基于GA-LS-SVM算法的城市不透水面估算方法

城市不透水面遥感提取方法一直是城市遥感的重要研究领域。以南京市为例,采用Landsat TM（ETM+）数据,结合IKONOS影像,阐述了多源特征的提取与选择方法及其对不透水面估算精度的影响,并采用遗传算法优化最小二乘支持向量机参数,构建GA-LS-SVM模型。应用该模型估算南京市不透水面,与神经网络模型和像元分解线性模型进行比较。结果表明：采用多源特征提取城市不透水面,可以明显提高估算精度;GA-LS-SVM模型2000年与2006年估算误差RMSE分别为0.106和0.158,SE均为-0.001,明显优于其他2种模型。     

城市不透水面与地表温度定量关系的遥感分析

作为城市下垫面的最主要组成部分,城市不透水面是引发城市热岛效应的主要因素,但目前不透水面与地表温度之间的定量关系仍不明确,不同研究的结论也不尽相同。选取了上海、广州、北京、长沙、兰州、福州等6个代表我国不同区域的城市作为研究区来进一步研究城市不透水面与城市热环境的定量关系。采用Landsat ETM+影像和线性光谱混合分析法提取出各个研究区的不透水面,利用热红外波段反演出各研究区的地表温度,采用多种回归模型和大样本量对二者之间的相关关系进行定量分析;在此基础上讨论了不透水面对城市热环境的影响机制。结果表明：不透水面与地表温度呈明显的正相关关系,并且以指数函数为最佳拟合模型,回归方程的相关系数均为0.750以上,最高可达0.954 1;高不透水面盖度地区的升温幅度更大,比低不透水面盖度地区高出0.600~1.700 ℃,其原因主要是高不透水面盖度地区的植被覆盖率低,蒸腾蒸发作用小。     

喀斯特地区遥感影像解译新算法——支持向量机算法

现行的遥感影像解译方法有监督分类和非监督分类。在监督分类中有平行算法,最小距离算法、最大似然算法等,而支持向量机是监督分类中的一种新的算法。本研究选择贵阳市花溪区小碧乡局部地区为研究对象,采用SPOT数据,分别运用最大似然算法和支持向量机算法对研究区遥感影像进行解译。通过建立混淆矩阵,来计算分类精度和Kappa系数。结果表明:支持向量机具有分类精度高,分类图斑完整等优点;但在时间的消耗上,支持向量机算法要比最大似然算法长。对于这两种算法而言,都存在地物光谱特征明显相异的地物易于区别,光谱相似的地物容易造成错分的现象,然而支持向量机分类精度要比最大似然分类精度高一些。支持向量机对样本数量具有敏感性,样本数量过多将导致运算时间过长。因此在实际运用中应根据实际情况,选择适合的算法。      

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。     

基于决策树特征提取的支持向量机在岩性分类中的应用

由于支持向量机属于黑箱模型,因此在进行模型学习时无法直接对特征进行选择,而决策树模型在递归创建的过程中自身具有一定的特征选择能力。针对岩性分类问题,本文将决策树和支持向量机结合,通过决策树的建立,在考虑特征重要性的前提下,利用树节点的高度对特征进行提取,并将具有更高分类能力的特征送入支持向量机进行岩性分类。结果表明:通过决策树的特征提取,减少了支持向量机模型的输入特征,从而有效控制了模型的复杂度,使得模型更加稳定并具有更高的分类精度,测试集精度能够提升10%以上。     

多分类支持向量机在滑坡稳定性判识中的应用

如何准确地判识和评价滑坡的稳定性一直是滑坡研究中的关键问题。基于多分类支持向量机的基本理论,利用三峡库区的37个典型滑坡（27个训练样本,10个测试样本）,建立了滑坡稳定性判识的多分类支持向量机模型,并与距离判别分析方法进行了比较。结果表明,SVM模型对测试样本和训练样本的判识准确率均达到100％,而距离判别法对测试样本和训练样本的判识准确率分别为80％和77.8％,前者的判识精度明显优于后者。在此基础上,将SVM模型运用于溪洛渡库区牛滚凼滑坡的稳定性判识中,结果与实际情况吻合较好。     

基于DeepLabv3+与GF-2高分辨率影像的露天煤矿区土地利用分类

遥感与深度学习为及时掌握露天煤矿区土地利用情况提供了高效率的技术手段。基于国产高分二号(GF-2)卫星高分辨率遥感影像,利用深度学习DeepLabv3+模型实现露天煤矿区土地利用识别,并与U-Net、FCN、随机森林、支持向量机、最大似然法等方法进行对比。首先,制作高分辨率影像样本数据,通过敏感性测试确定适合研究区露天煤矿场景的样本最佳裁剪尺寸和方式;然后,训练深度神经网络DeepLabv3+模型,进行土地利用识别实验;最后,比较不同方法的识别结果。结果表明:研究区露天煤矿场景下的样本最佳裁剪尺寸为512像素×512像素,最佳裁剪方式为随机裁剪。采用的DeepLabv3+模型对露天煤矿区土地利用识别的总体精度、Kappa系数分别为80.10%、0.73,均优于U-Net、FCN、随机森林、支持向量机、最大似然法等方法的识别精度。DeepLabv3+模型的识别速度与上述5种方法保持在同一数量级,验证了DeepLabv3+模型和GF-2卫星影像在露天煤矿区土地利用识别中的可行性,对露天煤矿区生态环境监测与修复规划具有重要意义。      

基于LSSVM与MCS的路基沉降可靠度分析

提出了一种计算路基沉降可靠度的新方法。基于FLAC中的修正剑桥模型,以最小二乘支持向量机为核心技术,结合蒙特卡罗法构建计算模型。由于修正剑桥模型参数较多,对模型参数进行了敏感性分析,将对沉降影响较大的参数确定为随机变量。选取训练样本对支持向量机进行训练,按照随机变量的概率分布进行抽样,馈送到最小二乘支持向量机得到相应的响应值,用Matlab编制程序完成可靠度计算,并进行了算例分析。计算结果表明,蒙特卡罗法结合支持向量机的沉降可靠度计算方法应用于公路软基沉降可靠度计算是可行的。     

基于网格搜索法优化支持向量机的围岩稳定性分类模型

为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。     

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。     

支持向量机方法在膨胀土分类中的应用

将支持向量机方法应用于膨胀土分类问题中,建立了膨胀土分类的支持向量机模型。以膨胀土实测数据为学习样本,经过训练,得到膨胀土的分类区间。应用该模型对剩余的膨胀土数据进行预测,预测结果表明支持向量机分类模型性能良好、预测精度高、简便易行,是膨胀土判别的一种有效方法,具有广阔的应用前景。     

Fine classification of construction land using high-resolution remote sensing images: a case study in planning restricted zone of nuclear power plant

Detailed construction land information plays a significant role in monitoring planning restricted zone of nuclear power plant and ecological environment protection. This study focuses on developing fine classifying method of construction land in planning restricted zone of nuclear power plant using high spatial resolution GF(GaoFen)-1 remote sensing images. The object-oriented classification method is used in this study; the important process of which is image segmentation and classification. Multi-scale segmentation method, rule-based decision tree, and the nearest neighbor classifier are used in classifying construction land classes, i.e., road, industrial, and residential. An optimal segmentation scale is crucial to image segmentation in object-oriented classification. Instead of laborious trial-and-error experiments for optimal image segmentation, the change rates of the local variance in the homogeneous region are calculated to get the optimal segmentation scales. Multi-level classification strategy is used in the following classification. Rule-based decision tree is used to classify road and water, vegetation and non-vegetation, and industrial and residential. And the nearest neighbor classifier is used to classify cropland and forest within the vegetation land use type. The accuracy assessment result shows that the overall accuracy is 89.67% and Kappa coefficient is 0.85 for object-oriented classification, which is much higher than pixel-based maximum likelihood classifier (overall accuracy is 79.17% and Kappa coefficient is 0.74) and support vector machine classifier (overall accuracy is 74.16% and Kappa coefficient is 0.68).     

基于GEE的东北三省城市建设用地扩张研究

根据社会经济和人口变化,基于云平台实现中高分辨率遥感影像城市建设用地的快速提取,可以高效准确地对长时间序列大范围城市建设用地扩张情况进行动态变化监测,为城市的管理和规划提供借鉴和参考。本文基于Google Earth Engine（GEE）云平台,利用NPP/VIIRS（suomi national polar orbiting partnership/ visible infrared imaging radiometer suite）年度平均夜间灯光数据和阈值分割法提取城市区域,获得3 142景覆盖东北三省城市的Landsat影像;在原始光谱波段的基础上构建指数、纹理和地形特征,利用SEaTH算法进行特征优化,根据JM距离的取值将特征数量从20个精简到12个;在城市区域中利用随机森林（random forest, RF）算法结合最优特征对Landsat月度合成影像进行再次分类,更加精确地提取建设用地。研究结果表明,东北三省城市建设用地提取平均总体精度和Kappa系数分别为96.19%、0.92,有较高的效率和可靠性;1989—2019年东北三省城市建设用地总面积扩张49.07%,省会城市中沈阳扩张速率较快,长春次之,哈尔滨最慢;人口因素和经济因素是推动城市建设用地扩张的主要因素。     

基于光谱-环境随机森林回归模型的MODIS积雪面积比例反演研究

积雪面积比例（Fractional Snow Cover, FSC）数据能在亚像元尺度上定量的描述像元内积雪覆盖的程度,相比二值积雪面积数据可以更加精确地估计积雪覆盖的面积。基于机器学习的随机森林回归模型可以表示高维的非线性关系,可显著提高MODIS FSC的反演精度。采用随机森林回归模型结合光谱、环境信息构建了一个新的回归模型——光谱-环境随机森林回归（Spectral Environment Random Forest Regressor, SE-RFR）模型,用于MODIS数据反演中国区域的FSC。利用中国典型积雪区内由Landsat 8地表反射率数据获取的FSC数据作为参考值,对SE-RFR模型的反演精度进行评估。研究表明,利用“SE-RFR”获取的FSC数据RMSE、MAE分别为0.160、0.104,精度较高。此外,根据SE-RFR模型与未加入环境信息的随机森林回归（S-RFR）模型比较结果可知,加入环境信息的随机森林回归模型提高了FSC反演的精度,特别是在受环境信息影响较大的青藏高原地区,RMSE从0.200降低到0.181。最后,将SE-RFR模型与目前使用广泛的MODIS FSC反演模型FSC_NDSI、MODSCAG和SSEmod进行了比较,结果表明SE-RFR模型的RMSE与FSC_NDSI、MODSCAG和SSEmod模型的RMSE相比,平均RMSE分别提高了12.0%、8.3%和5.5%。总体来说,SE-RFR模型可以准确地提取MODIS FSC,对于区域乃至全球FSC产品制备具有广泛的应用前景。     

Appraisal of land use/land cover of mangrove forest ecosystem using support vector machine

Human activities in many parts of the world have greatly changed the natural land cover. This study has been conducted on Pichavaram forest, south east coast of India, famous for its unique mangrove bio-diversity. The main objectives of this study were focused on monitoring land cover changes particularly for the mangrove forest in the Pichavaram area using multi-temporal Landsat images captured in the 1991, 2000, and 2009. The land use/land cover (LULC) estimation was done by a unique hybrid classification approach consisting of unsupervised and support vector machine (SVM)-based supervised classification. Once the vegetation and non-vegetation classes were separated, training site-based classification technology i.e., SVM-based supervised classification technique was used. The agricultural area, forest/plantation, degraded mangrove and mangrove forest layers were separated from the vegetation layer. Mud flat, sand/beach, swamp, sea water/sea, aquaculture pond, and fallow land were separated from non-vegetation layer. Water logged areas were delineated from the area initially considered under swamp and sea water-drowned areas. In this study, the object-based post-classification comparison method was employed for detecting changes. In order to evaluate the performance, an accuracy assessment was carried out using the randomly stratified sampling method, assuring distribution in a rational pattern so that a specific number of observations were assigned to each category on the classified image. The Kappa accuracy of SVM classified image was highest (94.53 %) for the 2000 image and about 94.14 and 89.45 % for the 2009 and 1991 images, respectively. The results indicated that the increased anthropogenic activities in Pichavaram have caused an irreversible loss of forest vegetation. These findings can be used both as a strategic planning tool to address the broad-scale mangrove ecosystem conservation projects and also as a tactical guide to help managers in designing effective restoration measures.     

基于FLUS的长春市土地利用动态变化与预测分析

研究城乡土地利用变化规律与驱动机制,有利于实现区域土地资源可持续发展。本文以长春市为例,以监督分类与人工解译相结合的方式对1997、2007和2017年Landsat卫星影像进行分类,总体精度分别为93.06%,90.70%和94.12%。1997-2017年,草地、耕地和其他土地面积分别减少354.74、922.11和55.35 km²,建设用地、水域和林地面积分别增加1 154.14、70.38和107.54 km²,整体表现为建设用地向周边扩张,侵占其他用地类型面积。利用未来土地利用模拟（future land use simulation,FLUS）模型,以2007年分类数据为基础,结合地形、交通区位和社会经济等土地利用变化驱动因子,仿真2017年土地利用格局,仿真结果与真实情况吻合较好,仿真精度达85.10%,Kappa系数为0.821 2,验证了模型和驱动因子精度可靠,符合土地利用变化趋势。以此模型因子预测2027年土地利用格局,结果表明：在城镇周围,建设用地将持续侵占耕地、林地、草地和其他土地的面积,但趋势减缓,同时林地面积和水域面积增加。     

结合小波包变换和随机森林的ASTER蚀变信息提取

为了更准确地提取蚀变信息,本文选择新疆、甘肃和内蒙古三省交界部位为研究区,结合小波包变换和随机森林提取ASTER蚀变信息。首先,选择主要蚀变类型的诊断性波段进行特征向量主成分分析,得到主分量影像;接着,对主分量影像进行小波包变换,使用代价函数选择最优小波包树,并提取高低频信息构造分类向量;然后,经过特征筛选构造随机森林分类模型,并提取矿化蚀变信息;最后,通过野外采样、薄片鉴定对提取结果进行精度评价。铁染、Al-OH及Mg-OH蚀变信息的主成分分析波段组合分别选择Band 1、2、3、4,Band 1、3、4、6及Band 1、5、8、9。结果表明,本文方法提取铁染、Al-OH基团及Mg-OH基团蚀变信息的总体精度可达到88.7443、85.5469及91.7594,Kappa分别为0.7767、0.6732及0.8362,与成矿区带及已有的该区域的成矿特征相关性较好。本研究采用的最优小波包树能充分利用矿物光谱的能量特征,随机森林可削弱矿物组分的噪声干扰,研究结果可为遥感蚀变信息提取提供技术参考。