基于遥感影像的黄河下游游荡型河段主槽演变特征研究

黄河河南段以游荡型河段为主,其水沙变化剧烈、主槽摆动频繁、河床变形严重,对河道生境产生了严重影响。采用Landsat卫星影像,并基于MNDVI水体指数对黄河游荡段30 a水体的河道边界信息进行提取,通过划分不同河段和区域计算不同时期河道主槽形态参数、河道摆动面积、摆动方向、迁移距离等指标,分析游荡段河道摆动的变化特征。结果表明：游荡段主槽水域面积明显减少,并向弯曲河流转变;R2区域是摆动面积最大及平均摆动面积最大的区域;1986-2019年游荡段左岸摆动的总面积为59.9 km²,向右岸摆动的总面积为53.3 km²,R1和R4段向左岸右岸摆动的面积大致相等,R2段主要向左岸摆动,R3段主要向右岸摆动,游荡段整体有略微向左岸摆动的趋势;R1区域整体略微向南迁移,R2区域整体向北迁移显著,R3整体向南迁移,R4整体略微向西迁移。小浪底水库运用后,进入游荡段水量与水库运用前基本相当,而泥沙主要集中在汛期输送;游荡段河道主槽变化与水流对滩岸土体的冲刷和洪水后的崩坍有关;控导工程对河流有明显的约束作用,R3区域中的部分河段S11、S12缺乏控导工程,...     

基于改进爬峰法高分辨率遥感影像分割的树冠提取

对现有爬峰法利用高分辨率遥感影像分割进行树冠提取时存在的问题进行直方图压缩和基于类的二次合并两方面的改进,并将改进后的爬峰法在Matlab平台上模拟实现。以Quick Bird影像为基础数据源提取单木树冠,分析树冠面积提取精度,验证改进爬峰法对高分遥感影像树冠分割的可靠性。研究结果表明:实验样本精度均达到85%以上,与传统目视解译精度比较相差较少,满足应用需求。     

基于深度学习的寒旱区遥感影像河流提取

寒旱区河流提取对该地区生态环境监测、农业规划、灾害预警等具有重要意义。根据寒旱区特点制作了面向寒旱区遥感影像河流识别的专业数据集;为了提高网络的识别准确率,融合迁移学习与深度学习,将Res Net50网络迁移到Linknet网络,得到R-Linknet网络;为了提取到更多的细节信息和增加提取河流的连贯性,将密集空间金字塔池化与R-Linknet网络相结合,扩大网络的感受野;训练时,将Dice系数损失函数与二分类交叉熵函数相结合,作为新的损失函数。数据集验证结果表明,本文提出的方法与多种语义分割网络相比,像素准确率较FCN_8s、Res Net50、Deeplab V3、Unet和原始Linknet网络分别提高0.216、0.099、0.031、0.056和0.023,交并比分别提高0.19、0.142、0.056、0.105和0.028;加入Dense ASPP之后,像素准确率提高0.023,交并比提高0.050,采用新的损失函数进行训练后,像素准确率和交并比又分别提高0.019和0.022。该方法提取到的河流更加清晰、连贯,能够满足后续的研究需求。     

基于卷积神经网络的高分遥感影像耕地提取研究

高效精准地提取遥感影像中的耕地对农业资源监测以及可持续发展具有重要意义,针对目前多数传统全卷积神经网络（FCN）模型在提取耕地时存在重精度而轻效率的缺陷,本文建立基于FCN的轻量级耕地图斑提取模型（LWIBNet模型）,并结合数学形态学算法进行后处理,开展耕地图斑信息的自动化提取研究。该LWIBNet模型汲取了轻量级卷积神经网络和U-Net模型的优点,以Inv-Bottleneck模块（由深度可分离卷积、压缩-激励块和反残差块组成）为核心,采用高效的编码-解码结构为骨架,将LWIBNet模型分别与传统模型的耕地提取效果、经典FCN模型的轻量性和精确度进行对比,结果表明,LWIBNet模型比表现最优的传统模型Kappa系数提高12.0%,比U-Net模型的参数量、计算量、训练耗时、分割耗时分别降低96.5%、87.1%、78.2%和75%,且LWIBNet的分割精度与经典FCN模型相似。     

基于无人机遥感影像的农作物分类研究

本研究结合实际案例,在简单介绍研究区概况的基础上,深入探讨基于无人机遥感影像的农作物分类,并分析其结果。本研究借助无人机搭载数码相机的方式生成研究区域的RGB图像,相比于传统的只提取纹理特征的农作物分类方法,本研究有效地对比了两个不同时段的农作物DSM数据,使农作物的生长差异特征变得更为明显,并在农作物分类中有效运用了这一特征。仿真结果表明,在进行农作物分类时综合考虑农作物纹理、光谱、高度等多维特征,能够精准划分农作物种类,同时Kappa系数也能够维持较高的水平。     

基于无人机遥感影像的收获期后残膜识别方法

针对人工评估农田残膜劳动强度高、效率低等问题,以及收获期后残膜识别困难的问题,提出了一种基于颜色特征的残膜识别方法。为了克服光照对残膜识别精度的影响,首先分析了阳光直射区、阴影区残膜和土壤RGB与HSV颜色分量灰度差异;然后,选择最佳颜色分量进行残膜图像分割,分别对比分析了手动阈值法、迭代阈值法、最大类间方差法、最大熵值法、K-means均值聚类法和脉冲耦合神经网络法的分割效果,结合原始图像残膜分布特点,优选出基于脉冲耦合神经网络的分割法;结合图像形态学算法,最终提取了烟地残膜面积与分布。结果表明,B分量可从背景中分割出直射区残膜,但不能分割阴影区残膜; S分量可从背景中分割出直射区和阴影区残膜;基于S分量的脉冲耦合神经网络分割法效果最佳,利用该方法对不同时期的农田残膜进行识别,6叶期、烟叶收获后、烟杆拔除后和冬季空闲期的识别率分别为96.99%、69.47%、93.55%和88.95%,地膜覆盖周期的平均识别率为87.49%。本文方法可快速准确地识别出秋后的农田残膜,提供残膜时空分布信息及变化特征,可为农田环境健康评估提供决策依据。     

基于无人机高光谱遥感影像的农作物分类研究

为快速、精准地对农作物信息进行分类和提取,笔者以某研究区农作物作为研究对象,对农作物分类展开研究。利用SVM和RF分类方法,对降维和一阶导数处理后的无人机高光谱遥感影像中的农作物进行分类,并比较了SVM和RF分类结果的精准性。研究结果表明,通过对高光谱影像农作物进行分类,利用RF分类法获得的分类结果精度较高,可以实现对农作物的有效提取,能够为我国农作物生长情况监测、产量估计和病虫害防治提供参考。     

黄河内蒙古段冰情信息变化特性的小波分析

黄河内蒙古段是黄河产生冰凌灾害的主要河段之一,几乎每年都产生凌汛,了解黄河内蒙古段冰情信息变化规律,对于黄河内蒙古段的冰凌研究和冰凌灾害防治具有重要的实践意义。本文尝试采用小波理论对黄河内蒙古段冰情信息时间序列进行分析,以小波变换系数和小波方差图对其进行多时间尺度分析,揭示其系统变化特性,为黄河内蒙古段的冰凌研究和冰情预报奠定基础和提供参考依据。     

基于Sentinel-2遥感影像的黄土高原覆膜农田识别

及时、准确地获取覆膜农田的空间分布信息是防治地膜微塑料污染的基础。为准确地识别黄土高原地区的覆膜农田,本研究构建了基于Sentinel-2遥感影像和随机森林算法的适用于黄土高原覆膜农田遥感识别的特征集组合与多时相组合方案。以甘肃省临夏县、宁夏回族自治区彭阳县和山西省山阴县作为测试区,陕西省旬邑县作为验证区开展识别研究。首先,基于随机森林算法,针对3个不同的作物生育期(播期、生长旺盛期和收获期),在7种不同的特征集组合方案中优选出各时期识别精度最高的方案。然后,基于不同作物生育期的遥感影像及其对应的最优特征集组合方案,构建不同的多时相组合来进行覆膜农田识别并优选多时相组合。最后,利用旬邑县来验证构建的优选特征集组合与多时相组合识别覆膜农田的有效性,并绘制各研究区的覆膜农田空间分布图。结果表明：相比于其他遥感识别特征因子,Sentinel-2遥感影像光谱特征集中的可见光波段(B2、B3和B4)和短波红外波段(B11和B12),指数特征集中的归一化差值裸地与建筑用地指数(NDBBI)、归一化水体指数(NDWI)、裸土指数(BSI)、归一化建筑物指数(NDBI)和改进的归一化水体指数(MNDW...     

基于地形特征的无人机遥感梯田影像边缘提取方法

梯田具有蓄水固沙的作用,是旱作农业区重点建设的高产稳产农田设施,为粮食增产、农民增收提供了有力保障。因仅基于影像数据采用边缘提取方法进行梯田区域分割效果不理想,及时准确地掌握梯田信息较为困难。无人机遥感技术的不断发展为高精度梯田地形信息的获取提供了新方法。本研究以甘肃省榆中县为例,首先从数字高程模型DEM数据中提取坡度,将正射影像与坡度数据融合,并通过基于Canny算子的粗边缘提取方法和基于多尺度分割的精细边缘提取方法,对比分析坡度对无人机遥感梯田影像边缘提取的影响。试验结果表明,正射影像和坡度融合的提取效果均优于单一的正射影像数据提取效果,粗边缘提取方法中正射影像和坡度融合的数据源精度平均提高了23.97%,精细边缘提取方法中正射影像和坡度融合的数据源精度平均提高了17.84%。研究表明,在无人机遥感梯田影像边缘提取中加入一定的地形特征,可以取得更好的边缘提取效果。     

基于MSR-cut的高空间分辨率遥感影像边缘检测分割

针对R-cut(Ratio cut)边缘检测分割模型对高分辨率遥感影像分割时存在过分割和模糊边缘敏感性问题,提出了一种多尺度R-cut(Multi-scale ratio cut, MSR-cut)的遥感影像边缘检测分割方法.首先,采用形态重建的分水岭分割算法对影像过分割,形成多个超像素区域;然后计算并提取影像各个区域...     

基于TM遥感影像的哈尔滨市城郊土地利用变化分析

基于1989和2001年两个时期的LandsatTM假彩色合成影像,在遥感与GIS支持下分析了1989～2001年哈尔滨市城郊土地利用变化态势.研究表明:土地利用转换趋势表现为天然湿地、草地减少,城市建设用地增加,耕地内部水田和旱地略有增加;天然湿地和草地减少已带来土地退化等严重负面效应.     

基于无人机遥感影像的多生育期冬小麦种植行检测方法

大田环境下小麦种植行的识别与定位对农机田间喷药和除草等任务的导航作业具有重要意义。以分蘖期和拔节期的冬小麦无人机可见光遥感影像为研究数据,结合深度语义分割和霍夫变换直线检测,提出了一种多生育期小麦种植行检测方法。采用SegNet深度语义分割提取小麦种植区域,克服传统检测方法对光照敏感的同时提高检测精度。基于霍夫变换的小麦种植行预检测结果,提出采用二分k均值聚类进一步提炼检测结果,以识别出小麦种植行区域的中心线。实验结果表明,对于分蘖期和拔节期的冬小麦图像,种植行直线平均位置偏差的绝对值分别为0.55、0.11 cm;平均角度偏差的绝对值分别为0.001 1、0.000 37 rad,检测精度与直线漏检率等指标都显著优于传统方法。研究结果为智能农机导航作业中的作物种植行检测提供了方法支持。     

基于时序NDVI的关中地区冬小麦种植信息遥感提取

快速而准确地获取和掌握冬小麦在我国西北干旱半干旱地区的种植信息对该区域粮食生产安全及其可持续发展具有重要意义。以陕西省关中地区为研究区域,采用迭代滤波技术重建MODIS NDVI时序序列,结合当地典型地物的NDVI曲线特征和二次差分技术,建立冬小麦像元的识别规则,提取了该地区2014年冬小麦种植信息。结果显示2014年关中地区冬小麦集中分布于渭河两岸的河谷地区以及泾河以东的渭北平原,北部黄土台塬则呈星状散布。总体种植面积8.882×10~5hm~2,与统计资料相比,各地市遥感提取结果的相对误差绝对值在1.08%~9.02%之间,总体误差为3.70%。抽样验证结果显示分类精度为90.28%。该研究为关中地区制订种植计划和相关政策等提供了客观的数据参考,同时也为西北地区的农作物种植监测提供了技术支持。     

基于Sentinel-2遥感影像的玉米冠层叶面积指数反演

叶面积指数是描述玉米冠层结构的重要参数之一,决定玉米冠层的光合作用、呼吸作用、蒸腾和碳循环等生物物理过程,因此精确反演叶面积指数对玉米长势监测具有重要意义。以河北省保定市的涿州市、高碑店市、定兴县为研究区,利用Sentinel-2遥感影像和LAI-2000地面同步实测数据进行玉米冠层叶面积指数反演,使用归一化差异光谱指数和比值型光谱指数两类指数,构建了单变量和多变量玉米冠层叶面积指数反演模型,通过决定系数(R2)和均方根误差(RMSE)筛选出最佳模型。研究结果表明,由NDSI(783,705)构建的单变量模型为最优反演模型,其决定系数为0.534 2,均方根误差为0.288 5。因此,基于Sentinel-2遥感影像利用植被指数反演玉米冠层叶面积指数的方法可作为判断玉米长势状况的初步判断依据。     

两种改进的BP模型预报黄河内蒙段冰情信息及效果分析

黄河内蒙古段是黄河产生冰凌灾害的主要河段之一,几乎每年都产生凌汛,了解黄河内蒙古段冰情信息变化规律,建立冰情信息的预报模型对于黄河内蒙古段的冰凌研究和冰凌灾害防治具有重要的实践意义。选择黄河内蒙古段巴彦高勒水文站为典型站,建立了进行流凌日期、封河日期及开河日期等冰情信息预报的两种改进的BP神经网络模型（A-BP和AGA-BP）,对它们的预报效果进行了评价和对比,并且给出了提高冰情预报精度的建议。     

基于卷积注意力的无人机多光谱遥感影像地膜农田识别

监测地膜覆盖农田的分布对准确评估由其导致的区域气候和生态环境变化有着重要作用,基于DeepLabv3+网络,通过学习面向地膜语义分割的通道注意力和空间注意力特征,提出一种适用于判断农田是否覆膜的改进深度语义分割模型,实现对无人机多光谱遥感影像中地膜农田的有效分割。以内蒙古自治区河套灌区西部解放闸灌区中沙壕渠灌域2018—2019年4块实验田的无人机多光谱遥感影像为研究数据,与可见光遥感影像的识别结果进行对比,同时考虑不同年份地膜农田表观的变化,设计了2组实验方案,分别用于验证模型的泛化性能和增强模型的分类精度。结果表明,改进的DeepLabv3+语义分割模型对多光谱遥感影像的识别效果比可见光高7.1个百分点。同时考虑地膜农田表观变化的深度语义分割模型具有更高的分类精度,其平均像素精度超出未考虑地膜农田表观变化时7.7个百分点,表明训练数据的多样性有助于提高地膜农田的识别精度。其次,改进的DeepLabv3+语义分割模型能够自适应学习地膜注意力,在2组实验中,分类精度均优于原始的DeepLabv3+模型,表明注意力机制能够增加深度语义分割模型的自适应性,从而提升分类精度。本文提出的方法能够从复杂的场景中精准识别地膜农田。     

基于多进制小波变换及多维纹理特征的遥感影像融合方法

探讨了基于多进制小波变换与多维纹理特征融合相结合的遥感影像融合方法。在融合过程中,首先对高分辨率全色影像和多光谱影像进行多进制小波分解,再联合提取局部方差、局部梯度、局部能量和局部信息熵4维纹理特征,将高分辨率影像的高频分量分别与多光谱影像的高频分量以多维纹理特征进行多判据联合方法融合,形成新的高频分量,然后与多光谱影像的低频分量进行多进制小波逆变换,最后经 RGB合成为彩色影像。试验选取淮南矿区SPOT 10 m与TM 30 m空间分辨率影像,从目视判读（定性评价）、地物光谱曲线分析、定量评价指标三方面对融合方法进行了评价。结果表明,该方法既保留了原影像的光谱信息,同时也改善了影像的清晰度和分辨率,利用融合后的影像进行矿区土地利用变化监测,效果明显提高。     

基于多特征融合的遥感图像河流提取

遥感影像中地物复杂多样,为得到较高精度的河流区域信息,弥补单一特征河流提取适用性受限的局限,提出一种融合纹理、光谱和形状特征的河流区域提取方法。首先选取图像红外通道作为输入,根据纹理特征计算灰度共生矩阵,并选取灰度共生矩阵统计量中的角二阶矩图作为处理对象;接着根据光谱特征对角二阶矩图进行最大类间方差（OTSU）计算获取二值图像;然后进行连通域标记,根据几何特征构建特定滤波器以滤除非河流噪声,最后生成精度较高的河流流域图。处理的河流遥感影像中包括了林地、城市、山地、耕地等不同类型的区域,通过与经典算法的对比验证,提取结果显示该方法能够提高河流流域提取的精确度和完整度。