遥感卫星影像数据信息提取

北京揽宇方圆信息技术有限公司 、

遥感卫星影像数据信息提取

北京揽宇方圆信息技术有限公司中科院企业,卫星影像数据服务全国领先。业务包括 遥感数据获取与分发、遥感数据产品深加工与处理。按照遥感卫星数据一星多用、多星组 网、多网协同的发展思路,根据观测任务的技术特征和用户需求特征,重点发展光学卫星 影像、雷达卫星影像、历史卫星影像三个系列,构建由 26个星座及三类专题卫星组成的 遥感卫星系统,逐步形成高、中、低空间分辨率合理配置、多种观测技术优化组合的综合 高效全球观测和数据获取能力形成卫星遥感数据全球接收与全球服务能力。

(1光学卫星影像系列。

面向国土资源、环境保护、防灾减灾、水利、农业、林业、统计、地震、测绘、交 通、住房城乡建设、卫生等行业以及市场应用对中、高空间分辨率遥感数据的需求,提供 worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、 ikonos、pleiades、spot1、spot2、spot3、spot4、spot5、spot6、spot7、 landsat5(tm、 landsat(etm、 rapideye、alos、Kompsat 卫星、北京二号、资源三 号、高分一号、高分二号等高分辨率光学观测星座。围绕行业及市场应用对基础地理信 息、土地利用、植被覆盖、矿产开发、精细农业、城镇建设、交通运输、水利设施、生态 建设、环境保护、水土保持、灾害评估以及热点区域应急等高精度、高重访观测业务需 求,发展极轨高分辨率光学卫星星座,实现全球范围内精细化观测的数据获取能力。像国 产的中分辨率光学观测星座。围绕资源调查、环境监测、防灾减灾、碳源碳汇调查、地质 调查、水资源管理、农情监测等对大幅宽、快速覆盖和综合观测需求,建设高、低轨道合 理配置的中分辨率光学卫星星座,实现全球范围天级快速动态观测以及全国范围小时级观 测。

(2雷达卫星影像系列

合成孔径雷达(SAR观测星座。errasar-x、radarsat-2、alos、高分三号卫星围绕行 业及市场应用对自然灾害监测、资源监测、环境监测、农情监测、桥隧形变监测、地面沉 降、基础地理信息、全球变化信息获取等全天候、全天时、多尺度观测,以及高精度形变 观测业务需求,发挥 SAR 卫星在复杂气象条件下的观测优势,与光学观测手段相互配 合,建设高低轨道合理配置、多种观测频段相结合的卫星星座,形成多频段、多模式综合 观测能力

(3历史卫星影像系例

锁眼卫星影像 1960年至 1980年代的影像,高分辨率 0.6米,已在中国各个行业得 到广泛应用。

北京揽宇方圆信息技术有限公司公司为北京市创新企业,通过了严格国际质量体系认 证,产品和服务质量均有着优良的保证,曾独立提供国家重大遥感图像工程项目和遥感图 像处理项目,经过多年在遥感行业的积累,在遥感影像数据供应方面形成了一整套解决方

案,公司还拥有一支利用专业遥感信息处理软件进行航空、航天遥感数据处理的队伍,熟 练进行遥感影像 DOM 生产、DEM 提取、遥感动态监测、专题图制作、雷达卫星变形监 测、虚拟现实三维建模、地形图矢量化等处理工作,开展遥感处理技术培训与咨询服务, 可解决各种行业针对空间遥感信息数据处理的业务化需求。近年来,参与并完成了国土变 更调查、第二次全国湿地资源调查、矿区变化信息提取等多个遥感数据工程项目。 1

引 言

水体信息的提取对于环境监测、水资源调查以及合理的规划利用等起着十分重要的作用。利用遥 感影像提取水体的研究已有许多成果。如,徐涵秋对 Mcfeeters 的归一化差异水体指数

(NormalizedDifference Water Index , NDWI [1]

进行改进得到的改进归一化差异水体指数 (ModifiedNDWI , MNDWI, 该方法能有效地避免水体与阴影的混淆 [2]

;杨树文等针对细小水体的提取 提出了多波段谱间关系的改进方法,也得到了很好的效果 [3]。但这些研究多针对中低分辨率的遥感影 像,且都需要影像具有较高的光谱分辨率。近年来,由于高分辨率卫星影像应用越来越广泛,相对于 中低分辨率影像,这类影像的空间信息更加丰富、地物的几何和纹理信息更为清晰。采用传统基于像 素的方法处理这类影像时,会因为粒度过小、过多地关注地物的局部细节而难以提取地物的整体信 息。许多研究从分类精度、准确度等方面比较了基于像素与面向对象的影像分析方法。其中, Thomas 等比较了监督分类、非监督分类和面向对象分类三种方法的分类精度 [4]。 Yu 等 [5]和苏伟 [6]

等研究结果表 明:OBIA 不仅可以有效克服传统基于像素方法中的“椒盐”噪声,且能有效提高分类的精度。

针对不同的研究对象和数据集特点,应该使用不同的影像分析方法。本文的研究对象是区域内的 详细水体信息,包含大水体 (湖泊、干流 以及细小水体 (坑塘、细小支流 ,同时数据源为分辨率为 0.712米的高分辨率遥感影像。因此,采用 OBIA 较为适宜。本文使用 OBIA 对 QuickBird 高分辨率遥感影像 进行水体信息提取与分类。在对影像进行多尺度分割的基础上,利用影像对象的光谱、纹理、颜色和 对象间关系等特征建立规则,实现了水体信息的提取;并与基于像素的提取结果进行了对比,分析了 OBIA 提取结果的精度。 2研究区域与数据源

本文所用数据为采集于 2004年 5月 5日 10时 28分 18秒上海地区的 QuickBird 影像 (即图 1中较大 的黑色边框区域 ,包括空间分辨率为 0.717m 的全色数据和 2.87m 的多光谱数据,其中多光谱影像包 含 4个波段 (红、绿、蓝和近红外 信息。并以上海市浦东新区作为研究区域 (图 1中较小的黑色边框区 域 。该区域内河流、湖泊纵横交错,且有大小坑塘零星分布。土地利用类型以农田、水体以及

居民地 为主。研究区域对应的全色影像大小为 13900像素×13900像素,多光谱影像为 3475像素×3475像 素,其代表地面大小约为 10KM ×10KM 。

图 4Level1中 NDWI 阈值分析图