RS ＆ GIS支持下的大庆市土地利用分类

选择具有“中国油都”之称的大庆市为研究区,对其土地进行遥感调查,拟定了土地利用分类系统．给出了大庆土地利用覆盖的构成数据一览表和土地分类图。分析结果可为类似于大庆一类的工矿型城市土地利用分类提供决策支持。     

RS&GIS支持下的大庆市土地利用分类

选择具有“中国油都”之称的大庆市为研究区,对其土地进行遥感调查,拟定了土地利用分类系统,给出了大庆土地利用覆盖的构成数据一览表和土地分类图。分析结果可为类似于大庆一类的工矿型城市土地利用分类提供决策支持。     

土地覆盖遥感制图方法研究现状与展望

区域尺度土地利用/覆盖分类研究是当今国际上开展土地利用/覆盖变化研究的重要领域之一。及时、准确地获取地球表面特性对于掌握人类和自然现象之间的关系和相互作用至关重要。本文根据土地覆盖遥感分类方法特点，从硬分类方法、软分类方法以及最新的软硬分类方法出发，总结了国内外的各研究成果，分析了各种方法的分类策略与特点及其方法适用性。研究结果表明：软硬分类方法能够灵活适用于遥感图像上纯净、混合像元并存的特点，可以有效解决光谱的异质性，在土地覆盖遥感监测中具有广阔的应用潜力。文中提出了基于变端元的软硬分类土地覆盖制图方法框架，并指出了今后的研究重点。     

应用MODIS数据对陕西地区土地利用/覆盖变化的监测

应用MODIS数据监测陕西地区土地利用/覆盖变化。主要内容是利用陕西省MODIS影像辅助以ETM＋等数据进行最大似然法监督分类,根据分类的结果得到各个土地利用类型面积,然后与统计资料对比,进行土地利用/土地覆盖动态监测分析。     

基于地表生物物理参数的土地利用/覆盖遥感分类方法研究——以长沙市以例

土地利用/覆盖分类通常是利用地物的波谱反射特征进行监督或非监督分类,分类结果由于"同物异谱、异物同谱"现象的存在,往往分类精度不高。而植被指数和地表温度作为表征地表覆盖状况的生物物理参数,已成功用于宏观尺度的土地利用/覆盖分类,使得分类结果有所提高,而对于区域尺度的土地利用/覆盖分类却少见报道。本文充分利用TM数据的多光谱特征,从中提取了植被指数NDVI、地表温度Ts、温度植被角度TVA和温度植被距离TVD这四种分类特征进行监督分类,通过对7种组合方案(反射率波段组合、NDVI与反射率波段组合、Ts与反射率波段组合、NDVI与Ts和反射率波段组合、TVA与反射率波段组合、TVD与反射率波段组合、TVA与TVD和反射率波段组合)的分类结果进行比较,得出以下结论:①NDVI、Ts、NDVI和Ts、TVD作为分类特征参与到多波段地表反射率影像分类中,能够提高分类精度,而TVA、TVA和TVD的加入却没有改善分类结果;②总体分类精度受到训练样本与检验样本比例的影响。     

基于植被分区的多特征遥感智能分类

为了有效地提取大范围地形复杂区域的土地利用/土地覆盖遥感信息,以位居青藏高原与黄土高原过渡地带的青海东部地区为研究区,研究基于蚁群智能优化算法(ant colony intelligent optimization algorithm,ACIOA)的土地利用/土地覆盖遥感智能分类。首先选用TM图像、DEM、坡度和坡向数据作为分类的特征波段;然后利用归一化植被指数NDVI对实验区数据进行植被分区;最后利用ACIOA算法进行分类规则挖掘,并依据分类规则进行土地利用/覆盖信息的提取。研究表明,基于植被分区的多特征蚁群智能分类的总体精度为88.85%,Kappa=0.86,优于传统的遥感图像分类方法,为大范围地形复杂区域的土地利用/土地覆盖遥感信息提取提供了有效的方法。     

基于ETM＋制作土地利用覆盖图——以制作北京1：5万土地利用覆盖图为例

简要介绍了基于LANDSAT7 ETM＋影像,采用计算机非监督分类、监督分类与人工解译相结合的方法制作土地利用覆盖图的过程和所采用的关键技术,给出了适用于规模化生产土地利用覆盖数据的工艺流程图。使用该方法制作的十一种分类要素的北京地区1：5万土地利用覆盖图,平均分类精度为84．85％,可以满足一般用户对土地利用覆盖图的要求。     

全球地表覆盖水体提取及检验方法探讨

土地利用/覆盖变化作为全球环境变化研究的核心内容之一,在可持续发展中占有重要的地位。而遥感数据以其快速、准确、及时、周期性短等优点在大中尺度的土地利用、覆盖变化研究中占明显的优势,已成为当前开展土地利用\覆盖变化研究的最新趋势。研究探讨地表分类的自动分类办法可以大大的提高自动提取速度,提高工作速度,因此分析比较各种提取办法十分必要。     

基于Sentinel-1A与Sentinel-2A融合的土地利用/覆盖分类研究——以昆明市呈贡区为例

为提高土地利用/覆盖分类精度,本文以昆明市呈贡区为例,融合Sentinel-1A(S1A)与Sentinel-2A(S2A)遥感数据,采用支持向量机(SVM)的监督分类方法对土地利用/覆盖进行分类。对比分析了Sentinel-1A与Sentinel-2A数据在不同组合情况下所有分类结果的总体精度,结果表明:将Sentinel-1A的强度数据、纹理数据与添加植被指数的Sentinel-2A数据融合时分类精度相对较高,总体精度可达93.60%。采用雷达数据与光学数据融合的方法可以在一定程度上提升土地利用/覆盖分类精度。     

内陆河流域典型地类面向对象的图像分类试验

利用了基于面向对象的最近邻法分类,比较了最大似然法的分类结果,得出了其不仅适合高分辨率城市遥感影像的分类,而且在中分辨率土地利用/土地覆盖上也有很好的应用.     

高分辨率遥感图像分类方法在LUCC中的研究进展

高空间分辨率遥感图像在土地利用/覆盖(LUCC)变化研究中的应用,促进了遥感分类技术的进一步发展,表现在遥感分类对象、分类特征和分类器3个方面。本文对其研究进展情况进行了综述,介绍了具有代表性的分类方法,并对各种方法的特点进行了分析。最后,对遥感分类的相关研究进行了总结和展望。     

多步骤分类法在上海市闵行区土地利用/覆盖信息提取中的应用

遥感图像分类是进行土地利用/覆盖变化研究的基础。采用多步骤分类法对上海市闵行区4期遥感图像进行分类，总分类精度达到了85%。     

都江堰震后土地利用/覆被变化信息提取方法研究

快速和精确评估"5·12"汶川地震后的土地利用/覆被变化对科学减灾、灾后重建及生态环境恢复具有重要意义。常规方法从遥感图像上提取土地利用/覆被变化信息时,多以研究区整体为处理对象,直接对全图像进行分类提取,容易忽略地形地貌和地质构造等背景因素对分类结果的影响。本文以都江堰为试验区,根据地质构造展布特征及地形地貌发育形态将其分成平原区(Ⅰ区)、低山区(Ⅱ区)、中高山区(Ⅲ区)和高山区(Ⅳ区)。对Ⅰ区采用ISODATA方法进行非监督分类;对Ⅱ区和Ⅲ区分别采用最大似然(ML)分类法进行监督分类;对Ⅳ区采用人机交互解译方法进行分类。试验结果表明,基于地理地质环境的分块分类方法是高效、精确的。     

遥感卫星数据产品分类分级规则研究

随着遥感卫星应用的发展,多源、多时相、多尺度以及不同类型遥感卫星的数据综合集成应用以及与地面观测信息集成,对遥感信息产品进行深度开发利用正在成为遥感应用的重要趋势。目前不同国家和地区、不同系列的遥感卫星数据产品分别采用不同的分类分级方案,难以适应多源、多系列地理空间信息整合应用的需求。本文从遥感应用对遥感卫星数据产品分类分级的需求出发,分析了目前主要遥感卫星的产品系列及其数据产品分类分级规则,参考了正在研究的相关国际标准,遵循系统性、科学性、完整性、兼容性、可操作性和可扩充性原则,研究提出了中国遥感卫星数据产品分类分级的规则。该规则以卫星载荷采用的遥感探测光谱特征及其数据获取方式作为分类依据,以卫星遥感数据的处理水平作为分级依据,建立统一的遥感卫星数据产品的分类分级体系。该规则与正在研究制订的相关国际标准保持一致,不但覆盖目前广泛应用的各类遥感卫星数据产品,而且能方便地建立与现有遥感卫星数据产品分类分级方案的映射关系,并且对未来的数据产品的分类分级留有比较充分的可扩充性,为遥感卫星数据产品分类分级指标体系的研究和相关国家标准的研制提供了依据。     

基于知识的分层综合分类法在土地利用/土地覆盖遥感信息提取中的应用

土地利用/土地覆盖数据的获取是研究LUCC的重要基础工作。随着遥感技术的飞速发展,通过遥感提取土地利用/土地覆盖专题信息已成为LUCC研究必不可少的一步。目前遥感专题信息提取水平相对滞后于遥感数据获取,为了提高遥感数据在土地利用/土地覆盖的应用,寻找一种较好的、具有相对适用性的方法是目前遥感应用的一个迫切要求。本文比较了目前比较常用的几种土地利用/土地覆盖遥感信息提取方法,分别以西部干旱区(柴达木盆地)和东部地区(鄱阳湖地区)为例,提出在GIS支持下基于知识的分层综合分类方法,并通过和其他几种常用方法进行比较分析,得到如下结果:在自然环境相差较大的柴达木盆地和鄱阳湖地区,采用了GIS支持下基于知识的分层综合分类方法的提取精度均要比单独采用最大似然法、纹理分析法、神经网络分类法等方法的总体精度高出25%,Kappa系数高出0.2。由此可以说明了该方法对于土地利用/土地覆盖专题信息的提取是可行的,同时它也具有一定的适用性。     

多时相ASAR数据的地表覆盖分类研究

本文选择了位于念青唐古拉山脉西段,覆盖范围大约100×100km2的区域,使用四个不同时期内的ASAR图像数据进行地表覆盖分类的研究。研究结果表明,虽然同种类型的地物在同一景雷达图像上的后向散射系数存在一定的差异,但是其后向散射系数随时间的变化规律却是一致的。根据地物后向散射系数的这种时相特征,我们对研究区的地表覆盖进行了分类,结果显示使用该方法能有效地区分草原、草甸、裸岩、水体、终年积雪等。     

组合分类器及其在高光谱影像分类中的应用

多分类器组合问题一直是模式识别和机器学习领域的研究重点。由于各分类器的分类结果有着互补信息,因而一般来说,组合分类方法总有着较单个分类器精度更高的分类结果。将组合分类方法引入到高光谱影像的分类过程中,并针对该类影像的特点,提出了混合组合策略。实验表明,将组合分类器用于高光谱影像的分类,可以得到较为理想的分类结果。     

组合分类器及其在高光谱影像分类中的应用

多分类器组合问题一直是模式识别和机器学习领域的研究重点.由于各分类器的分类结果有着互补信息,因而一般来说,组合分类方法总有着较单个分类器精度更高的分类结果.将组合分类方法引入到高光谱影像的分类过程中,并针对该类影像的特点,提出了混合组合策略.实验表明,将组合分类器用于高光谱影像的分类,可以得到较为理想的分类结果.     

基于蚁群智能的遥感影像分类新方法

智能式遥感分类是遥感研究的新热点.提出了一种基于蚁群智能规则挖掘(ant-miner)的遥感影像分类新方法.遥感数据各波段之间存在较强的相关性,这种相关性往往会导致分类产生误差.而ant-miner算法中的信息素是基于规则整体性能的,信息素的动态更新能有效地处理相关性较强的数据,所提供的正反馈信息能纠正启发式函数缺陷所造成的错误.因此,蚁群智能算法应用于遥感分类具有一定的优势.将该方法用于广州市地区的遥感影像,取得了较好的分类结果.并与See5.0决策树方法及最大似然方法(MLH)进行了对比研究,实验结果表明,蚁群智能算法分类精度比后两者的分类精度更高.     

面向应用的高光谱影像分类方法

提出了一种面向应用的高光谱影像分类方法,旨在从根本上、全方位地削弱各种不利因素对该类影像分类精度的影响。主要包括利用IEM算法获取更为精确的类别分布信息,采用Tabu搜索算法进行原始特征空间的降维,运用基于混合规则的组合分类器来判断待识样本的类别标签。实验表明,按照该方法进行高光谱影像的分类处理,可以得到很高精度的分类结果。