河流湖泊湿地边界定位中遥感影像时相选择方法

选择高分遥感影像的时相是利用高分遥感影像精确定位湖泊河流湿地自然边界的关键问题之一。在没有或缺少水文观测数据的情况下,依据河流湖泊湿地的定义,本文提出了一种用于河流湖泊湿地边界定位的高分遥感影像时相快速选择方法,试验结果表明该方法合理、准确、有效。     

一种多源数据确定内陆盐沼湿地自然边界的方法

以宁夏盐池县为例,以Landsat 8影像、高分二号影像、激光雷达(light detection and ranging,LiDAR)数据插值生成的高精度数字高程模型(digital elevation model,DEM)数据、地理国情普查数据等为数据源,探讨了多源数据确定内陆盐沼湿地自然边界的方法.首先,利用一年多期的Landsat 8影像数据确定湿地边界提取的最佳时相,对高分二号影像等数据进行多尺度叠置分割,得到分割对象;然后,进行特征提取,并利用优化后的分离阈值(improved separa?bility and thresholds,ISEaTh)算法进行特征选择;最后,运用最邻近分类器获得湿地的自然边界,并分析了不同高空间分辨率的DEM数据对内陆盐沼边界定位的影响.结果表明,高空间分辨率DEM数据参与提取内陆盐沼湿地边界,可以有效减少内陆盐沼边界处湿地与非湿地的错分现象,提高其边界定位精度,且DEM数据的空间分辨率越高,提升效果就越显著.     

基于卷积神经网络的高分遥感影像内陆盐沼湿地信息提取

本文以宁夏盐池Landsat 8影像、高分二号影像、LiDAR数据插值生成的DEM数据、地理国情普查数据等为数据源,首先利用一年多期的Landsat 8影像确定提取内陆盐沼湿地的最佳时相;然后对最佳时相的高分二号（GF-2）融合影像等数据进行多尺度叠置分割,获取NDVI、DEM、穗帽变换等特征,采用最邻近分类器提取内陆盐沼湿地信息,构建内陆盐沼湿地样本库;最后在此基础上探讨卷积神经网络用于高分卫星影像提取内陆盐沼湿地方法。试验结果表明,设计的卷积神经方法适用于内陆盐沼湿地提取,与最近邻分类法提取的结果相比,内陆盐沼湿地边界的提取效果有明显提高。