基于无人机可见光遥感影像的耕地精准分类方法研究

无人机可见光遥感具有使用成本低、操作简单、实时获取遥感影像、地面分辨率高等优势。提出了一种利用无人机可见光遥感影像进行耕地精准分类的方法,以广东省惠州市惠东县铁涌镇石桥村部分耕地的可见光遥感影像为研究对象,对耕地的面积信息、形状信息以及位置信息进行监测和提取,采用面向对象法对影像中两种基于可见光波段的植被指数、纹理信息、形状信息进行分析,研究出分类提取耕地信息的较佳方案。经过反复实验确定分割尺度45、合并尺度90为分割参数,同时利用波段信息和纹理信息对未种植作物耕地和其他地物进行分离。该方法总体精度为89.23%,Kappa系数为0.72。实验结果表明利用无人机可见光遥感数据对耕地进行分类虽然存在一些细碎地块被错提、误提的情况,但总体精度仍然保持在一个很高的水准,可以为耕地作物分类提供参考,为实现精准农业提供精准的数据基础。     

渗灌土壤水分运动数值模拟软件设计方法研究

数值模拟是认识渗灌条件下土壤水分运动规律的重要方法之一,其可为渗灌工程的实施提供理论指导。为降低渗灌条件下土壤水分运动数值模拟研究的成本,在渗灌条件下土壤水分运动数值模拟软件的设计方法上进行了探讨,分析了软件实现的功能,提出了一种渗灌条件下土壤水分运动数值模拟软件的开发模型,并采用面向对象的方法和迭代-增量式的开发过程实现了该软件。本软件能够应用于渗灌条件下土壤水分运动数值模拟,能够模拟土壤初始条件、灌水压力、渗灌管特性和计算区域边界条件对土壤水分运动的影响,能模拟渗灌条件下土壤水分的再分布过程。软件运行可靠、操作方便,具有一定的通用性。     

基于面向对象影像分类技术的生态清洁小流域现状调查

结合当前北京市开展的生态清洁小流域建设,尝试利用现有的高分辨率航片,采用基于面向对象的高分辨率影像分类技术和G IS技术来开展生态清洁小流域水土保持现状等本底资料的调查,从而为生态清洁小流域的基础数据库建设、治理措施规划与布局提供基础数据和科学依据。应用实例表明,采用面向对象影像分类技术开展生态清洁小流域现状调查,在方法上、技术上都是可行的,不仅可以提高调查的客观性、准确性和现势性,而且也可以大大提高调查的工作效率,是未来生态清洁小流域调查的可选方法。     

面向对象影像分类与提取法在农作物遥感解译中的应用

根据Landsat8遥感数据,利用eCognition软件,以黄淮海平原饶阳县某地区为试验区,通过对分割参数的定量试验,确定了地物对象的最佳分割尺度;在此基础上分析植被、非植被的典型特征,采用面向对象方法研究植被的信息提取,并对提取结果进行了精度评价。试验结果表明:面向对象影像分类方法能极大地提高分类精度,并实现了植被信息的准确提取,为我国主要粮食基地农作物遥感调查与监测提供了技术支撑。     

基于Sentinel-2A遥感影像的潍坊市冬小麦种植面积提取研究

为准确、高效、自动化的提取大尺度范围冬小麦种植面积,利用Sentinel-2A卫星影像进行试验,提出一种基于中等分辨率影像的面向对象结合深度学习的遥感冬小麦提取方法。利用面向对象分类法和随机森林分类算法对2021年潍坊市冬小麦种植面积及种植区域进行提取和结果对比,证明面向对象分类法在提取冬小麦种植面积时的可行性和有效性。此外,利用面向对象方法得到的二值分类图像作为标签图像,基于TensorFlow框架,利用U-Net构建深度学习神经网络模型,使用训练得到最优模型提取2017—2021年潍坊市冬小麦种植面积。使用实地调查数据对分类结果进行精度验证,并对潍坊市近五年冬小麦种植面积进行年际变化分析。该分类方法的总体分类精度达93.1%,Kappa系数为0.91。本研究方法可为大范围的冬小麦种植指导和农业结构调整提供科学、可靠的依据。     

面向对象分类方法的镇西厂乡地类信息提取分析

传统影像解译方法在高分影像信息提取逐渐失去优势,而面向对象分类方法的信息提取能利用高分影像的纹理、光谱等空间信息,使其成为影像信息提取研究的热点。基于高分辨率航片对实验区域贵州省镇西厂地区使用eCognition软件进行面向对象分类方法的信息提取方案分析,重点讨论了航片的多尺度分割,分割最优尺度的确定,分类特征描述与应用、并进行分类精度评价等。同时,还使用ENVI软件基于像元的地类提取,对比两者分类结果与精度,面向对象的最邻近方法信息提取总体精度为89%,Kappa系数为87%,而面向像元的最大似然信息提取总体精度为78%,Kappa系数为75%,面向对象的信息提取结果更加接近人工目视解译,对高分影像的信息提取具有更好的优势。     

云南鲁甸M_S6.5地震灾区滑坡提取方法研究

[目的]利用遥感技术快速准确的提取地震灾区滑坡。[方法]以鲁甸地震灾区为研究区,分别运用高分一号和Landsat8卫星OLI多光谱影像数据。[结果]利用面向对象影像分类以及波段运算等技术,结合震前、震后影像,对灾区滑坡进行提取,在此基础上总结了地震次生灾害的关键技术和工作流程。[结论]以Landsat8卫星影像为数据源,进行波段运算,能较好的提取地震次生灾害。     

面向对象的方法在软件开发中的应用

面向对象的技术是８０年代兴起的一门先进的软件技术，将面向对象的技术应用到软件工程中，导至出现了面向对象的软件开发思想，从这一思想出发．对软件开发过程中系统的对象及其相互关系的定义，系统的类和类层次结构的建立，以及系统应用框架的形成进行了详细的说明和全面的论述，系统的定义了面向对象的软件开发方法．     

机械系统运动仿真中用户输入函数的求解和实现

在对机械系统运动仿真中用户输入函数进行分析研究的基础上,采用Ｃ＋＋语言和面向对象的方法实现了对用户数据文件中函数的自动查找、识别、存储、分析、读取直至调用的功能。采用适合的数据结构存储函数信息,并用一内嵌式程序语言解释器对其进行分析。建立了实现这些用户输入函数功能的通用组件（函数库）,供求解计算时方便调用。分别采用笔者开发的仿真软件和ＡＤＡＭＳ软件对实例进行了仿真分析,二者结果基本吻合。     

基于高空间分辨率卫星影像的新疆阿拉尔市棉花与枣树分类

【目的】 枣树和棉花是新疆地区的两大优势作物。利用高空间分辨率遥感影像对作物进行识别,更加快速、准确地获取枣树和棉花的种植面积及其分布区域,以利于相关部门政策的制定及农作物的精确管理。【方法】 本文以新疆阿拉尔市主要农作物为研究对象,运用基于像素与面向对象的遥感影像分类方法,通过比较光谱角制图（SAM）、支持向量机（SVM）、CART决策树（DTs）、随机森林（RF）这4种机器学习算法在高空间分辨率卫星影像分类中的作物识别精度,探究影像获取时期（2016-05-10、2016-09-07、2016-10-08）及面向对象的信息提取技术对作物分类精度的影响。【结果】 5月份影像（即棉花覆膜期影像）作物分类精度最高,10月份影像次之,9月份影像最差;与基于像素的作物分类方法相比,面向对象的作物分类方法可以使各时期的作物分类总体精度得到一定提高（除SAM之外）,各时期分类精度分别提高了4.83%、7.77%、7.22%,最高分类精度分别为93.52%（2016-05-10）、85.36%（2016-09-07）、88.88%（2016-10-08）,均实现了较好的作物分类效果。【结论】 5月份（棉花覆膜期）影像对棉花和枣树分类效果最好,该时期的棉花被地膜覆盖,且枣树表现出明显的植被光谱特性,两种作物生长早期呈现出差异化的光谱特征,因此棉花和枣树的遥感识别应在作物生长早期进行;面向对象的分类方法可以综合运用光谱、纹理及空间信息,特别是纹理信息的加入,可以取得比基于像素方法更高的分类精度,且提供一种高效提取田块边界的手段,对当地农田信息化管理具有重要应用价值。在棉花和枣树识别过程中,纹理特征的重要性高于光谱和空间特征,红光和绿光波段在所有波段中对棉花和枣树的识别贡献最大。