航天成像光谱仪CHRIS在内陆水质监测中的应用

欧空局2001年10月22日成功发射的PROBA卫星上搭载了紧密型高分辨率成像光谱仪（CHRIS），它可以提供高光谱分辨率、高空间分辨率和多角度的遥感数据，它代表了新一代的地球观测数据源。CHRIS有5种工作模式，其中模式2是专门为水体研究而设计的，它在400～1 050 nm的可见光至近红外有18个波段，每个波段数据的空间分辨率是17 m。CHRIS数据的高光谱分辨率、高空间分辨率和多时相覆盖的特点为内陆水质监测提供了有利条件。为了验证CHRIS在内陆水质监测中的具体应用，在太湖梅梁湾开展了水面综合试验，在梅梁湾均匀分布的14个水面采样点分别测量了水面光谱和水质参数。利用这些数据，同时结合CHRIS数据的光谱特征，建立了叶绿素浓度反演半经验模型，应用于CHRIS图像反演了太湖梅梁湾的叶绿素浓度分布图，并取得了较好的结果。最后指出CHRIS数据不但在内陆水质监测中具有巨大潜力，而且CHRIS遥感器是今后内陆水质监测卫星遥感器的典范。     

基于MODIS数据的积雪监测

通过对遥感卫星资料中云和雪的光谱特征的分析,提出利用中分辨率成像光谱仪(MODIS)红外、可见光谱段数据进行云、雪监测和分离的方法;并提供监测实例来说明利用MODIS数据可进行积雪监测。     

高光谱遥感技术的铅污染监测应用研究

从高光谱技术的发展及其在植被遥感领域的应用出发，探讨了植被高光谱特征研究及其常用分析方法，对在营养胁迫情况下植物的叶绿素等变化对高光谱遥感响应的特征进行分析；归纳了获得优势应用的植被指数和导数光谱，植被光谱信息提取方法；总结了土壤遭受重金属铅污染及其对植物的影响的机理；针对遭受污染胁迫的植物的地面高光谱特征提出了利用地面高光谱遥感技术作为土壤及植物重金属污染的遥感监测手段；在探讨其应用现状的同时展望了高光谱遥感数据支撑与校验的应用前景。     

卫星遥感技术在土地利用动态监测应用中的误差分析及精度评价

本文分析了土地利用动态遥感监测中，影响监测结果的误差构成及其类型，给出了精度评价指标，研究了减少各种误差的方法，明确了遥感技术在土地利用动态监测中的可行性，为土地利用动态遥感监测成果在实际工作中的应用提供了依据。     

成像光谱仪遥感现状与展望

成像光谱仪是80年代发展起来的一种新型遥感器,它在接收地物目标影像的同时,也获得了各像元的光谱组成。因具有较高的光谱分辨率和空间分辨率,在精细的遥感定量分析方面具有很大的潜力,现已成为遥感技术与应用领域内的两个热点之一。简要分析了成像光谱仪数据的特点,主要评述了其数据应用方法的现状和未来发展的趋势。     

高光谱遥感在植被监测中的研究综述

高光谱遥感数据已成为地表植被地学过程中对地观测的强有力的工具。综述了利用高光谱遥感数据进行植被监测的研究进展,主要包括以下三个部分:(1)高光谱遥感信息的处理方法;(2)高光谱遥感数据用于植被参数估算与分析;(3)高光谱遥感数据在植被生长监测中的作用。     

基于光谱角和光谱距离评价指标的遥感影像融合方法比较研究——以QuickBird数据为例

遥感数据融合是一种得到具有较高空间分辨率和光谱分辨率数据的有效方法,而如何保持地物光谱特性是遥感数据融合的关键问题。QuickBird卫星数据是高空间分辨率遥感数据的典型代表,探讨QuickBird数据的融合方法对于促进该数据的广泛应用具有重要意义,同时也能为其他高分辨率数据的处理提供借鉴。以QuickBird高分辨遥感数据为例,比较研究了目前针对高分辨率遥感数据常用的高通滤波、小波变换、Gram\|Schmidt和Pan\|sharpening 4种融合方法,以反映光谱曲线变化程度的光谱角和光谱距离为指标,评价了4种融合方法对多光谱影像地物光谱信息的保持能力。结果表明:小波变换在显著提高空间分辨率的同时最大程度地保持了原始多光谱影像的光谱信息,是4种方法中最适合QuickBird遥感数据的融合方法。     

CCSDS压缩算法对高光谱数据质量的影响研究

成像光谱仪能够探测获取目标的空间信息和光谱信息,逐渐在军事/民用遥感领域广泛应用.然而随着成像光谱仪的空间分辨率和光谱分辨率的提高,数据量也飞速提高.受数据下行链路带宽限制,星载高分辨率成像光谱仪所获取的海量数据必须进行有损压缩,而采用有损压缩又带来了一个关键问题:有损压缩所造成的数据失真究竟会对高光谱数据质量及后续遥感应用造成怎样的影响.本文基于CCSDS压缩算法的两种压缩方案,从统计性能、辐射性能、空间性能、光谱性能和应用性能5个方面,系统性分析了数据压缩对高光谱数据质量造成的影响.结果表明,利用高光谱数据的高谱间相关性,采用谱间去相关与CCSDS空间数据压缩相结合的方案,与直接采用CCSDS进行空间数据压缩的方案相比,具有更好的压缩性能,对高光谱数据质量造成的影响更小.     

轻型飞机成像光谱图象几何校正技术研究

成像光谱测量技术是近年来遥感领域的发展前沿之一，该技术以高光谱分辩率、高空间分辩率、高时相分辨率及普像合一为主要特征，在国民经济各个领域得到广泛应用。在剖析轻型飞机成像光谱测量系统成像环境特征的基础上，深入研究了低空遥感图象几何学理论，并利用数学模型分析方法，建立了航空成像光谱图象几何畸变模式及几何校正模型；提出了适合本系统的几何处理流程。利用所建立的几何校正模型和软件，对机载可见光/短波红外成像光谱数据进行了几何特性分析及几何校正，取得较好的图象处理效果，并证实了系统的实用性。     

植被物候遥感监测研究进展

植被物候信息是评价气候—植被交互影响、土地覆盖率以及生态系统年际生产力变化的关键指标。传统物候监测方法以目视观察为主，监测范围受限且人力物力消耗大。遥感技术作为近年来新兴的监测手段，具有监测范围大、信息获取便捷以及节省人力物力等特点，其应用进一步推动了植被物候动态监测研究的发展。本文首先对近年来植被物候遥感监测流程进行梳理，明晰了现有的遥感物候监测体系；概述了可用于建立植被生长曲线遥感数据源，并对不同数据源的应用情境进行了讨论；总结了现有的曲线降噪算法及应用流程，对不同方法进行降噪处理时误差成因进行了分析；归纳了目前主要的植被物候提取方法；最后讨论了数据分辨率、植被物候阶段定义以及监测时效性等植被物候遥感监测中尚存的不确定性因素，并对未来植被物候遥感监测研究的主要方向进行了展望。     

遥感技术在毒草识别中的研究进展

毒草的滋生蔓延严重破坏草地生境,制约草地畜牧业的发展。遥感技术作为牧场管理的一种重要的技术手段,其传感器自身的空间分辨率和光谱分辨率的高低是决定毒草识别成功与否的关键。于毒草独特的物候特征出现时获取影像数据能帮助提高分类识别的精度。回顾了3种遥感技术在毒草识别中的研究进展。航空摄影成本高、数据处理复杂,难于得到推广 ;多光谱卫星遥感大多空间分辨率低,仅在识别大面积滋生、密度较大的毒草方面展现出了一定的潜力 ;高光谱遥感的出现改善了对植被分类识别的精度,是未来毒草识别的主要依据。由于高光谱数据的冗余性和复杂性,数据处理技术和分类方法的选择也是影响毒草识别精度的重要因素。     

改进SeMask主干网络的高分辨率遥感影像变化检测模型

随着城市化进程的加速和人口不断增加, 土地资源的利用和管理变得愈发重要. 高分辨率遥感影像技术的发展为土地覆盖类别变化检测提供了新的途径. 目前, 多数遥感影像变化检测任务主要针对显著建筑物的变化检测, 缺少对土地覆盖类别变化检测任务的研究, 本研究基于公开数据集, 对更多土地覆盖类别变化情况进行标注. 在原语义分割主干网络的基础上结合孪生网络结构, 提出适用于土地覆盖类别变化检测任务的检测模型, 该模型在网络的特征提取阶段加入变化引导模块, 以辅助网络关注两时相影像中的变化信息, 并在网络不同阶段加入通道信息交互模块, 以增强不同特征图的信息融合. 同时, 在特征提取阶段最后一层加入特征对齐模块, 以缓解下采样过程导致的特征偏移. 在土地覆盖类别变化检测数据集上的实验结果表明, 本文提出的方法可以有效提取影像中的变化信息, 并提高分割精度.     

U-Net Neural Networks and Its Application in High Resolution Satellite Image Classification

High-resolution remote sensing images have precise geometric structure and spatial layout, but the spectral information is limited, which increases the difficulty of classifying similar features of spectral features. Aiming at the problem of high resolution remote sensing image classification, a U-Net convolutional neural network classification method based on deep learning is proposed. Based on the remote sensing image of the Ejina Oasis GF-2 in the lower reaches of the Heihe River, the U-Net model was used to extract the five types of land cover types of Populus euphratica, Tamarix chinensis, cultivated land, grassland and bare land. The overall classification accuracy and Kappa coefficient were 85.024% and 0.795 6 respectively. Compared with the traditional Support Vector Machine(SVM) and object-oriented method, the results show that compared with SVM and object-oriented method, the U-Net model is used to classify the high-resolution remote sensing, and the classification effect is better. The ground extracts the essential features of the features to meet the accuracy requirements.     

深度学习U-Net方法及其在高分辨卫星影像分类中的应用

高分辨率遥感影像有精确的几何结构和空间布局,但是光谱信息有限,增大了对光谱特征相似地物的分类难度。针对高分辨率遥感影像分类的问题,采用深度学习U-Net模型分类方法。基于黑河下游额济纳绿洲高分二号遥感影像,通过U-Net模型提取胡杨、柽柳、耕地、草地和裸地五种地物覆被类型,分类总体精度和Kappa系数分别为85.024%和0.795 6,并与传统的支持向量机（SVM, Support Vector Machine）和面向对象的分类方法比较,结果表明：相对于SVM和面向对象,基于U-Net模型的高分辨率卫星影像地物覆被分类,能够更好地对地物本质特征进行提取,分类效果较好,满足精度要求。     

小波局部高频替代融合方法

IHS变换是图象融合的经典算法之一。采取IHS变换与小波变换结合的融合算法是近年发展起来的遥感数据融合方法,发挥了IHS和小波两种变换算法的优点。效果比用单一一种方法更显著,提出了小波局部高频替代的融合方法。ETM遥感数据5、4、3波段由IHS盂塞尔彩色空间正变换后的Ⅰ亮度分量,经与全色波段中高能量替代的小波变换,形成一个新的集中了Ⅰ亮度分量和全色波段高频能量的新分量,再通过IHS进行反变换,经过实验,表明此方法可显著提高融合后图象的分辨率,同时又保持了原来多光谱图象的光谱信息。将此方法处理结果用在四川岷江“退耕还林”遥感调查项目中,可以提高土地利用计算精度。     

Study on Extraction Method of Abandoned Farmland based on the Seasonal Variation Characteristics of Remotely Sensed Images

In southwestern China, the cultivation conditions are poor, the plots are relatively fragmented, and the types of plots are complex. Therefore, the use of low and medium resolution remote sensing data is not able to satisfy the needs of abandoned farmland extraction. This paper explored the ability of single or multi-phased high resolution remotely sensed images in detecting abandoned farmland in southwest China, using Xiuwen County, Guizhou Province, China as a case study area. Remote sensing based monitoring methods for abandoned farmland were developed, providing a reference for the statistical survey of abandoned farmland in southwest China.The extraction method of abandoned farmland was proposed based on the field survey data, considering different types of abandoned farmland. Sensitive feature sets of different types of abandoned farmland were identified from a series of features including the spectral characteristics, vegetation indices and multi-temporal difference vegetation indices. The CART decision tree classification method was applied on the selected sensitive features to extract abandoned farmland. The results showed that:(1) There was a significant difference in the recognition ability of single-phase image in extracting different types of abandoned farmland, so it was difficult to use only single-phase image to extract abandoned farmland with high accuracy; (2) The vegetation index change characteristics of different time phases had strong recognition ability for abandoned farmland, and the ratio vegetation index was better than the difference vegetation index and normalized vegetation index; (3) The spatial distribution map of abandoned farmland and the statistical analysis of abandoned farmland area were carried out in Xiuwen County, Guizhou Province. The area of abandoned farmland in Xiuwen County was about 6,460 hectares, accounting for 13% of the cultivated land area.（4）Based on multi-temporal high-resolution remote sensing data, the method of detecting abandoned farmland using seasonal variation characteristics can meet the requirements of high-precision extraction of abandoned farmland in southwest China, and the results provided technical reference for remote sensing survey and mapping of abandoned farmland in large-scale.     

基于季相变化特征的撂荒地遥感提取方法研究

在我国西南地区耕种条件差,地块比较破碎,地块类型比较复杂,中低分辨率遥感数据难以满足撂荒地提取的需要。选取贵州修文县为试验区,基于高分辨率卫星遥感数据（哨兵2号）,探索单期或多期影像在中国西南地区的撂荒地检测能力,构建撂荒地遥感监测方法,为今后我国西南地区撂荒地统计调查提供参考。结合野外调查数据,在划分不同撂荒地类型基础上,综合遥感影像的光谱特征、植被指数特征以及多时相植被指数变化特征分析,优选不同类别撂荒地遥感提取敏感特征集,利用CART决策树分类方法,提取不同类型的撂荒地。结果表明：①单个时相对不同类型的撂荒地识别能力差异显著,基于单时相影像,难以开展撂荒地高精度遥感监测提取;②不同时相的植被指数变化特征对撂荒地的识别能力较强,其中比值植被指数优于差值植被指数和归一化植被指数;③以贵州修文县为例,开展了撂荒地空间分布制图及撂荒面积统计分析,修文县撂荒地面积约为6 460 hm²,占修文县耕地面积的13%;④基于多时相高分辨遥感数据,通过季相变化特征构建的撂荒地检测方法,能够满足我国西南地区撂荒地高精度遥感监测提取,为大范围撂荒地遥感调查和制图提供技术参考。     

面向对象特征融合的高分辨率遥感图像变化检测方法*

针对高分辨率遥感图像变化检测的难点和传统像元级变化检测方法的局限性,提出了基于面向对象的思想,利用分割后图像对象的光谱特征、纹理特征、形状特征分别进行变化检测,然后将不同对象特征检测结果进行融合得到最终结果。实验表明了本方法比传统的像素级方法对高分辨率遥感图像变化检测有较强的优势。     

基于U-Net的高分辨率遥感图像土地利用信息提取

随着现代遥感技术的迅速发展,遥感图像的质量和数量得到了显著的提升,新技术带来的高分辨率遥感图像所蕴含的信息也更加丰富,如何利用人工智能手段辅助挖掘这些丰富的信息也成为了遥感图像分析与理解的重要内容。与此同时,以深度卷积神经网络为代表的人工智能技术在图像处理领域大放异彩。得益于类人眼的分层卷积池化模型,深度卷积神经网络可以在图像分割和分类等任务上取得优异的结果。因此采用U-Net为代表的深度卷积神经网络对2 m的高分辨率遥感影像进行了特征提取、分割和分类,不同于传统基于手工设定图像特征的方法,U-Net可以自动对海量高分辨率的遥感图像进行特征提取,从而充分挖掘高分辨率遥感影像中复杂的非线性特征、光谱特征和纹理特征。实验结果表明：利用训练好的U-Net模型对新昌县土地利用分类计算时间为55.7 s,分类准确率可达90.95%,Kappa系数为0.86。U-Net模型可以快速、精确地提取高分辨率遥感影像中的地表覆盖特征,得到高精度的土地利用分类结果,说明将该模型应用于遥感影像土地利用分类提取有着广阔前景。     

基于CBERS-02B和SPOT-5全色波段的图像融合纹理信息评价研究

CBERS-02B是我国第一代传输型陆地资源遥感卫星,搭载的传感器可以获得2.36 m分辨率的全色波段数据。通过遥感影像融合技术,将CBERS-02B全色数据和SPOT-5全色数据与SPOT-5多光谱数据10 m分辨率的图像进行了多方法的融合处理,通过对融合后图像的空间纹理信息进行比较和评价,获得了纹理信息的特征参数值。通过目视评价和定量分析,认为用CBERS-02B全色数据融合的影像在空间纹理上比SOPT-5融合的影像有优势。因此,CBERS-02B的全色波段是一种较高质量的高分辨率数据,应用前景广阔。