全极化SAR图像的煤矿区土地覆盖信息分层提取方法研究

为弥补光学遥感在煤矿区资源与生态环境监测中应用的不足, 研究应用全极化SAR图像有效提取煤矿区土地覆盖信息的方法具有重要意义。针对全极化SAR图像极化信息丰富、斑点噪声多、局部异质性大等特点, 提出采用面向对象的影像分类方法对其进行分层土地覆盖信息提取。以徐州市西南部的煤矿区为研究区, 选取Radarsat-2的全极化SAR图像, 分析了研究区内全极化SAR图像中典型地物的灰度特征, 提出面向对象分类方法所涉及的最优分割尺度选择法, 给出全极化SAR图像分割对象后向散射特征的计算方法。对研究区的SAR图像进行试验, 首先对SAR图像进行多尺度分割, 选择各土地覆盖类型的最优分割尺度, 然后在该尺度下计算出土地覆盖类型的后向散射特征指数, 最后采用模糊逻辑分类法分层提取出研究区内的土地覆盖信息。结果表明: 在适于各土地覆盖类型提取的最优分割尺度下, 充分利用分割对象的灰度、形状、纹理以及类间相关特征, 并综合应用隶属函数法和最邻近分类法, 能有效地提取煤矿区的农田、道路、塌陷地、建筑物、山林这5类土地覆盖信息。与最大似然分类法相比, 该方法能够较好地消除"椒盐现象", 各种土地覆盖类型的提取精度都有所提高, 其总体分类精度可提高38.3%。     

南京市区景观格局及生态绿地现状遥感研究

基于TM和SPOT图像,采用ERDAS和ARCGIS软件,对原始数据进行几何纠正、图像融合等一系列预处理。然后对图像进行监督分类,绿地信息提取,并对南京市区的景观格局及生态绿地现状进行分析。研究表明:南京市区的绿地率较高,但是分布不均匀。     

基于BP人工神经网络的农村居民点用地整理潜力评价 ——以江苏省丰县为例

针对当前农村居民点整理潜力评价方法效率低、易受主观因素影响的现状,提出利用反向传播(BP)人工神经网络方法对农村居民点建设用地整理潜力进行评价。以江苏省徐州市丰县的12个镇为研究对象,在Matlab R2015b软件平台支持下,构建BP人工神经网络预测模型,在对数据进行关联关系分析的基础上,测算农村居民点建设用地整理的现实潜力,实现对丰县各镇土地整理潜力集约利用的评价。结果表明:(1)丰县农村居民点人均占地面积较大,农村居民点布局较为分散。丰县农村居民点最终可整理面积达2 111.81 hm~2,原耕地面积为64 775 hm~2,耕地可增加系数达3.26%。(2)宋楼镇的整理潜力最大,范楼镇次之,师寨镇的整理潜力最小。     

基于马尔可夫模型对徐州市土地利用动态变化的研究

利用1994和2003年2期TM/ETM+影像,获得徐州市区土地利用现状图,据此计算出1994～2003年徐州市区各土地利用类型的年变化率指数和转移矩阵,并运用马尔可夫模型对该区土地利用变化进行研究.结果表明,在1994～2003年徐州市区土地利用变化明显,其中建设用地和未利用地变化较大,城市绿地和农业用地变化次之,水体的变化则不明显.预测在未来18年间,建设用地持续增加,农业用地进一步减少,城市绿地增长缓慢.