融合遥感影像光谱和纹理特征的矿区林地信息变化监测

以某超贫钒钛磁铁矿为例,基于Landsat TM/OLI数据,首先利用相关性分析和单因素方差分析法(one-way ANOVA),结合林地与其他地物的光谱、纹理特征差异,筛选了提取林地信息的最佳光谱和纹理波段;其次,融合光谱纹理特征,利用支持向量机法获取了林地的空间分布信息。结果表明,基于OLI数据光谱和纹理特征的林地提取精度达85.51%,较基于单一光谱特征的提取精度提高5.0%,且基于OLI数据的提取精度整体优于TM数据。统计显示,2015年矿区林地覆盖面积为103.26km2,较2001年减少14.21km2,超贫钒钛磁铁矿采区和尾矿库的迅速扩展是造成林地覆盖减少的主要原因。该文为获取矿区林地空间分布信息提供了一种新的方法与思路,为矿区林业资源监测提供了技术支持。     

干旱区TM图像蚀变信息提取方法研究

围岩蚀变是成矿作用发生的重要标志之一,从遥感图像中提取蚀变信息是遥感找矿的难点和重要手段。遥感TM数据以其丰富的光谱和连续的空间信息被广泛地应用在地质找矿中,在分析TM影像数据的光谱特征的基础上,根据岩矿光谱特征和遥感信息提取理论,利用全波段主成份分析,选择主成份分析和比值增强、主成份分析相结合的直接主成份法分别对研究区进行了提取,并进行了对比分析和探讨,最终表明直接主成份分析在干旱区可以起到良好的应用效果。     

基于混合光谱理论的太湖水体叶绿素a浓度提取

TM图象多波段数据作为遥感监测水体叶绿素a浓度的数据源,已有多种遥感定量模型与之对应,但主要还是以经验模型为主。利用TM数据首先采用特征波段比值方法,建立太湖水体合适的叶绿素a浓度反演的遥感定量模型。由于经验模型的缺陷性,还提出了基于TM数据的水体混合光谱分析模型,同时分析了端元光谱提取方法对模型求解的影响。通过计算叶绿素a浓度模型估算结果与实地测量数据的相关系数和均方根误差(RMSE),可以发现混合光谱分析模型也是水体叶绿素a浓度遥感估算的另一条佳径。     

基于NDWI的海南岛西部沙漠化信息自动提取方法研究

分析海南岛西部沙漠化土地的光谱特征,主要表现为沙漠化土地整体反射光谱率偏高,在TM3和TM5波段表现尤其突出,反射光谱曲线的波峰形态也比其他背景地物更为明显。选择能较好反映沙漠化土地的植被信息（TM4）和土壤水分信息(TM5)的波段,经波段运算得出归一化水指数（NDWI）,用以自动提取沙漠化土地信息。运用海南岛西部典型沙漠化区域对该方法进行了精度检验,结果表明,利用NDWI自动提取沙漠化土地信息是可行的,正确率达到89.71％。为快速自动提取沙漠化土地信息提供了一种新思路,以期能更快捷地为沙漠化治理决策提供准确的时空变化信息和科学依据。     

土壤盐渍化遥感应用研究进展

文章从地面数据的调查、盐渍土影象的目视判读特征、光谱特征和土壤盐渍化区域的植被特征以及多光谱、高光谱遥感技术等方面综述国内外应用遥感数据探测土壤盐渍化程度及其制图的研究。利用数字图象并结合野外调查数据进行目视解译和计算机自动解译、图象变换提取盐渍土信息;结合G IS方法在分类中加入非遥感数据来提高分类精度;在研究盐渍土的光谱特征的基础上应用高光谱技术定量或半定量地提取盐渍土信息。这都是制定综合治理措施、决定土地利用方向的关键,也是进行区域土壤盐渍化动态预报的重要依据。     

干旱区土壤盐渍化遥感监测方法研究

准确提取盐渍化信息对土壤盐渍化监测和研究盐渍化动态变化具有重要意义。先对除去TM6含有6个多光谱波段的TM图像分别做主成分、缨帽变换，然后在对遥感数据和其派生数据分析和实验的基础上，得出TM数据的可见光和近红外波段之一和第三主成分及缨帽变换后的绿度特征做彩色合成能较好的揭示土壤盐渍化信息，TM数据多光谱波段的选取依研究区而定，此方法的效果受土壤含水量的影响。最后对合成图像分类得出了研究区盐渍地的数量和分布情况。     

基于影象融合的干旱区城镇居民地信息提取研究

针对TM多波段图象中城镇居民地与裸地光谱特征相似难以准确提取城镇居民地信息的问题,利用雷达图象对居民地信息的敏感性,采用HIS变换方法,融合了2003年西安地区的Landsat TM和Radarsat SAR影象,并对融合影象做二类监督分类提取出城镇居民地信息,结果显示与TM图象监督分类相比,融合后的图象能很好地消除裸地对城镇居民地提取影响,其精度可达到84.21%,大大高于由TM多光谱影象监督分类所得到的精度71.79%,为提取干旱区城镇居民地信息提供一种新方法。     

龙口市城镇聚落空间信息提取与动态变化研究

以胶东半岛龙口市为研究区域，利用1983年地形图、Landsat 1992.6和2002.6两个时期的TM影像，首先分析了该区域城镇聚落的影像特征，研究了城镇聚落及其背景地物的光谱特征，并探讨了它们在光谱特征上的可分性；然后分析并建立了基于光谱特征和形状特征的简单决策树模型，对研究区域城镇聚落信息进行了提取。在此基础上，简要分析了胶东半岛龙口市近20年来，城镇聚落动态变化的特点。     

多源多时相遥感数据在冬小麦识别中的应用研究

当前基于多时相遥感数据进行作物识别时往往只用到了单一的数据源,未能充分利用作物的时相特征和光谱特征.该文以胶东半岛为例,在冬小麦识别研究中采用一种基于多源多时相遥感数据的方法,利用MODIS NDVI产品和TM数据将冬小麦的时相特征识别与光谱特征识别充分结合.首先,基于4个时相的MODIS NDVI产品影像生成冬小麦掩膜,将冬小麦与其他作物区分开;然后将冬小麦掩膜应用于TM影像,并通过TM光谱识别的方法提取冬小麦,冬小麦识别精度达92.39%.     

基于遥感的策勒绿洲土地利用／土地覆盖变化信息提取方法的研究

利用遥感技术对区域性土地利用／土地覆盖类型进行动态监测，定量提取变化信息目前是资源环境科学重要研究领域之一，但是已有的变化信息提取方法存在种种缺陷。基于这些问题，选择策勒绿洲为重点研究靶区，利用两个时相同一季相的TM和XI－SPOT图像数据，先对两个图像分别进行了图像预处理，选取控制点精确配准，然后采用主成份分析和光谱特征变异相结合的方法来提取1990－1998年间的土地利用／土地覆盖变化信息。与以往方法相比，该方法不仅可以直接获得土地利用／土地覆盖变化信息的类型与数量，实现过程简单、清楚，可操作性强；亦可有效避免以往方法中存在较多的一些问题。     

甘肃省玛曲县沼泽湿地遥感监测与动态变化分析

利用2000年和2006年TM影像数据、地面调查资料和气象台站观测数据,对玛曲县沼泽湿地进行了目视解译分析,对比研究了非监督分类、监督分类和专家分类的精度,初步探讨了玛曲沼泽湿地退化的原因。结果表明,该县沼泽湿地面积从2000年的19598．67hm^2减少到2006年的14080．80hm^2,沼泽湿地面积平均年递减率为4．69％。非监督分类结果由于受山体阴影、坡向、云的阴影等影响,多分误差高,总分类精度仅为31％;监督分类的总精度为54．1％;专家分类的总精度高达84．2％。因此,专家分类可以用于对玛曲县沼泽湿地的监测和自动提取。草场不合理利用和过度放牧是导致玛曲县沼泽湿地退化的主要原因,黄河干流、各支流径流量减少是导致流域内沼泽湿地退化的直接原因,当地气候变暖促进了这一过程的发生。     

五家渠猛进水库及周边地区地物光谱遥感数据分析

要充分利用多光谱遥感数据,地面资料是必不可少的,其中最重要的是需要有具有代表性的地表光谱数据库。作者通过对研究区实地测量,初步建立了地表光谱数据库,并且利用猛进水库地物反射光谱季节的观测资料和TM影像资料获取的地面反射率数据构成的归一化植被指数(NDVI)等进行分析,结果显示:水体、草滩和水泥路的反射光谱各有特点,易于从波段组合来区别各种地物。     

江苏沿海互花米草盐沼动态变化及影响因素研究

收集1988～2001年12个时相的江苏盐城幅卫星影像，提取双洋河口至梁垛河闸之间的互花米草盐沼，统计不同时期的分布信息。分析表明：互花米草盐沼在江苏扩张非常迅速，到2001年7月互花米草盐沼分布面积达129．28km^2,从射阳河口至梁垛河闸之间的潮间中上带泥滩大部分已被互花米草盐沼所覆盖；由于生态位的影响，互花米草盐沼沿平行于海岸线方向扩张速度快于垂直于海岸线方向的扩张速度；依据野外调查和卫星影像分析，互花米草盐沼扩张可分为立地、快速扩张及成熟3个阶段。此外，还对互花米草盐沼的影响因素进行了探讨。     

基于多维度遥感影像的洪河国家级自然保护区沼泽湿地分类方法研究

以洪河国家级自然保护区为研究区,选取了多时相的Sentinel-1B和Sentinel-2A影像为数据源,制定出9种多时相主被动遥感数据组合方案,用于沼泽湿地遥感分类;分别对根据9种方案整合的多维数据集,进行基于尺度继承的多尺度分割,得到面向对象的分割影像,建立与不同方案对应的特征数据集;采用随机森林机器学习算法,对多维特征数据集进行特征优化,并进行参数调优,构建沼泽植物的最优遥感识别模型,实现对沼泽湿地中地物的识别与分类。研究结果表明,采用递归特征消除(recursive feature elimination,RFE)算法的变量优选和采样随机森林的参数调优,可以优化随机森林模型,显著减少数据冗余,整合多时相主被动遥感数据方案九的随机森林模型的最佳参数mtry和ntree分别为4和1500,模型训练精度为93.06%,Kappa系数为0.916,其模型训练精度在所有方案中最高;经过变量优选得到最佳特征变量组合,交叉极化方式的后向散射系数(Mean_VH)对于沼泽分类的重要性比同向极化方式的后向散射系数(Mean_VV)高;光谱特征是遥感图像分类的最主要特征,其中,红光和绿光波段(Mean_R和Mean_G)、多光谱红边波段(Mean_REG1和Mean_REG2)、近红外波段1(Mean_NIR1)、红边植被指数(CIgreen和CIreg)都对分类具有较高的重要性;纹理特征熵(GLCM_Entro、GLCM_Ent2)和位置特征像元坐标(X_Min_Pxl和Y_Max_Pxl)对沼泽湿地分类也起到重要作用,相对于其它特征,形状特征对分类的贡献性较小;利用方案九的数据得到的分类结果的总体分类精度为94.42%,主被动遥感数据的特征变量和不同时相的特征变量都对分类做出重要贡献,其中,6月的多光谱特征变量的贡献大于9月的变量;9月的SAR特征变量的贡献大于6月的变量;对分类贡献最大的9月的特征变量为多光谱红边波段2(Mean_REG2),对分类贡献最大的6月的特征变量为绿光波段(Mean_G);融合多时相主被动遥感数据源,可以将不同数据源、不同时相对分类具有较大贡献的特征变量集合在一起,充分利用光谱信息和雷达数据反映的结构信息,构建多维度最佳特征变量组合方案,有效提高沼泽湿地分类精度。     

卫星遥感影像中耕地信息的自动提取方法研究

以县（市区）为基本单位，采用遥感图像处理ENVI3.2软件和TM资料，进行了7个县（市区）10个时相的耕地信息自动提取技术研究，结果证明，选择春季时相，TM432波段合成，经几何校正和增强处理，通过交互的非监督分类提取耕地信息，可以获得满意的结果，平均分类精度达到98.22%。     

基于TM数据的太湖叶绿素A浓度定量反演

利用TM(ETM)数据与准实时地面采样数据,建立太湖叶绿素浓度反演模型。结果表明,TM3/(TM1+TM4)与叶绿素A浓度的相关性最好,并以此建立了太湖叶绿素A浓度线性反演模型,但反演精度并不高,因此,建立了一个两层BP神经网络模型反演太湖的叶绿素A浓度,结果表明,神经网络模型的反演精度远高于线性反演模型,16个测试样本表明,神经网络模型反演的相对误差小于30%的有15个点,占总测试样本93.75%,而线性反演模型反演相对误差在30%以下的仅有3个点,这表明对于太湖这样一个光谱特征复杂的二类水体,可以利用神经网络模型反演水质参数。     

黄河黑山峡无植被区的地表组成物质遥感信息模型

下垫面物质组成是土壤侵蚀模型最主要的输入参数。应用遥感技术提取无植被地区下垫面物质组成信息对于研究大面积土壤侵蚀是非常重要的。黄河黑山峡地区地形复杂,加之裸土、沙漠和岩石光谱的相似性与复杂性,使遥感技术在该地区的应用受到限制,但是由于地形起伏、岩石风化及表面粗糙度等因素的影响,石质山地纹理明显。综合了光谱和纹理信息特征,本文提出光谱归一化方法,并将归一化的光谱与纹理信息相结合构建了石质山地指数(RMI),应用归一化光谱进一步得到沙漠指数(DI),实现石质山地、沙漠与裸土分离。结果表明,该方法提高了信息提取的精度。