基于影像融合的陕北黄土丘陵沟壑区土地利用自动分类

 采用1种遥感影像和单纯的监督分类方法,在黄土丘陵沟壑地区的土地利用调查中,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。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动态监测,提供了重要的技术支持和借鉴。     

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。     

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。     

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。     

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。     

利用ASTER遥感资料提取南京城郊土地利用信息的研究

土地资源是社会经济发展最基本的物质基础，利用遥感技术可对土地资源进行分类调查。在对地观测方面，高光谱遥感与一般遥感影像相比,能提供更高质量的信息源。先进的空间热辐射反射计(ASTER)覆盖可见光、近红外、短波红外和热红外的14个波段，分辨率从15 m到90 m，对长江流域环境监测、地表覆盖变化、短期气候预测、自然灾害监测等，对于了解该区资源、生态与环境具有重要的意义。该文利用2001年ASTER数据对南京城郊地区进行了土地利用分类，首先采用多元统计方法提取分类特征波段。然后以非监督分类获得初始训练样本，对训练区进行多次像元提纯后，运用监督分类方法对南京城郊土地利用信息进行分类。研究表明，多种分类方法相结合可从ASTER影像更好地提取土地利用信息，达到较好得分类精度。     

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。     

遥感影像多目标优化信息提取模式研究

根据运筹学中基于层次分析法的多目标决策原理和遥感分层分类法理论,建立遥感分类方案优选模型,构建了遥感影像多目标优化信息提取模式.实现在遥感动态监测过程,应用该模式提取遥感信息,从时间、成本、精度、技术等多个目标获得最佳综合效用.以闽江口湿地农业遥感动态监测为例,对该遥感信息提取模式进行初步应用研究.研究结果表明,遥感影像多目标优化信息提取模式,允分利用了目视解译、非监督分类、监督分类和基于知识分类不同分类方法对特定层次特定地物分离的优势,同时避免它们的不足,有效保证了信息提取的精度,同时提高整个遥感动态监测过程的效率.     

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。     

DEM支持的黄土丘陵沟壑区地被遥感分类方法

DEM支持的黄土丘陵沟壑区地被遥感分类方法的提出,目的是解决由于受到复杂地形影响,遥感影像地被分类精度低且不具有地形特征的问题。在分类预处理过程中利用基于PCA的方法复原阴影区域的信息,可以减少大量阴影造成的影响。分类时对分布在不同地形区域的相同地被选取不同的样本,利用Bayes分类进行土地覆盖分类。根据正负地形特征和剖面曲率将DEM划分为梁峁地、沟坡地、沟底地。分类后使用最小面积原则的滤波方法对土地覆盖分类图与土地类型分类图进行处理,并以土地类型边界为标准进行图斑的叠加重组。该方法将光谱特征与空间地形信息相结合,得到的分类结果精度有所提高且带有地形信息,充分体现了黄土丘陵沟壑区地被分布的实际情况,增强了分类结果的实用价值。     

模糊逻辑在土地利用遥感分类中的应用

由于影像信息提取过程蕴涵的诸多不确定性以及土地类别描述语境信息的含糊性影响,遥感数据的常规土地利用分类面临诸多困难与挑战。而模糊分类系统作为一种最为强大的软分类器,能处理、分析和表征遥感信息中传感器测量数据的不精确性、土地类别描述中的含糊性以及模型模拟中的不严密性,从而输出更能表达人类知识缺陷、更符合真实世界客观事实的分类结果,因此被认为是一种较好的土地利用遥感分类手段。本文以南京城市边缘带一样区为例,在采用地物导向分割技术对遥感影像分割的基础上,充分利用影像地物自身的光谱组合特征值以及其他空间形状、拓扑特征以及语境关系信息,按照模糊监督分类的过程来对研究区土地利用信息进行提取。研究结果表明基于遥感数据源的土地利用模糊分类系统可以获得比常规硬分类手段更为合理、信息含量更为丰富的输出结果。     

基于网格搜索随机森林算法的工矿复垦区土地利用分类

为提高工矿复垦区遥感影像土地利用分类精度,为土地复垦监测工作提供数据支持,该文探讨了基于网格搜索(Grid-Search)的随机森林(random forest)复垦区土地利用分类方法。研究利用GF-1影像、DEM(digital elevation model)和野外调查等数据,以随机森林分类算法为框架,采用基于OOB(Out-of-Bag)误差的网格搜索法对算法进行参数寻优,结合影像光谱、地形、纹理、空间信息,计算选取了33个特征变量,构建了4种变量组合模型开展随机森林分类试验,4个组合模型的分类精度分别达到82.79%、84.91%、86.75%、88.16%。为去除33个特征变量中的冗余信息、降低影像波段变量维度、缩短分类执行时间并保证影像分类精度,试验分别利用变量重要性估计和Relief F方法进行特征选择后再次执行随机森林分类,将分类结果与不同组合模型、不同分类方法进行比较,结果表明:基于网格搜索参数寻优的随机森林算法在多特征变量的影像分类中可以达到88.16%的分类精度,在利用不同方法降维后依然可以将分类精度保持在85%以上,精度优于相同特征变量下的SVM(support vector machine)和MLC(maximum likelihood classification)分类方法;在效率方面,随机森林分类方法执行时间优于SVM,并且在处理多维特征变量时能力更强。由此可见,采用基于网格搜索的随机森林方法对工矿复垦区土地利用信息进行分类提取可以得到较高的精度,基于该方法开展遥感影像解译可为土地复垦监测工作提供技术支持和理论参考。     

陕北黄土高原地区土地利用/覆被分类及验证

陕北地区自退耕还林工程实施以来,区域土地覆被发生巨大变化,退耕后土地利用/覆被分类有利于实现退耕前后土地利用/覆被动态监测,评价退耕还林工程进展程度。该文在前人分类系统的基础上,通过对研究区不同土地覆被类型分布特征的实地调查,首先构建了适合陕北地区的土地覆被分类系统;其次依照上述分类系统,以MODIS/NDVI数据、DEM数据和陆面温度数据为依据,采用决策树分类方法对2008年陕北地区土地覆被进行分类;最后采用野外调查数据和Google Earth高分辨率遥感数据,利用误差矩阵的方法对分类结果的整体精度和典型区域不同土地覆被类型的区分精度进行验证。结果表明,基于上述方法的土地覆被分类不仅反映了土地覆被分布的整体情况,而且不同的土地覆被类型之间也得到较好的区分。     

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。     

基于CA-Markov模型的藉河流域土地利用变化动态模拟

为了探讨黄土丘陵沟壑区藉河流域的土地利用变化规律及驱动力,基于1995和2008年两期遥感影像解译得到的土地利用数据,通过土地利用动态度模型和空间测算模型对藉河流域土地利用类型的动态变化程度进行分析,并运用CA-Markov模型对2022年土地利用空间格局进行预测.结果表明,空间分析测算模型由于同时考虑了各土地利用类型的空间转移及新增过程,能更为准确地测算出各种土地利用类型的动态变化程度与速率;CA-Markov模型预测结果表明,整个流域总体的Kappa系数为0.9515,预测结果可信;除草地和未利用地外,2008-2022年期间其他土地利用类型继续原有的变化趋势,到了2022年表现出坡耕地、草地、水域和未利用地面积减少趋势,梯田、林地和居民地面积呈增加趋势.黄土丘陵沟壑区水土流失严重,此研究有助于加强土地资源的保护和实施退耕还林还草等措施,为当地土地利用规划管理提供参考.     

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.     

基于多分辨率数据的干旱和半干旱地区地物模糊分类

为了进一步提高低分辨率遥感数据用于干旱和半干旱地区地物分类精度,该文以新疆石河子垦区为研究区,利用PSA(purposive selection algorithm)算法结合地物分布的统计特性对样本窗口进行选择,确定了最佳样本窗口组合;采用概率密度估计的方法获取了真实的隶属度函数,基于类别隶属度函数构建地物辨别模型;建立了多分辨率数据大尺度土地利用/覆盖遥感分类流程。研究结果表明,借助高空间分辨率数据提取各地物类别的精细分布特征,与Erdas非监督分类相比,模糊分类的总体分类精度提高了20%。该研究可为低分辨率数据的研究与应用提供借鉴。