环境减灾卫星多光谱CCD影像自动几何精纠正与正射校正系统

我国环境减灾光学卫星(HJ)多光谱CCD影像由于具有高时空分辨率、大幅宽等优势,能够提供同一区域不同生长阶段的植被信息,是提取具有生态学意义土地覆盖及开展植被生理生态参量反演的重要数据源之一。然而,目前该数据产品的几何定位不准确及山区地形畸变误差使其难以满足应用需求。高定位精度是遥感影像信息提取、参数反演与应用分析的前提,遥感影像的几何精纠正与正射校正是遥感数据预处理面临的首要问题。在分析国内外卫星影像自动化处理系统研究现状的基础上,结合HJ CCD影像幅宽大的特点,构建了HJ CCD影像的自动几何精纠正与正射校正处理系统。与目前商业软件相比,自动几何精纠正与正射校正处理系统采用了自动化的控制点搜索与过滤方法,能有效提高控制点选取的效率与精度。同时,结合DEM数据,系统自动拟合卫星飞行路径并纠正由偏离星下观测导致的山体位移。系统应用结果表明,自动几何精纠正和正射校正系统能够有效的提高处理效率,节省人力和时间成本。该系统已被成功应用于全国生态十年(2000—2010年)变化遥感调查与评估专项土地覆盖遥感监测的环境减灾卫星多光谱遥感影像预处理工作。     

基于多尺度分割和决策树算法的山区遥感影像变化检测方法——以四川攀西地区为例

山区遥感影像变化检测面临地形效应明显、空间异质性高等不利因素的影响,构建适用于复杂地形条件的变化检测方法一直是遥感应用研究的难点。在对影像进行多尺度分割的基础上,构建对象的多种光谱、形状及地形特征,将地形阴影、物候等造成的虚假变化当作"未变化"训练样本,利用决策树算法自动提取检测规则,建立复杂地形条件下面向对象的遥感影像变化检测方法,并将该方法用于四川攀西山区1989年和2009年TM影像的检测试验,最后对方法的不足和改进措施进行了讨论。主要结论包括:(1)文中构建的方法能够有效减弱山区复杂地形条件对遥感影像变化检测的不利影响,采用地面调查数据和分层随机采样的总体验证精度为93.57%,Kappa系数为0.8706。(2)C5.0决策树算法对于只有"变化"和"未变化"两种类别且同类间训练样本高度异质化的影像分类仍能取得较好的效果,具有较好的鲁棒性和适应能力。通过将地形、物候等引起的虚假变化当作"未变化"训练样本可以有效提高检测精度。(3)光谱特征仍是TM影像遥感分析的主要信息源,影像间NDVI的差值对于植被覆盖区域土地覆盖格局变化的检测具有良好的表征作用。(4)攀西地区1989—2009年间土地覆盖格局变化明显且与人类活动关系密切,典型的驱动方式包括退耕还林(草)工程、水利工程建设和矿山开采等。共检测出变化面积740.2km2,占影像总面积的2.49%。     

基于阈值法的山区森林常绿、落叶特征遥感自动识别方法——以贡嘎山地区为例

森林的常绿、落叶特征是土地覆被产品的重要属性。由于山区地形复杂,地表遥感辐射信号地形效应明显,导致山区森林常绿、落叶特征遥感自动识别一直是难点。提出了一种基于阈值法的山区森林常绿、落叶特征遥感自动识别简单实用方法。该方法利用多源、多时相遥感影像,选择归一化植被指数(NDVI)为指标,通过统计参考样本的NDVI在生长季和非生长季的差异,自动找出区分常绿、落叶特征的阈值,基于判别规则识别山区森林常绿、落叶特征。以贡嘎山地区为例,分别以多时相Landsat TM影像(简称TM)、多时相环境减灾卫星影像(简称HJ)为单源数据,多时相的HJ、TM组合影像为多源数据,验证该方法的有效性。实验结果表明,该方法能够有效识别山区森林常绿、落叶特征,总体精度达到93.87%,Kappa系数为0.87。该方法适用于山区大面积森林常绿、落叶特征遥感自动提取,已被成功应用于"生态十年"专项西南地区土地覆被数据的生产。