安庆沿江湖泊近20年水域多时相动态演变

基于GIS和遥感技术对不同时期的遥感影像数据进行处理,获取安庆沿江8个主要湖泊5个时期的水域面积,分析其时空变化特征,结合相关资料与实地考察,总结了引起水域面积变化的原因,并对合理利用与保护湖泊水资源的对策进行了探讨。     

平朔露天煤矿土地利用变化的遥感监测

为了对平朔露天煤矿近20年来的土地利用变换情况进行遥感监测,使用遥感技术和决策树分类方法对研究区4个时期的遥感影像进行了分类,分类对象为植被、开采区、居民区和裸地.通过对分类结果进行统计和分析,得出如下结论:近20年来,平朔露天煤矿开采区扩张显著,居民区面积在不断上升,同时植被也在稳步增长.     

连云港市近30年水体信息变化特征分析

近年来,利用遥感技术对湖泊、河流、海岸等水体信息的监测和评估成为时代发展趋势。本研究选取连云港市1988年、1998年、2008年和2018年四个时期同一月份的TM、ETM和OLI影像,基于RS和GIS平台,研究连云港市近30年水体信息变化。对多期遥感影像进行预处理和增强处理后,区别于以往普遍使用的单波段阈值分析法、比值法、差值法、水体指数法等水体信息提取方法,本研究尝试使用"马氏距离"法分类提取研究区水体信息,并使用决策树法分类统计连云港市近30年水体变化。研究发现:近三十年来,研究区水域面积整体呈下降趋势。其中,以最近十年水域面积减少更为突出,这一特征与该地区近年来社会经济建设和自然因素变化密切相关。     

基于高分遥感影像的土地利用研究——以重庆三峡库区为例

针对传统的土地利用专题图制作周期较长、精度不高等问题,本文首先通过对高分遥感影像进行影像校正、影像配准、影像融合、影像镶嵌、影像裁剪,以完成高分遥感影像预处理;其次通过遥感影像监督分类,实现对三峡库区土地利用现状的分类,包括草地、林地、耕地、园地、水域及水利设施、居民地、交通运输用地、工矿仓储用地、其他用地等九大类;最后通过监督分类结果完成土地利用专题图的制作,并得到各类土地利用类型的分布状况及面积大小。随机抽取图斑进行验证后可得:从专题图来看,库区的土地利用类型以林地和耕地为主,应转化土地利用结构,将耕地的面积集中分布在三峡库区的西南部和中北部,提高林地面积覆盖率小的地区的覆被量。     

新疆玛纳斯湖近40年间时空变化图谱及其驱动机制

以新疆玛纳斯湖为研究区,利用1972—2014年间8期遥感影像数据,在提取了湖泊水域信息的基础上对近40 a间玛纳斯湖水域演化进行了研究。结果表明,1972—2014年间玛纳斯湖呈现明显"增加—减小—增加—减小"变化态势,水域重心不断往西南方向偏移。1972—1999年间玛纳斯湖长期处于干涸状态,2000年恢复至研究期间最大水域面积(248.69 km~2),之后经历了2000—2008年和2011—2014年2次萎缩周期,面积变化幅度和动态度的计算结果显示,水域面积的退缩周期在缩短,退缩速度在加快。玛纳斯湖水域面积变化整体受气候变化的影响不大,但与极端高温和降水天气引起的超标准洪水关系密切,流域内人类活动是玛纳斯湖演化的主要原因。     

大沽河口湿地变化的遥感监测

遥感影像分类是遥感影像应用研究的重点。本文以大沽河口湿地为研究对象,利用2009年到2017年的Landsat ETM+和OLI影像,使用支持向量机分类法对研究区域中的河流、盐田、养殖区、耕地、建设用地、滩涂进行分类,分类结果的总体分类精度达到98%,Kappa系数达到0.98,表明该方法在湿地分类方面具有很大应用潜力。对分类结果的面积进行统计分析并研究其变化原因,结果显示,该区域受人类活动和自然因素双重影响,这九年来建设用地、河流面积分别增加772.27hm2、75.30hm2,耕地、养殖区面积分别减少了39.54hm2、522.95hm2。     

基于决策树的县域冬小麦种植面积提取

为获取较精确的县域范围内小麦种植区面积,利用空间分辨率较高的Landsat卫星遥感影像和DEM数据,以河北省唐山市玉田县为例,采用决策树方法对地物进行分类,提取了2004年、2009年、2014年的冬小麦种植面积;并根据分类结果生成各年份玉田县的小麦种植信息结果图,分析了近10 a玉田县冬小麦种植面积变化情况。     

基于面积比分割的面状水域提取方法研究

针对目前遥感影像中面状水域提取算法的自动化程度不高的问题,本文提出了一种基于面积比分割的面状水域提取算法。首先,利用矢量数据提供的面积作为先验信息,对待提取的遥感影像进行图像分割,经过去噪、边缘检测等环节实现面状水域的初步提取;然后将初步提取的面状水域带入到主动轮廓模型中,作为初始边界对面状水域进行精确提取;最后,以天绘影像对上述算法进行验证,结果表明:该算法能够有效提取面状水域,提高现有算法的自动化程度。     

面向对象的无人机遥感影像烟草种植面提取和监测

无人机遥感影像技术用于农业种植面积、长势、轮作的监测和管理,取得了非常喜人的效果。文章应用无人机遥感影像和遥感图像处理软件eCognition,以面向对象的遥感影像分析方法提取临沂市沂水万亩示范园区2012年烟草种植面积及其分布信息。分类结果表明,利用面向对象的分类方法解译无人机获取的高分辨率遥感影像可以获得精确的烟草种植信息,为大区域烟草种植面积的自动监测提供了广阔的前景。     

2000～2009年江苏沿海海岸线变迁与滩涂围垦分析

利用2000年3月1日、2003年2月6日、2006年9月18日和2009年10月17日4个时相的遥感影像对江苏盐城-南通段海岸线多年来的变迁进行了连续监测,获取了每个时期发生变化岸段、滩涂围垦面积等信息。研究结果表明:利用遥感影像能够满足准确、快速监测海岸线变迁的要求;2006～2009年,江苏省海岸线快速向海域推进;2000～2003年滩涂围垦面积为25 213ha,2003～2006年新增陆地面积为9601 ha,2006～2009年围垦面积达到23 632ha;滩涂开发总体呈现围垦—修养—围垦的开发模式。     

深度学习GoogleNet模型支持下的中分辨率遥感影像自动分类

提出了一种基于深度学习技术的遥感分类方法，它能有效解决中分辨率影像在分类过程中出现的像元混分问题。研究选用2016年5月12日武汉市Landsat 7 ETM+遥感影像，基于GoogleNet模型中的Inception V3网络结构，借助迁移学习方法，构建出遥感分类模型，实现了对武汉市主城区4类典型地物（不透水层、植被、水体和其他用地）的自动分类提取，并将分类结果与传统最大似然分类（ML）结果进行了对比分析。研究表明：基于深度学习方法的遥感影像总体分类精度高达88.33%，Kappa系数为0.834 2，明显优于传统ML方法总体分类精度83%和Kappa系数0.755 0，而且有效抑制了地物在分类过程中出现的像元混分现象。     

基于GOODALL相近指数的遥感图像和其它空间数据综合分类方法

介绍 Ｄａｖｉｄ Ｗ． Ｇｏｏｄａｌｌ 的基于概率的相近指数理论,研究它被应用在遥感图像和其它空间数据综合分类中的可能性,并首次在 Ｇ Ｒ Ａ Ｓ Ｓ环境下实现了基于 Ｄａｖｉｄ Ｗ． Ｇｏｏｄａｌｌ 的相近指数的遥感图像和其它空间数据综合分类算法,并对该算法进行了测试,将分类结果与其它几种较流行的分类方法结果进行了比较。     

基于GOODALL相近指数的遥感图像和其它空间数据综合分类方法

介绍ＤａｖｉｄＷ．Ｇｏｏｄａｌｌ基于概率的相近指数理论,研究它被应用在遥感图像和其它空间数据综合分类中的可能性,并首次在ＧＲＡＳＳ环境下实现了基于ＤａｖｉｄＷ．Ｇｏｏｄａｌｌ的相近指数的遥感图像和其它空间数据综合分类算法,并对该算法进行了测试,将分类结果 与其它几种较流行的分类方法结果进行了比较。     

时空融合技术在区域地表覆盖时序分类中的应用

由于中高分辨率遥感影像数据时序性不强,分类过程中无法准确记录地物的时序特征。为增加地物时序变化特征,本文使用时空融合模型重建高时序高分辨率遥感影像,分析加入时相特征对分类结果的影响。以河北省石家庄市中部地区为例,本文采用3种时空融合模型重建高时序的30 m分辨率的遥感影像,增加影像时序分类特征,采用随机森林对年度重建时序影像分类,分析不同重建时序影像数量和不同时间跨度对分类结果的影响。试验表明,通过重建年度时序影像分类比单一影像分类精度增强;分类精度随着时序影像数量增加而增大,当时序影像数量选定为12景,也就是1月1景时,分类精度趋于稳定;不同时间段对分类结果影像程度不同,引入植被变化期间的时序影像,分类精度最高。     

基于遥感影像数据的土地利用动态监测

以松原地区TM影像为实验数据,利用遥感分类软件通过最大似然法作为平行六面体判别规则对遥感影像数据进行监督分类,并通过遥感影像地图代数和拓扑运算,完成了土地动态监测过程.     

轨迹延续性与影像特征相似性结合的城市道路提取

城市道路区域检测是城市土地管理、交通规划等领域的迫切需求,而传统城市道路区域检测多使用轨迹提取、遥感解译、人工采集等单独方式,在自动化程度或提取质量上存在一定的局限性。本文结合GNSS轨迹点与高分遥感影像各自的数据优势,提出一种基于轨迹延续性与影像特征相似性的遥感影像道路区域检测方法。该方法以出租车GNSS轨迹点构建轨迹特征栅格,基于轨迹延续性在平均方向特征栅格中划分路段对象,利用道路对象的光谱特征向轨迹无法覆盖的小区内部进行拓展,以获得提取区域内较为完整的道路信息。试验证明：本文方法可以有效降低道路的同物异谱现象及阴影、树木遮挡的影响,高效地提取高分遥感影像中的道路区域。与传统的遥感影像分类方法相比,具有更高的精度与自动化程度,相较于深度学习模型具有更广的适应性。     

渝西地区多时期地表覆盖遥感信息提取

近年来,随着遥感技术的不断发展,利用遥感技术开展土地覆盖信息的提取工作已经变得越来越普遍。本文主要利用遥感技术进行土地覆盖信息的提取,为后续土地信息的分析调查提供了有利的数据。此次研究选取了渝西地区作为研究区,使用TM／ETM遥感图像作为基础数据。在提取覆盖信息之前,首先,采用遥感图像处理技术,对研究区进行了图像预处理;接着,对研究区四种地类进行采样处理,利用得到的采样数据,对研究区的遥感图像进行了光谱分析;最后,进行监督分类得到覆盖信息的明显特征,可以看出建筑用地在明显增多。并对分类结果进行精度评价,得到最后结论,可以看出每一时期的总分类精度都在85％以上,符合分类要求。     

基于遥感影像的土地利用变化检测

随着遥感科学技术的发展、各种遥感数据的累加以及遥感变化检测研究的深入,基于遥感影像的土地利用变化检测手段也日新月异。本文主要阐述利用不同的遥感影像处理方法对不同影像之间的土地利用变化进行检测,同时利用影像融合对比法、影像差值法、主成分分析法(PCA法),以及影像分类法等遥感影像处理方法,对同一地区前后不同时相的土地利用变化检测效果进行精度对比,并总结出不同检测方法在不同条件下的检测效果。     

基于Radarsat和TM图像融合与分类的土壤盐渍化信息遥感监测研究

单一雷达影像数据通常不能提供足够的用以监测干旱地区盐渍化的信息。雷达图像与TM图像的融合可以提高遥感数据的利用率,增强数据的可靠性和信息的互补性,有助于提高分类精度。本文采用了GramSchmidt变换融合法将Radarsat和TM图像进行融合,并将该融合方法与一些常用融合方法(HIS融合、PCA融合、Brovey融合)进行了比较,结果表明该融合方法优于其他方法。最后采用支持向量机分类法(SVM)对Radarsat、TM融合后的图像进行了分类。结果表明:同单独Radarsat影像和TM影像分类结果相比,该融合分类法将分类精度分别提高了近30%和2%。因此该融合分类法更适合于遥感图像盐渍化信息监测。     

面向对象与卷积神经网络模型的GF-6 WFV影像作物分类

GF-6 WFV影像是中国首颗带有红边波段的中高分辨率8波段多光谱卫星的遥感影像,对于其影像及红边波段对作物分类影响的研究利用亟待展开。本文结合面向对象和深度学习提出一种适用于GF-6 WFV红边波段的卷积神经网络(RE-CNN)遥感影像作物分类方法。首先采用多尺度分割和ESP工具选择最佳分割参数完成影像分割,通过面向对象的CART决策树消除椒盐现象的同时提取植被区域,并转化为卷积神经网络的输入数据,最后基于Python和Numpy库构建的卷积神经网络模型(RE-CNN)用于影像作物分类及精度验证。有无红边波段的两组分类实验结果表明:在红边波段组,卷积神经网络(RE-CNN)作物分类识别取得了较好的效果,总体精度高达94.38%,相比无红边波段组分类精度提高了2.83%,验证了GF-6 WFV红边波段对作物分类的有效性。为GF-6 WFV红边波段影像用于作物的分类研究提供技术参考和借鉴价值。