基于随机森林算法的城市不透水面信息提取——以长春市为例

为了快速、准确地掌握不透水面的空间分布及满足动态变化信息现实需求，本文基于多分类器集成学习的思想，引入随机森林算法，以Landsat8影像为数据源，长春市为实验区，选取光谱特征、纹理测度、空间变换后的独立分量等25个特征变量进行分类研究，根据OOB误差进行重要性分析并试验得出最优的分类模型，实现高精度不透水面信息的提取，最后与传统参数分类法进行比较。结果表明：随机森林算法的总体精度可以达到94%，高出最大似然分类法5.9%，支持向量机算法0.77%，Kappa系数为0.914 3，均方根误差为0.104 3，不透水面的提取精度达95.54%，可以精确地得出所需信息，为城市建设与规划提供有效的专题数据。     

基于支持向量机回归的水稻地重金属Fe含量估算

本文利用地物光谱仪获取的土壤反射光谱,通过多元线性回归模型和支持向量机回归模型分别建立土壤铁含量的估算模型,并利用检验数据对模型进行验证。建模和估算决定系数为0.9855和0.7158,估算均方根误差为0.0601,结果表明利用支持向量机回归模型能够较好的进行土壤重金属含量的估算。     

基于GEE和机器学习的不透水面提取研究——以成渝地区为例

随着城镇建成区范围不断扩大，不透水面面积急剧扩张，对区域生态和经济产生严重影响，对不透水面的快速、准确识别显得尤为重要。文中以成渝地区双城经济圈的两大核心城市为研究对象，基于GEE云平台和Landsat 8影像，构建光谱波段、光谱指数和纹理指数的分类特征，利用最小距离(MD)、分类回归树(CART)、支持向量机(SVM)、随机森林(RF)和朴素贝叶斯(NB)5种机器学习算法，提取不透水面信息。结果表明，RF算法效果最好，提取结果与实际最相符，CART和SVM算法精度差异不大。本研究可为不透水面提取提供方法和技术参考。     

多季相混合像元部分分解特征的不透水面分类

针对利用光谱混合分解提取不透水面特征通常受到端元类型和数量的限制,同时植被变化会影响估计精度的问题,该文提出 了一种综合季相和植被变化信息的不透水面提取框架.基于混合像元部分分解算法——混合调谐匹配滤波(MTMF),设计了多季相组合MTMF(SCMTMF)特征和多季相叠加MTMF(SSMTMF)两种策略,构造了不透水面的多季相MTMF特征,将不透水特征与多季相植被指数结合利用支持向量机实现对不透水面的精确分类.结果表明,利用多季相特征得到的不透水面提取效果相较于单季相有较明显的改善,该文所提出的策略有利于提高不透水面的估计精度.     

基于多层次分割分类模型及其特征空间优化的建筑物提取方法

针对高空间分辨率遥感影像城市地物信息提取中的尺度效应、光谱多样性及分类特征优化等问题,基于面向对象影像分析方法,结合数据挖掘与机器学习技术,提出了一种多层次分割分类模型及其特征空间优化的建筑物提取方法。首先,根据遥感信息多尺度特性,针对地物特征差异设立层级关系,再结合光谱多样性特征定义地物包含的子类型,建立基于不透水面分割分类提取建筑物的层次化结构;然后,利用提出的Relief F-PSO组合特征选择方法,优化构建相应层次的影像特征空间;最后,在多尺度分割和特征优化的基础上,基于随机森林模型获取不透水面分布,进而采用J48决策树算法分类提取建筑物。实验结果表明,该方法能够利用较少数量的影像特征,获得高精度的建筑物提取成果。     

基于SVM混合核的不透水面提取及扩张分析

利用支持向量机中单一核函数提取不透水面时存在时间复杂度高和提取精度低的问题。针对该问题,本文在径向基核函数的基础上引入多项式核函数,提出了一种混合核函数的不透水面提取方法。首先,由于属性不同的地物具有相似的光谱信息,在特征提取过程中将光谱信息与图像熵纹理信息相结合,可更加清楚地区分各地物类别。然后,在径向基核函数的基础上引入多项式核,可分别从局部和全局角度获取影像的特征信息,提高不透水面提取精度。最后,在不透水面提取结果基础上进行时空演变分析。本文利用阜新市主城区2009—2021年Landsat影像进行试验。结果表明,光谱与熵纹理相结合方法可改善特征提取效果,提升不透水面提取精度。与单一核函数提取方法对比,利用本文方法提取不透水面精度提高了2.5%,证明了该方法的有效性。     

泰安市区不透水面覆盖度遥感估算研究

区域不透水面覆盖度是该区域城镇化程度、生态环境状况的重要指示因子。针对传统线性混合像元分解丰度图经常出现负值或者大于1的情况,采用完全约束最小二乘混合像元分解方法,利用泰安市市区Landsat8 OLI遥感影像提取了其不透水面分布状况,运用高分辨率遥感影像随机采样进行了精度检验,并对该区域不透水面空间特征进行了分析。结果表明:该文方法对泰安市市区不透水面分布提取的精度较高;植被、水体、高和低反照率不透水面4种光谱端元的线性组合,可以较好地模拟OLI影像的波谱特征;高、低反照率不透水面两种光谱端元可以很好地表达泰安市市区不透水面信息。     

基于Grabcut融合多源数据提取不透水面

快速城镇化是造成城市内涝加剧的重要原因之一。城市不透水面面积的显著增长是快速城镇化的直接表现。为了实时提供准确的城市不透水面区域情况,开展多源数据融合不透水面的提取研究,结合多光谱影像和高空间分辨率卫星影像丰富的光谱和空间信息、机载激光点云数据的高程和强度信息等优势,将基于图论的最优分割方法引入不透水面提取中,将不透水面的提取转换为不同数据源下的最优标记问题,通过多源特征融合获得更精确的提取结果。以广州市为例的研究结果表明,与传统遥感方法及单一数据提取法相比,这一方法的精度得到了明显提高,并且大大减少了提取过程中的人工干预,使算法具有更高的适应性和稳定性。     

机器学习算法辅助的GPS信噪比观测值土壤湿度反演

利用BP神经网络和支持向量回归机两种机器学习算法,构建基于机器学习算法的GNSS卫星反射信号土壤湿度反演模型,并与线性回归统计模型和实测数据进行对比分析。结果表明:基于机器学习算法的GNSS卫星反射信号土壤湿度反演方法获取的土壤湿度结果与土壤湿度参考值误差较小,反演模型的决定系数分别为0.928 3和0.913 1,均方根误差为0.026 6和0.032 6,线性回归统计模型的决定系数分别为0.553 2和0.859 8,均方差根误差分别为0.093 9和0.041 6。说明利用回归算法定量估测土壤湿度明显优于线性回归统计模型,且基于支持向量回归机的土壤湿度反演模型定量估测土壤湿度优于基于BP神经网络算法的土壤湿度反演模型,证明了该方法的可靠性,为土壤湿度的实时反演研究提供了一种新方法。     

全球地表覆盖数据辅助多源影像融合提取城市不透水面

本文提出了一种利用GlobeLand30数据辅助多源数据融合进行城市不透水面自动提取的方法。首先基于波段映射和小波变换的影像融合方法,融合哨兵二号和高分二号影像,获得同时具有较高空间分辨率和光谱分辨率的融合影像,其具有丰富的光谱特征和空间特征,有利于提升复杂城市区域的不透水面和非不透水面区分能力。然后利用GlobeLand30数据的类别信息自动获取初始分类样本,基于融合影像的丰富光谱信息构建多种植被指数、水体指数和建成区指数,对初始分类样本进行优化。最后利用优化后的训练样本,使用光谱、地物指数等特征训练分类器,实现城市不透水面的自动准确提取。本文以济南市2019年的高分二号和哨兵二号影像为试验数据,在时相、分辨率与影像均不同的GlobeLand30全球地表覆盖数据辅助下获得了总体精度优于92%的不透水面提取结果,验证了本文方法的有效性。     

高分辨率图像辅助提取高光谱图像端元

现有的端元提取算法大多是基于凸面单形体假设,对于非单一地物类型,利用这些端元进行丰度反演将会影响混合像元分解精度。本文提出一种利用高分辨率图像判断高光谱像元内是否为同一类型地物的方法。首先,利用图像分割程序对高分辨率图像进行分割,得到光谱均一的斑块矢量图,并叠加到高光谱图像上;然后,通过空间关系分析找出斑块内的高光谱像元,称其为准端元;最后,利用端元提取算法在这些准端元中进行端元提取。实验结果表明,该方法将端元提取结果的误差降低了20%左右。     

基于光谱混合分解的流域不透水面提取及其动态分析——以于桥水库为例

不透水面不仅是城市非点源污染的主要来源,还是流域生态环境变化的主要因素之一。不透水面的数量、位置、几何形状、分布格局以及透水率与不透水率的比值,均影响着流域的水文环境,因此成为研究热点。本文以天津于桥水库流域为例,综合遥感(RS)与地理信息系统(GIS)技术,从流域尺度上研究1984~2013年间不透水面覆盖度的变化。在ENVI 5.1软件支持下,利用遥感影像获取1984,1994,2004和2013年4个时相的不透水面信息。采用修正后的归一化水体指数剔除水体信息,排除水体对不透水面提取精度的影响。运用线性光谱混合分析法(Linear Spectral Mixture Analysis,LSMA),提取流域不透水面覆盖度。结果表明:流域内不透水面覆盖度大多集中在1~5级,植被覆盖程度较高。近30年间不透水面比例逐年增加,2013年比1984年增加了2.802%,呈线性增长。中等分辨率的遥感影像适合流域尺度的不透水面提取的结果可作为流域水文及规划管理的重要基础性数据。     

融合多源时序遥感数据大尺度不透水面覆盖率估算

不透水面信息是监测城市扩张及区域生态环境变化研究的重要指标，基于遥感技术对地表不透水面信息进行快速提取具有重要意义。传统大范围不透水面覆盖率估算模型主要基于单一遥感信息与不透水面比例之间的相关性，通过单因子回归模型实现不透水面覆盖率的估算。受限于单一遥感信息的信息量及普适性等影响，这类方法在大尺度不透水面提取中具有较大局限性，估算结果的区域适应性存在较大差异。针对该问题，本文提出基于多特征遥感信息进行不透水面估算的方法，以弥补单一特征在大范围不透水面提取中的不确定性。该方法首先以多时相MOD13Q1、MOD09A1产品、夜间灯光数据（NPP-VIIRS）和Landsat 8 OLI为遥感数据源，从不同角度构建突出不透水面信息的多个指数特征；在此基础上利用多元回归模型建立多因子不透水面覆盖率估算模型，进而实现大尺度不透水面覆盖率的遥感估算。本研究选择分布于全国范围内13个典型城市作为主要研究区对提出的模型进行了验证，结果表明：该方法能够适应不同区域不透水面覆盖率的估算，在复杂城市区域表现出较传统方法更好的效果，明显改善了城市内部不透水面覆盖率的估算精度。     

ALCM: Automatic land cover mapping

It may be quite important for resource management people to extract single land cover class, at sub-pixel level from multi-spectral remote sensing images of different areas in single step processing. It has been observed, that neural network can be trained to extract single land cover class from multi-spectral remote sensing images, but they have problems in setting various parameters and slow during training stage. This paper present single land cover class water, extraction from mixed pixels present in multiple multi-spectral remote sensing data sets of same bands of AWiFS sensor of Resoursesat-1 (IRS-P6) satellite from different areas. In this work fuzzy logic-based algorithm, which is independent of statistical distribution assumption of data, has been studied at sub-pixel level to handle mixed pixels. It has been found; possibilistic c-means (PCM) algorithm takes the possibilistic view, that the membership of a feature vector in a class has nothing to do with its membership in other classes. Due to this, it was observed that PCM can extract only one class, from remote sensing multi-spectral data and it has produced 93.7% and 97.1% overall sub-pixel classification accuracy for two different data sets of different places using LISS-III (IRS-P6) reference data of same dates as of AWiFS data.     

地表不透水面信息遥感的主要方法分析

全球范围内的城市扩张已使得大量的不透水面取代了以植被为主的地表自然景观,并给生态环境带来了明显的负面影响。不透水面作为一个影响生态环境的关键因子已引起了全社会的广泛关注。如何及时快速地掌握不透水面的空间分布信息,准确无误地量化不透水面的动态变化信息,是城市规划、环境保护亟待解决的现实问题。而遥感以其快速、大范围、多尺度、可重复的对地观测优势为解决这一问题提供了很好的解决方案。不透水面遥感研究经过近十几年的发展已有了长足的进步,多种针对不透水面信息反演的遥感创新技术与方法被相继提出。本文重点分析了这些针对遥感不透水面提出的创新技术,详细地指出了它们的优势和不足,并在此基础上总结了中国遥感工作者在不透水面遥感方面的研究工作。当前许多不透水面信息的反演精度都可以达到85%以上,但是不透水面与裸土和阴影信息的混淆仍是困扰不透水面信息精准反演的主要问题。由于大部分不透水面材料具有和砂土石同源的特点,因此在现有影像光谱分辨率不足的情况下,单靠光谱是很难进一步提高不透水面信息的反演精度,而借助LiDAR等其他辅助数据,将有望帮助解决这一瓶颈问题。     

高光谱遥感影像的广义判别分析特征提取

高光谱遥感影像具有丰富的光谱信息,在地物分类识别方面具有明显的优势。针对复杂高光谱影像分类问题,应用了一种广义判别分析特征提取技术。将输入样本通过非线性函数映射到特征空间,在特征空间中应用线性判别特征提取方法;算法求解过程中涉及到在特征空间的内积用核函数代替,简化计算的同时也使得算法与非线性函数的具体形式无关。通过影像分类试验表明,该方法较常用特征提取方法更有利于分类精度的提高。     

A support vector machine classifier based on a new kernel function model for hyperspectral data

The kernel function is a key factor to determine the performance of a support vector machine (SVM) classifier. Choosing and constructing appropriate kernel function models has been a hot topic in SVM studies. But so far, its implementation can only rely on the experience and the specific sample characteristics without a unified pattern. Thus, this article explored the related theories and research findings of kernel functions, analyzed the classification characteristics of EO-1 Hyperion hyperspectral imagery, and combined a polynomial kernel function with a radial basis kernel function to form a new kernel function model (PRBF). Then, a hyperspectral remote sensing imagery classifier was constructed based on the PRBF model, and a genetic algorithm (GA) was used to optimize the SVM parameters. On the basis of theoretical analysis, this article completed object classification experiments on the Hyperion hyperspectral imagery of experimental areas and verified the high classification accuracy of the model. The experimental results show that the effect of hyperspectral image classification based on this PRBF model is apparently better than the model established by a single global or local kernel function and thus can greatly improve the accuracy of object identification and classification. The highest overall classification accuracy and kappa coefficient reached 93.246% and 0.907, respectively, in all experiments.     

城市道路的多特征多核SVM提取方法

针对高分辨率遥感影像中城市道路提取的复杂性及SVM的分类性能,提出了一种城市道路的多特征多核SVM提取方法。首先利用FCM算法将原始影像粗分为建成区和非建成区两类,剔除非建成区;然后根据分水岭分割算法分割建成区并提取分割对象的光谱特征与空间特征,以全局核函数和局部核函数加权组合的方式构建多核SVM对建成区进行二次分类,去除建成区中的建筑物等非道路信息;最后利用数学形态学处理,获得最终的道路提取结果。试验结果表明：文中所提方法能够较精确地提取城市道路信息,分类精度高于单核SVM提取及其他对比方法。     

A Composite Semisupervised SVM for Classification of Hyperspectral Images

This letter presents a novel composite semisupervised support vector machine (SVM) for the spectral-spatial classification of hyperspectral images. In particular, the proposed technique exploits the following: 1) unlabeled data for increasing the reliability of the training phase when few training samples are available and 2) composite kernel functions for simultaneously taking into account spectral and spatial information included in the considered image. Experiments carried out on a hyperspectral image pointed out the effectiveness of the presented technique, which resulted in a significant increase of the classification accuracy with respect to both supervised SVMs and progressive semisupervised SVMs with single kernels, as well as supervised SVMs with composite kernels.