高分三号卫星全极化SAR影像九寨沟地震滑坡普查

基于光学遥感影像的区域滑坡普查易受云雾天气的影响,存在滑坡体调查不全面的问题,无法满足震后应急调查与恢复重建的需求。本文提出了一种极化SAR卫星数据滑坡普查方法,采用高分三号全极化SAR卫星影像数据,以九寨沟地震震区为实验区,在深入分析滑坡体和其他地物类型散射特征的基础上,融合极化特征、纹理特征和地形特征等多维特征信息,结合高分二号影像获取的训练样本,构建基于BP神经网络的全极化SAR数据滑坡自动识别模型,实现滑坡体的自动快速识别。与高分辨率光学影像与无人机航空影像目视解译结果相比较,总体识别精度为92.8%,Kappa系数为0.715,识别准确度满足地震应急实际应用的需求。研究成果可用于震区大区域滑坡体的普查,为后续开展无人机高分辨率影像滑坡体详查、灾后应急与景区恢复提供辅助信息支撑,并促进国产高分SAR卫星数据在防震减灾中的应用。     

地震滑坡高分辨率遥感影像识别

区域性地震滑坡信息获取目前主要通过遥感目视解译和计算机提取,存在主观性强、耗时费力、提取精度低等问题,导致难以满足灾后应急调查、灾情评估等方面的应用需求。采用资源三号、高分一号高分辨率遥感影像,以汶川震区为实验区,在地震滑坡灾害特征分析的基础上,通过多尺度最优分割方法构建多层次滑坡对象,融合光谱、纹理、几何等影像特征和地形特征信息建立多维滑坡识别规则集合,基于高分辨率影像认知模式与场景理解过程提出滑坡分层识别模型,从而实现地震滑坡空间分布及其滑源区、滑移区和堆积区的准确识别。实验区分析结果显示最低识别精度为81.89%,而滑坡的堆积区最容易被分辨,识别方法具有可推广性。研究成果可为灾后应急调查提供技术支撑,并促进国产高分辨率遥感卫星的地质灾害应用。     

高分一号汶川极震区滑坡提取研究

选择汶川地震极震区的高分一号卫星影像,通过面向对象的分析技术提取滑坡信息;采用多尺度分割算法,结合高分影像和滑坡特点将以往经验式参数选取方法进行优化,分析极震区滑坡的特征,选择合适的特征参数,构建分类规则,实现滑坡的识别与提取。滑坡灾害信息的提取结果采用野外实际调查的滑坡点进行精度评价,滑坡提取总精度为84%,表明利用高分一号高分辨率卫星数据可以较好地提取滑坡灾害信息,基本满足滑坡灾害识别的要求。     

利用无人机影像进行滑坡地形三维重建

针对滑坡表达研究的需要,提出了一种基于无人机影像序列的滑坡地形全自动鲁棒三维重建方法。以某滑坡区为试验场地,利用无人机搭载小型数码相机获取滑坡影像,辅助飞控数据建立的影像拓扑关系,依据计算机视觉原理,对滑坡地形进行了全自动三维建模,生成了包含颜色信息的三维点云数据,构建了滑坡体数字表面模型(DSM)。结果表明:该方法可快速实现滑坡三维地形精细测绘,有效降低作业成本和劳动强度;所建模型可准确表达滑坡体的空间分布特征,为正确分析评价滑坡稳定性提供了有力支持,尤其适合在困难山区或潜在危险地区的滑坡遥感动态监测。     

顾及影像拓扑的SfM算法改进及其在灾场三维重建中的应用

快速、准确的大场景影像三维重建技术可为灾害应急响应和灾情评估提供重要的决策依据。本文针对运动恢复结构(SfM)算法效率低的问题,提出了一种顾及影像拓扑关联关系的拓扑-运动恢复结构(TSfM)算法。TSfM算法利用低空无人机(UAV)自身的飞控记录构建影像拓扑关联关系,缩小了特征匹配时的影像搜索范围,与传统SfM算法相比,影像匹配的时间复杂度由O(n2)降低为O(n)。实验结果表明,TSfM算法实现了基于无人机影像序列的灾场快速三维重建,重建模型的相对精度与SfM算法的重建精度一致。将该方法用于四川芦山地震UAV影像三维重建,可检测出地震滑坡体及其形态信息。     

2017年“8.8”九寨沟地震滑坡自动识别与空间分布特征

2017年8月8日发生的7.0级九寨沟地震诱发九寨沟熊猫海附近产生大量的滑坡体，造成道路阻塞，严重影响地震应急救援进度。为快速准确地识别滑坡分布范围，本文在深入分析滑坡遥感影像特征的基础上，引入面向对象分析方法，实现了基于无人机影像的震后滑坡体的自动识别。通过多尺度分割算法获取滑坡多层次影像对象，利用SEaTH算法自动构建每一层次特征规则集，实现基于不同层次分析的滑坡体自动识别。分析滑坡体在地形、活动断层等因子中的空间分布特征，为地震滑坡预测与危险性评价奠定基础。与人工目视解译结果相比较，基于面向对象的滑坡自动识别方法提取精度可达94.8%，Kappa系数为0.827，在电脑配置相同的情况下，自动识别方法的效率是人工目视解译效率的一倍。空间分布特征分析表明，地震滑坡的空间分布与斜坡坡度、地形起伏度呈正相关关系，与地表粗糙度存在负相关关系，研究区滑坡体分布存在明显的断层效应。     

基于“高分+”的金沙江滑坡灾情监测与应用前景分析

基于“高分+”，探索以“高分+地质灾害”模式对10·11与11·3金沙江滑坡灾害开展灾情应急分析，利用灾害前后的高分遥感影像解译了滑坡灾害的基本灾情信息，分析了灾害前后孕灾及变形蠕动特征，对灾后白格堰塞湖及周边开展了隐患灾害排查，查明了堰塞湖两岸存在疑似裂缝与次生滑坡隐患点，开展了二次滑坡灾后灾区道路通达性分析。结果表明，“高分+”模式对类似金沙江滑坡等山区自然灾害巡排查、灾情跟踪监测及灾后应急抢险道路优选具有较大的应用前景。     

迁移学习支持下的高分影像积云提取方法研究

针对传统影像质量检查工作中积云提取存在人工作业量大、操作烦琐等问题,本文通过引入迁移学习机制,将已有数据集训练过程中得到的神经网络参数迁移到解译模型构建中,提出了一种适用于积云的自动提取方法。本文以湖南省不动产统一登记基础数据为实验对象进行了实验,结果表明,本文方法的浓积云提取总体精度可以达到90%以上,淡积云提取的总体精度可以达到87.3%,表明本文研究可用于高分影像积云自动提取。     

期刊博览

正地震滑坡高分辨率遥感影像识别《遥感学报》2017年第4期本文采用资源三号、高分一号高分辨率遥感影像,以汶川震区为实验区,在地震滑坡灾害特征分析的基础上,通过多尺度最优分割方法构建多层次滑坡对象,融合光谱、纹理、几何等影像特征和地形特征信息建立多维滑坡识别规则集合,基     

无人机倾斜摄影在高生地滑坡灾害调查中的应用

以九龙县高生地滑坡为例,论述了无人机获取倾斜影像并建模的流程,对生产的模型进行了精度分析。通过解译,提取灾害体分布、高生地滑坡面积、变形特征等信息,提高了信息的获取能力。     

泸定Ms 6.8地震诱发滑坡应急评价研究

2022-09-05,四川省甘孜州泸定县发生Ms 6.8地震。地震在山区诱发了大量的地质灾害,造成了严重的人员伤亡。快速准确地获取地震诱发地质灾害的空间分布范围对震后应急决策和救援抢险至关重要。基于全球同震滑坡数据库与深度学习算法,构建了地震诱发滑坡空间分布概率近实时预测模型,在震后2 h内获取了泸定地震诱发地质灾害的预测结果。通过震后无人机与卫星遥感影像,采用机器学习与深度学习算法实现了震后大范围地质灾害的智能识别,共解译地震诱发滑坡3 633处,总面积13.78 km2。利用遥感解译的泸定地震滑坡数据,对地震诱发地质灾害预测模型进行了优化,获得了震区范围更广、准确性更高的同震滑坡预测结果。结果表明,同震滑坡预测模型能够快速获取震后地质灾害的空间分布情况,填补震后遥感影像获取前的空窗期,为灾后应急救援提供支撑;基于无人机与卫星遥感影像的智能识别技术是快速获取大范围地质灾害信息的有效手段。所取得的研究成果在泸定地震震后应急救援工作中发挥了重要作用。     

Tree Crown Detection,Delineation and Counting in UAV Remote Sensed Images: A Neural Network Based Spectral–Spatial Method

UAVs are fast emerging as a remote sensing platform to complement satellite based remote sensing. Agriculture and ecology is one of the important applications of UAV remote sensing, also known as low altitude remote sensing (LARS). This work demonstrates the use and potential of LARS in agriculture, particularly small holder open field agriculture. Two UAVs are used for remote sensing. The first UAV is a fixed wing aircraft with a high spatial resolution visible spectrum also known as RGB camera as a payload. The second UAV is a quadrotor UAV with an RGB camera interfaced to an on-board single board computer as the payload. LARS was carried out to acquire aerial high spatial resolution RGB images of different farms. Spectral–spatial classification of high spatial resolution RGB images for detection, delineation and counting of tree crowns in the image is presented. Supervised classification is carried out using extreme learning machine (ELM), a single hidden layer feed forward network neural network classifier. ELM was modelled for RGB values as input feature vectors and binary (tree and non-tree pixels) output class. Due to similarities in spectral intensities, some of the non-tree pixels were classified as tree pixels and in order to remove them, spatial classification was performed on the image. Spatial classification was carried out using thresholded geometrical property filtering techniques. Threshold values chosen for carrying out spatial classification were analysed to obtain optimal values. Finally in the delineation and counting, the connected tree crowns were segmented using Watershed algorithm performed on the image after marking individual tree crowns using Distance Transform method. Five representative UAV images captured at different altitudes with different crowns of banana plant, mango trees and coconut trees were used to demonstrate the performance of the proposed method. The performance was compared with the traditional KMeans spectral–spatial method of clustering. Results and comparison of performance parameters of KMeans spectral–spatial and ELM spectral–spatial classification methods are presented. Results indicate that ELM performed better than KMeans.     

基于增强生成对抗网络的滑坡影像集超分辨率重建

针对高分遥感影像用于滑坡智能识别缺少高清训练集的问题,在组建高清滑坡训练集过程中,为充分利用低分辨率滑坡影像,本文采用基于增强型生成对抗网络模型(ESRGAN)实现了低分辨率滑坡影像集超分辨率重建。ESRGAN模型在SRGAN模型基础上,通过移除批归一化层、加入多级残差网络与残差缩放系数,提升了生成器的特征提取性能与稳定性,并采用迁移学习方法,基于毕节滑坡影像集与云南南景高速公路滑坡影像集进行试验验证。试验结果表明,基于迁移学习的ESRGAN模型在峰值信噪比(PSNR)与结构相似性(SSIM)方面获得更高得分,超分辨率重建取得更优结果。本文研究结果为获取滑坡高分辨率遥感影像集提供了一种新的技术方法。     

基于三维的地质灾害遥感解译标志管理系统设计与实现

总结了滑坡、泥石流地质灾害解译标志的内容和特点,建立了解译标志的数据模型和数据库,并对地质灾害的解译标志信息进行编码,研制了基于Virtual Globe三维环境的地质灾害解译标志管理系统.该系统对有效存储管理地质灾害解译标志,提高地质灾害遥感解译的工作效率具有重要价值.     

基于SIFT算法的无人机航空遥感影像匹配

当无人机低空飞行获取高分辨率遥感影像时,由于不同摄站点拍摄角度不同,使得建筑物等凸出地面的物体在立体像对上成像时产生投影差,导致物体成像几何形状发生畸变并且出现地面高层建筑物之间遮挡现象严重的问题,从而导致匹配困难,成为影响无人机航空遥感影像匹配质量的主要因素。本文采用对旋转、遮挡、缩放、图像局部灰度变化等都具有较强的稳定性的SIFT算法来进行匹配,并取得了很好的效果。     

面向地震应急调查的遥感应用现状及趋势分析

地震是一种会造成人类生命财产重大损失的突发性自然灾害,震后第一时间启动应急响应并开展灾情的快速评估能有效地减轻地震灾害带来的破坏。空间对地观测技术为宏观性的地震应急与调查工作提供了便捷、经济的途径,随着空间对地观测技术与数据处理技术的不断发展,各国学者对遥感应急调查开展了大量深入的研究工作,相关研究成果已广泛地应用于地震应急的实际工作中。但是,遥感数据类型与处理技术的多样化也带来了应急信息的散乱,导致遥感快速应急响应系统性不强,使得应急服务不持续,一定程度上限制了遥感技术的效能;为此,针对现阶段遥感技术在地震应急调查中的应用情况,在总结地震应急调查常用遥感技术手段的基础上,分析了遥感快速应急响应面临的技术挑战,重点梳理了地震应急不同阶段对遥感数据及应急专题产品产出类型与时效性的现实需求,结合震后灾区影像数据的情况,系统地分析了光学、雷达、激光雷达遥感技术在地震应急调查应用中的技术现状与存在的问题。在实际地震应用案例分析的基础,总结剖析遥感应急工作存在的问题,并重点从海量数据快速处理、震害信息智能化提取、多源数据协同分析3个技术层面论述了遥感地震应急面临的核心困难,基于此,结合在轨数据实时、海量数据快速处理就灾情智能化识别的多技术联合、多源数据协同分析、发展敏捷卫星等几个方面论述了未来遥感技术在防震减灾中的发展趋势,以期推动遥感监测手段提供动态、实时、持续的空间信息应急服务能力,提高地震应急工作的快速响应、精细化与业务化应用能力。本文的研究可以为多源遥感技术在地震应急调查中的科研及业务应用提供很好的参考,更高效的发挥遥感技术在防震减灾工作中的应用能力与水平。     

U-Net模型对不同空间分辨率防护林提取精度的影响

针对当前无人机影像获取精度高但数据规模小的问题,本文提出通过U-Net模型探讨不同空间分辨率对防护林提取精度的影响。以CW-20复合翼无人机搭载Micro MAC12 Snap多光谱传感器获取的300 m（空间分辨率0.15 m）、400 m（空间分辨率0.20 m）、500 m（空间分辨率0.25 m）3种不同高度的遥感影像为例,试验结果证明,3种不同高度的影像提取精度误差在1.3%以内;MIoU误差在3.7%以内。空间分辨率对防护林提取精度的影响较小,高空间分辨率的影像数据并不能显著提升防护林的提取精度。本文为大规模农林业遥感监测的数据源获取提供了理论依据。     

基于GF-1号影像的南方水稻种植信息提取

针对南方复杂地区水稻遥感信息提取研究中机器自动学习分类研究较少、分类精度不高的问题,以福建省三明市建宁县溪口镇为研究区,基于GF-1号卫星影像,采用面向对象的随机森林遥感分类算法对研究区内水稻田信息进行提取。首先通过优化面向对象分割参数和随机森林分类模型参数,提取并调用了影像中的多种特征;再对光谱特征、植被指数特征、纹理特征、几何特征进行特征空间优选;最后通过设置4种特征优选试验进行对比,得到最优分类模型。实验结果显示,基于特征空间优选的面向对象随机森林分类算法的水稻提取精度高达90%,分类总体精度可达87%,Kappa系数为0.85;与其他试验结果相比,漏分和误分现象较少,实现了南方地区水稻信息高精度自动识别。该方法计算特征少、实现简便,对于国产高分卫星影像在南方复杂地区作物自动提取中的应用具有参考性。     

星载SAR影像解译研究——以横断山脉地区为例

雷达遥感具有全天时、全天候的特点,在测绘中能够很好地弥补光学遥感的不足。随着SAR技术的不断发展,雷达影像得到了广泛的应用。然而受SAR相干侧视成像机制的影响,山区SAR影像的判读解译依然面临着巨大的挑战,制约着SAR在高山区测图、土地利用、地表覆盖等制图中的应用。本文以横断山脉地区为例,综合利用TerraSAR高分辨率升降轨影像,运用影像融合和镶嵌技术,结合实地调绘成果,对山区高分辨率星载SAR影像判读解译进行了深入研究,并最终形成了一套高效、可靠的解译流程。该判读解译流程对山区SAR影像在高山区测图、土地利用、土地覆盖制图中应用的推广具有重要的意义。