面向对象的荒漠绿洲区高分一号遥感影像信息提取技术研究

为了更加快速、准确的提取出荒漠绿洲区土地利用类型,采用面向对象的分类方法,利用e Cognition软件对荒漠绿洲区磴口县高分一号遥感影像进行多尺度分割,并对分割尺度、颜色、形状、紧密度和光滑度等参数设置进行多次的试验,最终确定了荒漠绿洲区高分一号遥感影像信息提取的最佳分割尺度与分类规则。对研究区高分一号影像也采用最大似然法分类法进行分类,分类精度为78.65%,kappa系数为0.6984,面向对象分类方法的分类精度为92.51%、kappa系数为0.8767,荒漠绿洲区面向对象的分类方法提取精度明显优于最大似然法。     

GF-1卫星数据在永久基本农田非粮化监测中的应用

以浙江省嘉善县为研究区,应用高分一号影像数据,通过面向对象分类方法提取永久基本农田范围内坑塘、苗木地等非粮化区域,总体分类精度为0.846,Kappa系数为0.875。结果表明,利用高分辨率国产卫星影像,能够快速、准确地提取永久基本农田非粮化面积和分布,为永久基本农田非粮化程度的快速监测和评估,合理管控和引导耕地用途提供可靠的参考。     

高分遥感比值波段设置对森林蓄积量估测影响规律的研究

为研究利用国产GF-1号卫星影像进行森林资源定量估测的可行性,本文选择我国东北大兴安岭地区某林业局为试验场地,采用GF-1号卫星影像16m分辨率的WFV多光谱数据,结合试验区域的一类样地调查资料,建立以样地为单位的森林蓄积量估测方程,进行森林蓄积量定量估测。为有效设置可能影响蓄积量估测的遥感信息,本文重点分析了遥感比值波段的设置和优选对蓄积量估测模型建立和估测精度等的影响规律。研究结果表明,设置不同种类的比值波段将影响最优变量筛选结果,高分遥感信息对提高森林蓄积量估测精度有较大影响。     

利用面向对象变化向量分析(OCVA)检测土地利用变化

为推广国产高分数据在土地利用变化检测方面的应用,以延庆区张山营镇2015和2018年2期高分二号(GF-2)影像为数据源,采用面向对象变化向量分析法(OCVA),先通过不同分割模式获取对象,其次利用引入权重的欧氏距离构建变化向量的模,再通过目标函数确定最佳检测阈值后对研究区进行变化检测,最后对变化区域进行面向对象分类,得到具体的"从…到"变化类型。结果表明:1)多时相组合分割模式下的OCVA法精度要高于多时相分别分割模式;2)利用加权组合方法构建对象变化向量的模更易确定最佳检测阈值,且最后的总体精度要高于传统OCVA法;3)结合面向对象分类的OCVA法能有效减少面向对象分类后变化检测法和单一OCVA法的伪变化,检测精度达到92.50%。     

基于HJ-1星CCD数据的面向对象人工表面信息提取研究——以陕西关中平原为例

以2010年HJ-1号卫星CCD数据为主要数据源,采用面向对象分类方法,提取关中平原人工表面信息。在eCognition软件平台的支持下,综合影像光谱信息、纹理、形状和地理空间关系等特征参数,并添加DEM、Slope、TM数据、样本点数据以及特征指数等辅助信息,依据决策树分类思想,进行多尺度分割逐级提取地物类型。结果表明：利用HJ-1号卫星数据提取区域人工表面信息是可行的,采用面向对象的计算机自动分类方法提取人工表面信息的效率明显提高,且精度达到85.90%。     

基于面向对象的西双版纳橡胶林提取

面向对象遥感信息提取技术可以综合光谱、空间、纹理等特征,从而提高影像分类的精度。以西双版纳地区为研究对象,利用相关数据,以面向对象方法为核心,通过图像预处理、图像增强、光谱曲线提取与特征提取、分割、图像分类等技术环节,对其土地利用信息进行提取研究,尤其是橡胶林的提取。探索了该地区利用遥感数据为信息源快速获取土地利用的有效方法,并用2期数据研究区内的土地利用变化情况。最后,得出面向对象的方法在该研究区域是可行的,而且也相对提高了分类精度,同时,提取了土地利用变化情况,为该地区综合研究提供基础信息,而且更重要的是从另一个侧面说明了面向对象分类的优越性。     

基于面向对象的西双版纳橡胶林提取

面向对象遥感信息提取技术可以综合光谱、空间、纹理等特征,从而提高影像分类的精度。以西双版纳地区为研究对象,利用相关数据,以面向对象方法为核心,通过图像预处理、图像增强、光谱曲线提取与特征提取、分割、图像分类等技术环节,对其土地利用信息进行提取研究,尤其是橡胶林的提取。探索了该地区利用遥感数据为信息源快速获取土地利用的有效方法,并用2期数据研究区内的土地利用变化情况。最后,得出面向对象的方法在该研究区域是可行的,而且也相对提高了分类精度,同时,提取了土地利用变化情况,为该地区综合研究提供基础信息,而且更重要的是从另一个侧面说明了面向对象分类的优越性。     

基于面向对象的IKONOS 影像香榧树分布信息提取研究

为了定量模拟我国特有经济树种香榧树的生长环境,基于IKONOS 卫星影像,采用面向对象的分类方法,充分利用多尺度分割逐级分层提取的优势,对香榧树的分布进行信息提取,以准确地确定香榧树的空间分布.结果表明,其生产者精度为86.36％ ,用户精度为67.86％ ,明显高于基于像元的监督分类法的精度.表明基于面向对象的IKONOS 影像香榧树分布遥感信息提取方法具有良好的应用价值.     

基于FCN和面向对象的高分辨率遥感影像土地覆盖分类

针对基于全卷积神经网络（FCN）进行遥感影像语义分割时,FCN的上、下采样机制会导致分割结果中地物边缘细节信息丢失的问题,提出一种基于面向对象分割结果优化FCN分类的高分遥感影像土地覆盖分类方法。基于FCN网络对高分遥感影像进行初始分类,并利用面向对象的分割结果优化基于FCN的初始分类结果。该方法不仅可以有效保留地物边缘细节信息,还可以有效消除FCN初始提取结果中存在的椒盐现象,优化分类结果的视觉效果,并提高分类精度。     

基于高分三号卫星合成孔径雷达数据的农田土壤水分反演

土壤水分是农作物生长的基本条件,本研究基于高分三号卫星C波段合成孔径雷达数据,提出新的土壤水分反演算法,并获取区域尺度8 m空间分辨率的农田区土壤水分。首先,通过PROSAIL模型、实测植被冠层含水量、Landsat-8光学数据优选光学植被水分指数,计算水云模型参数并获得土壤直接后向散射系数;其次,利用高级积分方程模型模拟雷达后向散射影响机制,采用雷达影像高低入射角特性计算地表组合粗糙度;最后,利用高分三号卫星同极化雷达数据反演农田区土壤水分,并基于实测数据开展精度验证。结果表明：土壤水分反演值与野外实测值具有良好一致性,垂直极化下反演精度更高,其决定系数为0.595 6,均方根误差为0.041 5 m3/m3。本研究成果可为我国自主研发的高分三号卫星获取高分辨率土壤水分信息提供算法参考。     

基于国产GF-2遥感影像的大麻地块提取方法研究 ——以安徽省六安市苏埠镇为例

针对传统的基于像元的分类方法提取大麻地块结果存在较为破碎、精度较低的问题,以国产"高分二号"(GF-2)4m的多光谱遥感影像为数据源,在安徽省六安市苏埠镇选取了一个研究区,使用基于规则集的面向对象的方法实现了大麻地块的精确提取。首先,对研究区预处理过的GF-2遥感影像进行多尺度分割,在多尺度分割结果的基础上,确定提取大麻地块的最优分割尺度。其次,针对不同地物类型选取样本对象生成光谱曲线,分析大麻地块与其他地物类型的异同点,并基于光谱分析结果构建规则集最终实现大麻地块的提取。最后,将基于规则集的面向对象分类结果和基于像元分类(监督分类)的结果进行对比分析。结果表明,基于规则集的面向对象方法可以有效的提取出研究区内的大麻地块,精度可以达到91.09%,解决了传统基于像元分类方法提取大麻地块结果较为破碎的问题。     

协同多源国产高分影像和面向对象方法的南方农作物遥感识别

【目的】中国南方地区云雨频繁且农业景观破碎，是我国农作物遥感监测最具挑战的区域之一。我国自主研发的高分系列卫星具有高时空分辨率和高质量成像的特点。本研究挖掘多源高分系列卫星的时间和空间双重优势，实现多云雨及景观异质区作物精细化识别。【方法】基于国产高空间分辨率高分二号（GF-2）影像表征农田空间几何特征，协同中空间分辨率高分一号（GF-1）和高分六号（GF-6）加密影像观测时间序列，充分表征农作物光谱季相节律。通过构建光谱-时相-空间三维分类特征，基于随机森林进行农作物分类并计算不同特征的重要性。同时，设置不同影像组合和不同分类单元下的多种分类场景，进一步分析不同高分数据协同利用在农作物识别上的表现差异。【结果】基于GF-1、GF-2和GF-6影像和面向对象的农作物分类在湖北省潜江市研究区的总体精度为95.49%,Kappa系数为0.94；在枣阳市的总体精度为93.78%,Kappa系数为0.92。协同GF-2和GF-6进行农作物分类精度优于协同GF-2和GF-1。此外，基于GF-2进行面向对象的农作物分类效果优于面向像元，其中潜江总体精度提升了1.4%，枣阳提升了1.32%。相比GF...     

基于GF-1/WFV EVI时间序列数据的水稻种植面积提取

随着国产高分系列卫星的发射,国产高分辨率遥感影像在作物种植面积提取方面逐渐得到了应用,但目前仅有少量基于高分一号(GF-1)卫星影像归一化植被指数(Normalized Difference Vegetation Index,NDVI)进行作物分类或遥感估产的研究。本文针对NDVI指数在南方多植被覆盖区域易饱和及不敏感的缺陷,利用在NDVI基础上改进的增强型植被指数(Enhanced Vegetation Index,EVI),首次提出基于GF-1卫星16m宽覆盖影像(Wide Field of View,WFV)EVI时间序列的水稻种植面积提取方法。选取四川省乐至县为研究区域,获取覆盖整个水稻生长周期的GF-1/WFV影像数据,构建EVI时间序列,并分析水稻不同生长期的EVI曲线特征。利用时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS)对EVI时间序列进行平滑处理,尽可能减少噪声影响,使EVI时间序列能够更好地反应水稻及其他植被或非植被随时间的变化规律;根据水稻和其他植被及非植被的EVI曲线特征差异构建水稻种植面积提取决策树模型,对水稻种植面积进行准确提取。通过与同期地理国情监测成果的对比,本研究方法提取的水稻种植面积和精度都较高,表明该方法对于提取水稻种植面积效果良好。研究表明,相对于以往用中低分辨率卫星影像进行作物种植结构提取,GF1/WFV影像在南方较破碎的水稻种植面积提取方面应用效果良好,GF-1卫星影像在农业遥感领域具备很大的应用潜力。     

国产高分系列遥感卫星影像的批量自动配准研究

【目的 】遥感影像的精确几何配准对于国产高分系列卫星影像处理以及后续的农情监测等应用至关重要。【方法 】文章基于自动配准和正射校正程序包AROP,选择16 m分辨率的高分1号、高分6号宽幅影像和3 m分辨率高分2号、高分7号多光谱影像作为实验数据,以经过几何精校正的10 m分辨率的Sentinel-2影像和3 m分辨率的谷歌影像为基准影像,在农业用地场景和城市用地场景下,进行批量的几何配准实验,对配准的结果进行目视检验和定量评价。同时,为了更好地匹配高分影像与Sentinel-2影像,将高分1号、高分6号宽幅数据重采样到15 m的分辨率进行几何配准。【结果 】在农业用地和城市用地场景下,配准精度大多达到了0.5个像元以内,满足了影像配准的精度标准。其中15 m分辨率的高分1号和高分6号的配准精度分别为0.31～0.54和0.33～0.53,均小于0.6个像元;3 m分辨率的高分2号的配准精度在0.47～0.6之间,小于0.6个像元;高分7号的配准精度在0.44～0.49之间,小于0.5个像元,而且所有高分系列遥感卫星在配准后均目视效果出色,接边良好。【结论 】利用AROP对15 m分辨...     

基于不同时相高分一号卫星影像的水稻种植面积监测研究

高分一号卫星影像具有高空间分辨率和高时间分辨率的优点。为了分析在水稻生育期内不同时相的高分一号卫星影像对水稻识别的影响,以江苏省建湖县为研究区域,选用2014年7月21日至2014年10月24日期间5景空间分辨率为16 m的高分一号卫星影像,采用ISODATA分类与人工目视解译相结合的方法分别提取各时相的水稻种植面积,并以地面实测GPS水稻样方进行精度验证,结果表明5个时相的水稻种植面积精度都在86%以上,10月15日精度达到最高,为90.391%,说明利用高分一号卫星影像可以用于监测水稻种植面积且精度较高,在农业遥感监测领域中具有广阔的应用前景。     

基于资源三号卫星遥感影像的山区套种烟草面积估测

[目的]针对传统实地测量难以实现山区大面积套种烟草面积监控的问题,研究一种快捷、高精度的估测途径。[方法]利用ENVI5.1软件处理资源三号卫星2.1 m全色影像和5.8 m多光谱影像,导入1∶1万DEM数据进行正射校正以纠正地形起伏引起影像上的误差。野外获得具有代表性的地面控制点(GCP),利用面向对象分类方法,对影像进行智能化的分割和合并,以GCP的光谱、纹理和形状属性创建规则,进而提取烟草面积。[结果]经过分类后处理提取的研究区烟草面积为14 088.46 hm2,分类精度达到94.63%。[结论]面向对象分类方法提取遥感影像信息的实用性较高。     

面向对象的土地利用遥感分类方法研究

以重庆市忠县为研究区,以LANDSAT-5 TM影像为数据源,利用TM及其衍生指数、DEM及其衍生数据,借助ENVI4.8、ArcGIS10.0以及eCognition软件,进行土地利用遥感信息提取方法研究,通过综合利用基于知识的决策树分类和基于样本的最近邻分类,对研究区进行土地利用遥感信息提取,并与监督分类和非监督分类方法相比进行精度评价。研究结果表明,与传统分类方法相比较,面向对象分类方法精度更高。     

面向对象多层次多尺度分割的农用大棚类型信息提取

为对不同农用大棚类型信息进行识别分类和精细化提取,以内蒙古河套灌区不同大棚类型为研究对象,基于Sentinel-2A卫星数据,采用面向对象结合多层多尺度分割技术和阈值分类方法,对大棚类型信息进行提取并对最终提取结果展开精度评价和分析研究。首先利用尺度参数估计（Estimation of Scale Parameter2, ESP2）方法进行了分层分割并优选出最佳分割尺度,在各层最优分割尺度上进行光谱、指数、几何、纹理等特征的提取与优化,获取最优特征组合;然后运用多层多尺度分割阈值分类方法提取不同大棚类型信息。结果表明不同大棚类型信息总体精度达94.8%,kappa系数达0.93。其中：塑料大棚的制图精度和用户精度分别为95.3%和96.6%;单屋面温室大棚制图精度和用户精度分别为88.5%和92.6%。基于多层多尺度分割分类的信息提取方法分别考虑了不同地物最优分割尺度,在不同地物各自的最优分割尺度上提取其信息,以抑制过度分割或亚分割现象,从而降低错分或漏分。因此,高分辨率卫星数据与面向对象多层多尺度分割分类的信息提取方法能够有效提高大棚类型信息提取精度,且能为地物信息精细提取技术体系提供一定参考思路。     

高分一号卫星影像监测水稻种植面积研究综述

简要介绍了高分一号卫星应用于农情遥感监测的优势和水稻种植面积遥感监测的原理,着重对遥感影像数据预处理、遥感影像分类方法与水稻面积提取技术等方面的研究进展进行了综述。高分一号卫星具有高空间分辨率和时间分辨率的特点,反映作物的光谱特征明显,适合选用为农情遥感监测的数据源;基于高分辨率卫星影像的水稻种植面积提取技术比较成熟;基于决策树、人工神经网络、专家知识、人工目视解译等分类提取方法应用前景广阔,但精度有待进一步提高。     

基于GF-1影像的冬小麦面积提取及年际变化动态监测

为探讨国产高分一号(GF-1)卫星影像在作物面积提取中的适用性,以冬小麦主产区山东省菏泽市为研究区域,利用GF-1卫星携带的多光谱宽幅相机(WFV)16米遥感影像为主要数据源,以菏泽市土地利用类型和野外地面调查数据作为辅助,采用决策树分类法和监督分类—最大似然分类法相结合的方法,通过分区解译方式,分别提取出菏泽市2014和2015年冬小麦种植面积和分布区域,并利用地面样方数据对分类结果进行精度验证,同时开展年际变化动态监测分析。结果表明:以GF-1/WFV 16米影像为主要数据源,将多源信息引入决策树和监督分类模型,进行种植结构复杂地区冬小麦种植面积遥感估算的方法是可行的。GF-1/WFV 16米影像在作物面积遥感监测业务运行中具有较大的开发应用潜力。2014和2015年菏泽市冬小麦位置提取精度分别达到96.5%和96.7%,面积总量提取精度分别达到96.8%和95.0%;遥感提取的两年冬小麦种植面积均略小于官方提供的统计数据,但两者呈现出的变化趋势一致,即菏泽市两年间的冬小麦种植面积呈减少趋势。