多尺度特征融合神经网络的地表覆盖提取

深度学习的快速发展,为高分辨率卫星遥感影像解译提供了更好的技术手段和应用前景。围绕高分卫星遥感影像地表覆盖信息提取,利用高分辨率卫星遥感影像制作5种常见的地表覆盖类型的像素级样本数据集,并提出一种基于注意力增强与多尺度特征融合的语义分割方法,实现地表覆盖自动提取。通过影像波段选择、预训练模型迁移学习、损失函数改进等方法,提升语义分割模型识别精度,最优的提取结果中,5种地表覆盖类型的F₁均值、IoU均值和总体精度分别达到了78.6%、66.8%、85.0%,除道路之外,耕草、林地、建筑、水体的F₁均超过80%,且分类图斑边界能够与影像中的地物边界很好套合。实验表明建立的卫星影像地表覆盖分类样本数据集和分类方法,能够应用于高分辨率卫星影像地表覆盖信息提取。     

全球10 m土地覆盖数据在中国首批国际湿地城市的评价与融合

高精度的土地覆盖数据是生态系统监测评估与区域可持续发展的重要研究基础，然而目前较少有研究对较高分辨率土地覆盖数据(10 m)在城市尺度的区域上进行研究。随着国际湿地城市的建立，也需要高质量高精度的土地覆盖数据为相关研究提供信息。本文以中国首批国际湿地城市为研究区，对3套全球10 m土地覆盖数据DW (Dynamic World)、ESA (ESA WorldCover)、ESRI (Esri Land Cover))选择2020年和2021年进行空间一致性分析和精度评价，最后提出基于空间一致性分析与精度评价的融合方法，基于空间一致性分析结果和精度评价结果进行土地覆盖数据集融合以重建生产一套新数据。结果表明：(1)任何两个数据集之间，水体、林地、耕地、建设用地这些类型一致度比较高，而湿地、草地和裸地混淆度比较高。(2) ESRI与DW的空间一致性程度最高，全部一致区域占比最高(60%以上)，全部不一致区域占比最低(6%以下)且多分布在沿海沿江，湿地广布的区域，这些区域异质性强，土地覆盖类型复杂。(3) ESA的总体精度最高，DW和ESRI的总体精度较为接近；ESA的湿地类型的精度和分类细...     

GEE环境下联合Sentinel主被动遥感数据的国家公园土地覆盖分类

国家公园的土地覆盖分类对于掌握自然资源现状、查明存在的生态安全威胁并快速应对具有基础性数据支撑作用。基于谷歌地球引擎（Google Earth Engine,GEE）平台,结合哨兵（Sentinel）主被动遥感数据及其导出的光谱指数、纹理特征和地形特征,分别采用基于像元的随机森林（random forest,RF）算法和面向对象的简单非迭代聚类（simple noniterative clustering,SNIC）+RF算法实现了钱江源国家公园异质性景观的土地覆盖（耕地、森林、草地、水体、人造地表和裸地）分类。地面实验表明,在多种输入数据组合中,基于像元和面向对象方法分类获得的最高总体精度分别为92.37%和93.98%。合成孔径雷达（synthetic aperture radar,SAR）数据的纳入能够提高基于像元方法的分类精度,但在面向对象方法中未能体现精度提升效果。通过SNIC+RF算法生成的土地覆盖分类图完整性更好,所需特征数量较少,并且算法能够在GEE环境下快速执行,适用于国家公园管理实践。     

基于决策树分类的滨海滩涂围垦区土地利用变化研究

本文以浙江省上虞市海涂围垦区为研究区,运用基于C4.5算法的决策树分类方法对研究区2001年和2010年两期遥感影像数据进行解译,获取土地利用类型及其变化数据。结果表明,两期影像的总体分类精度和kappa系数均达到了90%以上,分类结果理想。该研究区是典型的农林养殖区,土地利用类型以农用地和养殖场为主,共占研究区总面积的74%以上,其中耕地(水稻田和旱地)、果园、菜地是主要的农用地类型。10年间,各地类间存在耕地转变为建设用地、水稻田转变为养殖场、养殖场转变为水稻田、水体转变为滩涂和滩涂转变为水体等多种转变关系。围垦较早的区域内耕地和建设用地比例较大,土地利用变化主要是由耕地转变为建设用地;围垦较晚的子区内水体较多,养殖场与耕地、滩涂与水体存在相互转变的关系。土壤盐分是造成海涂围垦区土地利用变化的重要驱动力。     

基于TM影像的林地变化检测方法对比分析 ——以伊春市为例

以伊春市为试验区,利用两期TM遥感影像数据对该地区的林地面积的变化进行了检测。实验使用了归一化植被指数差值法、主成分分析差异法和基于C5.0决策树的分类后比较法,并对三种结果做了对比。结果表明:1)1999年至2010年,林地总面积是增加的,阔叶林显著减少,混交林显著增加并发展成为主要林地类型。2)三种方法的精度分别为79.33%、82.54%、87.24%,说明分类后比较法能够更有效地对森林覆盖的变化进行检测,并且能够定性定量的对变化区域进行分析。     

全球2000年—2015年30 m分辨率逐年土地覆盖制图

高时空分辨率的全球多类别土地覆盖数据对于地球系统的生物化学循环、气候变化等研究至关重要。目前公开的数据产品中,较高空间分辨率的全球多类别土地覆盖产品仅提供单一或短时期的数据,而全球逐年土地覆盖产品往往只有单一土地覆盖类型,难以从较长时间跨度上反映精细地物的年际变化。本文借助Google Earth Engine平台,利用现有多套全球土地覆盖产品、Landsat卫星系列影像、以及大量人工目视解译样本,结合多数据融合、时序变化检测和机器学习等的方法,研制了一套2000年—2015年全球30 m分辨率的逐年土地覆盖变化数据集AGLC-2000-2015（Annual Global Land Cover 2000-2015）。基于AGLC-2000-2015数据集,本文选择性分析了3个典型区域（中国珠江三角洲地区、青藏高原色林错湖区和亚马逊热带雨林区）的土地覆盖年际变化。结果显示,AGLC-2000-2015数据集达到了较高的精度水平：基准年份产品（AGLC-2015）的总体精度（OA）为76.10%,Kappa系数为0.72,显著优于现有30 m分辨率的全球土地覆盖产品Globeland 30（OA = 63.49%,Kappa = 0.58）、FROM-GLC（OA = 61.41%,Kappa = 0.55）和GLC-FCS30（OA = 63.46%,Kappa = 0.57）;年际间分类模型的总体精度和Kappa系数分别为84.10%和0.81,在各大洲的平均总体精度均超过80.00%,表明该模型在全球多类别土地覆盖分类中表现良好。3个典型区域的土地覆盖变化分析显示,中国珠江三角洲地区城市扩张趋势明显（195.96 km²/a）,其增量主要来源于耕地（84.88%）;青藏高原色林错湖泊对于气候变暖响应明显,湖区面积呈扩大趋势（17.95 km²/a）,湖面北岸扩张最为明显;亚马逊热带雨林南部区域毁林造田趋势明显,15 a间森林面积减少46356.53 km²,其中大部分转化为农田（39621.29 km²）。上述结果表明：AGLC-2000-2015数据集能够有效反映全球陆地区域在30 m空间分辨率下的地表覆盖分布及年际间的动态演化,为地表陆面过程研究和相关应用提供可靠的数据支撑。     

基于决策树的遥感影像土地利用类型识别研究

为了准确获取新都区土地利用类型,以2007年四川省成都市新都地区的TM遥感影像为数据源,基于决策二叉树分类方法,在利用各类典型地物的反射光谱特性及典型归一化指数的基础上,结合目视解译,建立了一组能快速、准确提取土地利用信息的决策树分类规则,对研究区域遥感影像进行决策树分类。研究结果表明,决策树分类总体精度和Kappa系数分别为81.00%和0.7314,取得了较为满意的分类结果。     

利用多分类器集成进行遥感影像分类

基于信息相关理论,根据相关度值动态调整分类器的组合和权重,建立了新型的多分类器集成规则,并应用于决策树分类器、BP人工神经网络分类器和SVM分类器的集成。通过对长沙城区TM影像的分类实验发现：①三种分类器的分类结果存在较明显的差异,水体区的差异像元最少,占水体总像元的15.12%,建设用地区的差异像元最多,占建设用地区像元的54.93%;②三种分类器均具有较高的分类精度,总体精度均超过了74%,而且分类器各有优势,决策树分类器能够较好地分出水体和建设用地,BP分类器能够较好地分出水体和林地,SVM分类器对水体、林地和建设用地均有较高的分类精度;③基于全信息相关度的多分类器集成分类法明显地提升了分类结果的精度,分类精度达到了85.71%,Kappa系数达到了80.56%。     

极化SAR影像分类方法对比分析

极化SAR影像所包含的丰富的地物极化特征信息使得SAR影像的解译更为容易,同时也使得对地物的探测更加精准。在本文中,首先基于极化SAR影像的极化特征,采用区域融合算法对影像进行分割;在此基础上使用基于Wishart分布的最大似然分类方法(Wishart-LRT)、基于几何扰动滤波(GPF)的极化SAR影像分类方法和最近邻(KNN)分类方法对影像中的耕地、草地、林地、水体进行分类和提取,并对分类结果进行分析评价,最终发现对于该区域的RADARSAT-2影像而言,基于Wishart分布的最大似然分类方法对于地物分类可达到较高的精度。     

面向地理国情普查的高分辨率遥感影像半自动解译研究

随着高分辨率遥感技术和信息化测绘技术发展,地理国情普查成为测绘地理信息领域的重要工作内容。本文通过研究高分辨率遥感影像大数据并行分块分割与地物特征知识库建立的理论与方法,建立了高分辨率遥感影像半自动解译技术流程,开发了快速、高效的半自动解译工具软件。本文以重庆市沙坪坝区大学城研究区域的QuickBird影像为研究对象,以解译结果一致性比率为精度评估量化指标进行试验。结果表明道路、房屋建筑物一致性比率在80%以上,水体、植被一致性比率在90%以上,解译自动化程度较高,具有一定的技术参考价值和应用推广价值。     

基于Landsat-8 OLI的西安市土地利用类型遥感分类研究

近年来,由于区域人口的增加和社会经济的快速发展,西安市的土地利用类型发生了明显变化。土地利用分类可为生态系统模型、水资源模型和气候模型等提供重要信息,遥感技术为土地利用分类提供了有效的工具。本文以西安市2016年Landsat-8卫星的OLI多光谱数据为基础资料,参考国家土地利用分类标准和西安市土地利用现状,将西安市的土地类型分为建设用地、裸地、水体、草地、耕地、林地6类,采用监督分类中常用的最大似然分类法和决策树分类方法对研究数据进行解译,利用总体分类精度和Kappa系数等指标对各分类精度加以评价,并结合实际用地情况对分类结果进行了总结分析。     

基于GIS的岳阳县土地利用变化研究

本文利用遥感和GIS技术,分析了岳阳县1993年～2002年土地利用变化及其空间分异特征。研究表明,9年间岳阳县农用地、水域呈减少趋势,建设用地、林地呈增加趋势,其中农用地的减少和林地的增加十分显著;主要转移方向包括农用地向建设用地、林地转移,水域向林地转移等;各类土地利用变化在空间上呈现明显的区域分异;城市化的迅速发展,旅游业的繁荣以及人类生态意识的提高是研究时段内土地利用变化的主要影响因子。     

基于面向对象与规则的Sentinel-2A影像土地覆被分类——以江西省都昌县为例

土地覆被作为地表自然和人工建造物的综合体，是开展土地科学相关研究的重要基础，在遥感大数据背景下，准确、快速、自动化进行土地覆被提取技术一直是遥感研究中的重点。本文基于eCognition软件，采用面向对象的多尺度分割法，综合考虑地物在遥感影像上的光谱、形状和纹理特征，建立多种地物提取规则。通过模糊函数、支持向量机（SVM）和阈值法对研究区的土地覆被进行分类提取，并与研究区的FROM-GLC10数据和土地利用变更数据进行了对比分析。结果表明：①研究区土地覆被分类的总体精度为97%，Kappa系数为0.96，分类精度较高；②基于10 m分辨率影像，综合使用形状、纹理、光谱信息对于道路的提取具有较好的效果，道路提取Kappa系数为0.84；③分类结果在面积和空间分布上都优于FROM-GLC10数据，与研究区实际土地变更数据保持较好的一致性。基于面向对象与规则的分类方法提取地物能够有效利用多种遥感影像特征，分类精度高，对于处理高分辨率遥感数据具有很好的优势。     

结合地形因子与分层策略的喀斯特地区无人机影像分类

西南喀斯特山区地形起伏较大,地物分布较为破碎,致使传统的光谱特征一次分类方法的精度较低。本文基于高分辨率无人机正射影像和地形指标,充分利用无人机遥感影像空间特征、光谱特征、纹理特征及地形特征,采取面向对象CART决策树算法与分层策略提取了研究区土地覆盖类型。研究表明,结合空间地形因子和分层策略的方法减少了破碎区地物间的相干扰,故具有较高的分类精度,总体分类精度达91.2%,Kappa系数为0.87,较传统一次分类精度提高了9.8%,Kappa系数提高了0.13。该方法对西南喀斯特地区土地覆盖解译精度较好,可为土地利用监测提供参考。     

结合L0平滑和超像素的高空间遥感影像非监督分类

针对基于像元的非监督分类方法对高空间遥感影像分类时易形成“椒盐”噪声和产生大量错分、漏分的问题,提出了一种结合L0平滑和超像素的非监督分类方法．首先采用L0算法对高空间遥感影像进行平滑操作,减少大量图像噪声及冗余信息;然后采用简单的线性迭代聚类（SLIC）超像素方法处理平滑后图像,进一步抑制椒盐现象的同时降低处理复杂度,得到初始聚类图;最后采用K-means非监督分类方法得到最终分类结果图．为验证本文提出的方法,选取3景高空间遥感影像作为实验数据．试验结果表明,采用提出的方法能准确对地物分类,且总体精度分别达到了72.46％、77.55％和78.44％,Kappa系数分别达到0.788、0.779和0.779．提出方法能有效解决分类中存在的“椒盐”现象,可提高分类精度,对高空间遥感影像分类具有一定的参考价值．      

岳池县土地利用景观格局动态变化分析

在ERDAS IMAGINE 9.0和ArcGIS 9.3软件平台下,以岳池县1993年、2001年和2007年的TM遥感影像为基础数据源,采用监督分类方法以及景观指数分析法,对岳池县景观格局的变化进行了分析。结果表明：岳池县近15年来旱地、林地、建筑用地和水体面积呈增加趋势,其中旱地和建筑用地增幅最大,分别增加了11...     

大冶市耕地利用变化分析

以1992年、2000年和2009年大冶市TM影像数据为基础,利用ERDAS遥感图像处理软件的监督分类方法和ArcGIS的空间分析功能,对大冶市水域、建设用地、林地和耕地四大土地利用类型进行提取。随着城市化进程脚步的加快,城市建设用地的扩张,土地的不合理利用和污染,使大冶市耕地面积呈日趋减少的趋势。通过土地利用变化情况的综合分析,提出更具实践性的建议,从而更好地指导大冶市土地利用规划的制定。     

ETM和SPOT融合影像制作土地利用分类图

以辽阳地区为试验区,采用ETM多波段和SPOT全色遥感影像为主要信息源。利用遥感图像处理软件ERDAS对影像进行几何配准、图像增强等一系列处理。利用HIS变换和主成分分析法进行影像融合试验,对比分析融合结果,融合后影像同时具有多光谱和高分辨率的特性,提高了影像解译度。参考国家分类标准,选取农村、水体、旱地、林地、菜地、城市和水田七大类进行分类试验。采用监督分类的方法对主成分变换融合后的影像进行土地利用分类。最后,在ArcGIS软件中进行矢量化处理,制作土地利用分类图。使用该方法制作的辽阳地区土地利用分类图,可以满足一般用户对土地利用分类图的要求。     

综合非光谱信息的荒漠化土地CART分类

用遥感手段对荒漠化进行监测是当前荒漠化研究的热点问题,传统的荒漠化遥感信息自动提取方法是基于光谱特征的图像分割,受多种因素的影响,分类精度的提高遇到瓶颈,因此基于知识的分类方法应运而生。CART是一种非参数化的分类与回归方法,在用于遥感影像自动分类时,可以方便地应用多源知识,提高分类精度。本文在分析了CART方法原理的基础上,针对荒漠化地区各种地物的特点,将包括地物光谱知识、纹理知识、植被盖度等在内的多种知识融入CART模型,克服了单纯利用光谱特征进行分类的不足,取得了85.94%的精度。     

基于分类回归树分析的遥感影像土地利用／覆被分类研究

以专家知识和经验为基础,综合影像光谱信息和其他辅助信息进行分类的基于知识的遥感影像解译方法,是提高遥感影像分类精度,实现自动解译的有效途径之一。然而,知识的获取一直是其得以广泛应用的“瓶颈”问题。以江苏省江宁试验区土地利用/覆被分类为例,利用分类回归树分析(CART)从训练样本数据集中发现分类规则,集成遥感影像的光谱特征、纹理特征和空间分布特征进行分类实验,并与传统的监督分类和逻辑通道分类方法进行比较。结果表明,基于CART的分类方法的精度基本在80%以上,与另两种方法相比,有了较大的提高,而且该算法复杂性低,效率高。由此说明,利用CART算法构建决策树获取的分类规则是合理的。它可以快速、有效地获取大量分类规则,是促进基于知识的遥感影像分类方法在土地利用/覆被分类中广泛应用的一项有效手段。