基于多源遥感的土地利用动态监测图像分类方法研究——以陕北黄土丘陵沟壑区为例

在陕北黄土丘陵沟壑区的土地利用动态监测中,采用一种遥感影像和单纯的监督分类方法,难以获得高精度的土地利用数据。为解决此问题,以陕北无定河流域为研究区,以主成分变换的方法对多源遥感影像(TM多光谱数据和SPOT全色波段数据)进行融合处理;同时在分类中采用监督分类与非监督分类相结合的混合分类法,改进训练样本选取方法。先以非监督分类获得初始训练样本,在对样本进行删除、增补、合并等调整的基础上,再进行监督分类,这2种方法的结合使用,使土地利用信息自动提取的精度明显提高。与仅以TM影像为信息源,采用单纯监督分类法的分类结果对比可知,土地利用各类别的提取精度都有不同程度的提高,分类总精度从82.0%提高到89.2%;水体、水田和城镇用地等面积较小类别的精度提高了10%以上;坡耕地与林草地的混分现象明显减少,精度均提高了5%以上,取得了良好的分类效果。研究结果为陕北黄土丘陵沟壑区土地利用变化的动态监测,提供了重要的技术支持和借鉴。     

地形复杂地区遥感图像分类方法应用研究——以黄土丘陵沟壑地区坡耕地遥感调查为例

由于黄土高原地区地形复杂,在坡耕地遥感调查中单纯采用监督分类法很难获得理想的精度。以黄土丘陵沟壑地区为研究区域,在坡耕地的分类中采用改进的分类方法,首先以非监督分类法获得初始训练样本,在对样本进行增补和修改的基础上再进行监督分类,使分类精度明显提高。研究表明,用改进的分类法提取坡耕地及其它地物的信息取得了良好的分类效果,是该地区进行坡耕地调查较为理想的方法。     

陕北黄土丘陵地区坡耕地遥感分类方法研究

陡坡开垦使坡耕地面积扩大是造成黄土高原水土流失严重、生态恶化的根本原因。应用遥感技术,及时准确地掌握坡耕地的分布特征及面积数据,对合理实施退耕还林还草工程意义重大。以陕北黄土丘陵沟壑区为实验样区,以TM图像为主要信息源,采用非监督分类与监督分类相结合的混合分类方法提取坡耕地信息。通过改进采样方法,在非监督分类生成的初始训练样本的基础上,进行删除、增补、合并等样本调整,使训练样本的选取精度大大提高,明显提高了分类精度。研究证明,在黄土丘陵沟壑区,采用混合分类方法进行坡耕地分类,较好地解决了大量存在的坡耕地同物异谱的现象,是进行坡耕地调查与监测的理想方法。     

基于多时相遥感影像的作物种植信息提取

为了快速、准确地在遥感影像上对作物种植信息进行提取,该研究运用多时相的TM/ETM+遥感影像数据和13幅时间序列的MODISEVI遥感影像数据,采取基于生态分类法的监督分类与决策树分类相结合的人机交互解译方法,建立决策树识别模型,对黑龙港地区的主要作物进行遥感解译,总体分类精度达到了91.3%,与单纯对TM影像进行监督分类相比,棉花、玉米、小麦、蔬菜4类作物的相对误差的绝对值分别降低了1.3%、20.5%、2.0%、13.8%。结果表明该方法的分类精度高,能较好的反映作物的分布状况,可为该地区主要作物种植结构调整提供科学依据,还可为其他区域尺度作物分布信息的提取提供参考。     

利用GIS与TM资料集成技术估算龙游县早稻面积

提出利用GIS 与TM资料集成技术估算中国南方丘陵山地早稻种植面积的方法。该方法首先利用ARC/INFO对土地利用现状图进行数字化，建立拓朴关系后将其转化为栅格，然后进行投影变换，使土地利用现状图、行政图、TM数据具有相同的坐标，最后利用土地现状图，提取水田分布图，对水田分布图进行分类估算早稻种植面积。不同方法比较结果表明：非监督分类法不能用于提取丘陵山区的水稻种植面积；只用TM资料估算龙游县早稻面积，与统计数据相比，平行六面体分类法、最大似然分类法精度分别达到82.83%和59.95%；而用GIS 与TM资料集成技术对水田分布图进行分类估算早稻面积，平行六面体分类法、最大似然分类法的估算精度分别达到93.98%和60.65%，所以利用平行六面体分类法对南方丘陵山地早稻种植面积估算是可行的。     

滨海光谱混淆区面向对象的土地利用遥感分类

滨海光谱混淆区土地利用/覆盖信息获取是遥感信息提取的难点之一,该研究选择黄河三角洲垦利县为研究区,采用2007年3月11日陆地卫星TM遥感影像数据,利用面向对象的土地利用遥感分类技术,通过影像分割和采用支持向量机分类方法对研究区土地利用/覆盖信息进行提取,并将分类结果与传统的基于像元的分类方法进行对比分析。结果表明:面向对象支持向量机的分类精度达到84.83%,比基于像元的最大似然法和波谱角法分别提高了5.94%和19.53%,且有效避免了椒盐现象。说明面向对象的图像分类方法明显提高了遥感影像的分类精度和分类效率,为滨海光谱混淆区土地利用信息的快速、准确提取提供了有效技术手段。     

基于面向对象分类的土地整理区农田灌排系统自动化识别

针对目前农田灌排系统识别研究中影像分辨率低、自动化程度不高的问题,该研究基于面向对象分类法,提出了一套从影像到农田灌排系统矢量输出的完整提取流程。研究利用KOMPSAT-2高分辨率遥感影像数据,以吉林省西部土地整理大安项目区作为试验区,使用自主研发的识别程序对土地整理区农田灌排系统进行了自动化识别提取,并与监督分类法、手动屏幕数字化作了对比分析。结果显示,基于面向对象分类的自动化提取方法在精度上与手动屏幕数字化相近,总体精度达到了89.64%,远高于监督分类法的识别精度;而且该方法所耗费的时间最少,操作过程不需人工干预,识别结果的稳定性也高于另外两种方法。研究表明,基于面向对象分类的自动化提取方法,是一种较理想的土地整理区农田灌排系统遥感监测手段,同时也为其他地物监测提供了一种有效的途径。     

基于TM影像的河套灌区区域蒸散发研究

通过对遥感数据进行分析,采用非监督分类法对影像进行分类,最终得到灌区土地分类及耕地种植结构。利用高分辨率IKONOS影像对分类结果进行精度评估,证明TM影像应用于灌区尺度土地利用分类具有较高的精度,能有效克服人为因素的影响,较为准确地提取灌区耕地种植面积及其空间分布。利用SEBAL模型对蒸散发进行反演,反演结果与实测值误差在允许范围内。研究结果可为河套灌区用水量研究提供新的方法。     

水稻种植面积遥感估算的不确定性研究

利用研究区地物类别亚米级GPS详查数据及TM影像光谱数据,模拟生成1m分辨率的遥感模拟影像。用3种非参数分类法(最临近法KNN、误差后向传播神经网络BPN,模糊自适应网络FUZZY ARTMAP)和一种参数分类法(最大似然法MLC)对研究区TM影像进行硬分类估算水稻面积;还采用BPN全模糊分类、BPN和KNN模糊分类、抽象级结合和测量级结合的多分类器结合方法对遥感影像进行分类估算水稻面积;采用最多数法则的尺度扩展算法,实现由3m空间分辨率参考图提取30m空间分辨率影像像元纯度信息,讨论混合像元问题对遥感影像分类精度的影响。结果表明:非参数分类法精度均高于参数分类法,3种非参数分类法之间的差异较小,用最大似然法估算水稻面积的用户精度最高,用K最临近值分类法估算水稻面积的生产者精度最高;水稻类全模糊分类法的面积和真实面积最为接近,水稻类像元内的面积估测和真实面积无极显著差异;多分类器结合的分类法无论采用投票法还是测量级方法都能提高分类的总精度,能够提高水稻类面积提取的精度;研究区在30m空间分辨率的情况下,各类别分类总精度、Kappa系数随像元纯度升高而升高,4种硬分类方法没有对混合像元的分类表现出特别强的能力。本研究最终制作出分类影像像元的分类结果图、分类最大概率值、熵值图和水稻类概率值等4张图层,构成了对研究区分类结果不确定性的空间分布图不确定性图层,为采取进一步降低不确定性的措施提供了线索。     

基于混合像元分解提取大豆种植面积的应用探讨

利用中低分辨率卫星影像进行大宗作物面积提取时,需要考虑混合像元产生的影响,以提高面积提取的精度.以吉林省梨树县大豆种植面积为例,选取线性光谱混合模型对TM影像进行分类并计算出大豆种植面积,将其结果与Quickbird影像解译结果对比分析,采用以数量精度为基础的精度评价方法,分类精度达到92%.同时,使用典型的最大似然法监督分类和自组织迭代法非监督分类提取大豆种植面积,分类精度分别为87%和84%.结果表明,混合像元分解方法与其他遥感定量提取方法相比,能够提高大豆种植面积提取的精度.     

基于HJ-CCD数据和决策树法的干旱半干旱灌区土地利用分类

为了实现干旱半干旱灌区地表信息低成本、高效率的动态监测,利用HJ-CCD数据的多时相和多光谱信息,探讨了平罗县土地利用遥感分类方法。首先建立研究区内典型地物的NDVI时间序列曲线,提取反映该区物候模式的时序特征参数;然后对土壤信息丰富的3月份多光谱影像进行主成分变换,选取第1主成分(PC1)作为光谱特征参数,最后基于分类回归树(classification and regression tree,CART)算法进行决策树监督分类。总体分类精度达到92.26%,Kappa系数为0.91,比最大似然法分类结果精度提高了2.58%。研究表明:构建的NDVI时间序列曲线对研究区内的地类具有较强的代表性,提取的时间维和光谱维的分类参数对各地类均有很好地区分性,CART决策树算法分类结果清晰准确且精度较高。该方法为HJ小卫星在干旱半干旱区等区域的深入应用提供科学依据和实证基础。     

基于知识的遥感影像的BAYES分类方法研究——以福州市琅歧岛土地覆盖/土地利用类型为例

提高计算机遥感影像的分类精度,是遥感应用中研究的主要问题之一。以福州市琅歧岛土地覆盖/土地利用类型为例,以遥感影像解译知识为基础,使用TM、Aster的融合影像和NDVI生成的植被覆盖度影像,并结合DEM、土地利用等地理辅助数据,将DEM和NDVI因子作为待分类影像的波段加入其中,构成新的待分类影像,运用Bayes分类方法,通过循环迭代的方法消除先验概率对分类精度的影响,实例证明比运用单一的分类方法精度明显提高。     

应用数字遥感图像对泰国Chanthaburi省土地利用动态的监测

A comprehensive method of image classification was developed for monitoring land use dynamics in Chanthaburi Province of Tailand.RS(Remote Sensing),GIS(Geographical Information System),GPS (Global Positioning System) and ancillary data were combined bythe method which adopts the main idea of classifying images by stekps from decision tree method and the hybridized supervised and unsupervised classification.An integration of automatic image interpretation,ancillary materials and expert knowledge was realized.Two subscenes of Landsat 5 Thematic Mapper(TM) images of bands 3,4 and 5 obtained on December 15,1992,and January 17,1999,were used for image gprocessing and spatial data analysis in the study.the overall accuracy of the results of classification reached 90%,which was verified by field check.Results showed that shrimp farm land,urban and traffic land,barren land,bush and agricultural developing area increased in area,mangrove,paddy field,swamp and marsh land,orchard and plantation,and tropical grass land decreased,and the forest land kept almost stable.Ecological analysis on the land use changes showed that more attentions should be paid on the effect of land development on ecological environment in the future land planning and management.     

应用遥感技术对中国亚热带地区坡地利用及土壤侵蚀的研究

This paper introduces briefly two remote sensing case studies on land use in the subtropic region of China. One is on slope land use in the Yangtze River Three Gorges area. This is a large area of 60497 km². First of all, geometric correction and supervised classification were conducted for ten scenes of Landsat-5 TM or MSS images. The resolution of the processed images is 50 m × 50 m on ground. By the classification the land use/cover categories in this area were discriminated. Then the croplands including rice fields and upland fields were extracted from the land use/cover maps. Simultaneously the slope grade maps were prepared based on the topographic maps. Overlaying the slope grade maps and the cropland maps, the area and percentage of the croplands in different slope grades were determined. This case study indicated that 71.5% of the uplands was situated on the slope above 150 and 25% on the slope above 250 in this area. It is dangerous, and urgent cultivation or engineering measures should be taken. Another case study is on soil erosion in Linshan County of Guangxi Province. Airphoto interpretation and supervised classification of a Landsat TM image were carried out for discriminating land cover/use categories in an area of 3 557.8 km². And the soil erosion intensity grades were determined according to the land cover/use maps and slope maps. It wad discovered that the land suffering soil erosion accounted for 2404.0 km², 67.6% of the total area of the county. Necessary measures to control soil erosion should be taken also.     

基于HJ卫星数据与面向对象分类的土地利用/覆盖信息提取

土地利用/覆盖信息是区域气候与环境研究的基础,是土地资源规划与管理、合理开发与保护的信息保障。为此,该文选取长株潭城市群核心区为试验区,以时间序列HJ卫星影像为数据源,首先构建了时间序列归一化植被指数(normalized difference vegetation index,NDVI)、时间序列光谱第一主成分(first principal component,PC1)数据集,通过J-M(Jeffries-Matusita)距离变量可分离性分析结合地表覆盖的物候特征,确定最佳时序HJ组合数据;其次,采用面向对象的随机森林算法对研究区土地利用/覆盖信息进行分类,并对分类结果进行精度评价与比较分析。研究结果表明:采用时间序列HJ组合数据与面向对象的分类方法,提取城市土地利用/覆盖信息的总体精度和Kappa系数分别达到91.55%和0.90,其中水田、水浇地、旱地、林地、建设用地的生产者精度均达到90%及以上;相对于时间序列基于像元分类、单时相面向对象的分类方法,该文提出的土地利用/覆盖信息提取方法的总体分类精度和Kappa系数分别提高了2.26%、0.02和6.82%、0.08,有效提高了区域土地利用/覆盖信息提取的精度,为大范围土地利用/覆盖精细化分类提供了有效的途径。     

铜川市土地利用/土地覆被动态变化研究

采用铜川市1987年和2002年两期TM遥感影像对该市的土地利用/土地覆被动态变化进行了研究。并结合遥感技术和地理信息系统技术,采用监督分类方法提取土地利用类型信息,分析了铜川市土地利用的数量变化特征和空间变化特征。研究结果表明,铜川市植被覆盖率(包括乔木林,灌木林,草地)由1987年的54.52%增加为2002年的64.46%,增加了近10%,退耕还林工程的实施在该区获得了显著成效;此外铜川市居民地面积增加了近1倍,主要由耕地转化而来,表明城市扩张占用耕地现象严重。     

河套灌区沈乌灌域GF-1/WFV遥感耕地提取

为提高基于遥感影像的灌区耕地自动快速提取,该文针对河套灌区沈乌灌域种植结构特点,利用实地调查结果、Google earth和GF1-WFV遥感影像构建了研究区主要作物及土地利用类型的NDVI时间序列,并利用HANTS滤波法对NDVI时间序列进行了平滑处理。分别采用基于遥感与Google earth的目视解译、监督分类(支持向量机)、基于NDVI时间序列的决策树分类与监督分类相结合的方法、基于HANTS滤波法平滑处理后的NDVI时间序列决策树分类与监督分类相结合的方法对灌区耕地进行提取。利用基于Google earth与目视解译的10 000个随机验证点以及正确率(用户精度)、完整率(生产者精度)和整体精度(提取耕地面积与实际面积的比值)3个指标对提取结果进行了评价。验证结果表明:监督分类(支持向量机)提取结果的正确率、完整率和总体精度仅为84.82%、64.4%和75.68%;基于NDVI时间序列的决策树分类与监督分类相结合的方法提取精度分别为94.28%、84.21%和89.1%;基于HANTS滤波法平滑处理后的NDVI时间序列决策树分类与监督分类相结合的方法提取精度进一步提高,3个指标分别达到94.47%、87.32%和92.24%。在作物种类繁多的大型灌区,时空分辨率优异的GF1-WFV数据在耕地面积提取上具有很强的实用性;结合作物生长规律与遥感信息的联合方法能够有效提高耕地面积的提取精度。