Landsat-8多时相遥感影像亚热带森林分类

森林类型遥感影像自动制图在森林资源调查中有重要应用,本文以广西壮族自治区金秀县为研究区,基于多时相的Landsat-8数据,采用面向对象的决策树分类方法,对研究区森林类型自动识别进行了研究,分类结果表明:1)单一时相影像森林分类精度中,生长季前期最高,生长季末期次之,非生长季最冷月最低;2)结合生长季与非生长季的多时相影像森林类型自动识别精度较单一时相影像显著提高。     

结合光谱和纹理特征的林地变更检测

开展林地变更调查，能够为森林执法督察、林地"一张图"更新等提供精准的空间信息和属性信息，对于林业资源的监测管理具有重要意义。针对大范围多时相遥感影像人工勾绘变化图斑耗时费力的现状，提出一种结合光谱和纹理特征的林地变更检测方法，并以灵山县东北部为例，利用20171209和20180201两个时期的高分二号遥感影像进行试验。结果表明，该方法在减少人力投入、降低时间成本的基础上，不仅将遥感影像的变化检测效率提高了一半以上，同时能达到77%以上的检测准确率，在森林资源普查中具有一定的应用价值。     

一种基于矢量数据的遥感影像变化检测方法

为克服多时相遥感影像变化检测因成像季节、拍摄角度等因素产生的误差,针对影像变化通常少于未变化的情况,提出了一种利用旧时相矢量图与新时相影像进行变化检测的方法。利用旧时相带有类别信息的矢量约束,对新时相遥感影像进行细分割获得图斑,对图斑提取光谱、纹理等特征,通过主成分变换构建特征集,在类别的约束下,应用孤立森林计算图斑的变化指数,避免了传统变化指数计算方法因引入易受变化图斑干扰的值而产生的误差,同时,依据贝叶斯方法自动获取各地物类别的变化阈值,进而获得变化图斑。选取高分1号等数据分别进行两组实验,通过对比马氏距离与孤立森林方法,验证了采用矢量图与孤立森林方法进行变化检测的有效性,实验结果的正确率分别为0.923 5及0.931 8。     

基于随机森林的第三次国土调查可行性分析——以水体为例

全国第三次国土调查的一个重要步骤为内业勾绘图斑,需要大量的人力、物力及财力来支撑.利用目视解译的方法进行内业图斑的勾绘,不仅费时费力,而且需要作业人员具有一定的遥感图像解译经验从而满足图斑勾绘的进度及精度.因而,针对全国第三次国土调查,本文基于随机森林的分类方法探讨遥感图像分类的精度是否可以满足全国第三次国土调查图斑勾绘的精度,主要以水体为例.通过利用目视解译的成果来验证随机森林分类的精度,结果表明,随机森林分类的总体精度为91.45％,Kappa系数为0.66,因而,利用随机森林的分类方法可以满足全国第三次国土调查的精度,并且可以精度较高地提取遥感图像中的水体.     

基于ArcPy与定制ArcToolbox的矿山新增图斑自动编号及方法改进

针对当前矿山遥感监测成果数据编制过程中出现的新增矿山图斑手动编号耗时长、易出错以及规范不明确的问题,基于成果数据提交技术要求的分析结果,实现全流程、自动化地对新增矿山图斑进行编号并将该过程进行可视化。该流程通过ArcPy站点包实现矢量数据分割、排序、编号以及写入等一系列操作过程;并利用ArcToolbox的定制功能,对该一体化全流程进行封装与可视化,提高其交互性与有效性;并针对ArcPy内部原有的空间排序方式的不完善之处,提出并实现了矿山图斑排序方法的改进。通过对不同县市几十至近千个图斑进行编号验证,自动编号的速度能够达到每秒数十个,且编号效率随着图斑数量的增加而提高。实验结果表明该全流程自动化功能可以为矿山遥感监测成果数据编制工作提供有效支撑,显著降低编号过程的工作量,提高工作效率,并对其他大量、重复性的遥感监测图斑编号具有适用性。     

无证矿山图斑信息的自动提取方法研究

为了自动快速提取无证矿山图斑信息,首先利用面向对象的技术对遥感影像进行分类,获取包括植被、水体、道路、居民地及裸地等分类成果图;然后通过图像差值变化检测方法对变化图斑进行提取,得到面向对象分类的二值图。在此基础上,叠加已有的矿权资料,获得疑似无证矿山图斑信息。最后通过目视判读和野外验证的方法对提取的疑似无证矿山图斑进行筛选,最终确认无证矿山图斑。从本文的研究结果来看,结合变化检测的面向对象分类方法对目标图斑的提取具有一定的可行性.     

迁移学习支持下的遥感影像对象级分类样本自动选择方法

面向遥感大范围应用的目标,自动化程度仍是遥感影像分类面临的重要问题,样本的人工选择难以适应当前土地覆盖信息自动化提取的实际应用需求。为了构建一套基于先验知识的遥感影像全自动分类流程,本文将空间信息挖掘技术引入到遥感信息提取过程中,提出了一种面向遥感影像对象级分类的样本自动选择方法。该方法通过变化检测将不变地物标示在新的目标影像上,并将过去解译的地物类别知识迁移至新的影像上,建立新的特征与地物关系,从而完成历史专题数据辅助下目标影像的自动化的对象级分类。实验结果表明,在已有历史专题层的图斑知识指导下,该方法能有效地自动选择适用于新影像分类的可靠样本,获得较好的信息提取效果,提高了对象级分类的效率。     

基于面向对象变化向量分析法的遥感影像森林变化检测

为探讨用于森林资源数据库更新的森林变化空间信息采集方法,以林地变化频繁快速、变化图斑多且小的广西上思县局部区域为研究区,以资源三号(ZY-3)和高分一号(GF-1)高空间分辨率卫星遥感图像和小班专题图为数据源,采用面向对象的变化向量分析(change vector analysis,CVA)方法,基于马氏距离、欧氏距离和相对误差距离度量变化强度,通过目标函数确定最佳检测阈值,以小班为单元进行森林变化检测。结果表明,用欧氏距离、马氏距离检测的森林变化结果都不甚理想,漏检率和误检率高,总体精度较低,Kappa系数较小;用相对误差距离检测的结果较好,漏检率(21.0%)和误检率(32.5%)均最小,总体精度最高(89.6%),Kappa系数最大(0.664);误检测的图斑多为成林地和无林地(建设用地、林区道路等),各个变化类型都出现了少量漏检图斑。     

高空间分辨率遥感影像下的违法用地变化检测

遥感影像时间、空间分辨率的逐渐提高和图像识别技术的发展,使基于高分辨率遥感影像进行自动、准确、快速的违法用地检测成为可能。本文利用高空间分辨率遥感影像,提出了一种基于地物分布特性的违法用地变化检测方法,将违法用地判别特征知识融入变化检测模型,实现违法用地变化信息自动提取。选取广州市从化街口地区为研究区域,试验结果表明该方法能够辅助应用人员在大范围内快速地定位疑似违章用地图斑,提高生产效率,取得较好的应用效果。     

利用动态遥感技术监测太原市土地变更情况

应用动态遥感技术对太原市土地利用动态变化信息进行了监测研究,通过对单一遥感数据、多源遥感数据组合、多源遥感数据融合等监测精度的分析,实现了在不同环境下利用不同遥感数据源完成土地利用动态变化监测、核查变更调查的目的;实现了遥感监测与详查变更调查数据的衔接; 确立了遥感数据在动态变化监测与调查中的可用性,监测变化图斑与详查图斑的可比性     

基于高分辨率遥感影像的林地变化检测方法研究

本文采用2013年QuickBird和2017年GF-1卫星遥感影像,以黑龙江省五常市为研究区,利用遥感影像的光谱特征提取纯净森林像元,构建整合森林指数(Integrated Forest Z-Score,IFZ)对影像的森林和非森林区域进行区分,叠加对比分析两期影像提取结果,得到研究区内林地的变化区域.再将自动提取结果与人工判读图斑进行精度验证,面积误差为4.2％,图斑重叠率为85％.从精度结果可知,高分辨遥感影像可以准确地监测林地变化,对研究环境变化和森林经营管理具有决策性作用.     

基于多样性特征协同技术的飓风前后森林破坏遥感监测

对被飓风破坏的森林进行变化监测与灾害评估是遥感技术的一个重要应用,遥感影像的特征信息提取对森林遥感监测的效果至关重要。多样性特征结合可以有效提高对森林变化的监测精度。然而,当前的空间信息如纹理特征的获取算法依旧保留着传统的固定式计算模式,一直面临着特征数量和邻域参考范围之间难以均衡的问题。为了解决以上问题,本文提出了基于多样性特征协同技术的飓风前后森林破坏遥感监测方法,首先计算出森林遥感影像变化前后的归一化植被指数差值和增强植被指数差值,并提出了基于复合窗口技术的来提取纹理特征,然后建立了多样性特性结合模型;其次提出了一种基于特征分离的旋转森林改进算法,最终,实现了内泽尔森林在暴风前后的高精度变化监测;另外,还测试了新模型在不同训练样本数量下的分类性能。实验结果表明,相对传统的基于光谱特征和单纯的纹理特征的变化监测方法,本文所提出的方法的整体精度、对变化区域和未变化区域的检测精度至多分别提高了3.68%、6.53%和3.46%。本文的研究方法可以有效提高森林变化监测的性能,为森林灾害评估与森林资源保护提供参考依据。     

动态监测变化信息提取

在土地利用遥感动态监测变化信息提取过程中,利用自动发现方法得到的变化图斑灰度值是分布在一定范围内的,为了能高效地提取出区域变化信息,利用Photoshop图像处理技术,将变化图斑及其背景二值化,并利用本文提出的似四邻域边界矢量化算法进行自动矢量化处理.然后,对比其它方法处理得到的变化信息对提取的矢量边界进行编辑处理,提高数据室内处理精度.     

基于GF-2影像融合方法的棉花种植面积提取

首先,针对研究区GF-2影像进行Brovey变换、G-S变换、NNDpansharp变换、PC变换4种融合,对融合结果进行定量评价;其次,利用随机森林分类方法对研究区作物进行分类,并进行精度验证,提出了研究区域农作物信息。结果表明：1)对研究区进行4种方法融合,提高遥感影像分辨率;2)从评价结果可知,4种融合影像中,NNDpansharp融合影像质量最佳。分类结果说明,NNDpansharp融合影像的随机森林分类总精度和Kappa系数最高,该方法和结果可为农业部门将高分二号遥感影像融合提取棉花面积方法提供选择性参考。     

基于Landsat5-TM遥感影像植被监测方法研究

针对Landsat5-TM遥感影像植被监测方法进行了研究,采用了变化向量分析方法,通过分析采用绿度指数GVI和垂直植被指数PVI来进行植被检测,并通过最大类间方差进行阈值的选取,采用Landsat5-TM遥感影像数据进行了试验,通过变化检测分类图和变化类别图斑统计的方法对结果进行了评价,变化检测分类精度较高。     

基于融合的高分辨率遥感影像变化检测

提出一种融合分类后比较法和差异影像法的多时相高分辨率遥感影像变化检测方法.以相关系数为理论基础,通过分析差异影像直方图,确定未发生变化的区域,保证两个时相间样本的一致性.分类后比较法能够提供变化类型信息,差异影像法能够有效检测变化区域,二者的有效融合能够产生一种精确且有变化类型信息的变化检测方法.针对高分辨率遥感影像,以图斑为基本分析单元,结合差异影像法和支持向量机分类后比较法进行实验,结果表明差异影像的引入能够有效去除分类后比较法产生的伪变化信息,支持向量机分类后比较法能消除因成像条件差异而产生的伪变化信息,两种变化检测结果的有效结合能够提高变化检测结果精度,准确反映变化类型.     

遥感监测图斑自动赋值技术研究

在充分剖析遥感监测图斑属性结构的基础上,研究总结了基于字段计算器、基于几何位置和基于空间关系3种自动赋值方式的实现过程,并利用研究成果编写了自动赋值程序。实验结果表明,该程序可对大批量图斑进行快速赋值,为土地利用变更调查遥感监测数据自动化赋值提供了一套行之有效的解决方案。     

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。     

土地利用动态遥感监测外业调查记录表自动填写技术研究

土地利用外业调查工作是核实变化图斑范围、类型和面积的重要环节,在整个遥感监测工作中起着承上启下的作用,利用高分辨遥感数据进行年度或若干年度变化监测,每个县平均能检测的图斑数以千计,采用以往人机交互方式填写外业记录表,工作量大、易出错且极易造成图表内容的不一致。本文以国土资源部土地利用动态研究为基础,在对外业调查记录表各表项进行详细分析的基础上,探索了外业调查记录表自动填写技术,并编程实现了部分表项的计算机自动填写。     

一种深度卷积神经网络土地利用场景照片的分类方法

国土调查多角度实景举证照片具有视角多、分辨率高、层次丰富和剖面清晰的特点，透视且细致地刻画了土地利用图斑赋存状况和场景，弥补了遥感影像单一天顶视角的不足。本文基于语义分割提出了一种深度卷积神经网络（DCNN）实景照片土地利用场景分类方法，多语义标记照片场景，语义组合智能判定照片土地利用类别。该方法成功地应用在第三次国土调查照片自动核查工作中，减轻了人工判读工作量，提高了土地利用场景自动识别的精度。