一种基于标记分水岭的高分辨率遥感影像分割方法

为避免分水岭分割高分影像的过分割现象并充分利用高分影像的特点,该文提出一种基于标记的分水岭分割方法,即基于影像先验知识指导分割的原则,对遥感影像进行各向异性扩散平滑滤波后,计算生成融合了光谱和纹理特征的梯度图像;从梯度图像中提取标记重建对象的边缘特征,并执行基于标记的分水岭变换,得到最终的分割结果.实验表明,该方法能够充分利用高分影像的特征信息,并能有效地抑制分水岭过分割现象.     

陕北黄土高原丘陵沟壑区聚落适宜空间模式研究——以米脂县东沟为例

黄土高原丘陵沟壑区是我国西部新型城镇化实践的克难攻坚地,在未厘清地域性特征的情况下,现代城乡规划设计的介入对当地环境和文化产生了较大冲击.以陕北米脂县东沟为例,基于卫星遥感影像、数字高程模型(DEM)等数据,利用格网法揭示东沟地形变化与聚落规模的空间分布特征,借助四象限散点图法和立体网格分维模型测度并评价东沟地形复杂性...     

高分辨率遥感影像多尺度分割参数优化及其在面向对象分类中的应用

分割和分类是面向对象分类方法的2个基本步骤,分割的效果会直接影响分类的精度。因此本研究以福建省平潭岛的SPOT-5高空间分辨的遥感影像为研究数据,利用正交试验的方法探究该区域多尺度分割的最优参数,并建立分类规则进行分类。最后将基于像元的监督分类与面向对象的分类方法进行比较分析,得到的总体精度分别为77.50%和89.00%。结果表明,由于面向对象的分类方法能更充分的利用影像的光谱信息、几何结构和纹理特征,在高空间分辨率的遥感影像分类中更具有发展前景。     

基于特征基元的高分辨率遥感影像城市空间信息提取

结合人类视觉机制和计算机尺度空间理论,设计了基于特征基元的高分辨率遥感影像多尺度信息提取技术模式,即先在大尺度上进行粗分割,再进行精细分割,获得特征基元并进行特征表达,通过样本分类和知识推理等实现信息的提取与目标识别。针对城市空间信息的特点,在特征基元提取的基础上,采用马尔可夫随机场纹理分类方法、直方图阈值分割方法、支撑向量机分类方法等完成对城市水体、建筑区、道路和绿化用地的分类提取,构建了一套从高分辨率遥感影像中提取城市空间信息的方法体系。     

基于NDVI的新疆荒漠地区植被覆盖度遥感估算经验模型研究

新疆荒漠地区植被覆盖度遥感估算模型十分缺乏，给荒漠化监测等相关工作带来很大不便，开展植被覆盖度遥感估算经验模型研究，对于促进和完善相关地区的生态监测及研究工作具有积极的现实意义。通过对阜康市北部沙漠南缘和克拉玛依市中部平原荒漠进行无人机航拍，利用无人机遥感提取（光合）植被信息，并将无人机航拍影像的植被覆盖度统计单元与高分辨率卫星影像像元在空间上直接相对应，获取在高分辨率卫星影像像元尺度上的植被盖度，然后通过植被覆盖度和空间上与其相对应的源自高分辨率卫星影像的NDVI数据的拟合关系，建立基于源自高分二号影像的NDVI的阜康北部沙漠植被覆盖度遥感估算线性模型以及基于源自ZY1-02C影像的NDVI的克拉玛依平原荒漠植被覆盖度遥感估算二次多项式模型。研究中所采用的无人机遥感与卫星遥感相结合、植被覆盖度统计单元与卫星像元在空间上直接对应的方法，可避免以往相关工作中常以点位测量数据代表卫星像元数据所带来的不确定性。由于所用卫星影像的NDVI数据稳定性相对不足等原因，所建立的遥感估算模型的估算精度尚相对偏低，有待于今后进一步的工作加以改进。     

基于长短期记忆网络模型的中分辨率遥感影像变化检测研究

随着遥感数据量的增加,传统变化检测方法难以满足大数据背景下众多应用的需求。为此,该文提出了一种基于长短期记忆网络(LSTM)模型的遥感影像变化检测方法,利用循环神经网络权重共享的优势处理时间序列数据,同时加入长短期记忆网络模型的细胞状态"记忆"影像变化,以解决遥感影像变化检测中的复杂性和困难性。分别利用高光谱影像和多光谱影像进行二分类和多分类实验,从检测地物是否变化到确认变化类型两个层次证明了该方法的可靠性和适用性;相较于传统变化检测方法,该方法的自动化程度和精度有较大程度的提升,为遥感影像变化检测提供了一种新思路。     

基于高空间分辨率遥感影像的湿地信息提取技术研究

如何利用遥感技术获取高精度的湿地信息是湿地遥感研究中的重要内容之一.基于高空间分辨率的遥感影像数据,研究利用面向对象的分类方法,综合利用遥感数据的光谱信息、纹理特征、拓扑关系等信息进行多尺度分割,通过对对象的目视解译建立隶属度函数,并结合最邻近分类法,获取湿地信息.并以福建省闽江口湿地为例,采用高分辨率的SPOT5影像数据,研究表明：利用面向对象的方法对SPOT5遥感影像进行湿地信息的提取精度达到90.40%,为湿地信息的提取又提供了一个有效的方法.     

基于无人机遥感的盛花期薇甘菊爆发点识别与监测

局域尺度上爆发点的识别与监测是薇甘菊（Mikania micrantha）入侵研究的一个难点，无人机遥感为此提供了新的研究手段。采用无人机搭载RGB相机获取研究地的正射影像，采用波段运算、影像分割和深度学习3种方法对盛花期薇甘菊的爆发点进行识别。结果表明：高分辨率的RGB拼接影像可直接用于目视识别薇甘菊的爆发点。过绿指数（EGI）、归一化过绿指数（NEGI）、蓝绿差异指数（BGDI）、绿红差异指数（GRDI）、归一化绿红差异指数（NGRDI）以及植被色素比值指数（PPR）均无法分离薇甘菊和其附主植物；但PPR指数可为面向对象的多尺度分割提供参数支持。面向对象的多尺度分割可自动识别薇甘菊的爆发点，但会低估其爆发面积。基于深度学习（Deeplab V3+）的自动识别方法，能准确识别薇甘菊的爆发点和爆发面积，测试集的平均交并比（mIoU）为78.46%，像素精度为88.62%。无人机遥感数据为局域尺度上的薇甘菊扩散机制研究提供了基础，也为薇甘菊入侵的监测、预警和精准防治提供了有力支撑。     

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。     

基于多尺度层的遥感影像分类问题研究

近年来,基于面向对象的遥感影像分类方法已经被广泛使用,这种方法与传统的基于像元的分类方法相比较,精度较高,是以对象作为分类的最小单元,所以,对于面向对象的分类方法其关键就是如何获取较高精度的对象,本文是在对遥感影像进行不同尺度分割的基础上,得到不同尺度的对象,然后依据对象的分割精度,选择相应尺度再进行分类。实验证明,这种方法可以有效提高遥感影像的分类精度。     

卫星图像中不同水体类型识别研究

在具有高空间分辨率特性的图像上,城市中大型建筑物、道路、河流、湖泊和其他人工地物形状特征和纹理特征清晰可辨。针对高分辨率卫星图像的特点,文章以水体类型识别为例,从卫星数字图像目标地物波谱特征抽取入手,通过图像分类,将水体从背景中分离并予以识别,同时实现像素重组。在区域分割与边界跟踪基础上,对卫星图像进行水体形状特征的抽取与描述,实现不同水体类型的识别。     

遥感影像纹理分析方法研究

影像纹理是遥感影像中的重要信息,原始的光谱信息加上纹理信息可以提高影像的精确性。作为提高影像分类精度的重要方法——纹理分析,合理有效地使用纹理分析方法至关重要。不同的纹理分析方法,不同程度的提高影像分类的精度。目前对影像进行纹理分析的方法主要有：统计方法、结构方法和谱方法3类。分别就3种方法的研究进展、应用情况进行了阐述,最后对影像纹理分析方法3种模式对比研究。     

区域洪水灾害风险格局演变分析——以马来西亚吉兰丹州为例

准确了解区域洪水灾害风险演变状况及规律,对于洪水灾害预警与管理具有重要意义。本文利用1990年和2000年洪水灾害风险等级数据和风险指数数据,分析了10年来区域洪水灾害风险演变规律。研究表明:(1)1990~2000年10年之间,研究区的洪水灾害风险在空间分布格局及时间演变过程上都发生了显著变化。(2)高风险区与较高风险区的面积在增加,较低风险区、中等风险区的面积在逐渐减少,这是区域洪水灾害风险等级结构变化最突出的特征。(3)区域洪水灾害风险等级之间的不对等转化是各种风险等级结构特征发生实质性变化的主要原因。(4)2000年区域洪水灾害风险较1990年高,整个区域洪水灾害风险在增加,但局部地区洪水灾害风险变化不一。(5)区域洪水灾害风险演变的本质就是风险等级类型结构和功能的自组织,对于揭示洪水灾害演变的普遍现象和机制具有重要意义。     

应用遥感技术探测土壤侵蚀的研究进展

在全世界范围内土壤侵蚀对农业生产和水质量都有着负面影响, 因此区域尺度的土壤侵 蚀评估非常重要, 但是它往往会受可收集到观测数据的数量和质量的限制。在过去的30 年中, 遥 感技术已为土壤侵蚀研究提供了多方面有效空间数据, 这些数据常被直接用于探测土壤侵蚀和 土壤侵蚀沉积, 通过辨别土壤侵蚀的总体特征, 可以区分土壤侵蚀区域, 再根据经验评估土壤侵 蚀强度, 获得探测结果。本文介绍了可用于土壤侵蚀研究的多种卫星和传感器及应用遥感数据探 测土壤侵蚀特征, 土壤侵蚀区域和土壤侵蚀沉积的实例。     

断裂构造的遥感研究方法综述

断裂构造是一种基本的构造型式。断裂构造遥感研究是高新探测技术与地球科学的有机结合 ,是断裂构造常规研究方法的有益补充和向纵深拓展的必然趋势。该文从总体思路、具体内容、操作方法等各个不同角度系统地论述了断裂构造遥感研究的现状和发展趋势 ,并在断裂构造信息提取、光谱特征分析、空间结构分析 (包括分形分析 )等方面提出了一些观点。     

1984-2008年北京湿地景观格局驱动机制(英文)

The landscape pattern of Beijing wetlands has undergone a significant change as a result of natural and artificial elements.Supported by remote sensing and GIS technology,using multi-temporal TM images from 1984 to 2008 in Beijing,this paper analyzed the dynamic characteristics of wetlands landscape pattern through selected typical indices including patch area,patch average area,fractal dimension index,diversity,dominance,contagion indices and the spatial centroids of each wetlands type were calculated.Finally,the paper explored the evolution mode and driving factors of wetland landscape pattern.The results were obtained as follows:the total wetland area increased during the period 1984-1996,then decline from 1996 to 2004.The wetland area in 1994 accounted for only 47.37% of that in 2004.The proportion of artificial wetland area was larger than that of natural wetland.The proportion of reservoir wetland was 33.50% to 53.73% and had the maximum average area.pond and paddy field wetland type with the least average area accounted for 16.46% to 45.09% of the total wetland area.The driving forces of the natural river wetland were mainly natural elements;its fractal dimension index was greater than the others.The Shannon diversity index of wetland landscape increased from 1.11 in 1992 to 1.34 in 2004,indicating that the difference between proportions of each wetland type decreased and areas of each wetland type were evenly distributed.The contagion index went down from 65.59 to 58.41,indicating that the connectivity degraded.Miyun Reservoir had the largest area and its area change had a great impact on the location of the centroid.Wetland resources degenerated gradually from the joint effects of natural and artificial factors.During the period 2006-2008,the precipitation increased and the drought condition was relieved.The government implemented series of positive policies to save water resources,and the wetland area increased.     

中国陆地海岸线尺度效应研究(英文)

Spatial scale is a fundamental problem in Geography. Scale effect caused by fractal characteristic of coastline becomes a common focus of coastal zone managers and researchers. In this study, based on DEM and remote sensing images, multi-scale continental coastlines of China were extracted and the fractal characteristic was analyzed. The results are shown as follows. (1) The continental coastline of China fits the fractal model, and the fractal dimension is 1.195. (2) The scale effects with fractal dimensions of coastline have significant differences according to uplift and subsidence segments along the continental coastlines of China. (3) The fractal dimension of coastline has significant spatial heterogeneity according to the coastline types. The fractal dimension of sandy coastline located in Luanhe River plain is 1.109. The dimension of muddy coastline located in northern Jiangsu Plain is 1.059, while that of rocky coastline along southeastern Fujian is 1.293. (4) The length of rocky coastline is affected by scale more than that of muddy and sandy coastline. Since coastline is the conjunction of sea, land and air surface, the study of coastline scale effect is one of the scientific bases for the researches on air-sea-land interaction in multi-scales.     

面向对象的高分辨率影像城市建筑物提取

依据高分辨率遥感影像的特点,采用面向对象方法提出"自下而上"的多尺度分割方法,即按照由小尺度分割至大尺度分割的顺序,并结合掩膜操作对山东师范大学IKONOS影像进行了建筑物提取试验。结果表明,该方法较传统的"自上而下"的尺度分割方法精度有显著改善,其分类结果形状较为规整,更接近实际地物。     

基于卷积神经网络和高分辨率影像的湿地群落遥感分类——以洪河湿地为例

以洪河国家级自然保护区为研究对象,应用卷积神经网络（CNN）方法进行高分辨率湿地遥感影像的分类研究,并与基于光谱支持向量机（SP-SVM）的方法和基于纹理及光谱的支持向量机（TSP-SVM）的方法进行了对比。结果显示,对于所选取的2个研究区域,CNN分类方法的全局精度高于SP-SVM方法5.61%和5%,高于TSP-SVM方法4.18%和4.15%。尤其对于部分湿地植被的分类精度明显高于SP-SVM和TSP-SVM方法。研究表明,卷积神经网络为湿地识别的精细划分提供了有利的手段。