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。     

平面影像到QTM像元的转换算法及精度分析

平面影像数据到四元三角网(Quaternary Triangular Mesh,QTM)像元的转换是实现全球QTM格网影像无缝建模的首要任务。提出基于面积权的数据转换方法,给出不同类型的权重及格网值的计算,并利用ArcGIS中256级灰度的Wsiearth.tif图像数据分析了转换精度。结果表明:将4 km分辨率的影像数据转换到12层的QTM像元时,转换误差在0~2灰度内占96.27%,对一般应用的影响可以忽略不计。     

空间尺度转换数据精度评价的准则和方法

空间尺度问题是地理学、生态学和水文学等多个学科的基础科学问题之一。空间数据尺度转换是将数据从一个空间尺度转换到另一个空间尺度的过程, 它是尺度科学研究的重要内容之一。对尺度转换后的成果数据深入分析, 提炼尺度转换成果数据精度评价的原则、指标以及模型方法, 这对正确选择和应用尺度转换成果数据具有重要意义。在详细评述尺度和尺度转换研究概念、内容和主要进展的基础上, 本文主要从数据处理、地图学角度出发, 提出了空间数据尺度转换精度评价的3 项基本准则, 即保持构成信息守恒、保持面积信息守恒、保持区域空间格局和形态信息守恒。继而据此将当前常见的指标进行了梳理和归并;根据上述准则和指标, 结合GIS 方法、常规统计方法、地统计方法等, 给出了上述评价指标的计算模型及其应用方法和典型案例。最后指出, 在实际应用中需结合研究目标, 针对性选择尺度转换效应函数, 通过开展模型模拟和对比分析, 最终确定合适的尺度转换方法。     

一种新的遥感影象快速分类器

1 引言在遥感影象数据分析中,最重要的任务之一就是把影象数据分成不同的地物类型,如土壤、水体和岩石等。在与政策有关的情况下,可能还需要诸如淹没面积,某种作物面积或海岸线长度这样一些准确的定量信息。这种准确的定量信息只有通过使用模式识别(PR)法则才能获得(Tou和Gonzales 1974)。实际上,影象分类是在纯场地和纯象元基础两种情况下实现的。纯场地分类,是将一个小的均一地区(一组彼此相邻的象元)看作所有象元均具有某种状况来进行分类。这类分类器最适于农田和林地的分类,因为就农田和林地的开阔性来说均一区     

邻域算法在景观分析中的应用

景观过渡带是景观空间异质性较高的地区,在分析中经常需要从中提取不同类型区的界线,确定相应的范围。提出一种基于邻域概念的简易算法,根据分界线两侧景观的显著差异,在非特定方向上对连续或者离散的景观单元进行类型判定,依据界线的位置特征和类型隶属上的双重属性设定临界值,在此基础上得到判定条件下的单元,消去孤立分布的单元后,经格式转换求出分界线。本文以首都圈景观为例,给出这种算法的明确步骤,解析出地貌分界线,检验了这种方法的准确程度,简要讨论这种方法的特点和适用性,并在其他景观分析中进行推广验证。这种算法能够确定两种复杂分布类型之间的界线,适用于划分农牧交错区,提取地貌分界线和谷缘线等分析。     

国家测绘局发布418幅地图供免费下载

网络地图越来越受到人们的欢迎，但是网上“问题地图”也时有出现。国家测绘局列出了现有网络地图存在的几个问题：一是把我国的大片领土画到国外。二是漏绘、错绘我国南海诸岛、钓鱼岛、赤尾屿等重要岛屿。三是地图上有涉及国家秘密的内容。四是没有正确表示台湾是中国的一个省。五是没有正确表示中国地图的国界线，有的随意扩大我国版图范围，有的将省级行政区域界线错绘成国界线等等。     

利用卫片编制新疆中小比例尺土地利用图的方法探讨

新疆幅员辽阔,资源丰富,自然环境复杂,用常规方法进行土地利用状况的地面调查,所需时间长,费用高,劳动强度大,有些地方无法实测。利用卫片编制各种专业图件是近年来国内外研究手段的重大改革和突破。在我国绝大部分地区,计算机成图还未普及,有相当一部分专业人员在卫片制图上还是靠目视编绘,因卫片存有多中心误差,不少人存有无法措手之感。本文从卫片编图的实际出发,结合新疆情况,根据制图原理,分析了卫片象元信息、影象图案与土地利用图斑的关系,讨论了如何从卫片上确定土地利用类型界线。为能直接利用     

应用“北京一号”遥感数据计算官厅水库库滨带植被覆盖度

“北京一号”卫星是拥有多方面技术优势的一颗对地观测小卫星。本文在运用“北京一号”、SPOT5、QuickBird遥感图像对官厅水库库滨带植被覆盖度进行综合监测的基础上,对三种不同分辨率的遥感图像进行基于统计的尺度转换,并应用尺度转换的结果修正了“北京一号”图像提取的植被覆盖度。经检验,运用SPOT5和QuickBird图像对“北京一号”图像进行像元分解,将统计结果与“北京一号”图像的提取信息建立统计模型,应用该统计模型可以有效地提高“北京一号”图像提取植被覆盖度的精度。对湿生植被进行样方调查,结果证明运用像元分解和统计模型的方法使“北京一号”提取植被覆盖度的精度较运用植被指数转换模型的计算精度提高了22.7%。应用该方法可以更有效地运用“北京一号”遥感数据进行连续、大面积的植被监测。     

尺度转换思想的内涵及价值分析研究

地理事物具有较强的复杂性和层级性,地理学习中需要学生能够准确有效地把握信息、重构知识.尺度思想是地理学中的重要指导思想,尺度转换能够帮助学生从不同层面认识地理事象.本文着眼于时间尺度转换、空间尺度转换以及时空尺度转换,通过课堂教学中典型案例的剖析,揭示尺度转换思想对于地理教学的促进作用.     

土壤碳库研究中土壤数据从矢量到栅格的等精度转换

矢量数据转换成栅格数据是多数区域土壤碳库研究中数据准备的关键步骤。本研究以太湖地区1:5万、1:50万、1:400万3个比例尺土壤矢量数据库为基础,分别转成不同分辨率的栅格数据;基于不同比例尺和栅格分辨率数据,研究水稻土表层(0～20cm)的土壤类型数量、面积、有机碳储量以及有机碳密度变化,并以矢量数据获得的这4个指标为基准,用相对变异百分数(VIV)来判别不同栅格数据与其对应比例尺土壤矢量数据之间的精度差异。结果表明,在4个指标的|VIV|<1%前提下,3个比例尺矢量数据分别转换成0.2km×0.2km、1km×1km、9km×9km的栅格数据,既保证数据转换过程中精度要求,又避免了数据冗余。土壤数据比例尺与栅格分辨率等精度转换对应关系可描述为y=0.0225x-0.01233(R²=0.999),对区域土壤碳循环研究具有重要参考价值。     

仿射变换法在航天MSS数据变换中的应用

航天MSS数据数字纠正、MSS图象复盖地图资料、遥感图象配置区界的模拟试验等结果表明,仿射变换法可分别满足平地与山区1:25万和1:100万的地理制图的精度要求。     

基于遥感数据的元江县植被/土地利用类型研究

元江县山区面积占全县总面积的96．8％，垂直高差达2253m，地形复杂，植被类型存在明显的垂直分布。只用一个解译体系来解译这一有较大差异地区的影像是有困难的。因此本研究为提高影像解译的准确性，在对2002年2月9日覆盖元江全景的TM卫星影像进行数据校正、影像融合、影像分层、计算机自动监督分类的基础上，利用全球卫星定位系统(GPS)，结合野外踏察及地形图、土地利用相关信息对机读结果进行目视检验和GIS分析校正，最终划分出18类植被类型、9类土地利用类型。判读结果经检验，土地利用的判读精度为84．2％，植被类型的判读精度为80．6％。     

生态环境遥感综合系列制图方法

提出生态环境遥感综合系列制图方法, 采用GPS、RS、GIS相结合, 在野外综合考察与遥感影像综合判读的基础上, 利用GPS定位和GIS数据采集、分析与处理的方法技术, 在室内先生成综合性的生态环境单元轮廓界线图, 并列表记录其类型及其编码, 然后自动演绎派生出生态环境类型图及各要素专题地图。全文包括三个部分:1生态环境遥感综合系列制图的科学依据与基本方法;2生态环境遥感综合系列制图的具体方法和步骤;3结论。该方法不仅保证了生态环境综合系列地图的统一协调和科学质量, 而且大大加快了成图速度, 使系列地图更好地反映生态环境各要素之间的相互联系, 便于各地图的比较分析与综合评价, 尤其为生态环境信息系统和其他地理信息系统基本单元及其数据库的建立提供了最有效的方法。     

Sensitivity analysis of a decision tree classification to input data errors using a general Monte Carlo error sensitivity model

We analysed the sensitivity of a decision tree derived forest type mapping to simulated data errors in input digital elevation model (DEM), geology and remotely sensed (Landsat Thematic Mapper) variables. We used a stochastic Monte Carlo simulation model coupled with a one‐at‐a‐time approach. The DEM error was assumed to be spatially autocorrelated with its magnitude being a percentage of the elevation value. The error of categorical geology data was assumed to be positional and limited to boundary areas. The Landsat data error was assumed to be spatially random following a Gaussian distribution. Each layer was perturbed using its error model with increasing levels of error, and the effect on the forest type mapping was assessed. The results of the three sensitivity analyses were markedly different, with the classification being most sensitive to the DEM error, than to the Landsat data errors, but with only a limited sensitivity to the geology data error used. A linear increase in error resulted in non‐linear increases in effect for the DEM and Landsat errors, while it was linear for geology. As an example, a DEM error of as small as ±2% reduced the overall test accuracy by more than 2%. More importantly, the same uncertainty level has caused nearly 10% of the study area to change its initial class assignment at each perturbation, on average. A spatial assessment of the sensitivities indicates that most of the pixel changes occurred within those forest classes expected to be more sensitive to data error. In addition to characterising the effect of errors on forest type mapping using decision trees, this study has demonstrated the generality of employing Monte Carlo analysis for the sensitivity and uncertainty analysis of categorical outputs that have distinctive characteristics from that of numerical outputs.     

广东省1:50万TM假彩色卫星影像图的研制

介绍采用两种不同投影系统的卫星资料制作１：５０万ＴＭ卫星影像图的基本工艺及关键技术,（１０对ＴＭ卫星底片进行密度测定和反差分析,（２）卫星像片平面位置误差赋和控制;（３）卫星像片彩色合成色调协调一致控制,在此基础上分析论述了ＴＭ卫星影像图的特点及其在地理学上的应用。     

Linking pesticides and human health: A geographic information system (GIS) and Landsat remote sensing method to estimate agricultural pesticide exposure

Accurate pesticide exposure estimation is integral to epidemiologic studies elucidating the role of pesticides in human health. Humans can be exposed to pesticides via residential proximity to agricultural pesticide applications (drift). We present an improved geographic information system (GIS) and remote sensing method, the Landsat method, to estimate agricultural pesticide exposure through matching pesticide applications to crops classified from temporally concurrent Landsat satellite remote sensing images in California. The image classification method utilizes Normalized Difference Vegetation Index (NDVI) values in a combined maximum likelihood classification and per-field (using segments) approach. Pesticide exposure is estimated according to pesticide-treated crop fields intersecting 500 m buffers around geocoded locations (e.g., residences) in a GIS. Study results demonstrate that the Landsat method can improve GIS-based pesticide exposure estimation by matching more pesticide applications to crops (especially temporary crops) classified using temporally concurrent Landsat images compared to the standard method that relies on infrequently updated land use survey (LUS) crop data. The Landsat method can be used in epidemiologic studies to reconstruct past individual-level exposure to specific pesticides according to where individuals are located.     

长江口水域多光谱遥感水深反演模型研究

利用Landsat-7 ETM 遥感影像反射率和实测水深值之间的相关性可以探测水深。该文介绍单波段、双波段比值和多波段3种线性回归模型以及动量BP人工神经网络水深反演模型。选择长江口北港河道上段作为研究区,利用上述模型,分两种情况进行水深反演:一是以河道全部历史样本建模;二是将河道按自然水深划分为浅水区和深水区分别建模。结果表明:神经网络模型预测精度高于线性回归模型;水深分区后线性回归和神经网络模型预测误差均有所减小。     

Increasing the spatial resolution of agricultural land cover maps using a Hopfield neural network

Land cover class composition of remotely sensed image pixels can be estimated using soft classification techniques increasingly available in many GIS packages. However, their output provides no indication of how such classes are distributed spatially within the instantaneous field of view represented by the pixel. Techniques that attempt to provide an improved spatial representation of land cover have been developed, but not tested on the difficult task of mapping from real satellite imagery. The authors investigated the use of a Hopfield neural network technique to map the spatial distributions of classes reliably using information of pixel composition determined from soft classification previously. The approach involved designing the energy function to produce a ‘best guess’ prediction of the spatial distribution of class components in each pixel. In previous studies, the authors described the application of the technique to target identification, pattern prediction and land cover mapping at the sub-pixel scale, but only for simulated imagery. We now show how the approach can be applied to Landsat Thematic Mapper (TM) agriculture imagery to derive accurate estimates of land cover and reduce the uncertainty inherent in such imagery. The technique was applied to Landsat TM imagery of small-scale agriculture in Greece and largescale agriculture near Leicester, UK. The resultant maps provided an accurate and improved representation of the land covers studied, with RMS errors for the Landsat imagery of the order of 0.1 in the new fine resolution map recorded. The results showed that the neural network represents a simple efficient tool for mapping land cover from operational satellite sensor imagery and can deliver requisite results and improvements over traditional techniques for the GIS analysis of practical remotely sensed imagery at the sub pixel scale.     

基于GIS制作遥感影像地图的研究与实践

遥感与地理信息系统一体化是科学技术发展的趋势,遥感影像地图是现代地图发展的新图型。本文介绍了基于CITYSTAR进行遥感影像地图编制的研究和实践,阐述了其工艺过程和关键技术,并以厦门和达竹两个例子说明具体的工作方法与步骤。     

Modeling Sensitivity to Accuracy in Classified Imagery: A Study of Areal Interpolation by Dasymetric Mapping*

Areal interpolation is the process by which data collected from one set of zonal units can be estimated for another zonal division of the same space that shares few or no boundaries with the first. In previous research, we outlined the use of dasymetric mapping for areal interpolation and showed it to be the most accurate method tested. There we used control information derived from classified satellite imagery to parameterize the dasymetric method, but because such data are rife with errors, here we extend the work to examine the sensitivity of the population estimates to error in the classified imagery. Results show the population estimates by dasymetric mapping to be largely insensitive to the errors of classification in the Landsat image when compared with the other methods tested. The dasymetric method deteriorates to the accuracy of the next worst estimate only when 40% error occurs in the classified image, a level of error that may easily be bettered within most remote sensing projects.