利用粗糙集理论进行遥感分类信息提取

以辽宁省双台子河口湿地为研究对象,以Landsat 8和HJ-1-A/HJ-1-B的多时相遥感影像为数据源,根据研究区现状,将研究区分为旱地、芦苇、水田、碱蓬、混合植被、水面、滩涂、居民点、养殖塘九个类型.利用时间序列的归一化植被指数提取植被与非植被的分类阈值,采用粗糙集理论和多时相遥感影像,对植被和非植被分别进行分类规则的获取,建立了研究区决策树分类模型.为了进行精度评价,利用相同的训练点又进行了同样基于像元的最大似然法分类.最后利用混淆矩阵对上述两种方法进行了精度评估,基于粗糙集的决策树分类法与最大似然法总体分类精度分别为93.70%和91.62%,Kappa系数分别为0.92和0.90,两项指标值基于粗糙集理论法均比最大似然法有所提高.这为构建决策树分类模型进行湿地地表分类信息提取提供了一条新的研究思路.     

基于多源遥感影像的长春市城市建成区提取

夜光遥感影像记录的城市灯光与人类活动密切相关,已广泛应用于城市信息提取。珞珈一号作为新一代夜光遥感数据源,比以往的夜光数据具有更高的空间分辨率和光谱分辨率,可以更清晰地表达城市建成区范围和内部结构。本文利用珞珈一号夜光遥感影像,通过人类居住指数（human settlement index, HSI）、植被覆盖和建筑共同校正的城市夜光指数（vegetation and build adjusted nighttime light urban index, VBANUI）及支持向量机（support vector machine, SVM）监督分类3种方法对长春市城市建成区进行提取,并与利用NPP/VIIRS（suomi national polar-orbiting partnership/visible infrared imaging radiometer suite）夜光遥感影像、采用同样方法得到的结果对比。结果显示：本文提出的VBANUI提高了传统植被覆盖校正的城市夜光指数（vegetation adjusted nighttime light urban index, VANUI）的提取精度,使用珞珈一号夜光遥感影像通过VBANUI提取的城市建成区结果最优,其Kappa系数为0.80,总体分类精度为90.74%;使用珞珈一号和NPP/VIIRS夜光遥感影像通过HSI按最佳阈值提取城市建成区的Kappa系数分别为0.75和0.72,总体分类精度分别为88.27%和86.54%;复合数据的SVM监督分类法中Landsat-NDBI、Landsat-NDBI-VIIRS、Landsat-NDBI-LJ和Landsat-NDBI-LJlog的Kappa系数分别为0.602、0.627、0.643和0.681,总体分类精度分别为81.11%、81.52%、82.25%和84.48%。研究结果表明：3种提取方法下,均为使用珞珈一号夜光遥感影像的结果优于使用NPP/VIIRS夜光遥感影像的结果,证明相比于NPP/VIIRS夜光遥感影像,珞珈一号夜光遥感影像更适用于城市尺度的建成区范围提取。     

三峡库区沙镇溪至链子崖段植被覆盖与岩性的对应关系

三峡库区地质条件复杂,属于南方高植被覆盖地区,直接利用遥感进行岩性识别,目前还较困难。本文利用遥感技术,提取三峡库区的植被覆盖信息。使用GIS对NDVI等级图和矢量化地质图进行叠加分析,发现研究段植被覆盖与岩性存在一致的对应关系。该对应关系可用于间接识别岩性,研究该地区的地质环境。     

基于决策树模型的上海城市湿地遥感提取与分类

城市湿地是上海重要的生态基础并具有复杂多变的自然特性。研究采用决策树分类方法,以TM影像多光谱波段特征为主要分类变量,采用经K-T变换、IHS变换等光谱增强后的数据以及利用灰度共生矩阵分析影像第一主成分的纹理统计量作为辅助分类变量,结合城市湿地几何特征信息,构建上海城市湿地决策树分类模型,进行上海市湿地信息的遥感提取和分类。结果表明：（1）上海城市湿地总面积为1 277.40 km²;其中水田面积最大,占总面积的65.30%;其次为河流、库塘、湖泊和芦苇。（2）决策树模型的分类方法在一定程度上提高了城市湿地提取和分类的精度,使其达到89.05%;与传统的最大似然法相比,总精度提高了约10%。     

面向对象的喀斯特地区土地利用遥感分类信息提取

传统的面向像元分类方法虽然对光谱差异较为明显的遥感影像信息提取具有较好的效果,但会不可避免地产生“椒盐现象”,同时对纹理和形状信息不能充分应用,造成了大量信息损失。为了提高喀斯特地区土地利用遥感信息提取的精度,本文采用面向对象的分类方法,对贵州省毕节地区开展了土地利用遥感信息自动提取研究。首先对该地区Landsat-5 TM影像进行多尺度分割,形成影像对象层,然后综合应用基于知识决策树分类和基于样本的最邻近分类等技术对喀斯特地区进行遥感解译。结果表明,面向对象分类技术能较好地对喀斯特地区土地利用信息进行提取,同时避免了“椒盐现象”的产生,经野外采集样点数据验证,一级类分类精度为91.7 %,二级类分类精度为89.4 %,表明该方法在贵州省毕节地区应用效果良好。      

基于决策树的蓬莱市土地覆盖信息提取

以蓬莱市为研究区,对TM影像经过预处理后,进行典型地物的光谱分析。在此基础上,运用决策树分类法,选取影像的光谱特征值、NDWI值、NDVI值、K—T变换信息和DEM值等数据作为测试变量,选择适当阈值设定判别规则,建立决策树模型进行土地利用覆盖信息提取并做出精度评价。将其提取精度与监督分类结果精度进行比较,结果表明其分类精度有很大提高,尤其在研究区是丘陵地形的情况下,DEM数据的使用使林地、果园的可分性大大加强。     

基于光谱—空间特征的ASTER影像岩性分类研究——以甘肃北山白峡尼山地区为例

遥感岩性制图是地质填图中的重要工作,基于光谱特征的岩性分类易受到色调、纹理等因素影响导致精度不佳。前人进行岩性自动分类研究多关注影像的光谱特征,而忽略空间特征,笔者等基于甘肃北山白峡尼山地区ASTER影像,将支持向量机、极限学习机两种机器学习分类方法与基于空间特征的快速漂移算法相结合进行岩性分类。结果表明支持向量机分类总体精度为89. 17%;极限学习机不但具有需调节参数少的优势,且分类精度和速度均优于支持向量机,分类总体精度达96. 70%;利用快速漂移算法提取的影像空间特征可有效减少错分区,提升岩性分类效果。研究证实将基于光谱特征的极限学习机和基于空间特征的快速漂移算法结合的岩性分类方法具有客观、高效、高精度等优势,可为后续地质填图和找矿勘查工作提供可靠数据支撑,在遥感岩性分类领域具有较高的推广价值。     

基于光谱—空间特征的ASTER影像岩性分类研究——以甘肃北山白峡尼山地区为例

遥感岩性制图是地质填图中的重要工作,基于光谱特征的岩性分类易受到色调、纹理等因素影响导致精度不佳。前人进行岩性自动分类研究多关注影像的光谱特征,而忽略空间特征,笔者等基于甘肃北山白峡尼山地区ASTER影像,将支持向量机、极限学习机两种机器学习分类方法与基于空间特征的快速漂移算法相结合进行岩性分类。结果表明支持向量机分类总体精度为89.17%;极限学习机不但具有需调节参数少的优势,且分类精度和速度均优于支持向量机,分类总体精度达96.70%;利用快速漂移算法提取的影像空间特征可有效减少错分区,提升岩性分类效果。研究证实将基于光谱特征的极限学习机和基于空间特征的快速漂移算法结合的岩性分类方法具有客观、高效、高精度等优势,可为后续地质填图和找矿勘查工作提供可靠数据支撑,在遥感岩性分类领域具有较高的推广价值。     

高植被覆盖区遥感矿化蚀变信息提取方法研究——以甘肃省西河县大桥—石峡地区为例

高植被覆盖区遥感矿化蚀变信息提取结果会受植被覆盖影响其效果。笔者基于西秦岭大桥—石峡地区,利用ETM和Aster影像数据,进行高植被覆盖区遥感矿化蚀变信息提取研究,探讨抑制植被干扰和提取遥感矿化蚀变信息的方法,提出了多元数据叠加分析法。采用"混合像元法剔除干扰+多层次分离技术分析波段相关关系+多元数据叠加分析法增强蚀变信息+正态分布阈值分割法分级提取"等系列方法,提取了研究区遥感铁染和羟基异常,其中铁染异常区占研究区面积1.63%,羟基异常区占研究区面积1.26%。矿床点与遥感异常相关比率为45.5%,说明该方法在高植被覆盖区提取遥感矿化蚀变信息效果较好,具有一定示矿意义。     

基于深度特征的双极化SAR遥感图像岩性自动分类

基于像元基元、极化合成孔径雷达（Synthetic Aperture Radar,SAR）数据和传统机器学习算法的岩性分类方法,易受SAR图像固有斑点噪声影响,精度不高.为了降低噪声的影响,本研究以大尺度像元邻域为基元,用于表征地表地质体的遥感图像特征和岩性语义信息;采用高分三号双极化SAR数据进行极化分解构建3通道假彩色合成影像;然后采用深度卷积神经网络（Deep Convolutional Neural Network,DCNN）迁移学习的方法,提取有效的深度特征表示,分别实现5 m和15 m两种空间分辨率下岩性遥感自动分类.结果表明:基于不同分辨率数据和不同DCNN算法,岩性遥感自动分类的总精度均大于80%,最高精度达到91%.基于大尺度像元邻域和DCNN迁移学习方法,能够实现基于SAR数据的高精度岩性分类.      

节理岩体结构面产状的动态聚类分析

节理岩体结构面的优势产状是进行Mnote-carlo模拟和岩体稳定性分析的基础。玫瑰花图、等密度图等传统的图形分析方法比较粗糙,其结果只是相对的优势组数划分,无法准确地给出结构面的优势产状,使得分组结果在实际中应用不便。为弥补上述不足,采用改进的动态聚类分析方法,构造空间直角坐标系,以结构面的单位法向量表示其产状,并根据球面上两点之间的球面距离对结构面产状进行分类判定。将该方法应用于三峡库区巴东新县城铜盆溪桥东头高切坡结构面优势产状分析中。结果表明,采用改进动态聚类分析方法结果可靠,分类合理,可以较准确地确定结构面的优势产状。     

三峡库区巴东库岸段水库地震迁移规律

自三峡水库蓄水以来,三峡库区巴东县库岸段发生上万次与水库蓄水相关的水库地震,最大震级5.1级。近几年发表相关论文50篇左右,侧重于水库地震的震源机制解、水库地震与坝前水位的关系、单个较大型水库地震以及微地震群的成因机理问题,对水库地震时间上的周期性以及空间上扩展规律研究尚少。本论文在野外地质调查（包括泉水流量的调查）基础上,结合近几年发表的文献资料,对巴东县库岸段水库地震变迁过程进行了深入的研究,得出了以下3点结论:（1）从时间上看,巴东水库地震的爆发具有周期性,表现为长周期和短周期。（2）溶洞坍塌型水库地震的分布呈线状,其形成机理与高孔隙水压以及动水圧过程密切相关。（3）同时野外泉水调查研究也表明三峡库区巴东段水库地震与溶洞坍塌具有密切关系,并且从机理上说明了水库地震空间扩展机制。     

三峡水库区巴东县文家滑坡特征及其防治对策

三峡水库区地质条件复杂,是我国地质灾害的多发区及重灾区.文家滑坡位于巴东县内龙船河国家旅游区入口处,神龙溪大桥南侧.论文在研究了三峡水库区文家滑坡的工程地质条件及滑坡体基本特征的基础上,介绍了该滑坡的结构及变形特征.从滑坡形成条件、诱发变形因素两方面分析了滑坡形成的原因及诱发滑体失稳的主要因素,并结合工程实际境况,对滑坡治理进行初步研究,提出了一些可行的防治措施和建议,为三峡地区相同类型的滑坡的治理提供借鉴.     

基于RS和GI S的三峡库区滑坡易发程度与土地利用变化的关系研究

三峡工程建设以来,库区土地利用类型发生重大变化。为深入研究三峡库区蓄水以来滑坡发育与土地利用类型变化的关系,本文利用不同时期(1987年、2000年和2010年)卫星影像,研究三峡库首区秭归至巴东段长江干流土地利用类型变化,采用滑坡面积模数比(R_si)分析滑坡发育与土地类型及变化的关联性。结果表明:(1)在1987~2010年间,研究区植被覆盖率持续下降,居民建筑区面积和耕地面积不断增长,蓄水后水域面积扩大了1倍;(2)植被区、耕地和居民建筑区的滑坡R_si依次增大,滑坡R_si随着人类活动强度增强而增大,表明滑坡发育与人类活动强度呈正相关性;(3)依据R_si值大小,将研究区滑坡易发程度分为高、中和低3个区,滑坡主要分布在高、中易发程度区,与实际情况较吻合。因此,在开展库区滑坡风险评估时,需要考虑土地利用类型变化这一因素。研究结果以期为三峡库区土地利用规划、地质灾害防治提供理论支撑。     

岸坡消落带岩体劣化的新生型滑坡(崩塌)隐患演化模式研究

三峡库区岸坡消落带是库岸边坡稳定性的敏感地带。库区内多次发生的地质灾害均与消落带的岩体劣化有关。随着时间的推移消落带的岩体劣化情况日益加剧,新生型滑坡不断涌现。本文通过实地调查与室内分析,系统总结了三峡库区秭归至巴东段岸坡消落带岩体劣化的类型以及新生型滑坡隐患的演化模式。研究表明,区内消落带岩性主要以碳酸盐岩类和碎屑岩类为主,碳酸盐岩类劣化类型主要有溶蚀(潜蚀)、裂缝显化与扩张和机械侵蚀,碎屑岩类的劣化类型主要有松动(剥落)、冲蚀(磨蚀)、结构面崩解块裂和软硬相间侵蚀,其中以松动/剥落型最为发育。在此基础上结合结构面发育特征、岸坡结构、岩性及结构和边界特征,厘定了不同岸坡消落带岩体劣化演化形成新生型滑坡隐患点的模式,碳酸岩盐类岸坡主要以基座碎裂压溃型、基座掏空倾倒型、顺向滑移型为主;碎屑岩类岸坡主要以软硬相间坍(崩)塌型、视倾向楔形滑动型、顺向滑移型及逆向倾倒型为主。研究结果可为三峡库区地质灾害监测预警及防治提供技术支撑。     

三峡工程库区巴东县赵树岭滑坡稳定性与防治对策研究

赵树岭滑坡是三峡工程库区的重要滑坡，其稳定性直接关系到巴东新县城沿江大道的安全，并对新县城土地利用意义重大。在阐述赵树岭滑坡基本特征的基础上，运用水岩耦合三维有限元数值方法模拟了滑坡稳定性，预测了三峡水库蓄水后滑坡稳定性发展趋势和渗流特征。研究表明，水库蓄水及水位波动是影响滑坡稳定性的主要因素，三峡水库蓄水后，滑坡将发生局部失稳，必须加以治理，提出了滑坡防治的原则与对策。     

基于植被抑制法的植被覆盖区多光谱遥感岩性分类

植被的发育限制了遥感在地质学方面的应用, 在植被覆盖区进行岩石填图, 首先要考虑去除植被干扰影响.以内蒙古东乌旗地区为例, 选择先进星载热发射和反射辐射仪(advanced spaceborne thermal emission and reflection radiometer, ASTER)数据, 分别计算研究区内含土壤因子植被指数和不含土壤因子的植被指数, 并对两类不同的植被指数进行主成分分析, 挑选出植被信息被抑制和岩石-土壤信息突出的主成分进行岩性分类, 和利用最大似然法的分类结果进行对比分析, 评价两种方法的岩性分类性能, 植被抑制法的总体分类正确率为82.946 8%, 最大似然法的总体分类正确率为76.364 3%.结果说明在植被覆盖区, 利用植被指数来抑制植被信息是可行的, 和常规分类方法中的最大似然法相比, 大大提高解译的准确性.      

三峡库区巴东组(T2b)紫红色泥岩工程地质特征研究

在三峡工程库区广泛分布一种三叠系中统巴东组的紫红色泥岩 ,在库区常被称为易滑地层。这种岩土体还具有一定膨胀性 ,致使一些边坡防护工程发生变形破坏。三峡工程库区移民区巴东、巫山、奉节等新城址出现的许多工程地质问题往往与此有关。本文在对巴东、巫山、奉节等地紫红色泥岩的基本地质特征研究基础上 ,对该地层的膨胀性、风化规律、水-岩相互作用等进行系统试验研究 ,为三峡工程库区滑坡防治和移民迁建工程提供科学依据。研究表明 :该地层粘土矿物含量一般为 1 7.9%左右 ,其中 ,有效蒙脱石含量一般在 1 .2 7～ 6 .0 1 %之间 ,混层矿物占粘土矿物的一半以上 ,具中 -强胶结 ,有弱膨胀性。岩石的风化以机械风化为主 ,沿剖面化学成分变化不大。沿剖面物理力学性质的变化除受风化作用制约外 ,受岩石颗粒组成的影响更为明显 ,因此可能出现深度异常现象。水对该地层岩石力学性质影响比较显著 ,应当特别关注水库蓄水初期库水位显著变化对边坡和地基土稳定性的影响     

松散岩土体在不同浸泡环境中阴离子浸出特征试验研究

三峡库区大型的赵树岭滑坡区滑坡灾害极为发育。三峡工程蓄水后,水位上升导致原先许多非饱水的松散岩土体处于饱水状态,严重破坏了其稳定性。文章针对该滑坡区内广泛分布的松散岩土的基本类型和特点,设计了4种不同的浸泡环境,进行水-松散岩土相互作用的室内控制试验,通过监测阴离子浸出特征来揭示其化学变化规律。试验结果表明:在不同的pH值、不同的搅拌速度、不同的流速、以及同时改变pH值和搅拌速度的试验环境中,水岩化学作用所浸出的阴离子特征各异。研究结果可以为松散岩土-水化学作用机理研究提供资料,也对赵树岭滑坡体的工程治理具有重要指导意义。     

The assessment of landslide susceptibility mapping using random forest and decision tree methods in the Three Gorges Reservoir area,China

Landslide susceptibility mapping is an indispensable prerequisite for landslide prevention and reduction. At present, research into landslide susceptibility mapping has begun to combine machine learning with remote sensing and geographic information system (GIS) techniques. The random forest model is a new integrated classification method, but its application to landslide susceptibility mapping remains limited. Landslides represent a serious threat to the lives and property of people living in the Zigui–Badong area in the Three Gorges region of China, as well as to the operation of the Three Gorges Reservoir. However, the geological structure of this region is complex, involving steep mountains and deep valleys. The purpose of the current study is to produce a landslide susceptibility map of the Zigui–Badong area using a random forest model, multisource data, GIS, and remote sensing data. In total, 300 pre-existing landslide locations were obtained from a landslide inventory map. These landslides were identified using visual interpretation of high-resolution remote sensing images, topographic and geologic data, and extensive field surveys. The occurrence of landslides is closely related to a series of environmental parameters. Topographic, geologic, Landsat-8 image, raining data, and seismic data were used as the primary data sources to extract the geo-environmental factors influencing landslides. Thirty-four layers of causative factors were prepared as predictor variables, which can mainly be categorized as topographic, geological, hydrological, land cover, and environmental trigger parameters. The random forest method is an ensemble classification technique that extends diversity among the classification trees by resampling the data with replacement and randomly changing the predictive variable sets during the different tree induction processes. A random forest model was adopted to calculate the quantitative relationships between the landslide-conditioning factors and the landslide inventory map and then generate a landslide susceptibility map. The analytical results were compared with known landslide locations in terms of area under the receiver operating characteristic curve. The random forest model has an area ratio of 86.10%. In contrast to the random forest (whole factors, WF), random forest (12 major factors, 12F), decision tree (WF), decision tree (12F), the final result shows that random forest (12F) has a higher prediction accuracy. Meanwhile, the random forest models have higher prediction accuracy than the decision tree model. Subsequently, the landslide susceptibility map was classified into five classes (very low, low, moderate, high, and very high). The results demonstrate that the random forest model achieved a reasonable accuracy in landslide susceptibility mapping. The landslide hazard zone information will be useful for general development planning and landslide risk management.