基于随机森林和MODIS产品的逐日太阳辐射估算

由于基于站点数据的太阳辐射研究很难获得空间连续分布的日太阳辐射数据,因此引入MODIS遥感数据结合随机森林来获取空间连续分布的日太阳辐射数据。选取西北地区2015年6月26日、7月12日、7月28日、8月13日、8月29日、9月30日共6 d的MODIS遥感数据和25个辐射站点的日太阳辐射数据,将MODIS的产品云量、地面反照率、云光学厚度、水汽、DEM作为随机森林的输入参数,随机选取20个辐射站点的实测数据和对应输入参数的遥感数据作为随机森林的训练数据集,用其余5个辐射站点的日太阳辐射实测数据对随机森林模拟结果进行验证。验证结果表明5个站点的模拟效果都较好,说明遥感数据结合随机森林模型能够很好地获得空间连续分布的日太阳辐射数据。     

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。     

基于GEE云平台的2005-2017年云南省森林覆盖变化监测

以云南省为研究区,探究云南省2005-2017年间土地及森林覆盖情况及动态变化分析,为云南森林保护及生态环境建设提供参考依据。利用Google Earth Engine平台在大区域分类研究中的优势,选取2005、2010年和2017年3期的Landsat系列影像作为主要数据源,采用随机森林方法,监测研究区内土地及森林覆盖空间分布、动态变化及转移情况。得到总体精度分别为75.55%、75.33%和83.42%3期影像分类结果。结果表明,森林总面积分别为2 006.19×10⁴hm²、2 015.77×10⁴hm²和2 067.21×10⁴hm²,占到研究区总面积的52.30%、52.55%和53.88%。研究期内云南省森林面积总体呈增长趋势。     

基于MODIS遥感数据的贵州省森林物候监测

以贵州省森林植被为研究对象,基于对MODIS卫星遥感影像的分析,探讨了遥感监测手段在区域尺度上提高森林植被物候监测精细程度的可能性。结果表明：通过分析比较归一化植被指数(NDVI)、增强植被指数(EVI)、相对绿度指数(Gcc)、绝对绿度指数(ExG)等不同植被指数,发现增强型植被指数(EVI)更能表达森林植被物候变化趋势;采用S-G滤波及动态阈值法提取物候关键期,发现贵州省森林植被物候变化趋势呈现西部地区植被生长开始期晚于东部地区,结束期早于东部地区,整个植被生长季长度西部短于东部;基于EVI的贵州省森林物候空间分异规律总体上不明显,仅纬度与生长开始期(SOS)和生长季长度(LOS)相关性显著,经度海陆地带性及海拔垂直地带性差异不显著。     

基于物候特征参数的土地覆盖分类研究——以东北地区为例

基于1年MODIS旬最大值合成数据,运用Savizky-Golay滤波器对其进行了平滑滤波处理,应用Logistic模型提取了东北地区5个关键物候参数,并利用特征参数进行了研究区土地覆盖分类。结果表明,关键物候参数分类可明显提高植被覆盖类型的分类精度;其中,高盖度植被分类精度提高最为显著。     

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。     

基于遥感影像的吴起县土地利用/覆盖动态监测分析

以1986年和2003年TM遥感影像为数据源,在ERDAS IMAGINE 8.7遥感图像处理软 件的支持下,监督分类与机助屏幕解译相结合,获得了吴起县2个时期的土地利用/覆盖图。 监测 结果表明,从1986～2003年,耕地面积由113 441.08 hm 2 下降到28 215.58 hm 2 ,减少了75.13%; 林地由21 988.57 hm 2 增加到139 454.70 hm 2 ,增长了4.34倍;草地面积变化不大,维持在17万 hm 2 ,但覆盖度明显提高,高覆盖度草地由42 518.0 hm 2 增加到113 831.0 hm 2 ;未利用的荒草地由 69 591.0 hm 2 减少到36 523.3 hm 2 。     

利用Landsat 5 TM数据对南京土地覆盖分类的研究

为了更好地研究南京市人类活动与生态环境的相互作用,利用1988年7月5日和2006年5月4日两个时相的Landsat 5 TM遥感数据,基于ENVI软件平台,用相对配准校正方法将1988年的影像校正到2006年的影像水平上,对两期影像分别做最大似然分类,提取土地覆盖变化信息,并辅以地面调查,对其城镇变化进行动态监测并分析其扩展的原因.结果表明:1988 ～2006年南京市城镇面积增长的速度很快,城镇动态扩展表现为近郊城市化、远郊近郊化和农村郊区化;新增城镇用地主要是对耕地的侵占和对乡村用地的合并,并且挤压山体、林地和水体.与常规的地面测量与调查相比,利用Landsat 5 TM数据进行土地覆盖研究不仅缩短了研究周期,而且提高了精度.     

土地利用动态监测变化信息提取算法评估

介绍了几种常用的利用遥感图像进行土地利用动态监测的变化信息提取算法，对各种算法的原理和优缺点进行了比较，并对各种变化信息提取算法给出了一个整体评价。     

基于MODIS数据的辽宁省土地利用分类研究

采用最大似然法、马氏距离法、光谱角填图法、支持向量机法、神经网络法和最小距离法6种分类方法,对辽宁省2010年3—12月MODISNDVI数据,用该数据做主成分分析的前3个主成分数据、前5个主成分数据和2010年6—10月MODISNDVI数据等4类数据进行土地利用分类研究。结果表明：6种分类方法中最大似然法、马氏距离法和最小距离法3种方法较适合对MODISNDVI数据进行信息提取,其总体分类精度分别达82．63％、80．29％、79．17％,乔木林类型信息提取精度分别达81．91％、78．54％、80．02％;3种对原始数据进行变换的方法中6—10月数据效果较好,其总体分类精度最高达82．63％,乔木林信息提取的最高精度达78．54％。     

基于小波变换和随机森林的森林类型分类研究

以黑龙江省凉水国家级自然保护区为研究区,采用“高分一号”卫星提供的多光谱影像作为遥感数据源,通过对遥感影像进行小波变换处理,之后选择植被指数、纹理特征、地形因子作为分类特征,利用随机森林算法对该地区森林类型进行分类。结果表明,遥感图像在进行小波变换后,基于随机森林算法的森林类型分类精度为91.68%,Kappa系数为0.90,较未进行小波变换时的分类精度提高10.67%。总体来看,结合小波变换的随机森林分类方法可以获得比较高的分类精度。为森林类型分类提供一种新的思路,且为提高森林类型分类精度提供一种参考方法。     

洪湖湿地土地利用/土地覆盖变化遥感监测

洪湖湿地属于典型的内陆亚热带湿地类型,在蓄洪调洪、渔业、灌溉、航运等方面起着重要的作用,在长江中下游的湖泊湿地中具有典型的代表性.近年来,随着自然生活环境的变迁和人类活动的影响,洪湖湿地土地利用/土地覆盖变化发生了显著的变化.利用2005、2010年的Landsat7 ETM+以及2015、2018年的Landsat8...     

基于MODIS数据的潞安矿区土地覆被变化分析

煤矿区生态系统土地覆被变化是指示煤炭开采活动以及影响生态与环境的重要指标之一。基于EOS/MODIS卫星遥感数据,运用ArcGIS9.3统计与分析模块对2001～2008年间潞安矿区生态系统土地覆被变化进行了分析。结果表明:(1)在主要土地覆被类型转换中,以灌丛向稀树草地、稀树草地向农用地、地表水域向无植被区域转换为主。(2)2001～2003年间的灌丛约有150～200 km2转化为2004～2008年间的稀树草地,稀树草地约有100～150 km2转化为农用地,地表水域约有10 km2转化为无植被区域。(3)煤炭开采、农用地开垦等人类活动以及降水量减少、气温升高为特征的气候变化是研究区土地植被类型变化的两个主要原因。     

基于MODIS数据的海南岛干呈监测研究

利用NASA提供的MODIS陆地产品NDVI和LST,采用植被供水指数法对海南岛2010年1～4月的地表干旱情况进行遥感监测,将监测结果与同期的综合气象干旱指数对比分析。结果表明:对于植被覆盖度较高的热带岛屿海南岛,利用植被供水指数进行干旱的动态监测是可行的,MODIS数据可很好地满足大范围的实时动态监测。2010年1～4月间VSWI遥感监测分析显示海南岛地表干旱存在着明显的区域差异,西南沿海比中东部严重,在此期间干旱有持续加重的发展趋势。     

基于随机森林的文本分类模型研究

文本分类作为处理大量文本数据的关键技术,可以在较大程度上解决"信息爆炸"所带来的问题。Breiman提出的随机森林算法具有良好的泛化性和鲁棒性、对噪声不敏感、能处理连续属性的特点,很适合用来建立文本分类模型。笔者将随机森林算法尝试性引入文本分类领域,构建基于随机森林的文本分类模型,并在标准文本测试集Reuters-21578进行测试和比较,结果表明:(1)该模型可以较好地应用于文本分类;(2)与基于CART、REPTree和J48的文本分类模型的结果相比较,基于随机森林的文本分类模型的效果最好,F1-Measure达到了0.777;(3)基于随机森林的文本分类模型操作方便、直观有效、评价结果可靠,为文本分类研究提供了新思路。     

土地利用/土地覆盖变化动态方程的建立与分析

土地利用/土地覆盖变化研究的一个重要目的是对这种变化进行数量化的描述.该文以大庆市为实例,介绍了以TM卫星影像数据为数据源,提取土地覆盖信息的方法,并以此为基础建立以时间为自变量的三次方程,来描述土地利用类型的数量的动态情况.该文还介绍了方程参数显著性检验的方法,并通过对方程进行多次求导,得到新的方程,来描述研究期间土地利用类型面积的变化速度、加速度以及加加速度.从实例分析的结果来看,所建立的方程可以准确、全面地表达土地利用/土地覆盖变化的动态情况.     

基于InVEST模型的森林碳储量动态监测

森林碳储量主要通过地面调查数据来估算,存在着统计工作量大,建模复杂度高等难点。如何快捷、准确地估测森林碳储量一直是国内外林业领域研究的热点和难题。结合遥感图像监测尺度大和InVEST模型输入参数少的特点,提出一种基于InVEST模型结合遥感图像估测森林碳储量的方法。该方法根据森林类型碳储量信息和相应的栅格数据,利用InVEST模型估测区域森林碳储量,然后通过比对多期遥感数据估测出的碳储量得出该区域碳储量变化,从而实现森林碳储量的动态监测。对浙江省庆元县2009年的碳储量进行了估算和绘图,根据行政区划图可估算出乡(镇)和村级的碳储量。实验分别对坑西村2009年和2014年的碳储量进行了估算,根据基于碳库差别的方法实现了碳储量动态监测。实验结果表明:①庆元县2009年的森林碳储量为3.274 3×107 Mg;②坑西村2009年到2014年碳储量增加了1.780 3×104 Mg。相比不对森林类型进行细分的森林平均碳密度,将各森林类型平均碳储量和森林类型年度碳汇量引入到森林碳储量监测中,使得森林碳储量的估测精度得到了提升。另外,提出的森林碳储量动态监测可实现对县、乡(镇)和村级的监测,具有模型输入数据量少和输出结果可视化的优点,以及监测手段简单便捷,操作性强等特点。图5表4参32     

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HV & HH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。     

基于MODIS的广西典型土地覆被变化特征分析

[目的]研究2001—2017年广西3种典型土地覆被(森林、农田和城市)的时空变化特征.[方法]基于广西统计年鉴和MODIS遥感观测资料,以经济区为研究单元对土地覆被的时空变化进行比较分析.[结果]广西森林覆被率整体提高,各经济区森林覆被的持续稳定比率差异明显,东部地区(包括桂北、桂中、桂东)持续稳定比率高且呈连片分布,增速较慢,属森林稳定发展区;西部地区(包括桂西、桂南)持续稳定比率低,但新增森林覆被较多且增速较快,属森林快速发展区;农田覆被整体变化不大,桂南、桂中、桂东地区农田覆被率高、持续稳定比率高,且连片分布,与桂西、桂北的低覆被率、低持续稳定比率形成明显差异;各经济区城市覆被均增加,从北至南以桂林、柳州、南宁三大主要城市为核心向四周扩张,前期(2001—2010年)、后期(2011—2017年)均有不同程度的增长,桂—柳—南沿线以东城市扩张发展较沿线以西好,与经济区实际的经济发展相符合.[结论]该研究为土地可持续发展提供参考.     

基于RS与GIS技术的城市土地扩展动态监测

以焦作市为例,基于GIS和RS技术,利用焦作市1988、1992、2001年的3个不同时期TM卫星遥感影像数据和地形图,提取了焦作市城市扩展的边界信息,得出了3个不同时期土地扩展变化信息,为城市土地扩展变化和城市的发展与规划提供依据。