基于无人机可见光影像的高原丘陵盆地区山药植株识别

采用四旋翼无人机采集特色作物山药种植区影像,针对山药种植时间和管护水平差异导致的植株生长差异化特征,通过筛选红绿比值指数（RGRI）、过绿指数（ExG）和过绿减过红指数（ExG-ExR）等颜色指数获取山药植株最优颜色指数计算方法;以高斯高通滤波（GHPF）增强和保留山药植株高频信息,抑制杂草、玉米植株的噪声;结合田间测量山药植株数据,通过人机交互解译方法对图像滤波增强后的影像进行灰度分割和提取山药植株信息。结果表明：1）样区总体提取精度为91.14%,样区A、B、C的提取精度分别为90.94%、91.96%、90.81%,精度验证完整性为93.16%;2）随着山药植株多株连体生长复杂程度的增强,过绿指数具有的土壤与植被的分离性仍优于红绿比值指数和过绿减过红指数;3）使用高斯高通滤波能够有效消除杂草、玉米植株的影响,减小山药植株多株连接生长所产生的干扰;4）高斯高通滤波卷积核大小79×79适用于不同时相和不同生长情况的山药植株影像处理,针对不同的山药植株生长情况和不同时相的可见光影像,需调整灰度分割的阈值参数t,单株山药植株面积S由田间测量确定。该方法以快速灵活、低成本的方式识别和计算不同生长状态的山药植株数目,适用于喀斯特山区的精准农业监测研究和现代农业生产活动。     

基于多通道数据融合的无人机遥感影像地物目标提取方法

针对仅使用无人机遥感RGB影像进行目标检测时精度不高、高程信息利用不足等问题,该文采用通道叠加和类IHS变换两种多通道数据融合方法对RGB影像与高程数据进行融合,使用DeepLabv3+卷积神经网络语义分割模型提取两种融合影像地物目标,并与RGB影像提取结果进行对比分析.结果表明,基于上述两种融合影像的地物目标识别精度高于仅使用RGB影像的识别精度,其中通道叠加影像的整体像素精度、平均像素精度和Kap-pa系数分别提高了3.52％、1.42％ 和14.99％.由于不同地物目标与周围地物的高程差不同,致使各融合方法对不同地物目标识别精度的提升效果不同,道路、建筑和地面识别精度的提升效果较好.     

基于微型无人机遥感的亚热带林冠物种识别

通过微型无人机平台搭载微单相机监测亚热带地区森林生态系统冠层,发现在低空飞行时（飞行高度100m）,仅能识别马尾松、湿地松和大叶相思3 个冠层树种;但在超低空飞行时（高度50 m）的影像分辨率较高,通过提取冠层的轮廓、纹理、结构、颜色等信息,能成功分辨出近20 种冠层物种,甚至可以识别出部分林隙中的林下物种。根据微型无人机遥感,可提取多种亚热带林冠信息,为森林保护或生态系统管理提供有效帮助。     

基于低空无人机的草原灌丛遥感辨识方法

以位于中国科学院内蒙古草原生态研究定位站灌丛化样地实验平台为研究区,基于低空无人机遥感影像,结合实地调查,开展草原灌丛遥感辨识方法研究。通过对灌丛、草地和裸地归一化植被指数（NDVI）的方差统计分析,确定了裸地与植被的分割阈值为-0.08,并使用该阈值提取植被覆盖区,然后分别利用面向对象的决策树（DT）、贝叶斯（Bayes）、K最邻近（KNN）、支持向量机（SVM）机器学习分类器进行灌丛辨识。研究表明：借助Estimation of Scale Parameter（ESP）最优分割尺度评价工具可以快速确定分割参数,获取灌丛、草地影像对象;利用特征空间优化工具选取了18个的对象特征,可以有效避免盲目选择而导致的计算量增大;通过对不同分类器分类结果的对比和样本数量敏感性实验得出：Bayes分类器精度稳定、无需设置参数,灌丛分类精度最高,总体精度和Kappa系数分别达到92%和0.83,结果与影像地物嵌合最好,能够精确识别单株灌丛;根据Bayes分类器分类结果统计得研究区灌丛盖度为14.74%,平均冠幅为0.6 m²,与样方调查结果基本一致。由于4种分类器的算法特征以及对训练样本数量的敏感性各不相同,因此选择合适的分类器还需根据具体影像的地物特征、空间分辨率和研究区范围来确定。     

基于无人机遥感的盛花期薇甘菊爆发点识别与监测

局域尺度上爆发点的识别与监测是薇甘菊（Mikania micrantha）入侵研究的一个难点,无人机遥感为此提供了新的研究手段。采用无人机搭载RGB相机获取研究地的正射影像,采用波段运算、影像分割和深度学习3种方法对盛花期薇甘菊的爆发点进行识别。结果表明：高分辨率的RGB拼接影像可直接用于目视识别薇甘菊的爆发点。过绿指数（EGI）、归一化过绿指数（NEGI）、蓝绿差异指数（BGDI）、绿红差异指数（GRDI）、归一化绿红差异指数（NGRDI）以及植被色素比值指数（PPR）均无法分离薇甘菊和其附主植物;但PPR指数可为面向对象的多尺度分割提供参数支持。面向对象的多尺度分割可自动识别薇甘菊的爆发点,但会低估其爆发面积。基于深度学习（Deeplab V3+）的自动识别方法,能准确识别薇甘菊的爆发点和爆发面积,测试集的平均交并比（mIoU）为78.46%,像素精度为88.62%。无人机遥感数据为局域尺度上的薇甘菊扩散机制研究提供了基础,也为薇甘菊入侵的监测、预警和精准防治提供了有力支撑。     

基于高分辨率遥感图像的树冠面积提取方法

树冠面积调查是城市绿化调查中的一个主要内容。随着遥感技术的发展,如何利用高分辨率遥感图像快速、准确地提取树冠面积信息已成为城市绿化遥感研究的问题。该文提出一种基于射线法的半自动树冠面积提取算法,通过设定树冠中心点位置,引出若干条光谱射线,进行高次曲线拟合,求其拐点作为树冠边界点,从而得到树冠的面积信息。实验表明,对于重叠较少的树冠面积提取精度为87.82%,重叠较多的树冠面积提取精度为84.91%。     

基于Srtm-DEM与遥感的长白山基本地貌类型提取方法

基于中国1∶100万数字地貌制图工作,以吉林省长白山区为试验区,对基于Srtm-DEM与遥感提取基本地貌类型方法进行了探讨。研究表明,基于Srtm-DEM派生的各种模型对基本地貌类型自动提取具有很大的实效性:其中坡度3.5°是实现该区平地和山地宏观地貌单元自动提取的最佳断点,高程模型及起伏度模型相结合,可初步实现基本地貌类型的自动提取,其结果可很好的反应区域地貌宏观规律;在此基础上,基于30 m空间分辨率的遥感影像,综合运用区域地质、土地利用、植被、土壤等多地理要素信息及制图综合知识,以及地貌单元的完整性特征,以山脊线、坡折线和山麓线为地貌单元的标志线,基于地貌知识的专家修正,可获得研究区完整的基本类型地貌单元,实现了基于Srtm-DEM与遥感的基本地貌类型的智能化提取;最后,以研究区内1∶50万地貌图为准,对提取结果进行定性、定量评价分析表明,其提取总体精度达76%,面积相差较小;该方法在一定程度上改进了传统手工和野外调查为主的提取方法,实现了地貌信息的数字化、定位化及定量化,为全国1∶100万数字地貌信息提取与集成奠定了基础。     

基于GF-2影像的雨后洪涝区超绿水体指数提取方法

暴雨后水体含沙量增加使其光谱反射率发生变化,导致利用现有水体指数方法不能很好地提取水体信息.为有效提取洪水及其他类型水体,该文基于GF-2影像,根据暴雨后水体光谱信息变化规律,提出一种超绿水体指数(Ultra-Green Water Index,UGWI),并通过实验对比分析UGWI与归一化差异水体指数法、单波段阈值法、单波段与阴影水体指数结合法的水体提取精度,结果表明:UGWI能够准确识别不同泥沙含量以及阴影下的水体,总体精度达95.75％,Kappa系数为0.91,效果优于其他几种方法;选取不同时间、不同地区、不同空间分辨率的影像进行水体提取,UGWI结果亦优于其他几种方法,总体精度达92.33％,Kappa系数为0.90;UGWI相比其他对比方法,抗干扰性更强,提取的水体信息更全面,可识别的水体类型更多,对洪区水体提取更具普适性.     

基于无人机影像的无瓣海桑单木提取与地上生物量估算

无瓣海桑(Sonneratia apetala)是中国红树林恢复种植最早引进的优质红树树种,其生产力在红树林群落中处于较高水平,具有显著的高生物量和能量积累。然而,由于红树林群落冠层密集、结构复杂,精确描绘无瓣海桑的单木树冠存在极大挑战性。传统的卫星遥感侧重于区域或更大尺度监测需求,而新兴的低空无人机遥感在更精细尺度的红树林生态监测中具有显著优势。以广东省珠海市淇澳岛红树林自然保护区为研究区,利用消费级无人机影像生成的冠层高度模型(Canopy Height Model, CHM)和种子区域生长(Seed Region Growing, SRG)算法进行无瓣海桑单木树冠提取,并建立基于地面调查数据获取的树高和胸径两者之间的回归关系,以优化无瓣海桑地上生物量异速生长方程,进而实现研究区单木尺度的无瓣海桑地上生物量估算。结果表明：基于无人机影像可以有效提取无瓣海桑单木树冠,其提取精度达到67%;验证了树高和胸径之间较高的相关性,提出了基于树高的无瓣海桑地上生物量异速生长方程;研究区无瓣海桑平均地上生物量的范围为2.99～247.24 t/hm²,平均值为92.14 t...     

基于粗阈值和梯度算法的南极多光谱影像云区的提取

利用Landsat-7的ETM+多光谱影像,提出使用粗阈值以及梯度算法提取极地上空的云。试验结果表明,粗阈值增加了阈值算法的灵活性,并结合梯度算法,由粗到精,达到了较好的极地目标识别效果。     

基于Citespace的无人机遥感研究知识图谱分析

为清晰了解国内外无人机遥感应用研究现状及发展态势,以Web of Science核心期刊为数据源,运用文献计量方法与Citespace可视化分析工具对无人机遥感研究的相关文献进行统计分析。结果表明：无人机遥感相关研究文献呈快速增长趋势,与遥感科学、工程学和影像科学摄影技术三门学科联系最为密切;美国、中国、西班牙等国家发文量较多,具备较强研究力量;中国科学院发文量最多,而西班牙最高科研理事会h指数最高,均有较大影响力;澳大利亚学者Lucieer A和西班牙学者Zarco-Tejada PJ的h指数较高,为该领域的代表性学者;无人机遥感技术包含多个研究方向,其中研究热点包括无人机遥感在农业科学和生态学等领域的应用研究、遥感影像分类方法的研究、摄影技术和计算机视觉技术的研究等三方面。     

基于多类型无人机数据的红树林遥感分类对比

使用固定翼无人机、消费级旋翼无人机和专业级旋翼无人机获取广东珠海淇澳岛红树林保护区多类型无人机遥感影像,使用基于面向对象分类的K-最近邻与随机森林分类器对研究区影像进行红树林树种精细分类和对比分析,并探讨了不同类型无人机平台在红树林资源调查应用中的优缺点。结果表明：1）固定翼无人机、消费级旋翼无人机和专业级旋翼无人机数据使用K-最近邻法的分类精度分别为：73.8%、72.8%和79.7%;使用随机森林法的分类精度分别为：81.1%、84.8%和89.3%。3种平台类型的无人机数据均适用于红树林精细分类研究,对于无人机红树林遥感数据,随机森林的分类方法优于K-最近邻方法。2）以拍摄面积与用时之比估算采集效率,固定翼无人机、消费级旋翼无人机和专业级旋翼无人机分别为0.036、0.013和0.003 km2/min。固定翼无人机的采集效率具有明显优势。3）固定翼无人机适合大范围红树林数据采集,要求较高;消费级旋翼无人机适于获取小范围精细数据,成本低且易学易用;专业级旋翼无人机适合搭载质量稍大的如成像光谱仪、LiDAR等专业传感器获取多源数据。最后给出了无人机在红树林遥感研究中的注意事项和建议。     

基于特征基元的高分辨率遥感影像城市空间信息提取

结合人类视觉机制和计算机尺度空间理论,设计了基于特征基元的高分辨率遥感影像多尺度信息提取技术模式,即先在大尺度上进行粗分割,再进行精细分割,获得特征基元并进行特征表达,通过样本分类和知识推理等实现信息的提取与目标识别。针对城市空间信息的特点,在特征基元提取的基础上,采用马尔可夫随机场纹理分类方法、直方图阈值分割方法、支撑向量机分类方法等完成对城市水体、建筑区、道路和绿化用地的分类提取,构建了一套从高分辨率遥感影像中提取城市空间信息的方法体系。     

基于无人机遥感的古银叶树群落健康快速诊断

采用无人机低空遥感与地面调查相结合的方法对邻海陆地、远海陆地和盐生沼泽生境的古银叶树群落健康进行评价,利用冠层高度、林窗特征、光合有效辐射截面比、归一化植被指数（NDVI）、氮素反射指数（NRI）、黄色波段指数（YI）以及森林健康指数（FHI）等遥感指标指征古银叶树群落的健康状况。空-地结合的调查结果表明：1）盐生沼泽生境的古树由于树龄高,其树洞大且数量多,生境内生物多样性最低,邻海陆地生境的生物多样性最高。2）盐生沼泽生境的冠层高度最低;林窗面积最大,数量最少,形状复杂度最低;光合有效辐射截面比最小。以上指标在邻海陆地和远海陆地间差异不明显。NDVI、NRI、YI以及FHI的数值均表现出盐生沼泽小于远海陆地和邻海陆地的趋势,而在远海陆地和邻海陆地间的差异较小。3）无人机遥感的评价结果与地面调查结果契合度较高,客观地反映了不同生境古银叶树的健康状态。基于无人机遥感的评价体系在针对具体植物群落修改完善后,可以作为一种快速、无损和定量化的古树群落健康诊断方法。     

基于语义和边缘特征融合的高分辨率遥感影像水体提取方法

利用卷积神经网络从遥感影像中提取水体时,水体对象边缘像素的特征与内部像素的特征之间往往存在较大差异,导致提取结果中边界模糊、内部像素与边缘像素的提取精度差异较大,影响了整体精度的提高。针对如何从高分辨率遥感影像中进行水体高精度、自动化提取的问题,文章首先以高分辨率遥感图像为基础,利用边缘提取算法生成边缘图像,然后以高分辨率遥感图像和边缘图像作为输入,建立了语义特征和边缘特征融合的高分辨率遥感图像水体提取模型（Semantic Feature and Edge Feature Fusion Network, SEF-Net）,用于从高分辨率遥感图像中提取水体对象。实验结果表明,SEF-Net模型在3个数据集中的召回率（91.97%、92.07%、93.97%）,精确率（91.12%、98.37%、97.88%）,准确率（89.56%、95.07%、94.06%）和F1分数（91.54%、95.12%、95.88%）均优于对比模型,说明SEF-Net模型从高分辨率遥感图像中提取水体时,具有更高的精度和泛化能力。     

基于ASTER图像的干旱区土壤盐碱化遥感应用研究

土壤盐碱化是干旱地区常见的一种土地退化现象。为了对土壤盐碱化程度进行快速的评估,采用ASTER遥感数据敏感波段组合结合光谱角度制图（SAM）的方法进行了探索性的研究。研究从分析干旱区盐碱地表光谱特征的角度出发,采用图像像元纯度指数分析（PPI）方法提取不同盐碱化水平的地表特征纯像元,结合实地测量光谱数据和采样分析数据确定纯像元的物理意义,并应用光谱角度制图方法进行了土壤盐碱化程度分级制图。经检验,总体分类精度达到79．1％。这种方法对常规数据的依赖性较小,提供了一种适合盐碱化快速定量评估的有效途径。     

遥感影象中居民地信息的自动提取与制图

如何自动获得居民地矢量信息是遥感和地理信息系统领域研究的热点问题。以南京市江宁区为研究区域,基于光谱特征分析,建立决策树模型进行居民地信息的自动提取。重点研究如何将已提取的居民地图斑进行形态综合,得到满足地理信息系统数据建库与更新、遥感制图等的可视化图形数据,为灾害评估、城镇扩展和环境变化研究等提供必要的基础信息。最后,给出文章方法的实验结果并做出讨论。     

基于植被信息遥感反演的东亚飞蝗监测研究

植被是东亚飞蝗发生和成灾的重要指示因子。运用遥感技术对植被生长进行监测,对东亚飞蝗的预测和防治具有重要意义。以河北省黄骅市为研究区,利用实地获取的植被冠层孔隙度数据反算的LAI数据以及Landsat-5 TM影像提取的各种VI数据,进行了LAI(LAI-2000改进型算法的反算结果)与TM影像上反演的VI之间的相关分析。结果表明,RDVI最适合反映研究区植被生长状况。分析RDVI与飞蝗发生面积的关系,发现两者呈负线性相关,即随着RDVI减小,飞蝗的发生面积呈线性增大。