基于Pro的遥感高级应用实训班
¥5500元
课程计划
2023年11月13日-11月17日 苏州站
2024年5月20日-5月24日 苏州站
2024年8月5日-8月9日 苏州站
2024年11月18日-11月22日 苏州站
联系方式
官方网站：www.higis.cn
咨询电话：18061995541（手机微信同号）
客服 QQ：1815619771
课程简介
随着信息技术的发展，各地的智慧城市建设都开展得如火如荼。目前遥感技术已经广泛应用于农业生产、土地利用、国土资源调查、大气监测、环境灾害监测等各个方面，相对于传统的实地调查，遥感技术能够快速监测大范围区域，节省人力物力。本课程旨在让您全面而快速地掌握常用的遥感技术及应用，包括遥感数据的下载、数据预处理、大气校正、定量反演水深与植被覆盖度、基于机器学习的影像分类、基于深度学习的影像分类与对象检测、信息变化监测、基于LandTrendr算法的影像时间序列变化检测以及Sentinel-1 SAR数据处理与应用等任务。
核心内容
1.遥感基础
对于GIS用户来说，影像往往只是绘制要素类或其他地图信息的基础地图或背景，然而影像可以为用户提供更多信息。
（1）遥感的基本概念；遥感系统的组成：平台和传感器。
（2）电磁波谱的分布；波段的概念和分布。
（3）影像的光谱特性和四个分辨率：光谱、空间、辐射、时间。
（4）栅格数据的四种模型：栅格数据集、镶嵌数据集、影像服务、栅格产品。
2.常用卫星影像介绍和下载
（2）哨兵卫星的参数和下载：哨兵的基本介绍、数据处理级别、命名规则、如何从欧空局网站和哥白尼网站下载数据。
（3）国产卫星的参数和下载：中巴、资源、高分、吉林一号、高景一号的基本介绍、下载方法。
3.影像判读
图像分析师检查航空或卫星影像，以理解其意义、识别其包含的特征并评估其重要性。
（1）用于图像判读的三种影像类型：自然色、全色、彩色红外。
（2）地面采样距离、分辨率和比例尺的影响。
（3）图像判读的七个技巧：形状、大小、模式、纹理、光谱特征、阴影、上下文。
4.图像增强
从网站上下载的影像如果想从中判读或提取相应的信息，需要对它进行增强，从而提高识别能力。
（1） 影像去黑边：有些影像在添加到地图中后周围有一圈黑色边框，怎样将它们去掉呢？
（2）影像增强：原始影像可以通过调整对比度、亮度和Gamma 值获取更清晰的影像。
（3）波段组合：影像中不同的波段组合可以获取更多的信息，如标准假彩色可以突出植被信息，而带有短波红外的波段组合可以穿透薄雾。
（4）全色锐化：多光谱影像的分辨率低，但有不同光谱波段的信息，全色影像分辨率高，光谱信息却有限，如果将两者融合在一起，可以同时获得高分辨率，多光谱的影像。
（5）影像裁剪：获取的影像一般以景为单位，都是标准分幅的矩形范围，而实际的研究区往往是不规则形状的，如果基于研究区提取内部的影像数据呢？
5.影像数据管理
您可能花费了大量的时间和精力从各种传感器以多种不同的模式为您的组织获取栅格数据集合。
（1）太湖流域数据整合：太湖位于长江三角洲的南缘。已经收集了多幅太湖周边Sentinel哨兵数据，如何将它们整合到一起进行管理和显示呢？使用镶嵌至新栅格工具将多幅影像整合为一份数据。
（2）镶嵌数据集管理：使用数据库专用功能——镶嵌数据集管理多幅影像，选择不同的镶嵌方法获得不同的视觉体验，并基于镶嵌数据集进行简单的影像分析。
6.几何校正
卫星影像可能包含大量伪影和异常，在将其转换为地图之前，必须对其进行校正。通常应用于卫星影像的调整称为几何校正。
（1）正射校正：已收集单场景高分辨率8波段多光谱WorldView-2卫星图像，基于同地区DEM数据进行正射校正。
（2）镶嵌数据集的正射校正：多幅影像已镶嵌数据集方式进行展示和管理时，如何进行正射校正？方法有所不同，需在添加栅格数据时进行设置。
（3）自动地理配准：为了举办2023年世界杯，卡塔尔花费2200多亿美元建造了一座新城，命名为卢塞尔（Lusail）新城。基于官方底图对2022年卢塞尔新城的影像进行自动纠偏。
（4）手动地理配准：自动地理配准对影像数据有较高的要求，如果无法进行自动地理配准，则需要手动添加控制点，进行人为干预的纠偏。
7.编辑栅格数据
像编辑矢量数据一样，栅格数据也可以直接进行编辑。ArcGIS Pro软件给我们提供了手动编辑栅格数据的工具—像素编辑器，以快速方便修改栅格数据。
（1）手动编辑分类结果：像素编辑器可以直接将错误的分类手动修改为正确的分类，手动删除影响地物连续性的小斑块，添加或删除新的地物类别，修改地物阴影影响的区域等。
（2）替换分类结果：像素编辑器还可以用矢量数据来替换栅格数据，如应用获取的更精确的矢量湖泊和河流面数据来替换分类结果栅格数据中的水域类别，以得到更精确的分类结果数据。
（3）影像去云：使用复制、替换功能将影像中云覆盖的区域用周围的地物替代。
（4）遮盖敏感设施：使用像素化、模糊、编校等方法隐藏机密的地物。
8.基于QA的云信息识别和提取
在针对影像进行分析和分类之前，需要对数据进行基本的处理，比如去除影像中的云和阴影。好消息是影像一般都会包含云和阴影信息的质量保证(QA)频段，我们可以依据此来提高影像的质量。
（1）基于QA清理单个影像：学习如何转换和读取QA频段的信息，找出云的范围，提取非云区域。
（2）基于QA清理影像集合：对于影像集合，使用镶嵌数据集和栅格函数链自动提取非云区域。
9.遥感指数
10.水深反演
水深是海岛海岸带浅海区域重要的地形要素，传统的现场测量方法在经济性、周期性等方面存在诸多不足。遥感技术具有获取水深信息的能力，且覆盖面广、费用低、周期短，在一定程度上可弥补传统测量方法的不足。
（1）基于Landsat 8的水深遥感反演：利用Landsat 8卫星数据和海图，通过图像裁剪、辐射定标，根据半理论半经验模型模拟水深，并通过最小二乘法回归反演模型。
11.植被覆盖度反演
植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。
（1）影像预处理（辐射定标、大气校正）：研究区裁剪、辐射定标、6S大气校正。
12.自然生态环境评价
生态环境的科学评价与合理优化调控，既是资源环境领域研究的热点问题，又是生态经济发展和生态文明建设的迫切需求。遥感生态指数RSEI（Remote Sensing Based Ecological Index）是基于遥感技术提出的一种以自然因子为主能对城市的生态状况进行快速监测与评价的新型遥感生态指数。
（1）基于RSEI的生态环境评价：利用哨兵和Landsat Level 2温度数据计算绿度分量（NDVI）、湿度分量（WET）、干度分量（NDSI）和热度分量（LST），通过主成分分析法进行权重设置，避免因人为的因素而造成权重不均。
13.基于LandTrendr算法的影像时间序列变化检测
LandTrendr算法使用单一光谱波段或光谱指数中的像素值信息来提取每个像素随时间变化的时间序列轨线。图像时间序列是在同一位置不同时间拍摄的一组图像，可以使用图像时间序列来了解随时间的变化。例如，可以看到森林地区的树木是如何被砍伐然后重新生长，火灾或虫害是如何发生的。
（1）阳关林场防护林变化监测：阳关林场与1990年相比，30年来西南片区乔木林地减少了3850亩，灌木林地增加了519亩，葡萄园等原地增加了3548亩。2008年以来，靠近南边的近600亩杨树林因缺水而林相残破。下载Landsat卫星1986年-2022年的影像数据，清理影像后创建CRF格式的多维栅格，通过创建指数多维栅格分析像素时间序列变化。找到防护林的增加期、健康期、砍伐期和恢复期，并获得每一个时期的开始时间、结束时间、持续时间。
14.基于机器学习的影像分类
影像分类是从栅格图像中提取主题类别的任务。机器学习使用图像中对象的光谱、形状和空间特征对其进行分类，支持监督和非监督分类，以及基于像素和基于对象的分类方法。
（1）使用Landsat 8进行非监督分类：不需要人工干预，算法自动根据光谱信息影像进行分类，但分类结果需要人工判断地物类别。
（2）使用Sentinel-2进行基于像素的监督分类：基于像素的监督分类技术通过使用训练样本来识别特定类别。训练样本通过创建光谱图与直方图评价分类是否准确以及样本是否需要增删。分类器可以使用最大似然算法或支持向量机算法。
（3）使用无人机影像进行基于对象的监督分类：基于对象的方法可根据相邻像素在分割过程中的相似程度将相邻像素分组到一起。可将具有某些形状、光谱特性和空间特征的分割进一步分组到对象中。无人机影像是高分辨率影像，适合使用基于对象的分类方法。
15.分类准确性评估
让人员在给定位置处视觉验证实际土地覆被的过程称为地表验证。最严格的精度评估需要人员亲自到现场验证土地覆被。但在许多情况下，前往实际位置并不可行或者成本太高。因此，查看影像通常被视为地表验证过程的最佳选择。
（1）土地分类准确性评估：创建精度评估点，对分类结果进行评价，计算混淆矩阵，包括总体精度、生产者精度、用户精度、Kappa系数等。
16.深度学习
深度学习是一种机器学习，它依赖于多层非线性处理来进行特征识别和模式识别。深度学习模型与ArcGIS Pro 集成，用于对象检测、对象分类和图像分类。
（1）基于U-Net提取蔬菜大棚：在国产0.5米影像上使用U-Net模型架构创建提取蔬菜大棚的深度学习模型，并在测试数据上进行模型推断测试。
（2）基于FasterRCNN在海量航拍照片中检测大象：对广阔区域进行监控时，使用航空影像进行大象检测更加高效。首先对没有坐标值的大量普通航拍照片进行预处理，使用FasterRCNN模型架构创建大象检测的深度学习模型，并在测试照片上进行模型推断测试。
（3）使用预定义深度学习模型识别车辆：Esri提供的预定义深度学习模型Car Detection用于检测高分辨率无人机或航空影像中的汽车。该模型使用MaskRCNN 模型架构，我们将在国内无人机影像上使用该模型。
（4）迁移深度学习之提取风力涡轮机：迁移学习是深度学习中的一种技术，它允许在一项任务上训练的模型重新用于另一项相关任务。我们想要创建国内0.5米影像的风力涡轮机检测模型，最快的方法就是使用已经训练好的模型，再使用我们自己的训练数据重新训练模型。
17.土地变化监测
使用深度学习算法获得土地分类数据，采用分类后比较方法得到两个时相的土地利用变化信息。
（1）土地变化监测：以两个时相的Sentinel-2数据为数据源，使用深度学习对影像进行分类。或者使用Esri与Microsoft公司创建的全球10米土地覆盖数据，采用分类后比较方法得到两个时相的土地利用变化信息。
18.SAR合成孔径雷达
传感器分为被动传感器和主动传感器。传统影像使用光学系统的被动传感器可记录太阳发出并从地面反射的电磁波。合成孔径雷达 (SAR)是一种雷达传感器，向地球表面发送电磁波并接收反射信号。
与光学传感器不同，SAR传感器可在任何时段工作，不受太阳的影响。
（1）Sentinel-1 SAR（C波段 GRD）数据处理：Sentinel -1合成孔径雷达 (SAR) 图像必须经过处理才能用于可视化或分析。处理的目的是通过消除不需要的噪声和失真并增强一些图像特征来改善卫星图像。主要包括轨道校正、移除热噪声、辐射校准、辐射地形扁率、去斑点、几何地形校正等功能。创建彩色RGB显示的SAR数据，查看常见地物的特征。
（2）基于高分3号SAR数据提取涿州洪水淹没区：7月底以来，受极端天气影响，京津冀及周边多地持续强降雨，日降水量突破历史极值，各地区启动暴雨洪涝灾害响应。我们将使用阈值法对7月30日和7月31日高分三号系列雷达影像数据进行淹没区提取。
报名方式：
报名链接：http://higis-edu.mikecrm.com/dVZjV8m
咨询电话：18061995541
交流QQ群：336075343
随着信息技术的发展，各地的智慧城市建设都开展得如火如荼。目前遥感技术已经广泛应用于农业生产、土地利用、国土资源调查、大气监测、环境灾害监测等各个方面，相对于传统的实地调查，遥感技术能够快速监测大范围区域，节省人力物力。本课程旨在让您全面而快速地掌握常用的遥感技术及应用，包括遥感数据的下载、数据预处理、大气校正、定量反演水深与植被覆盖度、基于机器学习的影像分类、基于深度学习的影像分类与对象检测、信息变化监测、基于LandTrendr算法的影像时间序列变化检测以及Sentinel-1 SAR数据处理与应用等任务。
- 暂无评论
发表评论