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。     

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RS的冬小麦种植面积提取及最佳时相选择

为探求冬小麦种植面积提取的方法,本研究通过多种图像处理方法对TM数据进行处理,结合实地调查和研究区主要种植作物的物候历,利用TM数据提取了冬小麦的种植面积。同时为了提高解译精度,结合GIS进行了两次目视解译过程,消除了分类器分类会出现的多分和漏分现象。结果表明:通过分类后计算混淆矩阵与地面真实感兴趣区(ROI)进行比较,发现Mahalanobis Distance分类法阈值(最大误差距离)为2.9时分类效果最佳。得到2007年研究区域冬小麦遥感监测面积为560 650 hm2,提取精度达到了95.23%。三个地区以临汾地区提取精度最高,而晋中地区最低。因此利用该方法提取冬小麦种植面积是可行的。     

基于ENVI4.5的土地利用覆被信息监督分类对比研究——以海南省屯昌县为例

选取海南省屯昌县作为试验区,以2005年土地利用现状图和2008年经校正的SPOT影像为数据,利用ENVI4.5中的监督分类提取了影像中的耕地、园地和林地信息,并对提取精度进行比较分析。结果表明,平行六面体法在提取耕地信息方面的精度最高,可以达到85.60%,最小距离法在提取园地信息时可以实现82%的精度,最大似然比分类法提取的林地信息精度在80.38%。"异物同谱"和"同物异谱"现象是也是影响分类精度的主要原因。     

基于HJ-1星CCD数据的面向对象人工表面信息提取研究——以陕西关中平原为例

以2010年HJ-1号卫星CCD数据为主要数据源,采用面向对象分类方法,提取关中平原人工表面信息。在eCognition软件平台的支持下,综合影像光谱信息、纹理、形状和地理空间关系等特征参数,并添加DEM、Slope、TM数据、样本点数据以及特征指数等辅助信息,依据决策树分类思想,进行多尺度分割逐级提取地物类型。结果表明：利用HJ-1号卫星数据提取区域人工表面信息是可行的,采用面向对象的计算机自动分类方法提取人工表面信息的效率明显提高,且精度达到85.90%。     

基于ETM+数据的大型水生植物信息分类波段选择方法研究

以乌梁素海湿地为研究对象,对基于ETM+数据的乌粱素海湿地大型水生植物信息分类的一般方法进行研究.首先分析了研究区ETM+数据各波段的相关系数、特征值、不同波段像元值与像元数的关系,得出TM3、TM4、TM5相关性较小,包含信息量较大.采用Brovey变换将TM3、TM4、TM5与Pan波段融合,然后利用最大似然法对融合图像进行分类,结果表明,分类后影像分类精度为89.72%,影像Kappa系数为0.8363,分类效果已经达到分类精度要求.     

SAR数据与光学数据融合在土地覆盖分类中的应用研究

采用ALOS-1-PALSAR数据的强度信息、HV/HH极化比值信息和HVHH相干系数与TM影像融合,以支持向量机(SVM)的方法对土地覆盖进行分类,对比了TM影像、TM+SAR强度影像、TM+HV/HH比值影像、TM+相干影像的分类结果。结果表明:分类精度由高到依次为TM+相干影像TM+HV/HH比值影像TM+SAR强度影像TM影像;采用SAR数据与光学数据融合,可以在不同程度上提高土地利用覆盖分类的精度。     

利用决策树对TM遥感影像的分类研究

利用TM遥感影像对黑龙江省大庆市土地利用分类进行了研究。将地物分为8种类型,然后提取分析各种典型地物的光谱曲线,依据提取的光谱曲线建立了土地利用分类的决策树模型并进行了分类,最后对分类结果进行了精度评价。应用结果表明,该方法简单有效。     

基于时序遥感数据的玉米种植面积提取方法研究

探讨了在Landsat TM图像上进行玉米分布区域信息提取的基础上,利用MODIS数据NDVI植被指数的时间序列进行提取的方法,并以吉林省榆树市实验区为例,提取了2007年的玉米种植面积。研究结果发现,该方法提高了用单一时相landsat TM进行玉米面积识别的精度。     

基于中巴资源卫星数据的水稻种植面积监测——以梁平县为例

以Landsat TM影像数据为参照标准, 中巴卫星CBRES CCD影像为基础数据, 并结合土地利用现状图与实地考查资料, 综合应用了RS和GIS技术手段, 对重庆市梁平县进行地物分类和水稻种植面积提取, 获得的研究区水稻种植信息与TM数据提取的结果相比较, 精度达到92.37%. 通过试验研究得到以下初步结论: (1) 利用CBRES-02 CCD数据提取研究区的水稻种植面积可以得到比较满意的效果. (2) 水稻识别精度受到海拔高度与地形因素的影响, 海拔越低, 地势越平坦, 水稻分布越集中, 水稻识别精度越高; 海拔越高, 地形条件越复杂, 地块越破碎, 水稻识别的精度越低.     

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RS与GIS方法的海南植被变化分析

遥感和地理信息系统技术的发展为研究植被变化提供了有效手段 .该文以 1987年海南植被类型分布图和1998年的TM遥感资料为信息源 ,综合GIS参与监督分类及目视判读的方法 ,以GIS为工具对海南岛的植被变化进行了分析研究 .结果表明 ,海南岛建省后人类活动对森林生态系统影响加剧 ,人工植被面积明显增加 ,但空间差异大 ;自然植被面积减少 ,边缘线在向中部山区退缩 ,森林生态系统有退化趋势     

利用GIS与TM数据资料集成技术估算中国南方早稻面积--以龙游县为例

提出利用 GIS与 TM数据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、最大似然分类法分别达到 82 .83 %和 59.95% ;而用 GIS与 TM数据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 .     

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。     

基于分维值的林区小班类型计算机自动识别

以长白山金仓林场的TM卫星影像为数据源,将采用常规的计盒维数法计算得到的分维特征图像参与研究区的监督分类,和无分维信息的监督分类相比较,阔叶林的分类精度提高显著,非林地中的农田和建筑用地分类精度有一定提高,针阔混交林和针叶林的分类精度提高不明显。结果表明,加入分维信息可以在一定程度上提高图像监督分类的精度。     

云南长防林工程区森林植被遥感监测研究

应用分类树与分层分类方法,结合特征选取与多种分类算法相结合的图像处理信息识别、分类方法,提取研究区的森林植被、土地利用等信息。在GIS支持下,编制了研究区的森林分布图,并利用两期图像作了动态监测研究,得出了“长防林”工程实施以来研究区的森林覆盖率及其变化情况。     

北京林业生物质资源空间密度分布计算及加工点选址优化

以研究区域遥感影像数据为基础,利用遥感和地理信息系统工具,计算出归一化植被指数(NDVI);以各区县各林地类型林业生物质资源理论资源总量和NDVI地理图层为基础(NDVI为权数),生成林业生物质资源理论量空间密度分布图层;再利用理论量地理图层计算研究区域林业生物质资源的可用量,最后进行林业生物质资源收集地点和加工地点的选址分析和优化。在选址的定性分析过程中,充分考虑经济和操作可行性,以一系列定性因素作为约束条件,利用GIS的空间数据处理功能,确定出候选区域;在定量分析过程中,以定位配给模型和服务区模型为基础,按照给定的选址分析步骤和优化方法,计算出各候选选址位置(候选区域的质心)的评价指标,用于评价各候选点的优先等级。最后给出了研究区域内生物质燃料加工厂和林业生物质资源收集点的理论上的最优位置,以及现有加工地点和候选加工地点的服务区域。     

基于模糊C均值聚类的林地遥感图像分类研究

在以往国内外相关研究的基础上,以我国东北长白山系典型林区为试验区,以2007年7月Landat5卫星TM多光谱图像为遥感数据,运用模糊C均值聚类方法对遥感图像进行分类试验．分类结果显示：模糊C均值分类方法在总分类精度和Kappa系数上都占有一定的优势,比传统分类方法有着更好的分类效果．模糊C均值方法在林地植被的遥感分类中具有较好的应用前景．     

结合地理信息的洞庭湖湿地分类方法研究

湿地遥感影像分类是遥感研究的一大难题。利用洞庭湖TM数据,并辅助地面GIS信息,通过专家分类知识库建立决策树分类方法,结合研究区的DEM进行洞庭湖湿地的影像分类,通过决策树层次实现了包括水体、泥沙滩地、防护林滩地、湖草、芦苇滩地和苔草滩地以及其他水体7种湿地类型的分类。其中,决策树分类总体精度80.29%,总体Kappa系数为0.883 9,分类精度相对于传统手段要高,证明基于该方法得到的数据准确度能够满足实际工作的需要;另外,基于知识分类的影像分类结果能够较好地解决一些错分的现象,针对湿地而言,混分现象最严重的泥滩地,在传统分类中大量地被分为了建筑用地或者裸地,同时草滩地与林地的混分在基于知识分类的影像中边界也较明显。相比传统分类方法,决策树分类以规则为基础,可以同时利用多个条件进行分类,减少了数据处理时间,同时还提高了分类精度,最终得到试验区较为可靠的遥感分类图像。     

基于RS和GIS的神府矿区水土流失分级研究

针对常规水土流失监测方法的不足,将TM遥感影像与GIS相结合,探讨其在水土流失定量分级监测及评价中的应用,提出了以更适合煤矿区实际情况的植被覆盖度、土地利用结构、坡度和矿山开发程度作为主导因子的数学模型。在各因子信息提取和分级定标的基础上,在ArcGIS下经量化编码、空间分析,得到土壤侵蚀强度分级数据。