基于遥感与地理信息系统的森林立地分类研究

采用航空遥感技术,对纸坊沟流域森林立地条件进行调查.通过对纸坊沟流域立地景观特征及其地形部位、坡向、土壤、坡度等各因子的定性分析,确定分类原则、依据和分类系统.用GIS建立各分类因子的专题数据库和图形数据库,通过各分类层次的主导因子及辅助因子的专题图叠置,编制了纸坊沟流域立地类型图.     

基于遥感与GIS的岷江上游生态环境质量研究

应用遥感和GIS技术及数理统计方法,运用景观格局指数和生态环境状况指数模型,以岷江上游卫星影像为数据源,定量分析了研究区2000～2005年间生态环境在时间和空间上的状况.结果表明,2000～2005年间研究区森林、灌木林、疏林地、建设用地面积增加,草地和耕地面积减少.岷江上游2005年生态环境质量较好,生态环境质量分级达到了优;岷江上游茂县2005年生态环境质量略微好于2000年,其余4个县生态环境质量在此期间无明显变化.     

基于RS和GIS帽儿山林场森林立地分类及质量评价

基于2004年帽儿山森林资源二类调查资料及同步获取的遥感影像图作为数据源,通过对帽儿山实验林场的土壤类型、高程、坡度等各因子的定性和定量分析,利用RS的信息获取技术和GIS信息处理技术建立各分类因子的专题数据库和图形数据库。利用Arcview/Arcgis软件对各分类主导因子及辅助因子的专题图叠置分析,编制了帽儿山林场森林立地类型分布图,并对立地分类结果给予评价。帽儿山实验林场森林立地类型划分包括18类,其中低山缓坡暗棕壤占全部林场面积的67%,丘陵急坡暗棕壤占17%,丘陵缓坡暗棕壤占8%,低山急坡暗棕壤占4%,其它各立地类型所占比例均小于2%。实验林场的立地质量以Ⅱ、Ⅲ地位级为主,表明整个林场整体立地质量处于中等偏好水平。森林立地类型分类及立地质量评价,对了解帽儿山实验林场经营范围内的立地条件,提高造林和经营水平,充分发挥林地生产潜力具有重要意义。     

遥感图像监督数字化分类与GIS在土地沙漠化动态监测中的应用研究

准确把握土地沙漠化动态对沙漠化治理具有重大现实意义。本文介绍了地理信息系统（GIS）在沙漠化化动态监测中的应用和遥感图像计算机监督数字化分类的理论和方法,对遥感图像计算机监督分类的精度做了检验。对调查区土地沙漠化动态进行了分析。结果表示,从1991年到1997年间该区土地沙漠化趋势有所减弱,综合治理取得了一定效益。     

基于遥感和GIS的张家口地区土地利用情况研究

人类自身的生产活动是土地利用/土地覆被变化的主导因素,结合实地调查,利用张家口市遥感影像,分类并统计研究区土地利用情况,并对研究区各类土地利用资源的数量现状进行分析和判断;建立张家口市土地利用基于影像的遥感估测模型,分析张家口地区的土地利用,结合多种评价指标,为张家口地区的建设与发展提出合理建议。     

基于遥感和GIS的黄河三角洲淤蚀动态研究

采用遥感和地理信息系统 (GIS)技术 ,研究黄河三角洲地区 1976 - 0 6～ 1998- 0 5淤积与侵蚀面积的动态变化 ,通过对不同时相遥感图像的解译提取其水陆界线 ,在 GIS支持下对黄河三角洲地区的水陆边界进行比较 ,确定侵蚀区与淤积区 ,并计算其面积。结果发现 ,黄河三角洲地区 1976 - 0 6～ 1981- 0 9年净增面积最大 ,平均每年增加 2 90 8.2 75 hm2 ,1989- 11～ 1992 - 0 9年净增面积最少 ,仅为 5 13.5 98hm2。总的来看 ,黄河三角洲的淤积速度呈现为递减的趋势 ,主要的淤积区为黄河入海口处 ,侵蚀区为河口北部和东部沿海地区。     

基于GIS的茅山风景区总体规划

采用GIS技术,利用茅山风景区等高线地形图建立了规划区域的数字高程模型,在此基础上生成三维立体透视和高程、视域等分析图,从而使规划分析建立在全面直观的空间分析模型之上,增进了风景区总体规划决策理解,增加了规划范围、游赏线路确定以及景区划分的科学合理性.     

基于GIS的宁夏引黄灌区中低产田遥感调查

采用GIS技术,以法国SPOT5号卫星高分辨率遥感影像为基础,应用“综合分析,主导因素判定”、室内解译、专家审核、实地抽样校核的调查方法,对宁夏引黄灌区中低产田进行遥感调查,结果表明:灌区高中产田的面积与历史数据比较有所增加,尤其中产田面积增加较大,低产田减少幅度较大,说明近年来灌区耕地总体质量趋于好转.这与灌区土壤盐渍化总体减轻、土壤有机质含量整体增长、粮食产量逐年增长的调查结果相一致.     

基于决策树分类技术的遥感影像分类方法研究

采用决策树分类技术对遥感影像进行分类,阐述了决策树算法结构和原理,讨论了C4.5基本原理以及新技术Boosting方法,探讨了决策树在遥感数据分类方面的优势,从而提高了遥感影像的分类精度。     

基于遥感的安徽省生态环境质量评价

利用2004年中巴1号02星遥感影像,经图像解译获取了安徽省土地利用/覆盖数据。以此数据,结合统计资料,按照生态环境质量评价体系对全省17个市级行政区生态环境状况进行分析评价。结果表明:安徽省环境质量等级为优的有3个市,等级为良的有8个市,等级为一般的有6个市,全省整体生态环境质量良好。     

我国西部开发区域分类与生态环境建设研究

西部开发区范围大，占国土总面积71．4％，人口占全面的28．1％，由于它们之间自然生态条件和人文社会经济发展水平相差悬殊，生态环境的保护，建设及开发内容和目标不一样，因此应划分区域进行开发建设，共划分出5个亚区：（1）小西部亚区，包括内蒙古，宁夏，甘肃，青海和新疆5省区；（2）黄河中游黄土高原亚区，开发区内仅陕西1省但应和山西共同开发治理；（3）西南亚区，包括广西，贵州和云南3省区；（4）重庆四川亚区；（5）西茂高原高寒亚区。     

基于RS和GIS的丰都县土壤侵蚀研究

以丰都县作为研究对象,利用土壤流失方程,对土壤侵蚀强度进行了分级,并分析研究区土壤侵蚀与主要影响因子间的响应关系。研究表明,丰都县的土壤侵蚀强度等级以轻度为主,强度侵蚀、极强度侵蚀和剧烈侵蚀均有发生,但所占百分比不大。同时,在数量、空间分布及土地利用方式上对不同的土壤侵蚀强度进行分析。     

遥感图像计算机分类方法的研究

对传统统计分类方法和基于新算法的神经网络、模糊、专家系统、SVM、面向对象等分类方法及优、缺点进行了综述,并对分类中常用的辅助处理技术作了总结。最后,展望了遥感分类研究的发展趋势和前景。     

基于GIS的数字河网特征信息提取研究

河网水系是重要的地形特征要素,数字河网的提取则是DEM数据一个重要的应用方面,在此基础上进行水文信息参数计算,对于水文研究具有重要的意义。以九江市为研究区域,基于DEM数据,运用ArcGIS的水文分析模块对研究区进行小尺度的河网特征信息提取与分析。结果表明,基于DEM提取数字河网的精度和效率能够达到使用要求,河网密度等参数的计算结果能反映实际的情况,具有较高的可靠性,可进一步应用于水文研究。     

基于遥感和GIS的长春经济开发区土地利用变化研究

利用1988和2014年2期的Landsat TM/OIL遥感图像,应用监督分类的方法完成两期影像的土地利用类型的测量,并且基于GIS提取和统计土地利用变化信息,分析长春市经济开发区1988—2014年土地利用变化的时空特征。结果表明,旱地、水田、草地、林地、未利用土地、城镇、居民地等主要土地利用类型的面积均有不同程度的变化。结合社会经济统计资料分析该变化的原因,揭示了该地区土地利用变化的内在机制。     

遥感和GIS支持下的城市植被管理

在遥感和地理信息系统技术的支持下，建立城市植被信息库，并在此基础上，完成城市植被景观单元制图、时间分布的动态监测和植被景观特征分析与评价，从而为城市植被景观的生态评估以及城市生态规划和管理提供依据。     

对GIS中地貌分析模型的理解

一、前言 在地理信息系统GIS的普遍使用下,勘测行业也无不例外地作为一种工具引用,而最广泛的就是地貌信息系统.地貌分析模型是地貌分析系统的核心精髓,也是定量地貌研究的基本内容. 地貌模型是用来描述地貌系统实际状态及其客观规律的一定表达形式,反映地貌状态、过程及其发展趋势.重要的有以下四种形式:逻辑模型,由地貌名词和逻辑运算等组成的逻辑表达式;数学模型,由函数关系式、变量和常量等组成的数学表达式;物理模型,由物理模拟过程表达;图像模型,由图像或图像运算的集合式表达.     

基于GIS的森林分类经营区划

以东北林业大学帽儿山实验林场为例，以森林资源调查资料为数据源，结合帽儿山实验林场的地形地势与自身特点，在地理信息系统的支持下，按照森林的功能类型，将研究区域的森林划分为商品经济林和生态公益林2个经营区，在此基础上又划分了4个一级林种和16个二级林种，实现森林分类经营区划的自动化，可视化及图形化。     

基于无人机遥感的农作物自动分类研究

长期以来,我国农作物种植类型等重要农业统计数据,主要通过全面统计或抽样调查等传统方法获得,传统方法普遍存在调查工作量庞大、财力和物力耗费高、调查周期长等诸多缺陷.目前,遥感技术已经在农作物分类动态信息提取、作物分布制图中发挥了重要作用.但由于高分辨率的卫星重返周期长,特定时间的指定区域的数据无法保证,单一利用遥感进行农...     

基于Bi-LSTM模型的时间序列遥感作物分类研究

【目的】及时、准确地作物分类制图是农情监测的重要依据。本研究基于双向长短期记忆网络模型探究深度学习技术在时间序列遥感作物分类与早期识别中的应用潜力。【方法】本文以黄河三角洲地区为例,以哨兵2号全年可用卫星影像为数据源,构建年时间序列NDVI数据集;采用循环神经网络构架,搭建针对结构化时序数据的双向长短期记忆网络模型（bidirectional long short-term memory,Bi-LSTM）,开展遥感作物分类,并评估模型的泛化能力;通过输入不同长度时间序列遥感数据,探究满足一定制图精度条件下的作物最早可识别时间。【结果】作物年生长时序特征对于大多数作物遥感分类识别都具有较好的区分能力,基于年时间序列NDVI数据的Bi-LSTM模型作物分类总体准确率达90.9%,Kappa系数达到0.892。通过测试不同时间序列长度对作物分类的影响发现,对大多数作物来说,其分类精度随着数据时间序列长度增加而不断提高,冬小麦、水稻等作物在生长季早期即具有较为独特的分类特征,因而利用生长季早期的时间序列影像即可获得较高的制图精度,而棉花、春玉米等作物需要完整生长序列影像才能更好地保证分类精度。【结论】卫星影像时间序列蕴含的结构化特征信息可以有效地降低特定时段的作物光谱混淆;双向循环神经网络模型能够同时考虑前向和后向的时间状态信息,可以学习作物不同阶段的光谱变化特征,在水稻、棉花、春玉米等易混淆作物的识别上表现优异;模型能够有效地把握样本总体上的变化趋势,在农作物多分类任务中表现出较好的泛化能力和鲁棒性。本研究通过集成深度学习和遥感时间序列,为及时、快速的区域作物高精度制图提供了可行的思路。