西南山地典型流域地震前后泥石流物源遥感精细识别——以九寨沟树正寨流域为例

泥石流物源的信息获取目前主要依靠野外勘查测量和目视解译提取,存在耗时费力、覆盖范围有限、主观性强等问题。遥感因其快速、大范围、高精度监测的特点为泥石流物源识别提供了更为可靠的方式。基于Sentinel 2影像和ALOS地形数据,根据物源区光谱特征和地形特征差异,采用面向对象的分类方法进行物源识别,实现了树正寨流域地震前后泥石流崩滑物源、沟道物源和坡面物源的遥感精细识别。实验结果表明:(1)基于无人机和Google Earth高分辨率影像选取验证样本发现,采用该方法的树正寨流域物源识别精度分别为震前85.71%,震后88.34%,对应的Kappa系数分别为0.77和0.76;(2)相比于传统基于像元的遥感分类方法,该方法震前和震后分类精度分别高出14.28%和22.70%,尤其对于小面积的崩滑单体识别有着更优秀的表现;(3)地震前后由于地震诱发崩塌滑坡等灾害导致物源总储量由1.85×106m~3增至3.99×106m~3,主要物源类型是崩滑物源,占比70.80%。总体而言,实验为泥石流物源的判识提供了基于高分辨率遥感影像观测的自动识别方法,判识结果也将为泥石流灾害防治及风险评估提供重要的科学支撑。     

汶川地震道路震害高分辨率遥感信息提取方法探讨

发生在四川省汶川县的“5.12”大地震给四川乃至全国带来了巨大的损失,道路是本次抗震救灾过程中的“生命线”,如何对道路的损毁状况进行快速准确的监测成为抗震救灾的一项重要工作。以汶川地震的重灾区--北川县为研究对象,利用震前震后的高分辨率遥感影像,通过面向对象的图像分类方法进行道路识别,并通过震前道路识别结果与震后影像的叠加和震前震后道路识别结果的变化检测提取出损毁的路段。信息提取的结果已在第一时间提交给相关部门,为生命线的尽快抢通提供了及时、科学的依据。     

基于机载LiDAR和多光谱图像的建筑物震害自动识别方法

地震破坏的建筑物在遥感影像上和空间上表现出的特征各异,致使遥感定量化估计其破坏程度较困难.本文介绍了基于LiDAR和多光谱影像相结合的多源遥感影像进行倒塌建筑物的面向对象识别的方法、分析处理步骤和特征参数选择,并以2010年1月12日海地地震后的太子港局部LiDAR数据和高分辨率卫星影像为例,提取了倒塌和未倒塌建筑物,经与高分影像目视解译结果比较,面向对象分类结果具有较高的分类精度.     

聚合VGI与GF-2影像的地震救援协助救灾信息获取研究

地震会给人类社会带来巨大损失,在地震发生后及时获得准确有效的地震救援协助救灾信息,为相关部门制定救援方案提供辅助信息,能够最大程度地减少人员伤亡及经济损失,对抢险救灾、应急指挥具有重大意义。地震发生后,为快速获取协助救灾信息,通过Python爬取九寨沟震后微博数据,分类并获取位置信息,聚合地震后自发地理信息（VGI）与遥感影像,进行服务区、最近设施点路径分析,并利用震前震后影像变化提取泥石流滑坡区域。结果表明：震后第一时间对有效数据进行聚合分析,能有效地获取设施点的服务区范围和最优可达路径,形成地理信息互补,在灾害应急等领域发挥出巨大的作用;通过聚合分析VGI与遥感影像数据获取地震协助救灾信息,在应急救援中具有一定可行性。     

聚合VGI与GF-2影像的地震救援协助救灾信息获取研究

地震会给人类社会带来巨大损失,在地震发生后及时获得准确有效的地震救援协助救灾信息,为相关部门制定救援方案提供辅助信息,能够最大程度地减少人员伤亡及经济损失,对抢险救灾、应急指挥具有重大意义。地震发生后,为快速获取协助救灾信息,通过Python爬取九寨沟震后微博数据,分类并获取位置信息,聚合地震后自发地理信息(VGI)与遥感影像,进行服务区、最近设施点路径分析,并利用震前震后影像变化提取泥石流滑坡区域。结果表明:震后第一时间对有效数据进行聚合分析,能有效地获取设施点的服务区范围和最优可达路径,形成地理信息互补,在灾害应急等领域发挥出巨大的作用;通过聚合分析VGI与遥感影像数据获取地震协助救灾信息,在应急救援中具有一定可行性。     

聚合VGI与GF-2影像的地震救援协助救灾信息获取研究

地震会给人类社会带来巨大损失，在地震发生后及时获得准确有效的地震救援协助救灾信息，为相关部门制定救援方案提供辅助信息，能够最大程度地减少人员伤亡及经济损失，对抢险救灾、应急指挥具有重大意义。地震发生后，为快速获取协助救灾信息，通过Python爬取九寨沟震后微博数据，分类并获取位置信息，聚合地震后自发地理信息（VGI）与遥感影像，进行服务区、最近设施点路径分析，并利用震前震后影像变化提取泥石流滑坡区域。结果表明：震后第一时间对有效数据进行聚合分析，能有效地获取设施点的服务区范围和最优可达路径，形成地理信息互补，在灾害应急等领域发挥出巨大的作用；通过聚合分析VGI与遥感影像数据获取地震协助救灾信息，在应急救援中具有一定可行性。     

利用随机森林和纹理特征的森林类型识别

针对利用遥感影像进行森林类型识别容易出现树种误分和模型复杂的问题,以高分一号卫星影像为数据源,结合遥感判读样地、植被指数、纹理信息以及地形因子等多源数据,构建最小距离分类模型、支持向量机分类模型和随机森林分类模型,对黑龙江凉水自然保护区森林优势树种进行分类。结果表明,基于随机森林模型的分类结果总精度和Kappa系数分别为81.01%和0.76,较支持向量机分类方法有明显提高。该研究为提高我国高分辨率数据的自给率和森林资源的有效管理提供了一定的参考价值。     

高分辨率光学遥感影像变化检测算法在地震灾情调查中的应用

遥感卫星可快速、动态地获取地震灾区大范围的高分辨率影像,已成为快速获取震后灾情信息的主要技术手段之一。基于震后灾情调查中广泛使用的光学遥感数据和变化检测算法,首先对遥感数据及其产品进行了归纳总结,在此基础上综述了基于高分辨率遥感影像的变化检测算法在震害提取中的应用,阐述了基于像元和面向对象两类变化检测方法的基本原理和优缺点,讨论和总结了应用中存在的问题和不足,以期为未来地震应急中的灾情调查工作提供参考。     

面向对象的高分辨率影像采煤塌陷地提取

煤炭开采引起了塌陷等一系列的地质环境问题,与常规监测方法相比,遥感技术可以实现大范围、高效率、周期性的动态监测。在遥感影像分类方法中,面向对象的遥感影像分类方法能更好地利用高分辨率遥感影像中丰富的纹理和几何结构信息。针对煤炭开采导致的地表塌陷地的特点,在归纳整理遥感影像中塌陷地判识准则的基础上,重点探讨了面向对象的遥感影像分类方法中塌陷地的自动提取规则。综合利用ERDAS IMAGINE9.2、ENVI4.7和ENVI4.4 ZOOM进行数据处理,以安徽省淮南矿务集团潘三矿区为实验区,用该方法利用SPOT５影像进行了塌陷地信息提取实验,结果证明,面向对象分类方法能有效地从高分辨率遥感影像中自动提取塌陷地相关信息。     

重视遥感技术在防震减灾中的作用

利用遥感技术可以在地震灾害救灾或者评估过程中进行以下工作：第一,利用中低分辨率的遥感影像获取震后灾情的宏观分布情况,以判断地震的影响范围,对活动断层、地震破裂带及次生地质灾害进行调查,分析活动断层的几何特性、构造地貌等;第二,利用高分辨率的遥感影像可以得到震态房屋的详细破坏情况,以满足灾情的详细判断和震灾评估的精度要求,     

实测光谱和欧氏距离在GF2卫星海冰提取中的应用

由于卫星受载荷分辨率和混合光谱限制,海冰遥感监测存在很大不确定性。为提高海冰提取精度,本文将实测光谱与高分辨率卫星数据有效结合,利用光谱数据进行GF2卫星等效反射率转换;基于欧式距离确定16种海冰判识指标的可分性;从而提出一种GF2卫星海冰快速提取方法,为中低分辨率卫星大范围的海冰监测提供基准订正数据。结果表明：①经过光谱曲线分析初步确定B2和B4波段是GF2卫星海冰遥感监测的敏感波段;②欧式距离计算结果反映16种判识指标中,B2/B4指标欧氏距离最大,海冰与雪、冰水混合物、海水等相似地物的可分性最强,是海冰最佳判识指标③根据判识指标采用阈值法能快速提取海冰分布信息,实现海冰与其他相似地物的分离;④比较本文提出的新指标（B2/B4）与其他4种指标海冰提取的精度,在冰水两种地物分类中,B2/B4判识指标略好;在多种地物分类中,B2/B4判识指标总体分类精度为96.48%,Kappa系数大于0.5,比其他指标高出3.89～4.85%。     

利用概率主题模型的遥感影像半监督分类

土地覆盖是自然环境与人类活动相互作用的中心,而土地覆盖信息主要是通过遥感影像分类来获取,因此影像分类是遥感影像分析的最基本问题之一。在参考基于概率主题模型的高分辨率遥感影像聚类分析的基础上,通过半监督学习最典型的生成模型方法引出了基于概率主题模型的半监督分类（SS-LDA）算法。借鉴SS-LDA模型在文本识别应用的流程,构建了基于SS-LDA算法的高分辨率遥感影像分类的基本流程。通过实验证明,相对于传统的非监督分类与监督分类算法,SS-LDA算法能够获取较高精度的影像分类结果。     

基于面向对象分类技术的景观信息提取研究

依据高分辨率遥感影像的特点,如何充分地利用影像的光谱信息和空间信息以及地学特征进行更为微观的遥感监测或大比例尺制图是高分辨率遥感研究的重要内容之一。本文以地形复杂的武夷山自然保护区为研究区域,以SPOT5原始影像为数据源,采用面向对象的多尺度分割方法,实现了不同尺度地物信息的分层提取。基于上层的分类结果对特定地物进行影像分割,选择合适的特征参数,并通过多次试验建立影像对象的隶属度函数,或利用最邻近分类法,逐级分层地提取了研究区的景观信息。研究结果显示：利用面向对象分类方法可以快速方便地对地形复杂条件下研究区的SPOT5遥感影像的景观信息提取,精度为76%,为高分辨率遥感影像的信息提取提供了更为快速、有效的技术途径。     

面向对象高分辨遥感影像分类研究

高空间分辨率遥感影像采用传统基于像元分类方法精度较低,本文通过分析高分辨遥感影像特征,采用面向对象的最近邻监督分类方法对QuickBird影像进行分类研究,首先对影像进行对象分割,然后将分割对象信息、形状特征与及上下文联系等特征构成特征空间进行最近邻监督分类,并与传统的基于像元最近邻分类方法分类进行比较分析,结果表明,本方法能够较好的识别高分辨率地物类型,总精度为92.19%,Kappa系数为0.8835,较好地改善分类效果,适合高分辨遥感影像分类。     

尼泊尔震后Rasuwa区山地灾害遥感调查

针对尼泊尔4·25Gorkha地震诱发山地灾害的现象,基于多源光学遥感数据,使用目视解译方法分析了震前和震后地物特征的变化,调查了Rasuwa区影响抗震救灾的公路沿线滑坡、堰塞湖的空间分布。结果表明:本次地震新形成的大型滑坡较少,大部分为中小型滑坡、浅层滑坡及碎屑流、崩塌和落石等灾害,并有堰塞湖。而在影像上能清晰识别的灾害点有15处,其中3处危害较大,分别为Langtang滑坡、Resuo滑坡和1处堰塞湖。Langtang滑坡造成了严重的破坏。     

应用高分辨率遥感影像提取作物种植面积

利用中低分辨率遥感影像提取作物分类种植面积的精度,往往难以满足农业遥感估产的需要。随着新型传感器的不断出现,应用高分辨率遥感影像高精度地提取作物分类面积日益成为发展趋势。由于高分辨率遥感影像提供的地物纹理、色调与形状等信息更加丰富,当前基于对象的地物识别分类方法仍不成熟,处理操作中人为干预过多,而且较为复杂,因此尝试以地面调查信息为辅助参量,采用常规基于像元的最大似然法监督分类方法,依据多尺度遥感影像信息提取的原理,分阶段地逐步提取作物种植面积,以此为农业遥感估产服务。     

资源三号卫星在汶川震区滑坡快速识别中的应用方法研究

针对当前采用野外人工调查和遥感目视解译获取地震灾区滑坡信息存在主观性强、耗时费力等缺点。以汶川震区为实验区,应用资源三号(ZY-3)卫星影像,采用多尺度最优分割方法构建多层次识别对象,融合光谱、纹理、几何等影像特征和地形特征建立多维滑坡识别规则集合,以及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,从而实现滑坡空间分布及其滑源区、滑移区和堆积区的快速识别。通过实验结果发现最低识别精度为82.97%,而滑坡的堆积区最容易识别。研究结果验证了该方法及资源三号卫星数据快速识别地震滑坡信息的有效性,可为震区滑坡调查提供技术支持,并可促进国产卫星的推广应用。     

基于遥感影像的军事阵地动态监测技术研究

针对部队快速机动作战的军事要求,提出基于高分辨率遥感影像的军用阵地动态监测方法。借助面向对象的多尺度分割技术将阵地影像分割为同质对象,以提取各个对象的特征;针对监督分类和非监督分类的弊端,提出通过一定的先验知识制定分类规则的方法对遥感影像进行地物识别,在此基础上定性和定量地输出变化检测结果。实验结果表明:利用基于对象影像分析方法具有较高的识别精度,能够有效监测军事阵地变化。     

高空间分辨率遥感图像分类的SSMC方法

近年来随着高空间分辨率遥感的发展。影像的空间细节描述能力得到提高，像元之间的空间相关性得到增强，使传统的遥感影像光谱分类方法面临着巨大的挑战。基于此背景，提出了高分辨率遥感影像分类的SSMC（spatial and spectral mixed classifier）方法，旨在同时采用光谱和空间特征进行遥感影像分类。本文是基于SSMC方法的一个具体的实验，通过多尺度的空间金字塔构造每个像元的空间参数，整合影像的光谱信号和空间信息进行高分辨率遥感影像分类。实验结果证明，SSMC方法对于提高高分辨率遥感影像的分类精度具有积极的意义。     

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。