基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例

土地利用分类精度直接决定土地利用/土地覆被变化相关研究的准确性,而基于决策树的遥感影像分类是近年来提高土地利用分类精度的重要方法。QUEST决策树在影像解译和空间表达方面,运算速度和分类精度均优于普通CART等决策树方法。本文以云南丽江地区为例,应用QUEST决策树分类方法,对该地区的Landsat TM 5影像图进行分类,同时将地形因素、植被指数作为地学辅助数据的因子添加到分类波段中,进行不同特征融合,来处理目标类别间的非线性关系,该方法在处理图像理解知识方面具有更大的灵活性;同时与普通决策树分类法的遥感影像分类的结果相比较,Kappa系数值从原来的0.789提高到0.849.在地形复杂的山地地区,针对TM影像数据,选择基于QUEST决策树分类能够有效提高土地利用分类结果精度。     

基于Landsat 8 OLI数据与面向对象分类的昆嵛山地区土地覆盖信息提取

利用2015年Landsat 8 OLI遥感影像和DEM作为分类数据源,结合野外调查数据,采用面向对象的分类方法对昆嵛山地区土地覆盖信息进行提取,并对分类结果进行精度评价与比较分析。研究表明：面向对象分类方法提取的各地类连续且边界清晰,分类效果与实际情况基本吻合。昆嵛山地区占主导地位的土地覆盖类型是针叶林,面积为1 546.81 km²。研究区土地覆盖分类的总体精度和Kappa系数分别为91.5%和0.88,其中针叶林、草地、水体和建设用地的生产者精度均达到87%以上。相对于监督分类方法,本研究提出的土地覆盖信息提取方法的总体分类精度和Kappa系数分别提高14.7%和0.17。基于面向对象的中分辨率遥感影像,能够获取较高精度的土地覆盖信息,为大范围土地覆盖分类研究提供方法参考。     

基于随机森林与特征选择的藏东南土地覆被分类方法及精度评价

由于云污染、实地验证点的匮乏,以及地形地貌的复杂、破碎化,多云山区土地覆被的准确分类较难实现。以藏东南这一典型的多云山区及生态过渡区为研究区,基于Google Earth Engine(GEE)平台和野外实测数据,结合多光谱数据、雷达数据、高程数据、辅助数据,提取光谱特征、纹理特征、地形特征等信息,利用递归特征消除法对特征进行优化,并采用随机森林算法构建分类模型,以期有效利用多源遥感数据提高土地覆被分类精度。结果表明：(1)并非特征越多分类精度越高,特征选择后数量由58个减至38个,分类精度（总体精度93.96%,Kappa系数0.92）较未优化前（总体精度93.11%,Kappa系数0.92）略有提升。(2)地形特征及雷达特征对藏东南土地覆被分类具有重要作用,地形特征对多数土地覆被类型的分类精度具有影响,而雷达数据对裸地、建设用地、灌丛影响较大,分类过程中如不考虑地形及雷达特征,总体精度分别降至88.98%,92.48%。纹理特征以及时序特征仅对提高具有明显纹理以及时序变化的土地覆被类型的精度有帮助。结合随机森林和特征优化算法,能够在保证土地覆被分类精度的同时,高效整合多源数据信息,...     

平原与山区土地利用/覆被变化对比——以双流县和米易县为例

利用1986、1995和2000年3 a同期陆地卫星的TM影像作为主要数据源,经过人工解译生成土地分类数据,对研究区域的土地利用格局特征、单一土地利用的动态变化、景观格局变化进行对比分析.结果表明:(1)山区的土地利用类型明显多于平原.山区主要以林地和草地等自然景观为主,而地区则以耕地和建没用地为主,表现出很明显的人类活动特征.(2)两个地区的土地利用/覆被变化在空间与单一地类上都存在着一定的差异,但引起土地利用变化的主要驱动力都是人为因素.(3)两个地区的景观多样性指数相近,山区的景观优势度指数高于平原,平原的景观破碎度指数高于山区.据此,提出区域土地可持续利用政策的建议:适度保护农地资源尤其是耕地资源,合理协调农业用地与非农业用地之间的相互关系;要根据区域的自然环境与经济发展等实际特点对土地利用进行科学合理的发展规划,在土地利用的某些政策上要对山区与平原之间实施差别对待.     

澜沧江流域山区土地覆盖多级遥感分类方法研究

遥感监测土地覆盖是对流域综合开发所引起的有关土地利用状况改变的有效监督控制手段,土地覆盖分类专题信息提取是遥感监测研究的重要内容之一。针对澜沧江流域遥感监测项目,探讨基于地物光谱响应曲线分析提取山区士地覆盖的多级遥感分类方法应用研究。结果表明,基于具体研究区域的典型地物样点光谱响应曲线分析,在多波段间组织设计有关提取具体研究区域土地覆盖类间可分离性明显的算法,分离并提取特定研究区域土地覆盖主要类型,然后再通过结合多级遥感分类方法的应用,可较之单一依靠自动模式识别方法或单一利用目视解译方法获得诸多优越之处和更符合实际的分类效果,是种适合于山区土地覆盖监测的有效、可行而又相对操作简单的方法。     

基于SPOT5遥感影像的土地分类信息提取

近年来,随着现代遥感技术的发展,高分辨率、多波段、多时相、周期性的遥感卫星不断更新,如:SPOT、IKONOS、Quick Bird等,为土地分类信息的提取提供了丰富、可靠、高精度的基础数据源信息。本文选取陕西省三原县部分地区作为试验区,探讨利用SPOT5遥感影像进行土地分类信息提取,对数据预处理、遥感影像分类方法的选取及分类结果精度的评价等问题进行了探究,采用最大似然法,通过计算机自动分类对SPOT5遥感影像土地分类信息进行提取。实验证明,将SPOT5遥感数据应用于土地信息类型的提取可以极大地提高影像分类的效率,得到较好分类效果。     

土地利用/土地覆盖研究中遥感图像分类精度的提高方法

合理地进行土地开发和利用是实现区域可持续发展的保障。利用遥感图像动态监测土地利用/土地覆盖状况具有快速、准确、及时的特点。如何提高遥感图像的分类精度,是动态监测中须解决的主要问题之一。该文基于传统的工作流程,探讨了在不同阶段提高遥感图像分类精度的方法,并对分类精度提高研究的前景进行了展望。     

利用TM数据监测岩溶山区城市土地利用变化

该文以贵阳市为例 ,利用多时相的TM遥感数据及相关资料对地质构造复杂、地表覆盖类型多样的岩溶山区城市土地利用变化进行了调查和动态监测。基于图像光谱信息特征分析 ,确定了用于贵阳市土地利用变化遥感图像分类的最佳波段组合。利用热红外波段TM 6 ,基本消除了岩溶山区遥感图像分类中阴影和水体混分现象     

基于MODIS的土地覆盖遥感分类特征的评价与比较

选取华北地区为研究区,利用MODIS遥感数据多光谱、多时相优势进行分类特征提取,依据土地覆盖分类特征如地表反射率、植被指数、纹理特征等,并对这些分类特征分别从光谱维、时间维、空间维三个角度进行阐述,结合DEM数据,使用最大似然法进行土地覆盖遥感分类特征的评价与比较。结果表明,不同分类特征对分类精度影响不同,将多种分类特征结合能够有效提高区域尺度土地覆盖分类精度,但分类特征的加入不一定能提高某些类别的分类精度。     

利用TM数据监测岩溶山区城市土地利用变化

该文以贵阳市为例，利用多时相的TM遥感数据及相关资料对地质构造复杂，地表覆盖类型多样的岩溶山区城市土地利用变化进行了调查和动态监测，基于图像光谱信息特征分析，确定了用于贵阳市土地利用变化遥感图像分类的最佳波段组合，利用热红外波段TM6，基本消除了岩溶山区遥感图像分类中阴影和水体混分现象。     

基于判别空间条件熵加权的土地覆盖分类方法研究

针对遥感专题类别信息的机理问题,从土地覆盖参考数据的偏差程度对分类精度的影响角度,提出了一种基于判别空间条件熵加权的土地覆盖分类方法。引入判别空间模型概念,基于此模型生成土地覆盖数据类别,并分析了土地覆盖信息类别与数据类别的语义偏差出现的深层次原因;计算信息类别与数据类别的对应关系矩阵,据此得到二者的条件熵,实现对土地覆盖信息类别与数据类别的语义偏差的量化;根据信息类别与数据类别的条件熵计算修正判别变量的权重因子,实现基于判别空间条件熵加权的土地覆盖分类。采用一景SPOT-5影像进行分类实验,并利用同一地区的Landsat 5TM影像进行方法验证。实验表明,条件熵加权修正方法使土地覆盖分类精度有了显著提高,并对不同分辨率的遥感影像具有适用性。     

基于水稻特征波段的决策树分类研究

针对种植结构复杂、地形复杂的水稻种植面积遥感提取精度不高现象,结合多时相遥感影像中反映水稻物候规律的特征波段,以南京江宁丘陵山区为例,选择典型水稻物候期时相的TM数据,基于多特征波段构建决策树分类提取水稻种植面积。结果表明:纹理、植被指数、湿度因子、坡度因子等多特征参与决策树分类能够提高总体精度;在具有两期物候数据时提取精度和效率较好,而加入了地形特征的水稻抽穗期数据比水稻灌浆期数据获取效果略好。因此,利用合理的作物物候期数据和该遥感影像的特征波段可有效提高分类精度,为地块破碎区作物种植面积提取提供有效手段。     

塔里木盆地南缘绿洲土地覆盖变化

绿洲土地覆盖变化信息的定量提取在干旱区生态环境演变研究中具有重要价值，选择塔里木盆地南部特有的干旱地区和田绿洲于田县为研究区，首先对土地覆盖变化信息提取方法作了对比论述，并对利用卫星遥感数据的空间结构信息以提高分类精度，进而提高分类后比较法的总体精度进行了研究；最终利用该方法做出的系列图件，总结了该地区近10年来的土地覆盖类型变化，并与实地考察结果及有关资料结合，分析了该地区近年来的环境变化及其影响因素，其方法和结论对塔里木盆地南缘绿洲地区未来的环境可持续发展研究具有一定参考价值。     

基于ETM+土地利用与土地覆盖遥感信息提取研究

基于ETM 遥感卫星数据,使用层次分析法、光谱响应特征阈值算法、监督分类和无监分类方法,对实验区土地利用信息进行提取。研究结果表明:采用层次分析法对ETM 数据进行土地利用调查,可最大程度识别出土地利用类型;综合利用多种信息提取方法进行山区土地利用与土地覆盖信息提取具有速度快、技术操作简单、可识别类型多的特点;对林地和水域的分类识别精度可达85%以上,但对山区农村居民地的面积难以准确提取,必须借助人工解译方法,并参考其他辅助资料才能获取。     

基于MODIS 数据的长江三角洲地区土地覆盖分类

长江三角洲地区是我国经济最发达的地区之一, 人类活动对自然环境产生了很大影响。为了研究该地区人类活动与生态环境的相互作用, 利用250 m 分辨率MODIS 数据进行土地 覆盖制图研究, 采用的主要数据为增强型植被指数EVI 数据、反射率数据和DEM 数据。通过基于时间序列的滤波方法消除EVI 的噪声, 通过PCA 变换压缩数据量, 并计算均质度来表征空间维的纹理信息, 构造了一个综合性的分类数据矩阵, 依据高分辨率影像选取了训练区, 采用最大似然法进行分类, 并采用缓冲区分析技术进行分类修正, 得到长江三角洲地区的土地覆盖分类结果。利用高分辨率影像解译信息对分类结果进行了精度评价, 并将分类结果与 MODIS 土地覆盖产品进行了对比, 精度分析表明分类结果很好的反映了研究区的土地覆盖信息, 显示了本研究分类方法与技术处理在实践中的可行性及250 m 分辨率EVI 时间序列数据在区域尺度土地覆盖分类方面的优势与潜力。     

基于GIS的遥感影像土地利用/土地覆盖信息提取研究——以滇西北香格里拉县为例

在GIS辅助下，基于ETM＋遥感卫星数据，采用分辨率融合提取地物和基于NDVI计算的分区、分层分类以及结合有关地理数据（如DEM、坡度等）基于知识分类方法相结合，通过多步骤信息提取来完成实验区进行土地利用／土地覆盖分类研究，并对分类结果进行精度检验。研究结果表明：该方法不仅消除了单一步骤分类时多类间的相互影响，而且将遥感影像数据与地利信息系统数据有机的结合起来，具有技术操作简单，分类结果理想的特点；对城镇用地、机场用地、水库、湖泊及河流的分类识别精度可达100％，基于知识规则对农村居民地和耕地的提取精度达70％以上，较单一的信息提取方法精度有很大提高。     

基于ETM+影像的扎龙湿地遥感分类研究

通过对扎龙湿地Landsat7 ETM 影像进行计算机自动分类的实验研究，探讨了提高湿地遥感分类精度的方法与途径。实验所采用的首先对遥感影像进行非监督分类，再利用非监督分类生成的分类模板加以修改补充后进行监督分类的方法，经过误差矩阵的精度评价，可以获得研究区湿地遥感分类较高的分类精度。利用上述分类方法对3种ETM 不同波段组合的影像进行具体的遥感分类比较研究发现，选择ETM 7、5、3影像进行分类有助于提高扎龙湿地遥感分类的精度。为了提高湿地遥感分类的精度，还必须运用人机互译判读方法。     

土地利用/土地覆被时空分布100 年数字重建 ——-以大庆市杜尔伯特蒙古族自治县为例

长时间序列的土地利用/ 土地覆被数据是开展全球变化、可持续发展及生态安全等各项研究的重要基础。然而,早期的土地利用/ 土地覆被数据,特别是卫星遥感数据出现之前 的土地利用/ 土地覆被信息通常很难获取。利用TM、MSS 遥感影像数据和地形图、气候、地质、地貌、土壤、植被、水文等自然环境背景图件以及数据,社会经济统计数据等多源数 据,选择大庆市杜尔伯特蒙古族自治县作为典型案例区,在GIS 技术支持下建立了土地利用/ 土地覆被数字重建模型,再现了典型研究区20 世纪30 年代和50 年代土地利用/ 土地覆被空间分布状况。通过野外调查和历史文献资料对土地利用数字重建结果进行精度评价并初步得到以下结论：① 采用逐个图斑跟踪记录的方法对研究区各个时期土地利用/ 覆被变化的敏感 性进行分析,有利于揭示区域土地利用/ 土地覆被变化的规律;② 在定量、定位分析环境背景对土地利用/ 土地覆被分布及其变化的影响基础上,综合判断各种土地利用/ 土地覆被分布概率,其结果可为土地利用数字重建提供依据;③ 对1:10 万地形图提取土地利用信息的可行性与可信度分析表明,地形图中土地利用信息完全能够达到一级土地利用分类精度,同时疏林地、灌木林、沼泽地、盐碱地、沙地等二级分类信息也能获取。     

融合Sentinel-2红边波段和Sentinel-1雷达波段影像的扎龙湿地信息提取

以黑龙江流域中的扎龙湿地及其上游区域为研究区,将Sentinel-2红边波段和Sentinel-1雷达波段影像数据相结合,根据面向对象原理,采用随机森林算法,对研究区的湿地进行遥感分类和信息提取;利用3种特征变量集,进行实验对比,研究红边波段反射率和雷达后向散射系数对湿地信息提取的作用。研究结果表明,红边波段反射率和雷达后向散射系数对土地覆盖分类精度的提高起到了重要作用,两者结合得到的分类结果的总体精度达到了88.72%,Kappa系数为0.87,其中,水体、水田和沼泽的用户精度分别为100%、98.18%和91.37%。利用红边波段和雷达波段影像数据,分别使土地覆盖分类总体精度提高了5.26%和2.51%,红边波段影像数据对沼泽提取精度的提高贡献最大,使生产者精度提高了12.5%。     

中亚土地资源的农业利用

目前摆在中亚各共和国面前的重大任务是增加所有农业产品的生产,解决这一问题在很多方面取决于土地资源的合理利用。中亚地区分为平原和山地。农业生产在这些地区实质上是有区别的。构成平原生产的基