基于RS与GIS的公主岭市土地利用类型提取研究

利用2016年Landsat 8 OLI遥感数据,采用人工神经网络(ANN)的方法对公主岭市进行土地利用信息提取,并进行精度验证。研究结果表明:使用人工神经网络的土地利用类型分类方法,可以最大程度识别出土地利用类型,总体分类精度达79.36%;具有速度快、技术操作简单、可识别类型多的特点。对河流和水库坑塘的分类识别精度可达90%以上,但对草地、旱田、水田难以准确提取,必须借助人工解译方法,并参考其他辅助资料才能获取。本文针对研究区特点,进行实地样点调查并确定分类系统,结合对Landsat 8 OLI遥感影像特点,选用人工神经网络(ANN)分类方法,对公主岭市进行土地利用覆盖分类,并对分类结果进行精度评价。     

基于土地利用的遥感影像协同式解译

从人工解译到半自动解译,再到智能化解译,遥感影像解译的理论和方法不断发展。基于遥感影像的土地利用更新调查中,需要进行影像解译以识别各种土地类型,虽然采用了土地利用信息的智能化解译方法,但土地利用分类的精度有限,仍需人为参与解译工作,并充分利用土地利用现状数据库的资料辅助解译,形成土地利用协同式解译,以提高土地利用分类的精度。利用2005年武汉市南湖地区的SPOT影像和土地利用现状数据库的信息进行土地利用协同式解译,结果表明:土地利用协同式解译能很好地提高遥感影像的解译精度。     

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。     

GIS和遥感技术在土地利用与土地覆盖动态监测中的应用探讨

在建立土地利用了土地覆盖动态监测的研究流程上,提出土地利用、土地覆盖分类模式,引入应用遥感和GIS技术对土地利用与土地覆盖数据进行定量分析和进行趋势预测的3种方法,以期为实际应用提供有用的参考。     

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。     

基于遥感技术与数学模型的土地利用/覆盖变化研究进展

对基于遥感技术与数学模型的土地利用/覆盖变化研究进展进行了梳理。现阶段基于遥感技术的土地利用/覆盖变化研究多围绕多源数据融合提高土地利用变化信息提取的准确度,遥感影像与现有资料叠加结合运用降低土地利用/覆盖变化信息提取与判定的错误率;而基于数学模型的土地利用/覆盖变化研究则偏重于多种模型在土地变化模拟与预测的结合运用、模型与数学方法的结合运用,以提高土地利用变化信息提取与变化模拟的准确性与效率度。未来土地利用/覆盖变化研究与应用向着错误率低、分辨率高、检测速度快、监测成本低的方向发展。     

CBERS-02B卫星在喀斯特山区的应用潜力分析

为促进国产资源卫星数据在西部大开发和贵州经济建设服务中的应用,探索了CBERS-02B数据在喀斯特山区的土地利用遥感解译中理想的图像处理方法及分类方法。结果显示:134波段为土地利用分类的最佳波段组合,HIS变换融合是喀斯特高原山区背景下的CBERS-02B星HR与CCD数据的最佳融合方法。说明,国产卫星CBERS-02B能较好地实现喀斯特地区大比例尺土地利用分类,可以替代国外遥感影像TM,运用于喀斯特山区土地利用与调查方面。     

基于RS技术的土地利用/覆盖变化分析

本文通过对安徽省萧县1990年、2000年和2010年的三景Landsat TM遥感影像进行分析,结合研究区基本概况研究萧县土地利用/覆盖变化。根据研究目标,确定主要研究内容为:利用ENVI 4.7遥感软件对萧县不同时期的TM影像进行对比分析,解译土地利用/覆盖变化情况等遥感信息,分析并计算出土地利用/覆盖变化数据,将土地利用分为耕地、植被、水体、建设用地、未利用土地等五种类型。采用最大似然法分别对萧县1990年、2000年和2010年的三景Landsat TM遥感影像进行分类,然后进行对比分析,获取土地利用/覆盖变化的空间数据。在此基础上,利用数学统计分析方法,进行土地利用/覆盖变化动态分析。     

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%。     

RS与GIS支持下的苏锡常地区土地利用动态变化研究

以苏锡常地区为研究区域,选择19861、995年的Landsat TM以及2006年的ETM＋遥感图像为主要数据源,根据国家分类标准以及地区特征,利用人工解译和监督分类结合的方法提取苏锡常地区土地利用类型信息,采用GIS空间分析方法和数理统计方法对研究区土地利用动态变化进行定量分析。结果表明,研究期内苏锡常地区土地利用类型变化主要表现为耕地的大幅减少和城镇村及工矿用地的明显增加,综合土地变化速度为0.68%。     

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。     

基于无人机影像天山云杉林主伐迹地提取研究

【目的】通过分析天山云杉主伐迹地更新群落特征,将其划分为三个等级的主伐迹地,基于无人机影像,以实现提取不同等级主伐迹地的面积以及确定其分布,为新疆天保工程实施后山区森林资源更新恢复及评价提供科学依据。【方法】采用eCognition软件面向对象多尺度分割技术对研究区进行分割,通过最邻近分类以及SEaTH算法相结合的分类方法筛选分类特征,并建立类别层次结构及分类规则集,以实现提取不同等级主伐迹地面积,并进行精度评价。【结果】利用最邻近分类方法与SEaTH算法相结合的分类方法提取不同等级的主伐迹地,其总体分类精度达到81.82%,Kappa系数为0.74。提取主伐迹地Ⅰ、Ⅱ、Ⅲ的面积吻合度分别为87.09%、79.86%和66.33%;提取主伐迹地总面积为72.574 3 hm²,目视解译面积为92.174 9 hm²,面积相对误差为21.26%,面积吻合度为78.74%。【结论】该方法用于研究区提取主伐迹地信息是可行的。主伐迹地Ⅰ提取的面积吻合度最高,由于主伐迹地Ⅰ内的天山云杉林分株数密度较低,其林分平均冠幅、平均年龄等因子均相对较小,因此在影像上更好区分。主伐迹地Ⅱ分布面积最大,主伐迹地Ⅰ和Ⅲ分布面积较小,研究区内主伐迹地林分生长状况主要为主伐迹地Ⅱ状态     

官厅水库库区水生植物演变格局时空变化特征分析

利用中等分辨率长时间序列的TM遥感影像(1995—2007年),采用面向对象的分类方法,以多尺度分割技术为核心,提取了官厅水库水生植物空间分布信息,在斑块类型和景观级别尺度上,共筛选了8个高度浓缩景观格局信息的定量指标,结合水生植物空间分布的质心变化,分析了水生植物演变格局的时空变化特征。研究表明:(1)1995—2007年,受水域面积的扩张和萎缩的影响,库区水生植物面积及其平均斑块面积呈明显地增加和减少趋势:沉水植物波动幅度比较明显,呈先小幅扩张后急剧萎缩的趋势,2000年之前,随水域的扩张,其面积增加了30.2 km2,相对动态度达116.87%;之后,随着水域面积的持续萎缩,沉水植物面积以每年4.2%呈大幅递减趋势,减少了43.02 km2;挺水植物所占比例较小,其面积呈小幅扩张趋势,增加了4.58 km2。(2)沉水植物和挺水植物随水域面积的波动呈现不同的景观格局演变特征。库区沉水植物的景观优势度高,最高达56.09%,占库区水生植物景观类型的主体;挺水植物的平均斑块面积、聚集度指数均低于同年沉水植物,具有离散度高、破碎度高、连通性低的特点。挺水植物的斑块形状相对复杂,其分维度指数平均比同年沉水植物高0.29。(3)水生植物的质心12 a来发生了不同程度的偏移变化,挺水植物质心整体向库区东北方向移动了1.88 km,偏移方向为东偏北12.78°;沉水植物质心整体向库区西南方向移动了4.66 km,偏移方向为南偏西43.04°。     

基于多时相GF-1遥感影像的作物分类提取

为了提高遥感影像数据对作物分类提取的精度,更多地反映作物的空间分布结构和物候差异,以黑龙江农垦赵光农场为研究对象,提出一种基于分区与决策树分层分类相结合的作物遥感分类方法,利用2014年高分一号卫星(GF-1)WFV遥感影像数据(4景)开展主要作物的识别分类提取。首先,结合实地调查与影像光谱特征信息的总体分布,将研究区分割成3个子区域(西南区、北部区和东南区);其次,基于多时相遥感影像序列,分析主要作物的反射光谱和植被指数的时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了赵光农场主要作物的空间种植信息。结果表明,2种分类方法的精度都很高,总体精度均在97.00%以上,Kappa系数均在0.900 0以上。分区分类更优于整幅图像非分区分类,总体精度达到98.10%,Kappa系数达到0.960 7;非分区分类总体精度为97.50%,Kappa系数为0.948 3。研究表明,基于分区与决策树分类法相结合的作物分类结果精度,明显优于不使用分区分类的结果。由分区与决策树分层相结合的分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。     

基于TM数据耕地面积提取方法研究

粮食作物的播种面积、产量等信息是国家制定粮食政策和经济计划的重要依据。以昔阳县为研究区域,主要应用TM数据,结合研究区土地利用现状图,基于光谱信息,提取了耕地和非耕地信息,最后利用最大似然法监督分类得出耕地面积为29242.1 hm2,分类结果精度达到93.3%。     

基于水稻特征波段的决策树分类研究

以滁州市为例,结合水稻物候的特征波段,选用反映水稻物候期时相的TM数据,并基于多特征波段,构建CART决策树分类提取水稻种植面积。结果表明,植被指数、湿度因子、绿度因子、纹理特征等多特征参与CART决策树分类能够提高总体精度。基于光谱信息、植被指数和纹理特征的决策树分类的总精度比以最大似然法进行的监督分类方法提高了6.942 1百分点,Kappa系数提高了0.110 4。合理选用作物物候期数据及其遥感影像的特征波段能够有效降低分类误差,为地形复杂地区获取作物种植面积提新的方法。     

光谱与纹理信息结合的黄河三角洲土壤盐渍化信息提取——以垦利区为例

土壤盐渍化是制约黄河三角洲农业发展的关键问题，及时准确地掌握土壤盐渍化信息对土地资源保护和开发利用具有积极意义。本研究以黄河三角洲核心区域垦利区2019年4月17日的Sentinel-2遥感影像为数据源，在ENVI和e Cognition软件支持下，利用灰度共生矩阵法提取遥感影像的二阶矩、对比度、熵、相关性等纹理特征信息，结合归一化植被指数（NDVI）、盐分指数（SI）等光谱特征信息，通过预设分类规则实现对黄河三角洲垦利区的盐渍土分类。结果表明，加入二阶矩、对比度、熵、相关性4个纹理特征统计量，再结合光谱信息对垦利区盐渍土进行分类，总体分类精度为92.4%，Kappa系数为0.89，相较于仅利用光谱信息的分类方法，总分类精度提高了10.5个百分点；各分类类别的生产者精度与使用者精度较仅依靠光谱信息分类的分类结果均明显提高，其中中度盐渍土的分类效果最好，其生产者精度与使用者精度最高，分别为95.0%、95.9%。本研究提出利用遥感光谱结合纹理特征实现滨海区盐渍土信息的提取方法，提高了盐渍土分类精度，为准确掌握研究区土壤盐渍化信息提供了新途径。     

Assessment of the cropland classifications in four global land cover datasets:A case study of Shaanxi Province,China

Accurate and reliable cropland surface information is of vital importance for agricultural planning and food security monitoring. As several global land cover datasets have been independently released,an inter-comparison of these data products on the classification of cropland is highly needed. This paper presents an assessment of cropland classifications in four global land cover datasets,i.e.,moderate resolution imaging spectrometer(MODIS) land cover product,global land cover map of 2009(Glob Cover2009),finer resolution observation and monitoring of global cropland(FROM-GC) and 30-m global land cover dataset(Globe Land30). The temporal coverage of these four datasets are circa 2010. One of the typical agricultural regions of China,Shaanxi Province,was selected as the study area. The assessment proceeded from three aspects: accuracy,spatial agreement and absolute area. In accuracy assessment,506 validation samples,which consist of 168 cropland samples and 338 non-cropland ones,were automatically and systematically selected,and manually interpreted by referencing high-resolution images dated from 2009 to 2011 on Google Earth. The results show that the overall accuracy(OA) of four datasets ranges from 61.26 to 80.63%. Globe Land30 dataset,with the highest accuracy,is the most accurate dataset for cropland classification. The cropland spatial agreement(mainly located in the plain ecotope of Shaanxi) and the non-cropland spatial agreement(sparsely distributed in the south and middle of Shaanxi) of the four datasets only makes up 33.96% of the whole province. FROM-GC and Globe Land30,obtaining the highest spatial agreement index of 62.40%,have the highest degree of spatial consistency. In terms of the absolute area,MODIS underestimates the cropland area,while Glob Cover2009 significantly overestimates it. These findings are of value in revealing to which extent and on which aspect that these global land cover datasets may agree with each other at small scale on each ecotope region. The approaches taken in this study could be used to derive a fused cropland classification dataset.     

How do temporal and spectral features matter in crop classifi cation in Heilongjiang Province,China?

How to fully use spectral and temporal information for efficient identification of crops becomes a crucial issue since each crop has its specific seasonal dynamics. A thorough understanding on the relative usefulness of spectral and temporal features is thus essential for better organization of crop classification information. This study,taking Heilongjiang Province as the study area,aims to use time-series moderate resolution imaging spectroradiometer(MODIS) surface reflectance product(MOD09A1) data to evaluate the importance of spectral and temporal features for crop classification. In doing so,a feature selection strategy based on separability index(SI) was first used to rank the most important spectro-temporal features for crop classification. Ten feature scenarios with different spectral and temporal variable combinations were then devised,which were used for crop classification using the support vector machine and their accuracies were finally assessed with the same crop samples. The results show that the normalized difference tillage index(NDTI),land surface water index(LSWI) and enhanced vegetation index(EVI) are the most informative spectral features and late August to early September is the most informative temporal window for identifying crops in Heilongjiang for the observed year 2011. Spectral diversity and time variety are both vital for crop classification,and their combined use can improve the accuracy by about 30% in comparison with single image. The feature selection technique based on SI analysis is superior for achieving high crop classification accuracy(producers' accuracy of 94.03% and users' accuracy of 93.77%) with a small number of features. Increasing temporal resolution is not necessarily important for improving the classification accuracies for crops,and a relatively high classification accuracy can be achieved as long as the images associated with key phenological phrases are retained.     

基于面向对象的无人机遥感影像荒漠植被分类

荒漠植被分布稀疏且叶面普遍较小,导致影像中植被光谱特征较弱,分类难度较大。为提高荒漠植被分类精度,选取古尔班通古特沙漠为研究区,以无人机遥感影像和数字表面模型为数据源,采用面向对象的随机森林算法,在去相关拉伸光谱信息增强基础上对荒漠植被进行分类,分析去相关拉伸前后分类精度的变化。结果表明：基于去相关拉伸并结合面向对象和随机森林算法的轻、中、重度沙漠化区总体分类精度分别为91.01%、95.34%、93.18%,较原始影像分类精度分别提升19.94%、16.10%、17.61%,实现了对荒漠植被的高精度分类,从而为获取荒漠区植被分布状况以及荒漠化监测提供参考。