基于知识规则的遥感影像土地利用分类研究

以重庆北碚主城区为研究区域,提出一种基于遥感影像的光谱特征、灰度共生矩阵纹理特征和形状特征建立知识规则的方法,对该研究区进行土地利用分类。对QuickBird卫星影像进行分辨率融合,重点分析典型地物的光谱特征和纹理特征,并根据形状特征建立形状指数,综合上述知识建立提取规则对地物进行自动分类。分类结果表明,该方法能够消除单纯利用光谱信息分类的不足,有效解决地物混分现象,达到了较高的分类精度。     

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Landsat8影像时间序列NDVI的作物种植结构提取

为提高内蒙古平原灌区作物种植结构遥感监测精度和效率，提出一种基于时序NDVI曲线的作物种植结构提取方法。以内蒙古土默特右旗平原区为研究区域，以2015年覆盖作物生育期的多时相Landsat影像为数据源，根据不同地物其NDVI值范围不同，将研究区地表分为植被覆盖地表，无植被覆盖地表和水体3类。在植被覆盖区域内，根据林地和荒草地时序NDVI曲线特征，提取林地和荒草地，其余区域即为农田。根据小麦、玉米、葵花和西葫芦的时间序列NDVI曲线特征差异构建分类决策树模型，在农田区域内提取上述作物的空间种植分布信息。研究区各类地物及作物遥感提取面积与实际统计面积接近，土地利用分类总体精度达到85.71%，作物分类总体精度达到82.69%。研究结果表明该方法提取作物种植信息的精度较高，能够实现区域作物种植信息的高效准确监测。     

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。     

利用遥感信息决策树方法分层提取荒漠化土地类型的研究探讨

选择甘肃省民勤县绿洲作为典型荒漠化区域,根据荒漠化土地分类体系确定决策树的结构及各类地物在树形中的位置。基于各类地物的光谱反射特性和图象数据反映的综合特征,采取相应的识别和提取方法,以最大限度地利用遥感数据源。对于非荒漠化土地分类,利用土壤调节植被指数、阈值数字信号统计可以分离成一类树枝;而重点讨论的3种荒漠化土地类型的分层分类,则相继采用光谱特征提取、几何特征提取、纹理特征提取、监督分类以及植被指数等复合识别指标进行分枝。结果表明:利用决策树分层提取法可以有效地排除和避免提取地物时所有多余信息的干扰及影响,目标明确。同时,为提高分类的精度,开展野外遥感调查和特征分析是极其重要的。     

基于LandSat8 OLI数据的山区阴影信息检测与提取

为快速获取山区遥感影像上的阴影干扰区域,探究一种简便、高效、精确的遥感影像中阴影干扰区域的方法,具有重要的意义。以福建省长汀县为研究区域,搜集2016年3月美国陆地卫星影像数据与ASTER影像计算的GDEM V2产品。基于土地利用分类体系测量的6类地面物体光谱信息与影像波段信息,优选影像的光谱波段并重新组合;选取Sinh函数与Max函数建立c!算法,对LandSat8 OLI影像进行差异化计算,通过二分式判别规则初步提取阴影区域;加入由数字高程模型计算的坡度信息,剔除水域与坡度较为平缓的地物等干扰信息,精确提取山区阴影区域。设立网格随机设置精度验证点验证精度,最终总体精度达到99.06%,Kappa系数为0.98。结果表明,实验方法对于LandSat8 OLI影像提取阴影可行性高,检测效果与提取结果较c3算法与SVI指数更好。     

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。     

结合多尺度纹理的高分辨率遥感影像决策树分类

地物具有多尺度特点,遥感影像包含的地物纹理信息很难用单一尺度来描述。通过选择最佳纹理尺度组合,利用光谱数据结合多尺度纹理对高分辨率影像进行决策树分类。研究结果表明:结合多尺度纹理的高分辨遥感影像决策树分类,能够更好地描述地物并有效解决光谱数据分类中存在的地物破碎问题,其分类精度为81.7%,kap-pa系数为0.78;与光谱数据分类和结合单尺度纹理数据分类结果比较,分类精度分别提高了11.2%和6%,该方法有助于提高高分辨率影像的分类精度。     

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MODIS NDVI时序数列的柴达木盆地土地覆盖分类研究

以2003年柴达木盆地的MODIS卫星遥感影像为基础数据,结合野外实地考察资料,综合分析了2003年柴达木盆地的植被指数时间变化与空间分布特征,提取了该年度该区域各主要土地覆盖类型NDVI的时序数列曲线,采用NDVI时序数列变化曲线形状匹配方法对柴达木盆地进行了土地覆盖类型分类.在此基础上使用了将以月为单位的变化曲线转换为十二维空间中的单位向量,比较向量夹角以决定其相似度的先进算法,取得了良好的分类效果,获得了2003年柴达木盆地比较精确的土地覆盖分类图.提出了利用MODIS卫星遥感影像进行土地覆盖分类的新方法.     

应用数字地形模型提高山地遥感数据自动分类精度

山地地区自然环境复杂多变,山地遥感有着与平原遥感不同的特点。一般地说,山地遥感数据自动分类精度低于平原地区。对于地面分辨率较低的数据如陆地卫星的多光谱扫描(MSS)数据尤其如此。提高土地覆盖自动分类精度,是发展有效的山地遥感方法的重要内容之一。它对于调查和评价山地自然环境、资源和土地利用状况,规划和开发山区,发展山区经济是十分有益的。 在目视判读中,提高山地遥感分类精度的重要途径,是利用地理相关信息。但在遥     

IKONOS影像在城市绿地提取中的应用

本文以南京城市为例 ,重点讨论了基于IKONOS影像的城市绿地信息分级分类提取方法 ,通过将IKONOS多光谱数据合成 ,根据各类地物的不同光谱特征 ,采取相应的方法提取出各层信息。在此过程中 ,仔细分析地物间在IKONOS 4个波段中的光谱差异 ,非线性增强阴影区绿地的NDVI值 ,利用光谱差异分层提取、剔除信息 ,最后把各分级绿地信息合并得到整体绿地分布图。分级分类法充分考虑各类目标的不同特点 ,避免了通常单一分类方法中单纯利用光谱特征所造成的地物混分现象。     

基于混合像元分类的城市地表覆盖时空演变格局研究

基于可能性理论和中心点聚类方法的原理,提出可能性C中心点(PCRMDD)聚类方法.运用该法对上海市中心城区Landsat ETM+遥感影像进行混合像元分类,并自动获取地物端元盖度分布图及影像端元光谱,解混精度的检验结果表明该方法能在噪声环境下获得精度较高的分类结果和端元光谱信息.根据各时期研究区域的地表覆盖分类结果,应用GIS空间分析功能,进一步探讨在城市化过程中上海中心城区土地利用时空演变格局,揭示城市用地空间扩展模式.     

澜沧江流域云南段景观格局分析

流域作为一个特殊的地理生态环境区域,流域景观空间格局状况是进行流域环境资源管理的基础依据。针对澜沧江-湄公河国际河流上游云南段,基于遥感监测所获得的土地覆盖斑块信息,就该地区景观格局进行分析研究。初步结果表明：研究区内景观类型丰富,不同景观类型斑块大小的平均水平,以及斑块密度差异明显;山区早地斑块景观,作为人类驱动影响的直观外在表现,它对本流域山区景观格局具有主导作用。     

基于高分一号影像的土地覆被分类方法初探

高分一号是我国发射的第一颗高分辨率卫星,其包含地物信息较为丰富,较多的应用于土地覆被分类中,但高分影像普遍存在基于像元分类精度稍低的问题,为了提高遥感影像的分类精度,基于高分一号影像,以新疆艾比湖湿地保护区为研究样区进行土地覆被分类研究。利用灰度共生矩阵方法提取图像的纹理信息,并将结果作为参数量输入到支持向量机(SVM)分类器中,将研究结果与传统的SVM分类及最大似然分类法作对比分析可得:辅以纹理特征的SVM分类方法可更好的区分地物信息,分类精度高达93.64%;传统的SVM分类精度为92.27%;最大似然分类为87.90%;因地制宜的开展辅以纹理特征的SVM分类方法是提高土地覆被监测精度的有效手段。     

基于多尺度融合的高分辨率影像城市用地分类

基于面向对象的信息提取技术,针对高空间分辨率遥感影像进行城市用地分类。首先针对不同城市地物,选择适宜的提取尺度;然后探讨不同城市地物类型提取的适宜特征,充分利用光谱、空间结构、上下文关系、纹理等信息描述地物;最后融合不同地物多尺度下的提取结果。以北京市部分地区QuickBird影像为例,实现城市用地类型的自动分类,结果表明:该方法应用于城市用地分类的精度高达86.74%,为高空间分辨率遥感影像城市用地分类研究提供了新思路。     

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。