好文推荐 | SAR+光学遥感大范围城市不透水面提取

会员服务 ·

好文推荐 | SAR+光学遥感大范围城市不透水面提取

2020 年 4 月 13 日 中国图象图形学报

点击中国图象图形学报→主页右上角菜单栏→设为星标

主题词

不透水面，城市土地覆盖，

合成孔径雷达（SAR），多源数据融合

图1 中国2015—2018年不透水面结果

大范围的不透水面提取对环境、生态、社会经济研究有重要的意义。遥感技术可有效进行大范围全覆盖的不透水面提取，但由于地表的复杂性，光学遥感受限于地物混淆，无法实现不透水面精确的提取。以往的研究显示融合光学和雷达遥感可一定程度上提高不透水面的提取精度，但是仅局限在小范围的研究。

今天图图为大家推荐香港大学张鸿生博士团队2020年6月将正式发表在《Remote Sensing of Environment》的最新论文。该研究通过Google Earth Engine平台，对光学和SAR数据进行特征级的融合，研究表明SAR数据可作为光学遥感的补充进行大范围不透水面提取，总体精度可提高2%。

关注我们

一起努力

论文信息

题目：Incorporating synthetic aperture radar and optical images to investigate the annual dynamics of anthropogenic impervious surface at large scale

作者：Yinyi Lin，Hongsheng Zhang，Hui Lin，Paolo Ettore Gamba，Xiaoping Liu

发表期刊：Remote Sensing of Environment

年卷期页面：Volume: 242 (2020)

DOI：https://doi.org/10.1016/j.rse.2020.111757

引用格式：Lin, Y., Zhang, H., Lin, H., Gamba, P. E., & Liu, X. (2020). Incorporating synthetic aperture radar and optical images to investigate the annual dynamics of anthropogenic impervious surface at large scale. Remote Sensing of Environment, 242, 111757.

全文链接：

https://www.sciencedirect.com/science/article/pii/S0034425720301279

研究背景

城市不透水面指的是雨水不能渗透的地表（例如沥青、水泥等），主要包括城市和农村地区的停车场，道路，建筑屋顶等等。不透水面的面积、范围、变化对城市热环境、水文等具有重要的影响。对于大范围的不透水面提取，主要使用光学遥感数据。光学遥感的提取方法会受到云、条带、拼接及光谱混淆等问题的影响。雷达遥感以其全天时、全天候，主动散射特性，可以作为光学遥感的补充。本文主要探索雷达遥感作为光学遥感的补充在大范围不透水面提取的可能性及有效性。

研究方法

本研究基于Google Earth Engine云计算平台，主要包括逐年的不透水面提取和时序的不透水面提取。

使用夜光数据和SRTM数据计算出潜在不透水面范围PAIS。
在这个PAIS中，计算出Landsat的光谱特征和相关的植被指数及Sentinel-1的后向散射和纹理特征，在特征选择后，利用随机森林算法将SAR数据和光学数据进行特征级融合。
在获取了逐年的不透水面后，通过时间滤波，最终获得2015年到2018年的时序不透水面。

图2 研究技术框架

研究结果

本研究通过定性和定量分析对融合光学和SAR进行不透水面提取的结果（AIS）进行评估。通过AIS和GHSL、GlobeLand30的不透水面数据进行比较，重点分析了城市、郊区、山区、三角洲、沙漠的不透水面提取情况。可以看到，AIS不仅能区分郊区的不透水面，同时在城区可以保持不透水面良好的形态。同时，在山区、三角洲、沙漠地区的结果也相对可靠。由于SAR对人工地物的较强的后向散射特性，在图像中VV极化通道呈现出高的强度，可以帮助区分不透水面和裸土。通过精度的比较，相对于仅使用光学数据，SAR数据可以提高2%的总体精度。

2015年到2018年的不透水面提取结果为图1，文章选取了7个典型区域进行不透水面变化的展示，可以看到不透水面在华北、东部、华南地区相对密度高且紧凑，而西北、北部、和中部地区的分布则相对比较稀疏。

研究结论

研究通过多源数据，包括Landsat，Sentinel-1，夜光数据和SRTM的DEM数据进行大范围年际不透水面提取。由于地表覆盖的复杂性，仅利用光学数据无法避免地物的混淆现象。利用夜光数据和SRTM的数据可以减少裸土和山区对不透水面混淆的影响。通过SAR数据的补充，裸土与不透水面的混淆可以进一步减少。同时，时间滤波可以保持结果的一致性。研究通过Google Earth的高精度样本、普查数据及公开数据集验证多源数据提取不透水面的可靠性（图3）。光学和SAR数据特征级融合的方法也可以进一步应用到多源数据的融合中。

图3 提取的不透水面与GlobeLand30，GHSL不透水面的比较

更多信息详见论文

作者简介

第一作者：林殷怡，博士生，香港中文大学太空与地球信息科学研究所，研究领域：城市遥感，多源数据融合，yinyilin@link.cuhk.edu.hk

通讯作者：张鸿生，助理教授，香港大学地理系，研究领域：城市遥感，红树林遥感，多源数据融合，zhanghs@hku.hk

团队介绍

香港大学张鸿生博士团队，由香港大学地理系和香港中文大学太空与地球信息科学研究所相关科研人员和研究生组成，主要从事城市遥感，红树林遥感，海岸带可持续发展等方面的科研与教学工作。主页：http://web.hku.hk/~zhanghs/

申明：本文发布的网站内容均不代表本号观点，本号旨在提供参考素材以便学习交流。

抗疫不松懈

佩戴口罩的同时，我们还必须采取其他防护措施，包括勤洗手、对物体表面进行消毒等等。我们必须学习如何正确佩戴和取下口罩，没有严格按照正确方式操作显然是不够的。

微信图片_20200412185013.gif

微信图片_20200412185031.gif

图片来源网络

❂ 好文推荐

前沿进展 | 多媒体信号处理的数学理论

中国卫星遥感回首与展望

单目深度估计方法：现状与前瞻

目标跟踪40年，什么才是未来？

10篇CV综述速览计算机视觉新进展

算法集锦|深度学习在遥感图像处理中的六大应用

封面故事 | 从传统到深度：火灾烟雾识别综述

封面故事 | 光场数据压缩综述

学者观点 | 结合深度学习和半监督学习的遥感影像分类

编辑推荐 | 视频 + 地图！四维信息助力实景中国

深度学习+图像降噪，如何解决“卡脖子”问题？

❂ 专家报告

专家推荐|高维数据表示：由稀疏先验到深度模型

专家报告 | AI与影像“术”——医学影像在新冠肺炎中的应用

专家推荐|真假难辨还是虚幻迷离，参与介质图形绘制让人惊叹！

学者推荐 | 深度学习与高光谱图像分类【内含PPT 福利】

专家报告|深度学习+图像多模态融合

专家报告 | 类脑智能与类脑计算

实战例题！200+PPT带你看懂监督学习

118页PPT！机器学习模型参数与优化那些事儿~

专家开讲 | 机器学习究竟是什么？

❂ 论文写作

羡慕别人中了顶会？做到这些你也可以！

如何阅读一篇文献？

共享 | SAR图像船舶切片数据集

资源分享| 不知道如何获取最新的算法资讯？快来这里看一看

资源分享|热门IT资讯号推荐

❂ 往期目次

《中国图象图形学报》2020年第2期目次

《中国图象图形学报》2020年第1期目次

《中国图象图形学报》2019年第12期目次

《中国图象图形学报》2019年第11期目次

《中国图象图形学报》2019年第10期目次

本文系《中国图象图形学报》独家稿件

内容仅供学习交流

版权属于原作者

欢迎大家关注转发！

编辑：狄狄

指导：梧桐君

审校：夏薇薇

总编辑：肖亮

声明

欢迎转发本号原创内容，任何形式的媒体或机构未经授权，不得转载和摘编。授权请在后台留言“机构名称+文章标题+转载/转发”联系本号。转载需标注原作者和信息来源为《中国图象图形学报》。本号转载信息旨在传播交流，内容为作者观点，不代表本号立场。未经允许，请勿二次转载。如涉及文字、图片等内容、版权和其他问题，请于文章发出20日内联系本号，我们将第一时间处理。《中国图象图形学报》拥有最终解释权。