基于TM遥感影像的鄱阳湖湿地分类研究

对覆盖鄱阳湖湿地的LandsatTM遥感影像进行了计算机自动分类技术方法的实验研究,采用了先对遥感影像数据进行非监督分类,在非监督分类的基础上进行人工解译,确定其类别属性,然后将人工解译后的非监督分类的分类属性表经过光谱聚类处理转化成适用于监督分类的分类模板文件,再执行监督分类的方法,有效地提高了湿地遥感影像分类的精度。     

农业遥感监督自动分类在垦区农作物监测中的应用研究

研究利用计算机自动分类提取出黑龙江垦区农场农作物种植面积,既要提高信息提取的速度,同时又要保证精度;研究方法主要是先采集野外样方数据,然后利用ERDAS软件产生的模板来进行监督分类。通过研究发现该方法有效地提高了信息的提取速度同时又保证一定的精度要求,可以应用于垦区农场农作物提取当中。     

两种遥感图像增强方法对图像分类的适宜性分析

通过对遥感图像空间增强的锐化处理与辐射增强的降噪处理进行基于像元的监督分类,结合野外实地调查与增强前图像分类结果的比较,进行了两种增强方法对于图像分类的精度分析,研究表明,未增强图像进行监督分类的精度为58．41％,Kappa系数值为0．4738;锐化处理后图像分类精度提高至62．77％,Kappa系数值为0．5227;而去霾处理后图像分类精度可达89．00％,Kappa系数值达0．8625,是较适于进行基于像元图像分类的增强处理方法。     

叠加分类及其在冀太行山区土地利用类型遥感解译中的应用

计算机遥感解译方法主要包括监督分类和非监督分类2种，但两者均具有一定局限性。为了更精确地获取土地利用类型信息，在分别采用监督分类与非监督分类的基础上，提出了叠加分类的遥感解译方法。此方法的关键在于，叠加分类时对叠加图像进行部分重新编码，即只对监督分类与非监督分类中的典型地物进行重新编码，这样会使监督分类图与非监督分类图进行较为充分的叠加，叠加后再进行重新编码，以保证良好的分类效果。以河北省太行山区为对象进行了案例研究，对监督分类、非监督分类和叠加分类进行了比较分析。研究结果表明，叠加分类效果最好，具有操作简单，人为影响较小，精度较高等优点。图3表3参17     

基于ETM+遥感图像的漓江水系生态环境变化分析

运用卫星遥感技术对漓江水系生态环境条件进行解译,综合分析了林地、植被、土壤为主要类型的生态环境现状,应用ERDAS 9.2软件对4个年份的影像进行监督分类,计算归一化植被指数(NDVI).结果表明,2000-2008年林地面积、裸地面积、水体面积分别增长19.63％、-15.85％和247.21％,漓江流域的生态环境条件有所改善.     

基于SPOT／VEGETATION数据的陕甘宁退耕还林区植被分类

以评估退耕还林／还草的气候、生态效应为目的,利用多时相SPOT／VEGETATION数据,将监督分类与非监督分类相结合,选定合适的阈值对西北地区植被及作物进行分类,分类结果与统计面积、实际调查结果相比．精度在85％以上。     

基于优化ISODATA法的冬小麦长势分级监测

以江苏省姜堰市为例,利用TM卫星遥感技术监测冬小麦的种植面积与长势情况.在利用GPS实地采样调查和建立解译标志的基础上,进行影像校正、非监督分类、人机交互式判读解译等操作,并将样点数据校验贯穿到整个分类过程中,信息解译精度在90%以上.结合NDVI指数反演的叶面积指数进行小麦长势分级分类,并制作了冬小麦长势分级专题图.     

利用TM卫星资料进行江苏部分地区小麦面积调查

以江苏部分县、市为基本单位，用TM卫星遥感技术监测调查2002年夏熟小麦、油菜的种植面积。本调查采用里下河幅(120—37)、南京幅(120—38)TM影像图，选用2001年1月至2002年4月份的时相，在外业调查，建立解译标志的基础上，通过计算机进行图像处理及非监督分类、人机交互式判读解译，结合农业部门掌握的资料分县、分类地判出小麦及油菜，其定性精度为90％以上。汇总结果表明：2001年小麦面积为38．116万km^2，2002年为39．598万hm^2，比2001年增加1．482万hm^2。     

基于Google Earth的ETM~+遥感图像自动分类方法

为了快速准确识别地物、设计野外路线并减少踏勘后对前期解译工作的修改,本文参考Google Earth软件提供的高分辨率遥感图像,利用ETM+解译生成训练样本,然后采用最大似然监督分类算法进行ETM+图像分类。结果表明:与非监督分类和非监督-监督混合分类方法相比,基于Google Earth高分辨率遥感图像的ETM最大似然监督分类方法效果好、精度高,是一种经济、高效的技术手段,可用于初步识别地物分布情况、设计野外路线和勘查点等工作,对野外工作具有一定的指导意义;不同融合方式、不同波段组合的图像分类结果明显不同,该区域ETM+图像R(5)G(4)B(3)波段组合、PCA融合图像的分类总精度最好。     

基于ETM影像的森林覆盖率统计分析——以林芝市巴宜区为例

以西藏自治区林芝市巴宜区2005年ETM遥感影像为基础,利用"3S"技术,借助于ERDAS 9.2和ArcGIS 10.5软件,结合野外调查研究,对研究区的森林覆盖率进行统计分析,并与该地区地貌类型图、土地利用类型图的分类结果进行比较分析。研究了ETM遥感影像应用于巴宜区森林覆盖统计监测的最佳波段组合和融合处理技术,采用监督分类的方法提取森林覆盖信息,并对分类结果与相应研究区的土地利用类型相比较。结果表明,监督分类校正结果显示2005年巴宜区的森林覆盖率约为42.61%,监督分类对林地统计结果与土地利用类型图统计结果相比较,两者仅相差3.83百分点,分类精度达89.27%。利用遥感技术及地理信息系技术对森林资源的统计分析,可为森林信息化建设提供技术支持。     

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Landsat影像的云南勐腊县橡胶遥感识别与种植面积信息提取

以ERDAS IMAGINE为操作平台,利用2020年Landsat与Planet卫星数据作为遥感信息源,通过监督分类方法和实际调查,提取云南省勐腊县天然橡胶种植面积信息,并与2020年橡胶面积统计数据进行对比分析。结果表明：利用Landsat遥感影像调查橡胶种植面积的准确率约为92.5%,基本能反映区域橡胶种植分布情况。     

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。     

多伦县土地利用遥感信息提取技术

针对北方农牧交错地区地表异质性和破碎化强烈、地物光谱特征混杂严重、土地利用/覆被遥感信息提取对目视解译依赖程度高的特点,以内蒙古多伦县为研究区,尝试将基于知识的遥感信息提取技术应用于该地区。通过地物光谱特征的深入分析,用线性光谱混合分解模型将主要地物覆被类型分离,并建立多个专题信息模型,依据经验知识建立了各用地类型提取规则,对多伦县土地利用信息进行了计算机自动提取,并与单一的监督分类法提取的结果进行了对比。结果表明,运用遥感信息提取技术提取的面积精度达93.8%,抽样点评价精度为87.7%;单纯使用监督分类法提取的面积精度为71.1%,抽样点评价精度为59.5%。可见,遥感信息提取技术较单一的监督分类法效果好很多,实现了多伦县土地利用遥感信息高精度分层次快速提取。图4表3参20     

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%。     

土地利用与土地覆盖遥感调查技术研究

介绍了利用光谱响应特征阈值算法、有监和无监分类方法，结合人工目视解译进行土地利用与土地覆盖信息提取的技术过程和结果．研究结果表明：分层次、多种信息提取方法进行山区土地利用与土地覆盖调查具有速度快、技术操作简单、可识别类型多的特点；对林地和水域的分类识别精度可达85％以上，但对山区农村居民地的面积难以准确提取，必须借助人工解译方法，并参考其他辅助资料才能获取．     

基于ENVI的土地利用动态变化分析

选用2期卫星遥感影像数据,利用ENVI软件进行监督分类,提取不同时期土地利用数据库,对监督分类后的结果采用比较法进行对比分析,获取2期土地利用类型的动态变化数据。同时,通过建立解译标志收集相关调查资料,采用人机交互式判读解译,获得研究区不同时期土地利用数据库,以此作为参照,对采用分类后比较法获得的动态变化数据进行验证。     

紫金山国家森林公园全极化雷达图像分类比较

全极化雷达图像的最大优点是能够获取目标的全极化散射特征,从而使其在地表植被的分类和森林参数反演中具有较大的应用价值。以紫金山国家森林公园为研究对象,2011年的全极化雷达数据、典型地类野外调查数据为主要信息源,在PAULI、 SINCLAIR、 CLOUDE-POTTIER、 FREEDMAN-DURDEN四种目标特征值分解基础上,采用最大似然、支持向量机、神经元网络和随机森林4种方法进行监督分类。结果表明,5种组合中12个特征值组成的特征图像的最大似然分类的精度最高,总体分类精度为58.20%, CLOUDE-POTTIER、 FREEDMAN-DURDEN 总体分类精度较低,分别为51.86%、52.36%;4种分类方法中,12个特征值组合的图像的随机森林分类方法的总体分类精度最高,总体分类精度为74.29%,神经元网络的分类精度较低,总体分类精度为56.98%;6种地类中,针叶林、阔叶林和建筑的分类精度较高,草地、水体和裸地的分类精度较低。     

SPOT5图像判别方法在退耕还林监测中的应用

应用ERDAS遥感软件对SPOT5进行图像预处理、图像解释、图像监督分类,通过SPOT5图像获取林地面积,得出分类精度,找到一种监测退耕还林的新方法.这种方法在辽宁省康平县小城子乡进行实地应用,分类精度的kappa系数分别为76%和85%,表明应用SPOT5图像监测退耕还林是可行的.