新的技术手段。与传统卫星图像相比,高光谱卫星图像含有更为丰富的光谱信息,能够对目标物进行更为准确的鉴别、分类、定位和测绘。以“珠海1号”高光谱卫星(OHS-C)所提供的高光谱卫星图片为样本,利用地物反射光谱结合自适应算法实现了对林木和水体的精确鉴别、增强标记和面积测量。利用比值法对光谱进行处理,在无需复杂校准的情况下便可去除大气情况及时间季节对光谱的影响。实验结果表明林木和水体鉴别的特异性和灵敏度均高于97%。依据本文设计的鉴别模型,计算得西丽水库官方水域计算总面积数约为4.6 km^(2),与官方数据的误差仅约为0.144 6 km^(2);计算得淇澳岛的绿化面积为22.171 3 km^(2),该岛总占地面积为23.8 km^(2),按照90%绿化面积计算得误差小于0.751 3 km^(2),且误差主要源于商用卫星的空间分辨率不足。     

基于端元可变的喀斯特地形复杂区石漠化信息提取

喀斯特山区因地形复杂、地表破碎等特点使得遥感影像中阴影、混合像元及光谱变异现象普遍存在,传统基于多光谱遥感的像元二分法（DPM）在光谱变异和阴影显著的区域难以准确的对喀斯特石漠化（KRD）信息进行提取。采用高光谱遥感的混合像元分解技术可将复杂的混合像元分解为纯净的地物光谱与各地物光谱对应的混合比例,为复杂山区获取更高精度的石漠化信息提供可能。然而,由于光照、环境及大气等诸多因素的变化会引起端元发生不同程度变异,导致在混合像元分解过程中出现显著的误差,其次要从地形复杂、地表异质性强的山区影像上直接获取地物纯净光谱建立用于应对光谱变异的光谱库极其困难。因此,如何在这种情况下应对光谱变异和地形效应,获取有效、准确的对石漠化信息进行提取是当前研究的重点。针对以上问题,采用通过模拟由光照条件造成的地物反射率变化,并考虑每个波长间隔光谱变异情况的广义线性混合模型（GLMM）,以减轻喀斯特地区石漠化信息提取过程中光谱变异与地形效应的影响。首先,从GF-5高光谱影像中提取喀斯特地区主要地物（植被、裸岩、裸土）的典型代表性光谱,然后基于提取的地物光谱模拟不同光照下每个像元光谱的变异情况,选择最适合的光谱组合对像元进行分解,得到最优的解混效果。为了验证方法的可靠性,利用高分辨率影像目视解译的结果作为参考对方法预测结果进行验证,同时选择未考虑端元变异的全限制最小二乘法（FCLSU）和DPM进行对比。结果表明,在地形高度复杂的喀斯特山区,考虑阴影、混合像元及光谱变异是必要的,GLMM在石漠化信息提取中总精度达到了84.89%,明显高于其他两种方法的59.68%和67.34%。通过对光照区和阴影区分别进行精度检验,发现GLMM在光照区与阴影区有着相似的精度表现,而另外两者则差异较大,阴影区明显低于光照区。这反映GLMM能较为有效地减轻地形效应的影响,对喀斯特石漠化信息提取的精度有一定提升。     

基于珠海一号高光谱卫星的巢湖叶绿素a浓度反演

叶绿素a是重要的水质参数,可以衡量水体的富营养化程度。遥感技术可以实时、快速、大范围地获取水体中叶绿素a的浓度与分布,对于水生态环境的评价及治理具有重要意义。内陆水体的光谱特征复杂,宽波段的多光谱遥感难以精确获取水体的光谱信息。国产珠海一号高光谱卫星因其光谱分辨率高,波段多等优势在内陆湖泊的遥感监测中具有广阔的应用前景。基于珠海一号高光谱数据,充分发挥其高光谱分辨率的优势,对巢湖的叶绿素a浓度进行反演,从影像中提取实测点处的遥感反射率曲线,筛选具有显著光谱特征的波段,并以OIF指数衡量不同波段组合获取水体组分信息的能力,以此构建与实测叶绿素a浓度相关性较高的波段组合。结果表明珠海一号OHS-2A星影像的14,16和19波段所构建的三波段模型[R_rs(700 nm)-1-R_rs(670 nm)-1]×R_rs(746 nm)在巢湖的叶绿素a浓度反演中取得了较高的精度,相对误差和均方根误差分别为19.97%和10.85 mg·m-3。由模型反演巢湖2019年5月10日的叶绿素a浓度空间分布图可知,叶绿素a浓度自东向西呈上升趋势,全湖南部和东北部的叶绿素a浓度较低,西巢湖的北部叶绿素a浓度最高。西巢湖的整体叶绿素a浓度是全湖最高的,尤其是其北部水域,水质情况较差,已经出现了一定面积的水华,其主要原因在于该地区紧邻合肥市,人类活动强烈,污水废水排放量大。珠海一号高光谱卫星对于内陆湖泊的水质反演具有一定的优势,但也存在着数据处理困难,波段利用率低,反演模型普适性差等局限,今后仍需借助珠海一号高光谱数据开展更多的湖泊遥感研究,不断提出高光谱遥感影像处理的新方法,提高反演模型的精度与普适性,充分挖掘数据源的潜力,使其更好地服务于水质的遥感监测工作。     

水体氮磷高光谱遥感实验研究初探

水体中氮、磷含量是衡量水质的主要指标,遥感技术在环境监测中具有重要意义。利用高光谱遥感技术,通过测定实验室纯水条件下配比不同浓度氮、磷溶液的反射光谱,探索水体中有效态氮、磷的特征光谱。结果表明,氮在波长404和477 nm各有一反射峰,磷在350 nm处有一明显反射峰,且与浓度有很好的相关性,并以这些特征值建立了氮、磷浓度的遥感模型,为进一步遥感定量研究湖泊、水库和河流等大型内陆水体中的氮、磷奠定了基础。     

植被氮素浓度高光谱遥感反演研究进展

氮素是植被进行生命活动的必需元素,它在蛋白质、核酸、叶绿素和酶等物质的生物合成中起重要作用,并在植被的光合作用中起到关键作用。植被氮素浓度高光谱遥感反演技术是自20世纪70年代以来的研究热点。近年来随着高光谱遥感技术的发展,可将光谱波段在某一光谱区域进行细分的优势,为与植被氮素相关的光谱特性研究提供了有力的技术手段。结合近几年主要地理科学文献上发表的植被氮素浓度高光谱遥感监测的最新研究成果,介绍了植被氮素浓度高光谱遥感监测的原理及相关问题。从植被氮光谱指数、叶绿素指数的植被氮含量反演、回归模型和反演植被氮浓度影响因素的消除方面,详细介绍了植被氮素浓度高光谱遥感反演这四个方面的主要技术方法,总结分析了研究结论,并讨论了研究发展趋势。     

光谱特征提取对近似矿物光谱差异性影响分析

矿物光谱特征是基于光学遥感数据对矿物进行种类识别及定量反演的理论基础,光谱特征提取是高光谱数据常用的技术手段,但在多光谱数据中较少涉及。近似矿物识别是矿物光谱分类应用中的难点,目前还缺少有效指标来指示近似矿物类别光谱的差异性。光谱特征提取有望提高矿物分类精度,但该处理对近似矿物光谱差异性的影响还缺少相关研究。本文从矿物光谱差异性的原理出发,通过类间和类内光谱角的比值体现不同类别群体差异,并引入样本量因素,提出了类别可分比作为近似矿物光谱差异性的指标。以明矾石和高岭石两种近似矿物为例,对USGS光谱库光谱及Hyperion,ASTER,OLI等传感器的模拟数据进行光谱特征提取处理,通过对比处理前后矿物光谱差异性的变化,分析光谱特征提取对近似矿物光谱差异性的影响。实验结果表明,有效的光谱特征提取可以显著提高近似矿物光谱差异性,并且光谱分辨率越高,近似矿物光谱差异性越大。此外,光谱分辨率及中心波长设置对于包络线去除结果有很大影响,多光谱数据吸收特征提取效果有待进一步提高。该研究为今后近似矿物光谱识别精度的提高奠定了基础,也为未来新型遥感找矿传感器参数设置提供了参考。     

水质参数遥感反演光谱特征构建与敏感性分析

水质遥感监测是遥感的重要应用方向之一,作为传统水体采样化验的辅助手段,具有快速、大面积、无接触的技术优点。然而,目前内陆河湖水环境监测常用的遥感传感器大多是针对陆地观测或海洋水色观测而设计的,其性能指标的设计和设置并未考虑到内陆水体特性,限制了水质遥感定量监测的应用。针对这一问题,提出了一种基于变异系数和噪声占比指数的水质参数反演光谱特征构建方法,并通过光谱仿真模拟实验,研究光谱分辨率、信噪比以及辐射分辨率对典型水质参数反演模型的影响。选择上海市三项典型水质参数溶解氧（DO）、总磷（TP）和氨氮（NH₃-N）为研究对象,分别构建了水质参数反演光谱特征及相应遥感反演模型,然后开展光谱仿真模拟实验,定义了敏感度S和水质敏感微分指数CI,进行敏感性分析。最终从模型反演准确度和稳定性两个方面来评价仪器参数对水质参数遥感反演模型的影响。结果表明：光谱特征构建方法能有效确定水质参数反演特征波段。光谱分辨率对比值型的水质参数反演模型的影响较小,而信噪比和辐射分辨率对模型影响较大,随着信噪比和辐射分辨率的增加,水质参数模型精度和稳定性都有一定提升。综合仪器指标敏感性分析,可知当信噪比优于56 dB,辐射分辨率不低于9 bit,光谱分辨率适宜,能够较好地应用于内陆河湖水质遥感监测。该研究不仅可以为面向内陆河湖水质监测的传感器的研制提供参考和借鉴,还能为水资源监管部门进行水质遥感监测提供技术支持,有利于加快水环境智能化监测体系的构建。     

Landsat 8 OLI影像的高原山地阴影区冰川识别方法

冰川对气候变化极为敏感,其变化对区域气候、生态及水资源等有重要影响。对于高原山地区域而言,使用遥感数据开展冰川变化研究时,影像经常会有较大面积的山体阴影。阴影使地物目标反映的信息量有所损失或受到干扰,在遥感影像数据上难以判读。因此,基于遥感影像的山体阴影区冰川识别成为一个技术难点。选择青藏高原上的大型山地冰川群为实验区,基于Landsat 8 OLI影像数据,分析了山体阴影区冰川与非冰川的波段反射特征,结果表明由于阴影区直射光被遮挡,波长较短的蓝光波段因具有更高的散射强度,是阴影区冰川识别的优势波段;长波波段在阴影区无论是冰川还是非冰川区域反射率都很低,难以区分。在此基础上提出针对山体阴影区冰川信息提取的增强指数算法,并与常规的冰川信息提取方法进行效果对比,结果表明增强指数方法得到的直方图分割阈值更为明显。从冰川信息提取结果来看,无论是空间分布还是面积误差比例,采用优势波段的增强指数法效果最好。在高原山地区域进行大规模冰川提取时,采用所提出的山体阴影区冰川信息增强指数算法,有助于提高整体工作效率。