基于全极化SAR影像土地覆盖分类研究

基于云南石林地区2009年4月23日的ALOS PALSAR的L波段全极化散射矩阵单视复数据,利用欧空局PolSARPro软件强大的极化处理功能,首先对数据进行极化分解,然后利用H/α/A—Wishart分类方法对该地区进行分类研究,利用2007年的森林资源二类调查数据作为真实样本数据进行精度检验。结果表明,全极化SAR数据可有效识别出建筑用地、林地、耕地、裸地和水域5种地物覆盖类型,总体分类精度达80.87%。     

遥感影像分类研究

指出了随着遥感技术的发展,遥感影像技术分类成为获取信息的来源。介绍了遥感影像的分类原理方法,利用Envi遥感数据处理软件,基于T M遥感影对土地覆盖进行了监督分类与制图。     

基于Landsat影像的土地覆盖变化信息提取方法研究——以贵阳市为例

基于贵阳市中部地区2017年和2019年Landsat8 OIL地表反射率数据,采用图像差值法、归一化植被指数差值法、主成分分析差值法3种方法进行土地覆盖变化信息的提取.精度评价结果表明:主成分分析差值法虽然漏检率高于归一化植被指数差值法,但正检率和错检率均明显优于其他2种方法,是3种方法中更适合该研究区提取土地覆盖变...     

基于 TM 影像的土地覆盖分类比较研究

以云南省文山壮族苗族自治州麻栗坡县2005年T M影像为试验数据,利用最大似然分类（M LC ）、支持向量机（SVM ）以及随机森林（RF）3种分类方法进行了土地覆盖遥感分类研究。从分类精度、样本数量对分类器的影响、模型复杂度、分类速度等几个方面进行了比较分析。结果表明：随机森林分类法最优,而经典方法之一的最大似然分类法最稳定。所得出的结论对在类似的应用中如何选择合适的分类方法具有一定的参考价值。     

松花坝水源区Landsat 7 ETM+遥感影像融合对比研究

采用IHS变换、Brovey变换、PCA变换、Gram-Schmidt变换、CN变换和小波变换等遥感影像融合方法,对松花坝水源区2002年Landsat 7 ETM+多光谱数据与全色波段进行融合,并结合影像的光谱统计参数选取相应评价指标,对这些方法进行评价.结果表明,6种融合方法均能不同程度地提高影像质量,源于同一传感器的不同分辨率影像融合能够有效避免异源传感器影像融合所常见的实相及校正误差,PCA变换效果最佳.     

基于CBERS影像的土地覆盖动态监测方法研究

准确地从遥感影像通过分类方法获取土地覆盖信息是一项基础性的重要课题.在建立土地覆盖分类体系的基础上,对株洲市1999年、2003年和2007年3个时相CBERS星CCD数据进行监督分类,提取土地覆盖信息,并分析其动态变化过程.结果表明:在我国中部丘陵地区,利用多时相CBERS星CCD数据开展土地覆盖变化遥感动态监测取得了较理想的效果;1999年至2007年间,株洲市林地、水体和城镇居民点面积所占比重逐渐提高,林地和城镇居民点面积增幅较大,增速呈放缓趋势,从而造成农用地和其他土地面积减少,这可为株洲市合理利用土地资源和地区可持续发展提供一定的科学依据.     

干涉测量土地利用影像分类决策树法森林识别研究

利用ERS－1和ERS－2 SAR串行轨道数据经干涉测量处理生成的干涉测量土地利用影像对森林识别方法进行初步研究。内容包括基于目标识别选择合成干涉测量土地利用影像处理方法、应用斜分类器（OCI）生成分类决策树以及在自主开发的软件中调整分类决策树、对分类结果进行像元级别上的精度检验和误差分析等。结果表明：ERS－1和ERS－2 SAR串行轨道数据经干涉测量处理，利用其强度影像和相干影像可以合成多种干涉测量土地利用影像；其中最小值影像和 标准差影像较之于其它强度影像和变化影像更有利于区分水体和森林；由于OCI生成决策树的算法决定了在分类处理中没有不可分类别的存在，所以在初期选择分类类别时，要尽可能多的覆盖原始影像的数值区间；选择的各类别样本数据要尽可能的“纯”，以减少类别间数值区间的重叠，从而减少误分类情况。     

基于影像分割与影像分类的森林资源小班区划

传统的森林资源区划主要是以地形图为工作图进行对破勾绘,存在人为主观性,不够客观.随着遥感技术的发展,基于影像上地物目标的光谱、结构、形状、纹理等信息进行小班区划,则可排除现有区划不一致问题.因此该文对影像分割与分类在森林资源小班区划中的应用进行了探讨.通过应用,笔者发现该方法能大大缩短外业调查的时间,具有很强的实用性.     

基于影像区域合并分割技术的植被覆盖分级研究--以三峡库区小江流域为例

以影像区域合并分割技术为基础,综合运用相关GIS和RS软件,提出了植被覆盖分级研究的新方法.以三峡库区小江流域为例,以2002年的TM图像为信息源,结合研究区的地形图、GPS野外采样数据、植被指数和DEM等,对研究区的植被覆盖进行了分级研究.研究表明,三峡库区小江流域的植被覆盖总体上分布不均,但与流域区位及海拔高度呈现一定的规律性空间分布格局.这一研究对确定水土流失强度等级具有十分重要的意义,也为其它的遥感影像分析应用提供参考.     

基于TM影像的林地资源监测方法研究——以云南省楚雄州为例

依托计算机自动分类技术利用遥感影像数据对森林资源动态变化进行监测,这是当森林资源监测的发展趋势。针对目前林业资源调查研究中效率低的问题,探索利用卫星影像进行林业资源监测的方法。以云南楚雄州为研究区域,采用面向对象的方法综合利用影像光谱、纹理信息提取这两个时期的林业用地信息,最后分析两个时期的林地时空变化状况。提取林地信息进行分析为该地区的天然林保护工程服务。     

基于TM影像的土地荒漠化变化研究——以巴彦淖尔地区为例

文章以2004年、2009年两期TM影像数据为主要数据源,在2004年巴彦淖尔地区荒漠化监测数据基础上,通过人机交互解译的方式,提取巴彦淖尔地区荒漠化信息,运用GIS手段,对巴彦淖尔地区荒漠化土地按荒漠化类型、荒漠化程度进行了分析。结果表明:巴彦淖尔地区以风蚀荒漠化为主,81.7%的荒漠化土地是风蚀荒漠化;巴彦淖尔地区风蚀、盐渍化荒漠化分别增加2.1万hm2和0.67万hm2,水蚀荒漠化减少0.01万hm2。     

基于NDVI再分类的城市绿地信息提取——以江苏省徐州市为例

以徐州市为例,分析对比各种城市绿地提取方法的准确度和可行性,结果表明:对遥感影像进行归一化植指数后,通过无监分类提取绿地信息的方法,是一种准确而快速的城市绿地监测方法.     

基于高分辨率遥感影像的植被分类方法比较

以新疆库车市东部绿洲-荒漠过渡带为研究对象,利用GF-2号遥感影像为主要数据源,在野外调查的基础上,采用基于像元的监督分类和分层次多尺度分割的面向对象分类方法对研究区植被信息进行准确识别。结果表明:1)监督分类与面向对象的分类结果大体一致,两者的总体分类精度均可达到94%以上,Kappa系数大于0.93,都体现出了较高的分类精度;2)与监督分类相比,面向对象的分类方法在总体分类精度上提升了3.79%,Kappa系数提高了0.032,具有更好的分类效果和分类精度。通过确定最优尺度分割,面向对象的分类方法可更为准确地提取研究区植被信息,为合理评价区域土地荒漠化状况提供科学依据。     

遥感影像分类技术在森林景观分类评价中的应用研究

以吉林省旺清林业局金沟岭林场为例,在地面调查数据和Landsat TM多光谱卫星遥感数据的基础上,以ERDAS遥感影像处理系统和MapInfo地理信息系统支持,利用基于二类调查数据取证遥感分类技术,对其森林景观进行分类和评价,得到金沟岭林场森林景观空间分布图及空间格局分析结果。本研究提出的一套实用技术方法可为宏观上快速提取森林景观要素及空间格局状态提供技术参考,结果可为进一步森林景观规划和设计提供依据。     

TM影像决策树分类中的影响因素研究

以云南省西双版纳州一景TM影像为例,分析了影响分类回归树方法的主要因素。结果表明在其他因素均一致的情况下,训练数据如果使用涵盖各类别的外业调查数据比使用系统布设的训练数据分类精度更高,并且多种参数波段的选择也会有效地提高分类的精度。     

TM影像决策树分类中的影响因素研究

以云南省西双版纳州一景TM影像为例,分析了影响分类回归树方法的主要因素。结果表明在其他因素均一致的情况下,训练数据如果使用涵盖各类别的外业调查数据比使用系统布设的训练数据分类精度更高,并且多种参数波段的选择也会有效地提高分类的精度。     

基于随机森林的大姚县TM遥感影像分类研究

随机森林(Random Forest)是一种组合多棵决策树分类器的新的分类算法。以楚雄州大姚县为例,采用Landsat-TM数据,通过最大似然、支持向量机、随机森林3种分类器进行分类对比研究。结果表明,支持向量机和随机森林的分类精度明显优于最大似然法,两者分类精度相差不大;在分类时间上,最大似然法明显比随机森林和支持向量机快,支持向量机最慢。综合分析,随机森林算法表现更优,它在保证分类精度的前提下,也能保证一定的时间效率,更适宜实际生产应用。     

基于MERSI数据的山西森林覆盖监测

利用FY3-3A/MERSI可见光和近红外波段数据合成得到假彩色卫星数字图像,结合区域土地利用、植被类型及森林资源分布等数字化图件,在对图像进行目视解译及多波段数据非监督分类基础上,将地物覆盖划分为林地、冬小麦、水体和裸地4种类型;采用4种监督分类方法(最大似然分类法、平行算法、最小距离法和马氏距离法)进行地物分类;在分析分类结果可行基础上,依据区域森林覆盖数字化图件对林地分类结果进行精度评估,确定研究区域林地空间分布结果.结果表明:4种监督分类方法中,最大似然分类法分类结果的精度最高,达到85%,其次是最小距离和马氏距离法,平行算法的结果较差.可见,利用MERSI数据采用监督分类和非监督分类相结合的方法提取的山西省森林资源分布结果精度较高,符合实际情况,可作为区域宏观森林资源分布监测的有效手段.     

基于人工智能深度学习的卫星影像分类研究

以芒市2019年卫星影像及2019年林地一张图成果为研究对象,基于深度学习的卫星影像分类研究,构建森林资源分类识别模型,以提高森林资源监测能力.将裁剪后的芒市2019年卫星影像分有林地、灌木林地、未成林地及耕地、建设用地5个类别导入自定义的ResNet18模型进行深度学习,并对学习结果进行验证.实验结果显示,在模型训练...     

基于Landsat 8影像的西双版纳森林覆盖信息提取研究

以Landsat 8影像为数据源,在综合分析典型地物光谱、纹理和空间分布等特征的基础上,利用归一化湿度指数(NDMI)、纹理、地形等多源数据,构建了基于决策树规则的西双版纳森林覆盖信息提取模型。验证结果表明,该模型的总体精度达99.08%,与传统的监督分类相比(96.08%)提高了3个百分点。