基于高分一号影像的土壤盐渍化信息提取方法

目前土壤盐渍化遥感监测主要使用中低分辨率遥感影像,存在对土壤盐渍化细节信息监测能力不足的问题。通过使用国产"高分一号"卫星高分辨率遥感影像(GF-1 PMS),基于先进的面向对象方法和最大似然法进行了盐渍化信息提取,并比较了两种方法的提取效果,此外,又同Landsat8 OLI的提取结果进行了比较。通过对两种分类方法、两种最新传感器提取结果的比较,可以得出:国产高分一号影像在土壤盐渍化信息提取方面有着巨大的潜力,就提取方法而言,同最大似然法相比,面向对象方法精度更高,更适用于GF-1 PMS影像的盐渍化信息提取,面向对象法的总体精度和Kappa系数为92.94%和0.91,而最大似然法的总体精度和Kappa系数为87.78%和0.77,面向对象方法的精度高出了约5个百分点;就分辨率而言,同Landsat8 OLI影像相比,Landsat8 OLI影像分类精度只有63.47%,而GF-1 PMS高分辨影像分类精度要高很多,盐渍化信息细节描述更充分,可提取出受到盐渍化影响的植被信息,对农田尺度盐渍化遥感监测研究有重要意义,也对拓展国产高分一号影像GF-1 PMS的应用范围是有益的。     

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%。     

面向对象的干旱区盐渍地信息提取方法研究

随着高分辨率遥感影像的广泛应用,面向对象的高分辨率遥感影像信息提取技术得到了迅速发展。本文针对高分辨率遥感影像的盐渍地信息提取,探索了面向对象的信息提取技术运用在盐渍地信息提取方面的最优参数选择和规则建立等关键技术,并且将从ALOS影像中提取盐渍地信息的结果与传统分类方法的提取结果进行对比分析。结果表明,利用面向对象方法的盐渍地信息提取总体精度为89.38%,较传统方法提高8.24%,Kappa系数为0.88,较传统方法提高0.08。该方法能实现较为精确地提取盐渍地信息,在高分辨率遥感影像盐渍地信息提取中具有一定的优势。     

基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究

以民勤绿洲为研究区,以GF-1遥感影像为数据源,采用面向对象的分类方法,结合分层技术,对影像逐级进行分类,以获取植被信息。根据归一化植被指数（NDVI）阈值区分植被与非植被,分割尺度为10;使用归一化水体指数（NDWI）阈值提取非植被中的水体,分割尺度为35;利用野外采样点获取的训练样本,将植被进一步分为耕地、林地和草地,分割尺度为25。总体分类精度达到83.02%,Kappa系数为0.745 1,比较基于象元的监督分类,其总体分类精度为69.37%,Kappa系数为0.497 0,表明面向对象的分类方法在干旱区绿洲植被信息的提取上较传统的基于象元的分类方法更有优势,分类精度更高。     

基于多时相环境一号卫星CCD数据的植被覆盖信息快速提取研究——以长白山地区为例

选取长白山地区为研究区,利用2009年14期环境一号卫星CCD数据,运用非监督分类方法提取了长白山地区2009年植被覆盖信息,对提取结果进行了精度验证并与单期TM数据提取结果进行了对比分析.研究表明,多时相环境一号卫星CCD数据能够快速准确地提取植被覆盖信息,总体精度为84.67％,Kappa系数为0.82,总体精度和单个植被类型精度均高于单时相TM数据;多时相环境一号卫星CCD数据能区分出常绿针叶林和落叶针叶林,且分类结果景观破碎度较低;长白山地区以针阔混交林为主,占区域总面积的40.84％,植被呈明显的垂直地带性分布.     

辅以NDVI/DEM的面向对象木薯提取方法研究——以广西壮族自治区武鸣县为例

木薯作为重要的非粮能源作物,因其种植分散、与易混淆作物缺乏生长时相差,从而导致其种植分布信息难以正确获取,一直是困扰木薯乙醇资源正确评估的技术问题。该研究以广西壮族自治区武鸣县为研究区,应用高分辨率RapidEye影像数据,探讨利用面向对象分类方法合理提取木薯种植面积及其空间分布信息。研究表明,将归一化植被指数(NDVI)和数字高程数据(DEM)应用于遥感影像的多尺度分割,并结合基于隶属度函数和阈值的面向对象分类方法,提取木薯种植面积的精度达85%,分类精度(以Kappa系数表示)为0.9。相比最大似然监督分类方法和未辅以NDVI/DEM的面向对象分类方法,该方法的总精度分别提高了5%和12%,Kappa系数分别提高了0.2和0.3。因此,NDVI和DEM数据参与影像分割的面向对象的信息提取方法,可以有效地提高遥感图像分类的精度,并为提取种植分散、与相关植被时相差异小的作物的空间分布提供了有效的技术借鉴。     

ALOS融合影像质量评价及其土地盐渍化应用研究

将经过配准的同一地区不同空间分辨率和光谱分辨率的遥感影像进行融合是提高土地覆盖/土地利用分析精度的有效途径。采用PCA、IHS、HPF和小波变换融合法对内蒙古杭锦后旗中部地区的ALOS全色和多光谱影像进行融合,并对融合结果进行了定性和定量评价。基于地物光谱特征、解译标志和监督分类法提取试验区土地盐渍化信息,比较多光谱影像和融合影像的土地盐渍化信息提取精度。结果显示,PCA、IHS和HPF融合影像的空间细节表现能力得到提升,而PCA和小波变换融合影像的光谱保真度优于IHS和HPF融合影像;PCA融合影像的盐渍化分类精度、总分类精度和Kappa系数均为最高,是最适于试验区土地盐渍化分类研究的融合方法。     

基于GF-1遥感影像的艾比湖区域田间尺度土壤盐渍化监测方法

土壤盐渍化是制约农业生产和发展的主要障碍。目前土壤盐渍化的遥感监测主要基于中、低分辨率卫星影像,并采用传统的基于像元分类方法,对盐渍化信息的细节描述不足,监测精度不高。本文使用国产GF-1影像,结合自上而下的多尺度分割技术和面向对象的信息提取技术,针对田间尺度下的盐渍化信息进行精确地提取、分类,并与传统分类方法进行了对比。结果表明：面向对象法和最大似然法的分类总体精度分别为92.72%和84.31%,Kappa系数分别为0.90和0.78。该技术能准确提取田间尺度下的盐渍地信息,在未来的农田盐渍化高精度监测研究中具有一定应用价值和发展潜力。     

基于面向对象方法和多时相HJ-1影像的湿地遥感分类——以完达山以北三江平原为例

以中国东北地区完达山以北三江平原(下简称小三江平原)为研究对象,利用2010年多时相HJ-1A卫星和HJ-1B卫星CCD影像作为分类数据源,结合野外调查数据,应用多尺度分割算法,根据影像的丰富信息和物候、时相等特征,采用面向对象的分类方法,进行小三江平原的湿地遥感分类。结果表明,湿地二级分类的总体精度为85.45%,总体Kappa系数为0.81。小三江平原湿地主要分布在低洼地区,总面积为9084.16km2;其中,天然湿地面积为2635.09km2,人工湿地面积为6449.07km2。集中分布的水田是小三江平原最主要的景观类型;天然湿地主要分布在自然保护区、河岸附近和国界周围;其中,草本沼泽面积最大。本研究表明,面向对象的分类方法能够有效利用遥感影像提供的丰富信息,产生较高的分类精度;对于中分辨率遥感影像不同分割尺度的组合使用有利于湿地信息的提取。降雨量较多、较少月份影像的选取和物候规律的利用是提取湿地信息的关键。多时相遥感影像数据的使用,改善了洪泛湿地和森林沼泽的分类效果,尤其是水田边界的划分;同时可以提高湿地分类精度。基于面向对象的遥感方法,利用多时相的中分辨率遥感影像,能够获取较高精度的湿地分布信息,是一种成本较低且行之有效的技术手段。     

基于纹理和地形辅助的山区土地利用信息提取研究

山区地物类型复杂多样,传统计算机分类难以有效克服"同物异谱"或"同谱异物"等现象,分类后"椒盐现象"严重。该文以川西南攀枝花市的部分山区为实验区,使用IKONOS高分辨率遥感影像,采用面向对象分类方法,在ERDAS9.2、ENVI4.8和eCognition8.0等软件平台支持下,以多尺度分割后的对象为单元,辅以纹理特征、形状因子、地形因子等特征参与分类过程,实现了对实验区土地利用信息的提取。研究表明,基于纹理和地形辅助的面向对象分类方法能对山区土地利用信息进行快速、准确地提取,并在分类精度和分类准确性方面均较传统监督分类方法有较大提升:分类总体精度达到90.57%,较传统监督分类提高17.75%;Kappa系数达到0.8892,较传统分类提高了0.1875;各类型土地的分类面积准确率都在90%以上,与实地调研地类面积更为接近。     

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。     

面向对象的湿地景观遥感分类——以杭州湾南岸地区为例

在ENVIEX软件的Feature Extraction平台上,利用LandsatTM影像数据,采用面向对象方法对杭州湾南岸地区湿地景观进行遥感影像分类;通过与基于最大似然法、人工神经网络法、支持向量机法等传统像元方法的相应分类结果进行比较,系统分析了面向对象方法在中低分辨率遥感影像的湿地景观生态分类中的有效性。研究结果表明:①较之单一依据像元光谱值进行分类的传统方法,面向对象方法综合考虑了对象的光谱、空间、纹理、色彩等多种属性特征,因而对于类型复杂多样、分布界限模糊、光谱混淆与混合像元现象严重的沿海滩涂、湖泊、河流等湿地景观具有更好的鉴别能力,也因此获得更高的分类精度(研究区景观分类总精度为88.80%,Kappa系数为0.8765);②面向对象方法在分类中提取的是由同质性像元组成的"对象",且在合理的影像分割下得到的对象破碎化程度较低,因而能在较大程度上减小分类结果中的"椒盐噪声"干扰;而基于像元方法提取的景观类型以离散像元形式组成,难以清晰表征景观的边界、形状等信息,所以分类结果中会有明显的噪声现象;③影像分割在运用面向对象方法进行遥感影像分类过程中具有重要影响,实验结果表明,60%的分割尺度和归并尺度组合较有利于中低分辨率影像的遥感分类;④面向对象分类过程中诸如影像分割精度的评价、最优分割尺度的选取、特征空间的优化等问题,则有待今后进一步探讨。     

基于遥感时序特征的地表覆被信息提取

地表覆被作为自然过程和人类活动共同作用的重要地表景观特征,对全球或局地气候、水热循环、物质传输及陆面生态系统多样性等影响深远。利用年内时序遥感影像自动提取不同地表覆被类型的方法,以新疆阜康地区为研究目标,组织2016年植被全生长季的Landsat 8 OLI地表反射时序影像,研究不同物候期植被冠层的纹理响应信息,考察研究区典型地表覆被类型在3—11月多波段波谱、归一化植被指数(NDVI)及增强型植被指数(EVI)的时序特征,构建提取地表覆被类型的策略规则,形成时序特征匹配方法,将其应用于2018年研究区地表覆被填图的提取。最后,基于高分辨率卫星影像和野外实地调查对随机选取的2500个样点进行对比验证。结果表明:提取结果和验证数据一致性较好,总体精度为97.2%,Kappa系数为0.9655,且实地考查结果显示本方法在复播作物识别和有效降低单一时相中“异物同谱”现象上展示潜在优势。     

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。     

An Evaluation of an Object-Oriented Paradigm for Land Use/Land Cover Classification∗

Object-oriented image classification has tremendous potential to improve classification accuracies of land use and land cover (LULC), yet its benefits have only been minimally tested in peer-reviewed studies. We aim to quantify the benefits of an object-oriented method over a traditional pixel-based method for the mixed urban–suburban–agricultural landscape surrounding Gettysburg, Pennsylvania. To do so, we compared a traditional pixel-based classification using maximum likelihood to the object-oriented image classification paradigm embedded in eCognition Professional 4.0 software. This object-oriented paradigm has at least four components not typically used in pixel-based classification: (1) the segmentation procedure, (2) nearest neighbor classifier, (3) the integration of expert knowledge, and (4) feature space optimization. We evaluated each of these components individually to determine the source of any improvement in classification accuracy. We found that the combination of segmentation into image objects, the nearest neighbor classifier, and integration of expert knowledge yields substantially improved classification accuracy for the scene compared to a traditional pixel-based method. However, with the exception of feature space optimization, little or no improvement in classification accuracy is achieved by each of these strategies individually.     

基于MODIS数据的北京西北部地区土地覆盖分类研究

本文主要基于MODIS 16天合成的NDVI时间序列数据、8天合成 LST数据、1∶5万DEM数据以及其他辅助数据相结合,进行北京西北部地区土地覆盖分类的研究。首先选取适合于MODIS数据分类的土地覆盖分类系统,然后用PCA方法对NDVI时间序列数据进行信息增强与压缩处理,以排除各种干扰因素,提高分类精度。最后结合LST数据、DEM数据及降雨温度数据,利用?齂-均值非监督分类法,进行研究区的土地覆盖分类,经过分类后处理,得到北京西北部地区的土地覆盖分类图。分类结果表明,使用250m分辨率MODIS数据,结合本文所用方法,能够实现较大区域的土地覆盖分类,并且能达到较高的分类精度。     

2015—2020年中国土地利用变化遥感制图及时空特征分析

持续地开展国家尺度土地利用/覆盖变化遥感监测对于新时代国土空间规划和“美丽中国”蓝图绘制具有重要的科学价值。本文采用Landsat 8 OLI、GF-2等卫星遥感数据,融合遥感大数据云计算和专家知识辅助人机交互解译方法,研发了中国土地利用变化（2015—2020年）和2020年土地利用现状矢量数据（CLUD 2020）,建立了完整的30 a（20世纪80年代末—2020年）每隔5 a的30 m分辨率中国土地利用动态数据库。基于CLUD 2020数据,从全国和区域两个尺度揭示了2015—2020年中国土地利用变化的总体规律、区域分异和主要特征。研究表明：将遥感大数据云计算生成的30 m分辨率植被覆盖变化和地表类型变化检测信息融入到人机交互遥感解译方法,可有效地提高大范围土地利用变化遥感制图的效率和变化图斑辨识的准确性;精度评价表明,CLUD 2020一级类型制图的综合精度达95%。总体上,全国范围内国土空间开发强度与2010—2015年比较进入相对稳定状态。期间全国耕地面积仍保持减少态势,空间分异特征为耕地南减北增,东北松嫩平原及其与三江平原交界区大规模的旱地向水田转移,西北新疆南部开垦和北部退耕/撂荒并存;全国城乡建设用地持续增加,空间分异特征表现为由以往的沿海地区和超大、大城市集聚转向中西部地区的大中小城镇周边蔓延为主。全国范围的林草自然生态用地面积持续减少,但强度与2010—2015年比较有所下降;受气候变化的持续影响,青藏高原地区的河流湖泊等水域面积显著增加。以上土地利用变化格局与“十三五”期间国家高质量发展、生态文明建设宏观战略和气候变化的影响密切相关。     

分区控制和分层提取下的OMIS-I影像土地利用/覆盖分类方法研究

针对宜兴试验区128波段OMIS—Ⅰ机载成像光谱数据,在平原区、山区分区基础上建立多级分层决策树综合分类方法。通过该方法可实现对土地利用／覆盖一级类（林地、园地、水域、耕地）自动分类,精度达88．15％,Kappa指数为0．82,园地漏分率最高（20．23％）,耕地漏分率最低（2．24％）;耕地、林地、园地、水域的错分率分别为21．87％、21．98％、0．66％、0。土地利用／覆盖二级分类也可采用分层自动分类,其总体精度达86．16％,Kappa指数为0．81。采用土地利用矢量数据辅助和人工目视解译对部分二级类别进行细分,可获得更加可靠的分类结果。研究表明,分区控制下的多级分层决策树综合分类方法应用于OMIS—Ⅰ高光谱影像土地利用／覆盖分类,具有可操作性和较高的精度。     

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。     

基于光谱和纹理特征的ALOS影像土地利用信息提取

针对高分辨率遥感影像易于反映地物纹理特征的特点,综合利用地物的光谱和纹理特征进行分类,探讨适用于ALOS影像的土地利用信息提取方法。以川东丘陵地区影像为例,基于GLCM提取纹理信息,将提取的纹理特征向量采用赋权值法融合为一个综合纹理信息波段,然后采用面向对象法将其与光谱特征信息共同参与分类。与最大似然法的提取结果对比表明,考虑了纹理特征的面向对象分类方法能明显提高分类精度,Kappa精度提高了0.12;避免了椒盐现象,分割的地类边界具有更好的语义表达,更贴合地物实际分布特征;建筑用地和林地具有明显的纹理特征,而旱地纹理特征不明显。该方法不仅分出了6个基本地物类型,而且对于林地、建筑用地等类型还能进一步细分。