基于ECLDeeplab模型提取华北地区耕地的方法

准确提取耕地信息对农业资源调查、遥感估产以及灾害监测等具有重要意义,从遥感图像中提取耕地的信息属于图像识别和分类的问题,目前深度学习是非常适合的方法。以语义图像分割(Deeplab)模型为基础,选择耕地为提取目标,建立了一种从高分2号遥感影像上提取耕地信息的方法耕地提取语义图像分割(ECLDeeplab)。首先分析了耕地在高分2号遥感影像上的表现特点;其次依据耕地的具体特点对Deeplab的结构进行调整,形成了能够提取耕地的网络结构;最后用训练成功的网络进行提取耕地,得到精度较高的分割结果。应用方法对山东省肥城市的2016年12月至2017年3月的10幅影像进行了试验,试验结果表明,该方法获取的耕地精度为88.3%,提取耕地信息得到了较好的结果。     

基于无人机可见光遥感影像的耕地精准分类方法研究

无人机可见光遥感具有使用成本低、操作简单、实时获取遥感影像、地面分辨率高等优势。提出了一种利用无人机可见光遥感影像进行耕地精准分类的方法,以广东省惠州市惠东县铁涌镇石桥村部分耕地的可见光遥感影像为研究对象,对耕地的面积信息、形状信息以及位置信息进行监测和提取,采用面向对象法对影像中两种基于可见光波段的植被指数、纹理信息、形状信息进行分析,研究出分类提取耕地信息的较佳方案。经过反复实验确定分割尺度45、合并尺度90为分割参数,同时利用波段信息和纹理信息对未种植作物耕地和其他地物进行分离。该方法总体精度为89.23%,Kappa系数为0.72。实验结果表明利用无人机可见光遥感数据对耕地进行分类虽然存在一些细碎地块被错提、误提的情况,但总体精度仍然保持在一个很高的水准,可以为耕地作物分类提供参考,为实现精准农业提供精准的数据基础。     

面向对象的 ALOS 影像土地覆盖信息提取

根据高分辨率遥感数据,采用面向对象分类方法,对南京市某地块的土地覆盖信息进行提取。由于分类单元不再是单个像素,而是综合了光谱信息、纹理特征、拓扑关系和专题信息的影像对象,使得分类总体精度较传统方法提高18.1%,克服了传统基于像元分类法中的"椒盐现象",并且大幅降低了"异物同谱"、"同物异谱"对分类结果的负面影响。该方法对于依托高分辨率遥感影像进行土地覆盖信息的提取与更新,具有可行性和推广性。     

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RS和GIS的大运河沿岸土地利用/覆被变化分析

根据京杭大运河沧州到天津地区1987、1993、2000年的Landsat TM/ETM影像数据,利用RS和GIS信息获取技术、空间分析技术和数理统计方法,分析了该区域土地利用的数量变化和空间变化特征,明确了土地利用变化的主要类型和方向,并初步探讨了土地利用变化的社会经济发展原因。结果显示,该流域土地利用以耕地和园地林地为主,1987~2000年耕地和园地林地减少,建设用地大幅度增加,耕地与园地林地的相互转化及农用地转化为建设用地是研究区主要的土地利用变化类型。     

基于高分辨率遥感影像的耕地信息快速提取方法研究

本研究以北京市昌平区作为研究区域,基于2.5 m空间分辨率的SPOT5遥感影像,同时利用SEa TH算法和CART决策树两种分类方法,在自动获取分类规则的基础上,实现了对耕地信息的快速提取。结果表明,两种分类方法的总体精度均在90%以上,KAPPA系数均能达到0.80;SEa TH算法与CART决策树相比,在从高分辨率遥感影像中快速提取耕地专题信息时,耕地的漏分现象得到明显改善,且分类的稳定性更好。     

海口市农用地格局时空变化分析

【目的】从时空上对海口市农用地各用地类型的演变进行分析,为海口市农用地景观格局分析和农用地利用变化趋势分析提供科学依据,并为农用地适宜性评价提供前期研究基础。【方法】采用海口市1991、2001、2010年3期Landsat TM/ETM+和ALOS遥感影像数据,利用ENVI 4.4和ArcGIS软件对3期遥感影像数据进行分类,通过土地利用变化率得到海口市农用地在时间序列上的变化规律,并在ArcGIS中通过空间叠加分析获得海口市农用地转移矩阵和空间转化特征。【结果】1991~2010年海口市耕地、园地、林地、坑塘水面和牧草地的土地面积变化率分别为:-0.551%、0.480%、-0.701%、0.195%、-0.005%。从时间上看,1991~2010年海口市农用地面积减少较快,其中林地减少速度最快,其次是耕地,减少最慢的为牧草地,园地和坑塘水面面积均不同程度增加;从空间上看,农用地转化为建设用地的区域主要集中在建成区的外围地区,耕地和园地互相转化的区域分布均匀,其中中西部林地主要转化为园地,在东海岸和东寨港附近部分耕地和红树林转化为坑塘水面。【建议】应实现耕地占补平衡、切实保护耕地,加强林地保护、扩大植树造林面积,集约利用土地资源,实现农用地信息化管理,以降低人地矛盾,促进海口市农业可持续发展。     

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。     

基于Landsat影像赛罕乌拉国家级自然保护区土地利用变化研究

遥感影像分类技术可以快速获取土地利用信息。选择赛罕乌拉国家级自然保护区作为研究区,以1995年、2006年Landsat-5 TM影像和2014年Landsat-8 OLI影像为数据源。使用ENVI 5.1软件对三期的遥感影像进行预处理,监督分类,通过人工目视解译与计算机自动提取相结合的手段,获取赛罕乌拉国家级自然保护区土地利用分类数据,对分类的土地利用类型进行数理统计和比较分析。结果表明:1995年—2014年,研究区土地利用有明显的变化,但土地利用结构变化不大。林地、草地所占面积相对较高,耕地、裸地的面积逐渐减少。单一土地利用动态度在-2.61%～5.05%之间,1995年—2006年、2006年—2014年综合土地利用动态度分别为0.36%、0.23%。     

基于遥感的黄土高原天然林林地信息提取及计算机分类研究

以黄土高原天然林为研究对象,以TM(专题制图仪)影像为主要数据源,结合森林资源二类调查数据,对该地区天然林林地类型信息的提取方法进行了研究。首先对TM影像的6个波段(除热红外波段6)进行主成分变换,以减小特征间的相关性,并将变换后影像的第一、第二和第三主成分分量进行RGB(红、绿、蓝通道)合成,这样得到的影像可以更好地表达地面信息;然后参考先验知识纯化样本,以建立比较精确的分类器,在此基础上进行计算机监督分类,获取了研究区域各地类的面积。结果表明,最终分类精度可以达到92%,K appa值达到0.906。说明在该地区天然林区林地信息的提取中,利用TM作为数据源,经过图像处理和监督分类能够达到较高的精度,可以满足林业生产的要求。     

基于MODIS影像的决策树森林类型分类研究

基于MODIS 影像的多种特征信息,以吉林省汪清林业局为例,结合该地区的地形分布,在空间维上分析影像的纹理特征信息和地形指标信息,时间维上分析植被的生长规律和地表温度信息,统计分析植被的特征信息差异,利用决策树方法对该林区的森林类型进行分类,并对分类结果进行精度评价。结果表明,总体分类精度为87.80%,卡帕系数为0.851 0,其中,针叶林、阔叶林、混交林、和其他用地的分类精度均达到80%以上。在分类决策中,时间和空间上的多种数据特征信息的加入,可有效地提高植被类型的分类精度。该结果有助于更好的了解植被在时间和空间上的分布情况,为大区域尺度的森林动态信息监测提供更好的依据。     

基于面向对象及光谱特征的植被信息提取与分析

面向对象分类方法是实现精确详细提取遥感信息的新方法.以2010年TM影像作为基础数据,采用面向对象方法着重提取了西辽河流域平原的植被信息(耕地、林地、中生偏旱和中生偏湿草).通过对不同地物的光谱和空间信息(位置、形状)进行比较分析,建立适当的隶属度函数和阈值范围,在草地的分类规则中,参考野外采集的草地植被光谱信息,辅助草地属性特征选择.最后构建分类决策树,完成自动分类,分类总体精度达到82.13％.在分类结果的基础上,讨论了植被分布特点,对不同类型的植被面积、不同区县植被面积以及植被与一级河流关系三方面进行分析.结果显示:研究区植被以林地和耕地为主,分别占总面积的38.9％和23.3％;耕地、林地、中生偏湿草地多分布于河流中下游区县,受人为因素影响较大的林地、耕地主要集中在科尔沁左翼中旗和科尔沁左翼后旗;林地、中生偏湿草较集中分布在一级河流的10km缓冲区内,耕地主要集中在5km缓冲区内,中生偏旱草与一级河流的关系不显著.     

基于Sentinel-2时序多特征的植被分类

植被分类是研究森林资源状况和动态变化规律的基础,利用遥感手段可以更加快速、准确地识别植被类型。以位于内蒙古赤峰市喀喇沁旗西南部的旺业甸实验林场为研究对象进行植被分类。采用分层分类的思想,首先根据植被物候特征选取植被生长旺盛时期的影像,计算归一化植被指数（normalized difference vegetation index,NDVI）并设定合适的阈值将研究区内的植被提取出来,剩余部分归为非植被。然后选取NDVI时间序列、最佳时相的Sentinel-2数据中10个波段的光谱反射率特征和主成分分析前3个分量的纹理特征作为分类特征,利用支持向量机分类器将研究区内的植被类型分为耕地、草地、常绿针叶林、落叶针叶林和落叶阔叶林五大类,并将分类结果与最大似然法、NDVI时序+光谱特征的分类结果进行对比分析。NDVI时序+光谱特征+纹理特征的多特征植被分类总体精度达87.64%,Kappa系数为0.85,分别比最大似然法和结合NDVI时序+光谱特征的分类总体精度提高了15.73%和14.61%,Kappa系数提高了0.20和0.18。其中常绿针叶林和耕地的分类结果与实地调查情况高度一致,分类精度分别达到95.65%和92.31%。从而得出:①基于多特征的分类方法有助于提高分类精度;②NDVI时序特征对于植被的区分具有很大帮助;③采用分层分类的思想,首先将研究区内的植被提取出来,可以排除非植被因素的干扰,有效提高植被类型的分类精度。     

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。     

紫金山国家森林公园全极化雷达图像分类比较

全极化雷达图像的最大优点是能够获取目标的全极化散射特征,从而使其在地表植被的分类和森林参数反演中具有较大的应用价值。以紫金山国家森林公园为研究对象,2011年的全极化雷达数据、典型地类野外调查数据为主要信息源,在PAULI、 SINCLAIR、 CLOUDE-POTTIER、 FREEDMAN-DURDEN四种目标特征值分解基础上,采用最大似然、支持向量机、神经元网络和随机森林4种方法进行监督分类。结果表明,5种组合中12个特征值组成的特征图像的最大似然分类的精度最高,总体分类精度为58.20%, CLOUDE-POTTIER、 FREEDMAN-DURDEN 总体分类精度较低,分别为51.86%、52.36%;4种分类方法中,12个特征值组合的图像的随机森林分类方法的总体分类精度最高,总体分类精度为74.29%,神经元网络的分类精度较低,总体分类精度为56.98%;6种地类中,针叶林、阔叶林和建筑的分类精度较高,草地、水体和裸地的分类精度较低。     

Landsat-8与GF-1遥感影像土地利用数据提取比较——以咸宁市为例

针对Landsat-8 OLI和GF-1 WFV传感器参数的特点,选择支持向量机(SVM)分类方法分别对咸宁市同一时段的Landsat-8遥感影像和GF-1遥感影像进行土地利用分类研究。结果表明,Landsat-8在耕地与林地、水域与裸地可分离性方面高于GF-1,提取的林地面积占比和耕地面积占比更接近于真实值;Landsat-8和GF-1的分类总精度分别为85.76%和88.38%,Kappa系数分别为0.807 1和0.820 4,说明GF-1的分类效果好于Landsat-8;GF-1具有较高的分辨率优势,对分布零散的地物识别效果优于Landsat-8。     

基于沙漠化和适宜性的农牧交错带土地利用优化研究——以内蒙古科尔沁左翼后旗为例

为探索农牧交错带地区合理土地利用途径,以科尔沁左翼后旗为研究区,借助Envi和ArcGIS软件,利用同期遥感影像提取土地利用类型和土地沙漠化信息,根据研究区地形、土壤和水资源三大类型基础数据提取土地适宜性信息,通过分析土地沙漠化和适宜性情况进行土地利用优化。结果表明:研究区77.94%的土地受沙漠化影响,沙漠化程度由西北向东南区递减;3种土地利用类型的沙漠化状况受到其适宜性水平影响,适宜性越低则沙漠化可能性越高,耕地表现更为明显,耕地沙漠化多是开垦宜耕性较低的土地及粗放利用造成的,林地和草地的沙漠化则是低质量土地与过垦、过牧行为相互作用的结果;土地利用结构优化后,耕地面积减少2.80%,多位于生态较为脆弱的西北区域,林地和草地分别增加6.88%、16.02%,主要来源于未利用地的沙地。研究区半农半牧的土地利用方式使得耕地与林地和草地频繁转换,促使沙漠化进一步发展,为实现农牧交错带的可持续发展,土地利用优化应在生态恢复的同时促进畜牧业和种植业的平衡发展。     

基于纹理特征的Spot绿地信息提取研究

城市绿地信息是城市园林(生态、城市)规划的重要信息,地物的几何结构和纹理信息更加明显的高分辨影像为获取更详细的绿地信息提供了可能。本文采用Spot卫星影像,以福建省泉州市鲤城区为例,借助Matlab和ERDAS图像处理软件,在详细分析研究区绿地不同类别纹理差异的基础上,利用统计和小波分析的方法提取绿地纹理特征,并将其引入基于光谱分类的最大似然法进行绿地信息的提取分类,相比直接用面向象元的监督分类的分类结果,其分类总精度由原来的76.5%提高到了80.2%,Kappa系数由原来的0.7023,提高到了0.7484,而且绿地类别被更详细地分成了一般绿地,农田,自然林地。不同绿地类别的分类精度明显提高,表明纹理特征在遥感绿地信息提取方面的有效性和本研究方法的可行性。本文是根据研究区特点,引入纹理特征提高绿地信息提取分类精度方法的探讨,更广泛的应用和精度的提高有待于进一步的完善研究。