基于缨帽变换的农田洪水淹没范围遥感信息提取

针对灾后水中悬浮物质增多和高含水量农作物导致常规水体信息提取方法精度较低的问题,提出了一种基于缨帽变换的农田洪水淹没范围遥感信息提取方法。首先,对灾前、灾后遥感图像进行辐射定标和大气校正。其次,通过缨帽变换获取绿度分量和湿度分量;然后,利用最大类间方差法对湿度分量进行分割,结合绿度分量提取水体信息;最后,叠加农田矢量数据,确定农田洪水淹没范围。以湖南省岳阳市及其附近区域为研究区,从定性和定量两个方面对方法进行精度评价。结果表明,该方法所得结果边界清晰,范围准确,生产者精度和用户精度分别为0.97和0.90。该研究能够为农田灾损评估、洪涝灾害动态监测提供参考。     

"体积法"洪水淹没范围模拟计算

提出"体积法"基本思想,并介绍相应的计算公式,探讨模拟计算流程和高程数据的建立,最后进行实例计算.     

基于AE与IDL洪水淹没范围估测与模拟系统设计

在综合遥感与GIS估测洪水淹没范围方法的基础上,提出基于AE与IDL的洪水淹没范围估测与模拟系统设计。该系统为非专业用户使用ArcGIS和ENVI的强大数据处理功能提供了方便,简化了软件操作过程,为集遥感影像数据处理和GIS应用分析及制图为一体的专业软件系统提供了一种解决方案。     

基于GIS的洪水淹没损失研究

以江苏省东山镇为例,对利用GIS技术估算洪水淹没损失的方法进行了研究,提出了以1：10000地形图数字化数据作为建立DEM的原始数据,对不同区域按不同等高距内插加密提高DEM精确度,通过Supermap栅格计算功能计算洪水淹没范围和淹没深度,并根据居民经验和调查、统计所得的损失率估算洪水淹没损失的方法。     

基于DEM的洪水淹没分析

DEM是地表或空间现象起伏变化的数字表示，包含了地球表面上许多有用的地理信息，其中就包括水文信息，通过DEM来生成集水流域和水域网络是大多数地表水文分析模型的数据来源，在用DEM数据生成3维地面模型的基础上，重点介绍与洪水淹没分析有关的一些技术问题。     

基于WebGIS的洪水淹没模拟系统研究

首先介绍了WebGIS的发展趋势及其用于洪水淹没模拟的优势,对TOPMODEL模型进行了简要介绍。根据目前对洪水淹没模拟需求及两者各自的优势提出了将两者结合起来的方法,构建了洪水淹没模拟系统。     

基于GIS技术的洪水淹没计算分析系统

本文提出了“基于GIS技术的洪水淹没计算分析系统”的防洪救灾应用解决方案,并对系统结构和功能作了详细论述。     

基于哨兵数据相干性的洪水淹没范围确定方法

洪涝灾害会造成农田淹没、居民住宅损毁等危害,因此对洪水淹没范围进行实时、准确监测可有效进行灾后治理。利用光学传感器提取洪水淹没范围时,不能穿透云层,因此无法获取有效地面信息;而SAR使用微波波段,不受天气影响,在夜间也能成像。因此,SAR成为洪水灾害灾情评估的有力工具。本文利用2021年9月23日、10月5日、10月17日3景SAR雷达影像Sentinel-1A数据,计算相干性系数,设置阈值为0.2,提取水体淹没范围,分析其扩张范围及变化趋势,并根据生成的形变图分析水位抬升变化,验证了基于雷达数据的相干系数阈值提取方法监测洪水淹没范围,以及采用InSAR技术准确提取水体边界与分析水位上升趋势的可行性。     

基于ArcGIS的洪水淹没分析模拟及可视化

基于数字高程模型(DEM)格网模型,通过改进迭代种子蔓延算法,实现给定水深情况下洪水淹没区的讣算模型,讨论洪水淹没演进过程可视化实现的关键技术,并使用ArcEngine开发包进行二次开发,以二维和二三维两种可视化方式,动态而形象地模拟在指定洪水水位下的洪水淹没演进过程.试验证明,所提出的实现方法切实有效,便于推广应用,为快速、准确及科学地进行洪灾评估洪水风险图的制作提供良好的基础,对洪涝灾害进行评估和预测分析具有重要意义.     

基于多源遥感数据的洪涝淹没范围时序监测分析

目前,洪涝灾害是我国最严重的气象灾害之一,如何实现及时准确的洪灾监测是防灾减灾的重要前提和基础。本文基于多源遥感数据,采用数据协同的方式进行洪涝淹没范围时序监测分析,以重现淹没情形,反映灾情特征。其中MODIS地表反射率产品和DFO达特茅斯洪水数据库能够实现淹没的宏观动态监测;由同期高分辨率遥感影像水体提取结果以空间差值的计算方式求取的淹没范围则能反映淹没的空间变化和细节特征。相关结果可为灾情评估奠定基础。     

TM影像的居民地信息提取方法研究

从对居民地的遥感信息机理分析入手,分析了居民地在Ｌａｎｄｓａｔ ＴＭ２、ＴＭ３、ＴＭ４、ＴＭ５、ＴＭ７等各个波段上与其它地类的可分性。并探讨了增强居民地与其它地类的方法。同时进一步对各地物的谱间结构特征进行了分析,通过分析发现,以水泥顶和瓦项房屋为主的居民地,其ＴＭ２、ＴＭ４、ＴＭ７的光谱值比较接近,而其它地物除新修道路外,都不具备这一特征。这一特征可以用如下表达式来表达,ＴＭ２－ＴＭ４〈Ｔ１;Ｔ     

DEM and SAR image based flood feature extraction techniques to map the deep and shallow flood inundated regions of known as well as remote disaster regions

It is viable to differentiate the deep and shallow flood inundated regions through a new flood feature extraction techniques named as ‘Digital Elevation Model (DEM) and Synthetic Aperture Radar (SAR) image based flood feature extraction model’. The proposed model has been built mainly on the top of DEM of the disaster region without adopting standard multi-layer GIS techniques. To meet the time related factors of flood early warning system the image clustering operations has been automated at three different levels which bifurcates the input datasets and extracts the much required end results such as deep flooded regions, shallow flood inundated regions and non-flooded regions. The model has been tested with SAR flood images of known geographical region as well as remote geographical region. The proposed model can be automated against the input SAR sensor image and corresponding DEM of the respective SAR scene of any part of the world.     

超像元尺度下的多光谱图像超分辨率洪水淹没制图

超分辨率制图SRM(Super-resolution Mapping)技术可以有效地处理遥感图像中的混合像元,获得准确的地物类别分布信息.目前,SRM技术已经成功地应用于多光谱图像洪水淹没定位中,称为超分辨率洪水淹没制图SRFIM(Super-resolution Flood Inundation Mapping).然...     

Sentinel+Landsat融合影像的城市不透水面积参数获取

不透水面是衡量城市化的发展程度和评价城市生态环境质量的重要指标之一。南昌市作为环鄱阳湖生态经济圈的典型代表区域城市之一,准确、及时、高效地获取其不透水面信息对经济发展和生态规划提供全新的决策参考具有重大意义。现有的不透水面研究大多集中在针对单一光学遥感影像数据提取不透水面信息,但受影像数据源的影响,其分类结果往往存在光谱混淆和“椒盐”现象,限制了不透水面分类精度的进一步提高。为了改善这一局面,本文以南昌市为研究区,综合考虑多源遥感影像数据各自具有的影像特征优势,探究基于Sentinel+Landsat影像提取不透水面信息的适用性与优劣性。     

基于AdaBoost算法的遥感影像水体信息提取

AdaBoost算法利用每个特征构造一个简单分类器,然后将简单分类器进行训练组合成一个强分类器。算法能够充分利用每个分类器的优势并避免其劣势,得到一个最佳判别,达到提高分类精度的目的。本文利用TM影像,将影像各波段灰度、水体指数和谱间关系特征相结合,构成提取水体的强分类器,实现水体提取。实验结果表明,算法能够非常有效地、高精度地提取水体信息。     

Burnt area delineation from a uni-temporal perspective based on Landsat TM imagery classification using Support Vector Machines

Information on burnt area is of critical importance in many applications as for example in assessing the disturbance of natural ecosystems due to a fire or in proving important information to policy makers on the land cover changes for establishing restoration policies of fire-affected regions. Such information is commonly obtained through remote sensing image thematic classification and a wide range of classifiers have been suggested for this purpose. The objective of the present study has been to investigate the use of Support Vector Machines (SVMs) classifier combined with multispectral Landsat TM image for obtaining burnt area mapping. As a case study a typical Mediterranean landscape in Greece was used, in which occurred one of the most devastating fires during the summer of 2007. Accuracy assessment was based on the classification overall statistical accuracy results and also on comparisons of the derived burnt area estimates versus validated estimates from the Risk-EOS Burnt Scar Mapping service. Results from the implementation of the SVM using diverse kernel functions showed an average overall classification accuracy of 95.87% and a mean kappa coefficient of 0.948, with the burnt area class always clearly separable from all the other classes used in the classification scheme. Total burnt area estimate computed from the SVM was also in close agreement with that from Risk-EOS (mean difference of less than 1%). Analysis also indicated that, at least for the studied here fire, the inclusion of the two middle infrared spectral bands TM5 and TM7 of TM sensor as well as the selection of the kernel function in SVM implementation have a negligible effect in both the overall classification performance and in the delineation of total burnt area. Overall, results exemplified the appropriateness of the spatial and spectral resolution of the Landsat TM imagery combined with the SVM in obtaining rapid and cost-effective post-fire analysis. This is of considerable scientific and practical value, given the present open access to the archived and new observations from this satellite radiometer globally.     

基于SPOT影像的筏式养殖区提取方法研究

本文以山东省荣成市黑泥湾及其北部海域作为研究区,分析了筏式养殖区在SPOT5假彩色合成影像上的亮度特征;根据纯水体亮度受悬沙分布影响较大的特点,设计了以邻域分析为基础的图像增强及分类方法,并在ArcGIS软件中实现;运用Erdas软件聚类统计、去除分析工具消除噪声,提高精度。该方法可快速监测浅海筏式养殖区空间分布情况,为提高用海管理水平并进行科学用海规划提供服务。     

鄱阳湖地区洪涝灾害遥感分析

鄱阳湖是一个吞吐型,季节性的浅淡水湖,高水湖相,低水河相。有“高水是湖,低水似河”,“洪水一片,枯水一线”的独特景观。洪涝灾害发生时,给周边地区造成巨大损失。利用TM遥感卫星图片,以特征最明显的1998年特大洪涝灾害为例,对鄱阳湖地区洪涝灾害症结和防洪策略提出几点见解。     

TM影像的变化检测方法探究

变化检测是遥感应用中的一项重要内容。随着遥感技术的发展,变化检测技术也有了很大的进步,出现了很多的研究方法和研究成果。本文在总结前人研究的基础上,提出了TM影像变化检测的基本流程,并简单介绍了各个流程,包括数据预处理、变化信息的提取以及变化区域的确定,重点介绍了变化检测的方法尤其是目前最新的研究方法,最后对变化检测的前景提出了展望。     

基于Radarsat和TM图像融合与分类的土壤盐渍化信息遥感监测研究

单一雷达影像数据通常不能提供足够的用以监测干旱地区盐渍化的信息。雷达图像与TM图像的融合可以提高遥感数据的利用率,增强数据的可靠性和信息的互补性,有助于提高分类精度。本文采用了GramSchmidt变换融合法将Radarsat和TM图像进行融合,并将该融合方法与一些常用融合方法(HIS融合、PCA融合、Brovey融合)进行了比较,结果表明该融合方法优于其他方法。最后采用支持向量机分类法(SVM)对Radarsat、TM融合后的图像进行了分类。结果表明:同单独Radarsat影像和TM影像分类结果相比,该融合分类法将分类精度分别提高了近30%和2%。因此该融合分类法更适合于遥感图像盐渍化信息监测。