干旱区耕地土壤盐渍化信息提取研究

土壤盐渍化是制约农业生产和发展的主要障碍之一。目前针对耕地土壤盐渍化的研究较少,常规土壤盐渍化的遥感监测主要是基于中低分辨率卫星,采用传统的基于象元分类方法,对盐渍化信息的细节描述不足,监测精度不高。使用国产GF-1影像,结合面向对象方法,针对耕地环境下的盐渍化信息进行精确提取和分类,再利用传统分类方法及实地采样数据进行精度分析。结果表明:面向对象法和最大似然法的分类总体精度分别为91.68%和72.48%,Kappa系数分别为0.90和0.69。该技术能准确提取田间尺度下耕地盐渍地信息,在未来的农田盐渍化高精度监测研究中具有一定应用价值和发展潜力。     

基于时变特征的多时相PolSAR农作物分类方法

获取农作物分类信息是极化合成孔径雷达(Polarimetric synthetic aperture radar,PolSAR)的重要应用之一,然而单时相PolSAR数据能够提供的信息十分有限,而且单时相数据的获取时间也会影响农作物分类精度。随着技术的发展,出现了大量的机载和星载PolSAR系统,这些系统能够获取目标重复观测的PolSAR数据,这为多时相PolSAR的数据分析和应用提供了可能。本文以多时相PolSAR农作物分类为出发点,通过利用不同农作物的极化散射特性的变化特性来提高分类精度。首先,基于极化散射特性分解原理分析了不同农作物在生长过程不同时期所呈现的散射特性变化规律,在此基础上定义了一个新的参数描述其散射特性的变化特性。其次,基于这一新参数提出了一种多时相PolSAR农作物监督分类算法。最后,通过对欧洲空间局所提供的基于Radarsat-2实测仿真生成的Sentinel-1数据处理结果表明,相比于基于复Wishart分布的监督分类算法,农作物的整体分类精度提高了约4个百分点,当农作物种类合并为4类时,整体分类精度提高了约6个百分点。     

基于散射特性时变特征的多时相PolSAR农作物分类方法

获取农作物分类信息是极化合成孔径雷达(Polarimetric synthetic aperture radar,PolSAR)的重要应用之一,然而单时相PolSAR数据能够提供的信息十分有限,而且单时相数据的获取时间也会影响农作物分类精度。随着技术的发展,出现了大量的机载和星载PolSAR系统,这些系统能够获取目标重复观测的PolSAR数据,这为多时相PolSAR的数据分析和应用提供了可能。本文以多时相PolSAR农作物分类为出发点,通过利用不同农作物的极化散射特性变化特性来提高分类精度。首先,基于极化散射特性分解原理分析了不同农作物在生长过程不同时期所呈现的散射特性变化规律,在此基础上定义了一个新的参数描述其散射特性的变化特性。其次,基于这一新参数提出了一种多时相PolSAR农作物监督分类算法。最后,通过对欧洲空间局所提供的基于Radarsat-2实测仿真生成的Sentinel-1数据处理结果表明,相比于基于复Wishart分布的监督分类算法,农作物的整体分类精度提高了约4个百分点,当农作物种类合并为4类时,整体分类精度提高了约6个百分点。     

面向空间自相关信息的高光谱图像分类方法

空间滤波器在提取高光谱图像纹理信息过程中容易丢失空间自相关信息,导致植被分类精度不高。针对当前方法的不足,提出一种空间自相关信息的高光谱图像分类算法(Classification of hyperspectral image based on spatial autocorrelation information,CHISCI)。该方法先用域转换线性插值卷积滤波(Domain transform filter of interpolated convolution,DTFOIC)对高光谱全波段图像提取空间自相关信息,然后对高光谱数据进行主成分分析(Principal component analysis,PCA)降维后的前部分主成分提取空间自相关信息,两种空间自相关信息线性融合后交由支持向量机(Support vector machine,SVM)完成分类。试验表明,相比使用光谱信息、高光谱降维、空谱结合的SVM分类方法和边缘保持滤波以及递归滤波的方法,所提出的CHISCI方法对高光谱图像的植被分类精度有较大提高,在训练样本仅为6%和1%的情况下,对印第安农林和萨里斯山谷数据集分类的总体分类精度分别达到96.16%和98.67%,比其他算法高出2~16个百分点,验证了该方法的有效性。     

基于Albedo-MSAVI特征空间的渭库绿洲土壤盐渍化研究

选取新疆塔里木河流域渭库绿洲为研究区,以landsat 8 OLI和野外调查为基础数据,分析盐渍化土壤与反照率(Albedo)和修改型土壤调节植被指数(MSAVI)的关系,并提出Albedo-MSAVI特征空间概念,构建监测土壤盐渍化不同指数模型SDI。结果表明:Albedo-MSAVI特征空间分布呈现明显的规律性,即地表反照率与修改型土壤调节植被指数在第1象限呈双曲线分布,且盐渍化与非盐渍化土壤分异明显;SDI模型与土壤含盐量的决定系数为0.96,能够较好地反映绿洲盐渍化情况;不同盐渍化程度的SDI平均差异与非盐渍化SDI平均差异特征明显,其差值为0.12~0.34。因此SDI指数可以作为盐渍化信息快速提取的指标,且SDI模型的构建有利于干旱区大尺度定量监测和评价土壤盐渍化工作。     

基于MESMA和RF的山丘区土地利用信息分类提取

探讨了基于多端元混合像元分解(Multiple endmember spectral mixture analysis,MESMA)和随机森林(Random forest,RF)相结合的土地利用信息分类提取方法。以Landsat-8 OLI卫星遥感影像为主要数据,基于植被-不透水面-裸土(Vegetation-impervious surface-soil,VIS)模型,利用MESMA将影像分解为植被、不透水面和裸土3类组分,将生成的3类组分变量和基于光谱、纹理信息计算选取的20个特征变量组合后开展RF分类实验,将分类结果与相同特征变量下的支持向量机(Support vector machine,SVM)、最大似然(Maximum likelihood classification,MLC)分类结果进行比较分析。结果表明:MESMA可以获得较为精确的组分丰度信息;RF分类结果优于相同特征变量下的SVM和MLC分类结果;在MESMA生成的组分信息变量参与分类后,3种方法的分类精度均有所改善,分别达90.50%、88.85%、86.35%,其中RF的分类精度改善最为显著;MESMA与线性混合分解(Linear spectral mixture analysis,LSMA)生成的组分信息变量相比,前者对于改善分类精度效果更为明显。MESMA对于提高影像分类精度起到一定积极作用,基于MESMA和RF的方法对中等空间分辨率影像山丘区土地利用信息分类提取精度较高,利用该方法开展遥感影像解译可为大尺度的土地利用监测和管理工作提供技术支持和理论参考。     

鲁北平原（黄河以北）土壤盐渍化环境质量及防治分区研究

【目的】研究鲁北平原(黄河以北)土壤盐渍化现状。【方法】采用二级模糊综合评判法,构造了隶属土壤环境条件、地下水环境条件和自然地理条件3个层面,盐渍土面积占比、土壤盐渍程度、土壤含盐量、包气带岩性、地下水埋深、地下水矿化度、地形地貌与蒸降比8个指标的综合评价指标体系,对鲁北平原(黄河以北)区域进行了土壤盐渍化环境质量评价研究。【结果】(1)将鲁北平原(黄河以北)盐渍化土壤环境质量划分为优等、良好、中等、较差和差5个等级。(2)其中,盐渍化土壤环境质量差区面积5 277.49 km²,盐渍化土壤环境质量较差区面积6 564.76 km²,盐渍化土壤环境质量中等区面积4 383.79 km²,良好区面积5 995.52 km²,盐渍化土壤环境质量优等区面积4 919.29 km²。针对不同的盐渍化环境质量条件。将土壤盐渍化的防治分区划分为3个防治区8个亚区。【结论】鲁北平原(黄河以北)地区土壤盐渍化程度和空间差异较大。本研究可为改善该地区土壤管理措施提供技术支持,促进该地区农业和农村...     

基于合成孔径雷达数据的农作物长势监测研究进展

[目的/意义]农作物长势监测能及时提供农作物的生长状态信息,对于加强中国作物生产管理、确保国家粮食安全具有重要的意义。卫星遥感技术的发展为大面积的作物长势监测提供了契机。然而,在雨热同期的作物生长旺季,光学遥感数据的获取经常受到天气的限制。因此,近年微波雷达遥感技术受到了广泛重视。[进展]梳理了利用合成孔径雷达(Synthetic Aperture Radar,SAR)数据进行农作物长势监测的国内外研究现状,从农作物长势SAR遥感监测指标、农作物长势SAR遥感监测数据和农作物长势SAR遥感监测方法3个方面对基于SAR数据农作物长势监测研究进展与标志性成果进行总结。在分析常用于农作物长势监测的方法及其适用性的基础上,对它们在长势监测中应用情况进行分析。[结论/展望]提出了4个国内外SAR监测农作物长势所存在的问题:1)基于SAR数据的农作物长势监测方法研究整体较少;2)微波散射特征挖掘不够,特别是对极化分解参数的长势监测应用研究还有待深入;3)针对农作物长势监测中的雷达植被指数相对较少,其应用尚未得到充分发挥;4)基于SAR散射强度的农作物长势监测主要采用经验模型,难以推广到不同地区和类...     

基于RNMU的多源星载SAR影像融合与土地覆盖分类

为充分利用多时相、多极化SAR数据在不同土地覆盖类型中的后向散射特性,将递归非负矩阵下近似(Recursive nonnegative matrix underapproximation,RNMU)算法引入多源SAR数据的融合,并利用融合后的SAR影像实现较高精度的土地覆盖分类。融合过程中,在根据不同模式SAR影像特点进行多源SAR影像预处理的基础上,基于RNMU算法通过对多个输入SAR影像进行矩阵分解及迭代最优矩阵求解,得到融合影像。为验证融合后SAR影像在土地覆盖分类中的应用效果,以吉林省大安市为研究区,对多时相Sentinel-1的VV/VH双极化SAR数据和高分三号(GF-3)的HH/HV双极化SAR数据进行了基于RNMU的影像融合,并利用融合后的SAR影像进行研究区主要土地覆盖类型分类。实验结果表明,基于RNMU融合影像的土地覆盖分类总体精度达93. 11%,Kappa系数为0. 86,与Gram-Schmid(G-S)融合方法相比,分类总体精度提高了6. 83个百分点,Kappa系数提高0. 12。多源SAR融合为SAR影像融合提供了有效手段,为土地覆盖分类提供了更多高精度的数据资源。     

心电信号特征提取及其分类研究

心电信号(简称ECG)是一种生物医学信号,根据ECG的波形可初步判断人体是否存在相关疾病,养老院等老年人集中区域如何及时判别人群中是否存在突发性心血管疾病对于管理者来说至关重要。文章对ECG的特征提取及其分类进行研究,通过提取被监测者ECG,先对被监测者的ECG进行预处理,再应用EMD分解等方法实现特征值的提取,最后构建支持SVM分类器对采集的ECG进行判断和分类。为人群异常ECG的快速定位及人体健康管理提供基础。     

HJ-1A/B的FLAASH大气校正及对东湖蓝藻监测效果分析

环境一号卫星(HJ1-1A/B)提供免费的高空间、高时间分辨率的遥感图像,是用于蓝藻监测的重要数据。然而,HJ-1A/B卫星由于地球大气及太阳辐射的影响会导致信号失真。为了提高绿藻监测的精度,大气纠正就变得极其重要。使用FLAASH大气校正模型对HJ-1A/B数据进行大气纠正,考虑了一定波长范围内量子效应的影像,引入了波谱响应函数进行校正。然后对纠正前后的NDVI指数进行对比,标准差由校正前的0.13提升到校正后的0.158,提升了21.5%。结果表明,FLAASH大气校正模型对HJ-1A/B数据有极好的校正效果。最后,利用NDVI数据对东湖蓝藻进行监测,进一步证明,使用FLAASH大气校正模型纠正后的数据可以更加精确地识别蓝藻信息。     

基于变分模态分解和复杂度分析的水电机组振动信号特征提取

目前大型水电机组通常安装有状态监测系统可记录机组的振动数据,而如何从海量的数据中提取出机组的故障特征是水电机组故障诊断的难点和热点。提出了一种基于变分模态分解和复杂度分析的振动信号特征提取方法,该方法首先对降噪后的振动信号进行变分模态分解,再结合复杂度算法求得各模态分量的复杂度值,得到以各模态分量复杂度值为元素的反映机组故障信息的特征向量,最后利用支持向量机对特征向量进行分类。试验结果表明:基于变分模态分解与复杂度分析的特征提取方法对水电机组不同运行状态具有较好的区分度,是一种有效的振动信号特征提取方法。     

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。     

基于小波纹理和随机森林的猕猴桃果园遥感提取

为快速、准确地从高分影像中获取猕猴桃种植分布信息,提出了一种结合小波变换纹理分析和随机森林分类的QuickBird影像猕猴桃果园自动提取方法。首先,采用coif5小波对QuickBird全色影像进行多尺度小波分解,计算各子频带小波系数的能量特征作为纹理特征;然后,将小波纹理与光谱特征组合构建分类特征;最后,利用随机森林分类实现土地利用分类和猕猴桃果园空间分布提取。结果表明,小波纹理识别猕猴桃果园的效果明显优于光谱特征和其他2种纹理特征;光谱+小波纹理特征的分类精度最高,猕猴桃果园提取精度(Fk)和总体分类精度(OA)分别为95.30%和94.46%,比光谱+灰度共生矩阵纹理分类分别提高6.70%和2.88%,比光谱+分形纹理分类显著提高13.43%和6.98%;随机森林分类结果优于相同特征下的支持向量机、最大似然分类。本文提取的猕猴桃果园面积与目视解译结果的相对误差小于7%。此外,利用本文方法对同期QuickBird影像另一研究区的苹果园分布进行提取,结果表明,该方法对苹果园提取有较好的适用性。     

基于光谱解混的城市地物分类研究

高光谱遥感信息提取面临的突出问题是混合像元的广泛存在,如何有效地解译混合像元是高光谱遥感应用的关键问题。混合像元不仅影响地物的识别和分类精度,而且是遥感技术向定量化发展的重要障碍,混合像元分解是解决混合像元问题最有效的方法,能够克服高光谱图像空间分辨率的限制。针对传统混合像元分解算法的缺点,基于优化的候选端元判断方法及端元提取的并行设计方法,提出了一种优化的混合像元分解方法,实现了光谱特征信息和空间特征信息的有机融合。通过模拟高光谱数据和真实遥感图像进行仿真研究,实验结果表明,该方法能得到精确的端元和对应的丰度,获得较好的解混效果,为城市地物分类提供了有力支持。     

基于电磁感应技术的区域三维土壤盐分空间变异研究

以孔雀河流域典型地带为研究区域,利用电磁感应式大地电导率快速测定技术探测获得表观土壤电导率数据,构建了基于电磁感应技术的区域尺度剖面分层土壤盐分精确解译模型,精准解译出研究区剖面土壤盐分含量信息,并以此为数据源采用三维普通克里格法解析并评估了研究区土壤盐分三维空间分布特征。研究表明,不同测量位数据的综合应用能够表征剖面土壤盐分信息,构建出的剖面分层土壤盐分解译模型具有较好的精度;研究区不同区位土壤盐分三维分布呈现明显差异;研究区土壤主体属中度以上盐渍化,局部地带属于重度以上盐渍化土壤,需采取有效治理措施对土壤盐渍化进行可靠防控。     

基于鸡头特征的病鸡识别方法研究

健康黄羽鸡鸡冠鲜红、纹理均匀,鸡眼圆润有神,病鸡鸡冠萎缩变色、鸡眼半闭或全闭。本文提出了一种基于鸡冠及鸡眼构成的鸡头特征信息的病鸡识别方法。首先通过R、G、B分量色差信息去除背景,分析鸡身和鸡冠样本区域H分量分布特点,提取H分量分割阈值分割黄羽鸡。再利用H分量进行阈值分割得到黄羽鸡和鸡冠鸡垂。提出一种利用鸡冠和鸡垂轮廓上两点距离小于阈值的鸡头合并算法,再通过修正算法识别鸡头。在鸡头中,分别提取鸡眼瞳孔轮廓并获取形状几何特征,提取鸡冠的H分量共生矩阵特征,构成基于鸡头特征,采用ARA特征选择算法获得病鸡特征向量,采用支持向量机(SVM)分类器进行训练分类。实验结果表明,病鸡识别正确率为92.5%,表明利用机器视觉获取鸡头特征进行病鸡识别具有可行性和研究价值。     

三屯河灌区水利信息化的应用研究

以昌吉三屯河灌区为研究区域, 利用ArcGIS的水文分析模块对GDEMV3 30M 分辨率数字高程数据进行河网水系的提取, 从而得出水流方向、汇流累计量、分级河网、子流域边界等河网信息,利用AIearth深度学习算法对Sentinel-1 SAR GRD遥感影像进行水体分类提取;不同于用ENVI遥感影像处理软件对研究区影像进行地物识别分类的传统操作,本研究更倾向于通过AIearth使用监督分类算法对Sentinel-2 L2A影像数据进行地物分类,进而绘制出渠系一张图,清晰生动的展现研究区域复杂的水系结构,对GDEMV3 30M 分辨率数字高程数据、野外采样点数据、天地图所选区域0.862m/像素,672瓦片数量的17级Tiff数据进行处理制作采样点的渠系地形三维图,从立体的角度深入探索了水系地貌的特征,为研究提供更全面的视角,并探讨在实验过程中遇到的难点及解决办法。     

基于FNEA最优分割尺度下的塔里木河流域湿地提取研究

采用分形网络演变技术(FNEA)和eCognition处理平台,结合RapidEye高分辨率多光谱影像遥感影像,对新疆维吾尔自治区内塔里木河流域湿地提取进行研究。塔里木河流域影像覆盖面积较大,信息量丰富,本研究对影像数据进行主成分分析(PCA)处理,采用多尺度分割方法结合ESP分割尺度评价工具获取不同湿地类型最优分割尺度的参数。在FNEA分割结果上根据各湿地类型的光谱、纹理、空间关系分层分类,建立由易到难的分类规则集。结果证明,PCA可以去除影像冗余信息,其第一分量(PC1)与第二分量(PC2)均值可作为湿地提取的主要特征。基于FNEA的多尺度分类法可快速解决研究区内湿地分割尺度问题,准确完成信息的自动识别和提取,总体分类精度达到了87.7%,Kappa系数达到0.842。     

基于GF-1/WFV与MODIS时空融合的森林覆盖定量提取

森林作为陆地生态系统的重要组成部分,因其巨大的碳储量和固碳能力而备受关注,利用高分1号卫星的NDVI数据(GF-1 NDVI)可实现森林覆盖的定量提取。然而,由于受阴雨天气、运行成本等因素的影响,难以形成GF-1 NDVI时间序列数据,无法满足森林覆盖高精度提取的需求,为此,以河南省嵩山部分地区为实验区,应用STAVFM算法融合GF-1/WFV NDVI与MODIS NDVI,生成8 d步长的GF-1/WFV NDVI时间序列数据,在此基础上,提取NDVI特征并与GF-1/WFV的光谱特征进行组合,最后,采用SVM分类方法实现研究区森林覆盖的定量提取。研究结果表明,利用STAVFM算法生成的GF-1/WFV NDVI时序数据效果理想,很好地解决了GF-1 NDVI时序数据的缺失问题,由其NDVI特征与GF-1/WFV光谱特征构成的组合能够实现森林覆盖的有效提取,基于SVM分类后的总体分类精度为94.72%,与未融入NDVI特征的GF-1/WFV原始影像的分类结果相比,提高了4.90个百分点。