基于知识工程师的崇明岛东滩自然保护区盐沼植被分类研究

以崇明东滩自然保护区盐沼植被为研究对象,利用Landsat TM遥感图像,结合现场调查和前人关于东滩时空动态变化的研究结果,确定崇明岛东滩主要分布的盐沼植被类型,提出了基于知识工程师的植被分类方法。与常规非监督和监督分类相比,该方法的精度较高,总体精度为92.35%,kappa系数为0.9072,而非监督分类和监督分类(最大似然法)的总体精度分别为86.92%和89.10%。实验结果表明,该方法能够有效地对研究区植被进行分类与识别,可为实现盐沼植被的自动提取提供理论依据和有效的方法途径。     

山区植被类型信息提取方法研究

根据遥感图像的光谱信息和空间信息特征及不同植被的分布规律,研究利用计算机处理技术提取山区植被类型的方法。分类过程采用四个步骤完成：①均一目标的象限四分树提取分类；②多光谱数据的最小距离分类；③综合利用波谱曲线的形态和地形数据进行分类；④高程数据修正分类。在分类处理过程中,分别利用了图像的空间信息、光谱信息以及地形数据。利用该分类方法在实验小区内进行植被类型提取试验,其精度为90%.与最大似然分类方法所得结果相比较,其分类精度提高了10%.     

基于Aster数据的新疆渭——库绿洲及其周边地区土地沙化信息提取

以新疆渭干河——库车河绿洲及其周边地区为研究区,在野外调查的基础上,基于Aster数据,利用NDVI、植被盖度作为特征变量,结合偏最小二乘回归法模型反演得到的盐分含量(SSC)指标作为决策树分类的各节点的判别函数,通过决策树分类方法实现了沙化土地信息的提取与制图。结果表明结合植被覆盖信息与土壤特性能够在提取沙化信息的同时区分出盐渍化土壤,结果与野外调查较为一致。该研究为大区域土壤沙化信息提取与制图提供了较好的方法。     

GlobeLand30湿地细化分类研究

基于30 m地表覆盖数据产品完成湿地精细化分类,能够更好地满足当前较高分辨率及较详尽全球湿地数据的应用需求。本文在深入分析湿地分类体系与细化方法的基础上,提出以湿地细化类别的定义、多元知识的分层分类、亚类数据精细化提取为主线的总体研究思路,制定了基于先验知识的对象系统筛选、基于森林数据的同位像元提取、基于最佳阈值的极大似然掩膜的主体分类方法,并应用于数据生产实践获得8个亚类信息。该方法克服了常规手段普遍存在的周期长、效率低等弊端,实现了全球较高分辨率湿地亚类数据的快速精确制图,总体分类精度达82.6%,对地理世情及其他地表覆盖研究具有借鉴意义。     

基于遥感分类的植被覆盖度提取

阐述了基于遥感分类进行植被覆盖度提取的方法,分析了直接利用关系模型提取植被覆盖度的缺点,遥感分类可获得不同类型地物,此后关系模型分别提取,解决了直接利用关系模型提取中存在的缺点.     

基于变化检测的地理国情监测数据更新研究

地理国情监测数据的更新是自然资源调查监测的一项重要工作,如何基于遥感影像,实现变化信息的快速提取是一个热点。本文以句容市为研究区域,充分利用2018年地理国情监测数据与2019年遥感影像数据,通过棋盘分割法得到规则的影像,共选取植被、构筑物、水体样本134.32 m^(2),利用监督分类中最邻近分类法对影像进行分类,并通过2019年地理国情监测数据进行精度评定,符合率为79.5%。实验结果表明,棋盘分割与监督分类结合可有效提取地表地物的信息,遥感影像变化检测技术可为地理国情监测数据更新提供技术支撑。     

高分辨率遥感植被分类研究

以南京市区的植被覆盖为研究对象,基于IKONOS遥感影像,采用决策树分类算法,根据各种植被光谱特征建立知识库,提出基于光谱信息的植被分类方法,继而结合高分辨率影像特有的纹理特征引进局部一致性指数对该方法进行改进,提出结合纹理信息的高分辨率遥感植被分类方法,分类总体精度从仅利用光谱信息的83.16%显著提高到91.89%,Kappa系数达到0.8886。采用Quickbird遥感影像对该方法进行验证,分类总体精度为91.94%,Kappa系数为0.8783,表明该植被分类方法能有效地对植被进行分类与识别,精度较高,且对于不同数据源的植被分类具有一定的普适性,为实现植被的自动化提取提供了理论依据和有效的方法途径。     

基于 DTW 距离的时序 NDVI 数据植被信息提取--以秦巴山区为例

秦巴山区是我国重要的生态屏障,对该区的植被信息提取开展研究,可为区内生态服务功能及自然资源开发利用提供基础数据。通过加窗处理改进DTW距离相似性算法,结合临近度模糊分类方法对2005—2014年的MODIS NDVI时序数据进行植被信息提取。首先利用S-G滤波对MODIS NDVI时序数据进行重建;再利用2013年的采样数据构建各类植被的标准NDVI时序曲线,逐像元计算与标准NDVI时序曲线的加窗DTW距离,利用临近度模糊分类实现植被信息提取;最后验证提取精度。结果表明,算法具有较高的运行效率,可避免错误匹配,以较高的精度(总体精度83.8%,kappa系数0.77)实现长时间序列的植被信息提取。     

基于高分影像和激光点云数据的损毁建筑物提取方法研究

针对复杂环境下震害信息的快速提取问题,本文提出了一种基于高分影像和激光点云数据的半自动损毁建筑物提取方法。该方法通过目视判别定义了损毁建筑物类型与成像特征,然后采取阈值法与SVM相结合的半自动面向对象分类方法将损毁建筑物提取出来。即通过引入nDSM数据参与分割、分类,在影像多尺度分割的基础上,结合纹理特征、光谱特征以及几何特征,通过阈值法与SVM相结合的方法提取损毁建筑。为验证方法有效性,选取2010年海地震后部分地区的高分辨率影像和机载激光雷达数据作为研究数据,通过与全场景的自动SVM分类结果相比,本文方法获得了更优的分类精度。此外,本文构建了新的波段剔除植被,在不同场景下获得了较好的剔除效果。     

利用Sentinel-2A影像的面向对象特征湿地决策树分类方法

苏州市湿地众多、类型多样化、周围环境复杂,使用传统的遥感分类方法很难得到精度较高的湿地分类结果。研究了面向对象特征的湿地决策树分类方法,以苏州市澄湖地区为研究区域,使用欧空局的Sentinel-2A影像,先将研究区域分为湿地水体、植被和非植被3大类型,再分别构建鱼塘、河流、湖泊、农田和裸地等面向对象特征,据此实现湿地遥感分类。研究结果表明,该方法能够有效利用遥感影像提供的光谱特征、几何特征和纹理特征等多种丰富信息,产生较高的分类精度,总体分类精度可达80.67%,Kappa系数为77.80%。与传统的基于中低分辨率遥感影像的分类方法相比,该方法可以有效提取湿地不同地物对象的几何结构和纹理等特征,在提高湿地分类精度的同时实现对大面积湿地的快速动态监测。     

自然资源全要素自适应野外调查框架设计

针对自然资源全要素调查工作中分类标准不同、调查口径不同、调查方法不同，造成的各部门调查软件平台重复开发建设和调查数据结果地理信息特征表达不清晰等问题，本文结合自然资源全要素野外调查工作的实际需要，以山水林田湖草生命共同体为统一对象，构建了自然资源语义化特征模型，提出了表征不同自然资源类型的自适应野外调查方法，实现了灵活性高、性能优异的自然资源调查技术平台，形成了统一的自然资源全要素野外调查框架，可以有效提升多门类自然资源基础调查、专业调查、动态调查的能力与水平，为自然资源治理能力现代化提供了可靠技术保障。     

自然资源统一调查背景下林业数据与草地数据衔接初探

草地调查是自然资源调查工作的重要内容,其调查成果在草地资源管理中发挥着重要作用。针对长期以来土地调查草地数据与林业调查草地数据存在冲突矛盾的问题,本文对比分析了土地、草地及林业管理部门使用分类标准和调查数据的差异,并结合广西桂林阳朔县第三次国土调查,着眼于自然资源统一调查监测,依据第三次国土调查工作分类,探讨了草地数据的衔接方法,提出新时期开展草地资源调查工作的一些建议,为推进林草调查工作融合和自然资源统一调查监测提供了参考。     

以不同分类法探讨SPOT与IKONOS两种卫星影像之分类准确度

遥感探测可应用于大尺度环境之研究、规划及经营管理，故为探讨自然资源动态变迁之良好工具，惟现行影像来源与分类方法众多，研究者如何视其需要选择最佳组合，实有探讨之必要。本研究以SPOT及IKONOS两种不同空间解析力之卫星影像为材料，配合不同分类方法探讨台湾地区垦丁公园不同植群社会之空间分布信息，其结果均证实可行。而由研究过程发现，不同影像使用不同分类方法，其分类准确度有所差异，其中IKONOS影像因具有较高之空间解析力，有时反而容易造成影像分类的误授、漏授；而绿色植生部分尚无法由卫星影像之波谱值完全区隔，因此分类之精度仍有待精进。就影像分类而言，良好的训练样区配合正确的分类方法，可迅速获得一定准确度以上之分类结果，惟有时限于分类别的影像波谱值过于接近及各种地形效应、辐射效应之影响，会造成影像分类结果有误授、漏授及破碎化之情形产生，若能有效克服此一问题，则影像分类之成果将可提高其实用性。     

时空大数据分类体系研究

“统一行使全民所有自然资源资产所有者职责,统一行使所有国土空间用途管制和生态保护修复职责”是自然资源部组建后对时空大数据组织分类提出的新需求。本文在梳理总结国内大数据分类体系的演化特点和解析中国现行时空大数据分类体系存在的问题的基础上,结合自然资源部对大数据分类的需求,通过历史继承、合并和添加,提出了一套既能服务于自然资源部“两统一”职责,又能服务于全社会的时空大数据分类体系。研究建立的时空大数据分类体系为3级分类,共6种类型,分为17个一级类型,68个二级类型,24个三级类型,该分类较之前最明显的变化是将自然资源数据单独分为一大类,该分类对于大数据的组织管理具有重要意义。     

Modelling Changes in Land Cover Patterns in Mtunzini,South Africa Using Satellite Imagery

Land is the basic resource that is needed by man in order to survive: It provides humans with living space, nutrition and energy resources. The rapid growth of the human population, climate change and pollution on a catastrophic scale has caused the quality of land resources to be compromised. Remote sensing is a useful tool in land cover change detection providing information to decision makers. The aim of this study was to evaluate land cover changes in the Mtunzini area in South Africa over the past 18 years; determine why changes have occurred and predict land cover patterns for future years. In this study a supervised classification was used to detect land cover classes of the Mtunzini area from 1992 to 2009 using four Landsat images in the time series analysis. The supervised classification had an accuracy of 80.80 % which was used to model land cover changes. Commercial sugar cane and forest plantation classes increased throughout the time series. It was estimated in the modelling procedure that bushland (42.11 %) and bare soil (35 %) would be changed to commercial sugar cane. This is indicative of the expanding agriculture sector in Mtunzini. Natural vegetation is predicted to be disturbed: 18 % of bushland and 15.07 % of dense bush are expected to be replaced by rural dwellings. This is owing to a potential increase in the rural population and a reduced local economic growth. This study highlights the need for increased vigilance of the forestry industry and commercial sugar cane farms which may be encroaching on natural vegetation and livelihoods of local residents. Strategic planning and proper management of natural vegetation types is needed as these land cover types are decreasing rapidly.     

基于测绘地理信息更新的土地利用变化动态发现

随着城市人口增长、城镇化趋势扩大、可利用资源急剧减少,动态地掌握城市土地利用现状变化,是有效利用城市的土地资源、加强土地资源监管的重要基础,土地利用现状的调查是最基础的土地资源调查。本文通过分析上海土地利用调查现状和测绘地理信息资源情况,基于测绘地理信息更新机制,结合“多测合一”、季度卫星影像、基础测绘、细化调查等测绘工作,探索了一种动态、可靠的多周期、全覆盖的土地利用变化动态发现方法,并通过试点提出了土地利用变化发现的建议。     

自然资源统一分类标准研究——以广西阳朔县为例

自然资源统一分类标准是自然资源调查监测体系构建的内容之一。针对长期以来土地、矿产、森林、湿地、草地、水等管理部门使用的分类标准之间存在语义不统一、分类冲突的情况,本文通过梳理我国常用的自然资源分类标准,对比分析了不同专业、不同时期自然资源分类标准的特点和存在的问题。结合广西桂林阳朔县自然资源调查监测试点工作,着眼于统筹山水林田湖草系统治理,依据现有的各类自然资源分类体系,兼顾科学性、适用性和衔接性原则,提出了自然资源统一分类标准的分类体系、分类编码、术语定义的编制思路;并从自然资源实体的自然属性、管理属性、生态属性角度重新梳理了分类标准体系。     

基于自然间断点分级法的土地利用数据网格化分析

土地利用在自然资源统一管理中扮演着重要角色，面对不同区域和年份的数据，统一分析比对口径尤为重要，同时也应反映出相互之间的差异。本文以宜兴市2009年和2017年土地利用现状数据为数据源，首先使用统一的分类标准提取用地类型中的3大类，通过不同大小的单元划分尝试和结果分析，发现适用于该数据的网格尺度大小；然后基于自然间断点分级法进行分级范围划定，对宜兴市三类用地类型的分布和变化趋势进行综合分析，较为真实地反映了宜兴市用地情况；最后通过选用合适的空间尺度和分级范围划定方法，进而构建一个兼具操作性和科学性的土地利用数据网格化方法，为自然资源部门统筹管理和综合治理提供依据。     

Examining the Effect of Ancillary and Derived Geographical Data on Improvement of Per-Pixel Classification Accuracy of Different Landscapes

Effective conservation and management of natural resources requires up-to-date information of the land cover (LC) types and their dynamics. Multi-resolution remote sensing (RS) data coupled with additional ancillary topographical layers (both remotely acquired or derived from ground measurements) with appropriate classification strategies would be more effective in capturing LC dynamics and changes associated with the natural resources. Ancillary information would make the decision boundaries between the LC classes more widely separable, enabling classification with higher accuracy compared to conventional methods of RS data classification. In this work, we ascertain the possibility of improvement in classification accuracy of RS data with the addition of ancillary and derived geographical layers such as vegetation indices, temperature, digital elevation model, aspect, slope and texture, implemented in three different terrains of varying topography—urbanised landscape (Greater Bangalore), forested landscape (Western Ghats) and rugged terrain (Western Himalaya). The study showed that use of additional spatial ancillary and derived information significantly improved the classification accuracy compared to the classification of only original spectral bands. The analysis revealed that in a highly urbanised area with less vegetation cover and contrasting features, inclusion of elevation and texture increased the overall accuracy of IKONOS data classification to 88.72% (3.5% improvement), and inclusion of temperature, NDVI, EVI, elevation, slope, aspect, Panchromatic band along with texture measures, significantly increased the overall accuracy of Landsat ETM+ data classification to 83.15% (7.6% improvement). In a forested landscape with moderate elevation, temperature was useful in improving the overall accuracy by 6.7 to 88.26%, and in a rugged terrain with temperate climate, temperature, EVI, elevation, slope, aspect and Panchromatic band significantly improved the classification accuracy to 89.97% (10.84% improvement) compared to the classification of only original spectral bands, suggesting selection of appropriate ancillary data depending on the terrain.     

Forest cover and landuse mapping in Karbi Anglong and North Cachar Hills districts of assam using landsat MSS data

Karbi Anglong and North Cachar Hills districts of Assam are endowed with rich and diverse vegetation resources. Increased human pressure due to shifting cultivation and raw material extraction for industrial purposes are heavily altering the forested landscape. The present study deals with mapping of forest types in the two districts using LANDSAT-MSS digital data. The maps thus generated provide spatial distribution of bioclimatic vegetation types. Supervised maximum likelihood classification has been performed using training sets collected during field work. The spectral behaviour of vegetation types have been studied for optimising classification scheme. The classification accuracy of classes mapped has been calculated.