基于TM影像的多伦县土地利用信息提取

在内蒙古多伦县土地利用现状调查中,根据该区地表异质性和破碎化强烈、地物光谱特征混杂严重、土地利用/覆被遥感信息提取对目视解译依赖程度高的特点,将基于知识的遥感信息提取技术应用于该地区。通过地物光谱特征的深入分析,用线性光谱混合分解模型将主要地物覆被类型分离,并建立多个专题信息模型,依据经验知识建立了各用地类型提取规则,提取了多伦县2007年的土地利用信息。结果表明:2007年的土地利用结构仍以耕地、牧草地、未利用地为主,3种地类分别占总面积的16.4%、55.2%和20.3%,林地面积为21919hm2,占总面积的5.6%。旱地、退化草地和沙地比例偏高,多伦县的生态环境虽有所改善,但仍处于极不稳定的状态。     

基于Sentinel-2A影像的矿区土地利用信息提取方法

为研究中高分辨率遥感影像大范围精确提取矿区土地利用信息的技术方法,选取山东省兖州市兴隆庄煤矿作为研究区,针对遥感影像的光谱特征,采用监督分类和归一化指数计算相结合的方式进行矿区土地利用信息提取试验。结果表明,选择融合后Sentinel-2A卫星影像的四个高分辨率波段可应用于土地利用的精确识别;根据地物光谱特征,最大似然监督分类法提取建设用地、裸地效果较好,可作为精确提取两种地类的方法;结合归一化植被指数运算和归一化水体指数运算提取植被、水体信息可明显提高总体分类精度,提取精度可达93.54%,进而可利用该分类结果精确高效地识别和测算矿区土地利用类型及其分布特征,为矿区土地整治、村庄搬迁等提供依据。     

荒漠化地区土地覆被光谱特征与遥感信息提取方法研究

为了提高地物识别的正确性,探讨荒漠化土地类型自动分类的有效途径,克服异物同谱和同物异谱现象。以陕西省榆林市榆阳区为例,利用Landsat 5卫星的TM数据,探讨了荒漠化土地覆盖信息的提取方法。在对不同土地覆被类型光谱特征进行系统分析的基础上,根据归一化指数(NDVI)和差值指数(TM5-TM4)及TM3、TM5、TM7波段的光谱值,提出了分层信息提取方案,利用该方案分步提取地表覆被信息。结果表明,此方法简单、实用,是地物遥感信息提取的有效途径。     

基于面向对象的濒海湿地脆弱区土地利用/覆被信息精细提取

土地利用/覆被信息的精细提取,对于维护濒海湿地脆弱区的生态稳定和保障当地经济可持续发展具有重要意义。本文以黄河口为研究区,以Landsat 8影像为数据源,利用面向对象分析技术进行土地利用/覆被类型信息的精细提取研究。在建立土地利用/覆被详细分类体系的基础上,采用基于样本的面向对象分类方法对研究区土地利用/覆被类型进行初步提取,分类结果显示该分类模型只能较准确地提取除藕池、稻田和苜蓿地之外的其他地类。针对该问题,论文采用基于规则和样本相结合的面向对象分类方法进行土地利用/覆被类型的精细提取,通过设置面积和形状属性规则从初步分类结果中进一步精确提取藕池和稻田,同时也改善了其他地类的精度,得到总精度94.93%、Kappa系数0.94的较为理想的分类精度,比最大似然法的总体分类精度提高了38.56%。研究结果表明,基于样本与规则相结合的面向对象分类方法能实现濒海湿地脆弱区土地利用/覆被信息的精细提取。     

多种光谱指标构建决策树的水稻种植面积提取

合理选取不同光谱指标制定决策树规则,能有效提高决策树分类法提取水稻面积的精度。本研究以江苏省淮安市为例,选取30 m空间分辨率HJ1A和16 m空间分辨率GF1多光谱影像,在对不同地物样点像元光谱特征分析的基础上,选择地物光谱特征明显的GF影像计算NDVI、EVI、DVI和RVI,并提取影像近红外波段反射率,利用上述5种光谱指标确定不同地物分类阈值来对两景影像进行决策树分类,进而获取淮安市水稻面积和分布情况。结果表明,GF影像地物光谱特征较明显,有利于识别不同地物,可用来确定基于多种光谱指标分类的阈值范围。其中,水稻判别条件为NDVI0.70,0.25DVI≤0.45,0.53EVI≤0.80,RVI5.5且0.30ρNIR≤0.46。HJ影像和GF影像提取水稻面积的样本精度分别为87.29%和93.70%,GF影像比HJ影像的水稻面积提取精度提高了6.41个百分点,说明利用多种光谱指标构建决策树分类模型是一种有效提取水稻种植面积的方法。     

以土地利用为基础的多伦县沙质荒漠化评价遥感信息模型

从土地利用的角度对荒漠化进行分类与评价,建立以土地利用类型为基础的荒漠化评价指标体系.利用高分辨率卫星影像修正线性光谱混合分解模型分解的TM影像植被分量,建立适于提取干旱半干旱地区植被覆盖度的模型来提取植被信息;利用线性光谱混合分析模型计算裸沙占地百分比;用实测数据与热惯量进行拟合,按不同的土地利用类型分别建立拟合方程反演土壤含水率;引入遥感代用指标获得土壤氧化铁含量;采用目视解译获得土壤质地的编码图并进行影像化.获取每个像元全部评价因子的指标值,在现有荒漠化评价方法的基础上,建立以像元为单位的荒漠化评价定量化遥感信息模型并与高尚武模型沙漠化评价结果进行对比.结果表明;建立的评价模型总体精度达90.3%,较高尚武模型提高21.6%,尤其在评价耕地时,精度提高35%,体现了分土地利用类型进行评价的科学性.所建立的遥感信息模型评价土地荒漠化是可行的.     

土地覆盖遥感专题信息分层分级提取方法研究

【目的】以陕西省横山县1990年的TM图像和2013年的OLI图像作为基础数据源,准确获取横山县土地覆盖专题信息,并制作土地利用类型转换图谱。【方法】对图像预处理后,将横山县10种土地利用类型分别归属到不同的专题层,按照提取难度排列各专题层的处理顺序;对于一个专题层针对性的构建特征空间,并辅助专题图件在特征空间中通过全局阈值分割,获取目标土地利用类型的概貌信息;将包含一层概貌信息的二值图像作为掩膜文件与原图像进行求交运算,依据剩余地物之间的光谱特征和形态特征差异选取尺度,对求交结果依次执行面向对象分割、SVM监督分类和基于数学形态学开闭运算的分类后处理操作,以进一步分离出较难识别的背景地物,获取目标土地利用类型的精确空间分布信息;复合各专题层的提取结果,形成一期的土地覆盖分类结果,然后由两期结果制作横山县1990-2013年土地用类型转入、转出图谱。【结果】分层分级提取方法依据目标土地利用类型对象与背景地物对象的光谱特征和形态特征差异,对多光谱遥感图像逐层逐级分解计算,有效减少对光谱特征微弱、混淆地物的漏分误判现象,降低椒盐效应。两期TM/OLI图像提取结果的总体分类精度和Kappa系数分别为82.31%和0.775,81.26%和0.762。【结论】实验所设计的专题信息提取方法能够较为准确、快速地获取横山县土地覆盖专题信息,为解译黄土高原水蚀风蚀交错带TM/OLI图像提供一个新的思路。     

基于面向对象的西双版纳橡胶林提取

面向对象遥感信息提取技术可以综合光谱、空间、纹理等特征,从而提高影像分类的精度。以西双版纳地区为研究对象,利用相关数据,以面向对象方法为核心,通过图像预处理、图像增强、光谱曲线提取与特征提取、分割、图像分类等技术环节,对其土地利用信息进行提取研究,尤其是橡胶林的提取。探索了该地区利用遥感数据为信息源快速获取土地利用的有效方法,并用2期数据研究区内的土地利用变化情况。最后,得出面向对象的方法在该研究区域是可行的,而且也相对提高了分类精度,同时,提取了土地利用变化情况,为该地区综合研究提供基础信息,而且更重要的是从另一个侧面说明了面向对象分类的优越性。     

基于面向对象的西双版纳橡胶林提取

面向对象遥感信息提取技术可以综合光谱、空间、纹理等特征,从而提高影像分类的精度。以西双版纳地区为研究对象,利用相关数据,以面向对象方法为核心,通过图像预处理、图像增强、光谱曲线提取与特征提取、分割、图像分类等技术环节,对其土地利用信息进行提取研究,尤其是橡胶林的提取。探索了该地区利用遥感数据为信息源快速获取土地利用的有效方法,并用2期数据研究区内的土地利用变化情况。最后,得出面向对象的方法在该研究区域是可行的,而且也相对提高了分类精度,同时,提取了土地利用变化情况,为该地区综合研究提供基础信息,而且更重要的是从另一个侧面说明了面向对象分类的优越性。     

基于混合像元分解植被类型提取——以塔河地区为例

以塔河地区的HSI高光谱遥感数据为基础,结合相关的统计学知识,利用非监督分类法和混合像元分解法分别提取森林植被类型,并对其进行精度检验。得出非监督分类总体精度为70. 78%,混合像元分类的精度为76. 87%。结果表明混合像元分解定量解算植被类型是更有效的方法。     

国家尺度土地利用/覆被变化遥感监测方法

以中国科学院国家资源环境数据平台土地利用/覆被专题数据库的建设为背景,总结了国家尺度土地利用/覆被变化涉及的主要遥感监测技术和方法,包括基于遥感监测的土地利用/覆被分类系统、遥感信息源、土地利用/土地覆盖信息提取方法、土地利用分类1 km栅格成分数据构建技术以及土地利用分类面积汇总技术,并在此基础上分析了国家尺度土地利用/土地覆盖专题空间数据库应用现状和未来发展前景。     

面向对象的土地利用遥感分类方法研究

以重庆市忠县为研究区,以LANDSAT-5 TM影像为数据源,利用TM及其衍生指数、DEM及其衍生数据,借助ENVI4.8、ArcGIS10.0以及eCognition软件,进行土地利用遥感信息提取方法研究,通过综合利用基于知识的决策树分类和基于样本的最近邻分类,对研究区进行土地利用遥感信息提取,并与监督分类和非监督分类方法相比进行精度评价。研究结果表明,与传统分类方法相比较,面向对象分类方法精度更高。     

遥感影像土地覆被分类研究进展

传统的遥感影像土地覆被分类技术主要有监督分类和非监督分类,随着遥感探测技术和计算机技术的不断发展,遥感分类技术得到了长足发展。在传统遥感分类技术的基础上,结合当今遥感影像分类技术领域内的一些新进展和应用,对土地覆被分类技术做出较为全面的阐述。     

基于遥感图像光谱特征融合的高原土地覆盖类型分类模型

在使用土地覆盖类型分类模型分类高原土地覆盖类型的过程中,由于不同类别地物间光谱信息更相近,在没有多特征降噪的情况下,容易产生噪声偏差,导致土地覆盖类型错分,设计一种基于遥感图像光谱特征融合的高原土地覆盖类型分类模型。设计特征提取方法,提取遥感图像中几何特征的空间特征与属性特征,以展示遥感图像光谱更多的空间细节信息;将遥感图像按照一定模式规则进行处理和运算,构建三种多特征融合模式,使用SVM作为分类工具,计算其中参数,实现元素的线性可分。模型性能测试结果表明：设计的分类模型所得到的分类结果在生产精度、总体精度、Kappa系数这三个指标中的评分均达到了0.7以上,验证了设计模型在高原土地覆盖类型分类中的准确性。     

基于支持向量机的TM遥感影像土地利用/覆盖类型监测

基于TM遥感数据和林业二调数据,对云南省宜良县北古城镇进行土地监测和土地利用分类,利用ArcGIS和ENVI软件对原始影像数据进行裁剪,运用支持向量机(SVM)监督分类方法,将研究区的土地利用类型分为农地、建筑用地、水域、针叶林、裸地6个类别,并且达到一定的分类精度,以图像的形式直观地展示研究区的土地覆盖类型,并以林业二调数据为ROI(感兴趣区域)来验证分类精度。在此基础上,指出了研究区土地利用中存在的问题和生态结构的变化,并提出了调整对策。     

基于遗传算法改进 BP 神经网络的遥感影像分类研究

遥感影像分类是遥感信息提取的重要手段,是目前遥感技术中的热点研究内容,有效地选择合适的分类方法是提高遥感影像分类精度的关键。BP神经网络具有收敛快和自学习、自适应性强的特点。在遥感图像分类中,BP神经网络能充分利用样本集的信息,自动建立分类模型,但由于BP神经网络的权值和阀值能直接影响BP神经网络模型的分类精度,因此该研究通过遗传算法来确定BP神经网络的最优权值和阀值,从而提高BP神经网络的分类精度。以LandsatTM遥感图像作为数据源,以长江中游一武汉市为研究地区,建立了基于BP神经网络模型的遥感分类模型和基于遗传算法改进BP神经网络模型的分类模型,对分类结果进行了定量分析。结果表明：在样本相同的情况下,基于遗传算法改进BP神经网络的遥感影像分类精度要高于BP神经网络的遥感影像分类精度。     

一年一季农作物遥感分类的时效性分析

【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。     

高分辨率遥感影像林地类型精细识别

以内蒙古自治区根河市根河生态站为研究区,探讨在大面积复杂林区、具有红边波段卫星数据支持下,高空间分辨率遥感影像林地类型精细分类方法。以2016年7月的RapidEye遥感影像和2017年的GF-1PMS遥感影像为主要数据源,综合利用影像的光谱特征、纹理特征与根河森林资源小班数据等辅助信息,以及2016年林地类型外业调查样本数据,分别对2种数据源采用传统的监督分类方法[最大似然法（MLC）和支持向量机法（SVM）]和基于IDL语言的ImageSVM和ImageRF分类方法进行林地类型精细识别。最后以外业调查数据和根河森林资源小班数据作为检验样本对分类结果进行精度验证,通过建立混淆矩阵对分类结果进行评价。结果表明:①ImageRF和ImageSVM等2种分类方法对林地类型信息提取精度较高。在RapidEye影像中,针叶林、阔叶林、灌木林等8种地物类型总体分类精度分别为90.26%和90.02%,Kappa系数均大于0.88。ImageSVM和ImageRF分类结果中,灌木林、针叶林和阔叶林制图精度和用户精度均高于支持向量机法和最大似然法;相对于支持向量机法和最大似然法,ImageSVM法总体分类精度分别提高了6.18%和7.06%,Kappa系数分别提高了0.07和0.08;ImageRF法总体分类精度分别提高了5.93%和6.82%,Kappa系数分别提高了0.07和0.08,能确保森林资源调查成果的精细化、准确性、高效性。②在林地类型精细识别中,携带红边波段信息的RapidEye影像比无红边波段信息的GF-1影像具有更好的识别精度和可分性。研究证明,ImageSVM和ImageRF分类方法是有效的林地类型信息精细识别方法,具有精度高和可信度高的优势,是进行复杂山区林地类型精细分类的有效手段,可满足森林资源调查、变化监测、数字更新等林业应用需求。     

基于TM影像的南旺湖地区土地利用变化监测

利用多时相LANDSATTM数据对山东省汶上县南旺湖地区1987-2001年的土地利用变化状况进行了遥感动态监测。首先对不同时相数据进行几何纠正和辐射归一化,根据研究区两时相的地物类别选择训练区,在此基础上进行基于平行管道分类器的监督分类及分类精度评估。通过比较两时相的分类结果,发现南旺湖地区在1987—2001年间土地利用类型发生了一些显著的变化,主要表现在湖泊／沼泽等湿地资源的锐减,并在此基础上初步分析了引起这一变化的原因。     

基于RS和GIS的土地利用／土地覆被动态变化分析--以石河子垦区为例

通过利用遥感、地理信息系统等技术方法,对石河子垦区1989年、2000年的Landsat--TM影像进行处理,解译到石河子垦区土地利用变化空间数据,并对石河子垦区1989～2000年11年间的土地利用／土地覆被数量、类型及其变化。进行分析研究,得到石河子垦区1989-2000年土地变化情况及其土地利用变化转移矩阵。结果显示：石河子垦区近11年来土地利用／土地覆被变化速度很快。其中,耕地和林草地面积皆成明显上升趋势,平均每年分别以5．03％和、5．13％的速度增加;盐碱地面积减少了655．40km^2,其年变化率最大达7．24％;水体湿地面积减少了103．09km^2,其年变化率减少4．58％;荒漠的面积只减少了25．26km^2,并且年变化率最小,以每年0．22％的速度在减少,这些分析结果可为石河子垦区土地可持续利用提供有效的决策支持。