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。     

机载成像光谱数据预处理方法研究--以江苏宜兴市为例

该文基于土地利用／土地覆盖分类目的,对国产128波段的宜兴市机载成像光谱数据进行了数据导入、镜像变换、辐射畸变纠正、相对反射率转换和几何精纠正以及多航带间的镶嵌试验研究。通过分析发现：经验线性法定标效果明显好于其他两种定标方法;图像精纠正后多条带镶嵌图能够与土地利用现状数据库较好吻合。     

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。     

分区控制和分层提取下的OMIS-I影像土地利用/覆盖分类方法研究

针对宜兴试验区128波段OMIS—Ⅰ机载成像光谱数据,在平原区、山区分区基础上建立多级分层决策树综合分类方法。通过该方法可实现对土地利用／覆盖一级类（林地、园地、水域、耕地）自动分类,精度达88．15％,Kappa指数为0．82,园地漏分率最高（20．23％）,耕地漏分率最低（2．24％）;耕地、林地、园地、水域的错分率分别为21．87％、21．98％、0．66％、0。土地利用／覆盖二级分类也可采用分层自动分类,其总体精度达86．16％,Kappa指数为0．81。采用土地利用矢量数据辅助和人工目视解译对部分二级类别进行细分,可获得更加可靠的分类结果。研究表明,分区控制下的多级分层决策树综合分类方法应用于OMIS—Ⅰ高光谱影像土地利用／覆盖分类,具有可操作性和较高的精度。     

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。     

澜沧江流域山区土地覆盖多级遥感分类方法研究

遥感监测土地覆盖是对流域综合开发所引起的有关土地利用状况改变的有效监督控制手段,土地覆盖分类专题信息提取是遥感监测研究的重要内容之一。针对澜沧江流域遥感监测项目,探讨基于地物光谱响应曲线分析提取山区士地覆盖的多级遥感分类方法应用研究。结果表明,基于具体研究区域的典型地物样点光谱响应曲线分析,在多波段间组织设计有关提取具体研究区域土地覆盖类间可分离性明显的算法,分离并提取特定研究区域土地覆盖主要类型,然后再通过结合多级遥感分类方法的应用,可较之单一依靠自动模式识别方法或单一利用目视解译方法获得诸多优越之处和更符合实际的分类效果,是种适合于山区土地覆盖监测的有效、可行而又相对操作简单的方法。     

Landsat 8 OLI影像新增特征对土地覆盖遥感分类的影响分析

本研究针对OLI影像在辐射分辨率、近红外波段和全色波段的光谱范围以及波段数量等方面进行的调整,与ETM+进行比较分析,探究其对土地覆盖遥感分类的影响。实验发现:1)辐射分辨率的提高有利于地类之间的区分,进而提高分类的总体精度;2)近红外波段范围的调整有利于识别水体边界,对分类总体精度影响不大;3)新增的深蓝波段可明显提高水体、不透水层的分类精度,进而提高总体分类精度,卷云波段的加入不利于地类之间的区分,降低分类精度;4)全色波段范围的收窄可明显提高林草地、耕地的分类精度,裸土的分类精度也有所提高,有利于区分植被与非植被信息。研究结果能够推广OLI影像的使用,并对应用OLI影像进行土地覆盖分类具有借鉴意义。     

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。     

融合Sentinel-2红边波段和Sentinel-1雷达波段影像的扎龙湿地信息提取

以黑龙江流域中的扎龙湿地及其上游区域为研究区,将Sentinel-2红边波段和Sentinel-1雷达波段影像数据相结合,根据面向对象原理,采用随机森林算法,对研究区的湿地进行遥感分类和信息提取;利用3种特征变量集,进行实验对比,研究红边波段反射率和雷达后向散射系数对湿地信息提取的作用。研究结果表明,红边波段反射率和雷达后向散射系数对土地覆盖分类精度的提高起到了重要作用,两者结合得到的分类结果的总体精度达到了88.72%,Kappa系数为0.87,其中,水体、水田和沼泽的用户精度分别为100%、98.18%和91.37%。利用红边波段和雷达波段影像数据,分别使土地覆盖分类总体精度提高了5.26%和2.51%,红边波段影像数据对沼泽提取精度的提高贡献最大,使生产者精度提高了12.5%。     

考虑湿地精细分类的全球海岸带土地利用/ 覆盖遥感分类系统

土地利用/覆盖分类是土地利用/覆盖数据建立和土地利用/覆盖变化研究的重要前提。针对全球海岸带土地利用/覆盖类型多样性显著但分类系统鲜有专论的研究现状,从全球海岸带区域的基本特征出发,重点参考《湿地公约》以及区域至全球尺度的湿地分类系统,严格遵循预先定义的分类依据以及分类原则,提出全球海岸带土地利用/覆盖遥感分类系统,包括6个一级类型,分别为耕地、植被、湿地、建设用地、裸地、永久性冰川雪地,20个二级类型和43个三级类型,比较系统且全面地涵盖了全球海岸带区域的土地利用/覆盖类型和湿地资源。该分类系统层次清晰且分类严格,综合考虑了宏观区域至全球尺度海岸带土地利用/覆盖分类及变化特征遥感监测研究所需,充分重视了全球沿海区域丰富多样的湿地资源,明确强调了全球高纬度地区苔原类型的归属及分类,合理兼顾了低、中、高不同时空分辨率卫星数据的优势,为建立多时相全球或代表性区域海岸带土地利用/覆盖变化数据集提供支持。     

基于MODIS 数据的长江三角洲地区土地覆盖分类

长江三角洲地区是我国经济最发达的地区之一, 人类活动对自然环境产生了很大影响。为了研究该地区人类活动与生态环境的相互作用, 利用250 m 分辨率MODIS 数据进行土地 覆盖制图研究, 采用的主要数据为增强型植被指数EVI 数据、反射率数据和DEM 数据。通过基于时间序列的滤波方法消除EVI 的噪声, 通过PCA 变换压缩数据量, 并计算均质度来表征空间维的纹理信息, 构造了一个综合性的分类数据矩阵, 依据高分辨率影像选取了训练区, 采用最大似然法进行分类, 并采用缓冲区分析技术进行分类修正, 得到长江三角洲地区的土地覆盖分类结果。利用高分辨率影像解译信息对分类结果进行了精度评价, 并将分类结果与 MODIS 土地覆盖产品进行了对比, 精度分析表明分类结果很好的反映了研究区的土地覆盖信息, 显示了本研究分类方法与技术处理在实践中的可行性及250 m 分辨率EVI 时间序列数据在区域尺度土地覆盖分类方面的优势与潜力。     

From Land Cover to Land Use: A Methodology for Efficient Land Use Mapping over Large Areas

Land use information over large areas is increasingly important for many studies related to environment in general and global change in particular. Yet there is a dearth of methodological knowledge in this area, especially regarding the practical task of producing land use maps. In this article, a systematic land use mapping approach is developed, based on land cover maps that in turn are produced through remote sensing. The concept is based on the recognition of varying strengths of land cover (LC) – land use (LU) relationships, from the thematic and spatial points of view. Several categories of relationships are identified, ranging from direct (case 1) to multiple/complex (case 4), and appropriate mapping strategies are discussed for these cases. Using a mapping study in Lebanon, it is shown that the principles embodied in this approach correspond to issues and conditions in real mapping situations. Finally, the concepts are translated into a series of steps through which the method can be applied to large areas, taking into consideration the specific requirements and constraints of each case. The final land use map represents an acceptable compromise between accuracy, level of detail, and cost.     

Large-scale land cover mapping with the integration of multi-source information based on the Dempster–Shafer theory

Land cover type is a crucial parameter that is required for various land surface models that simulate water and carbon cycles, ecosystem dynamics, and climate change. Many land use/land cover maps used in recent years have been derived from field investigations and remote-sensing observations. However, no land cover map that is derived from a single source (such as satellite observation) properly meets the needs of land surface simulation in China. This article presents a decision-fuse method to produce a higher-accuracy land cover map by combining multi-source local data based on the Dempster–Shafer (D–S) evidence theory. A practical evidence generation scheme was used to integrate multi-source land cover classification information. The basic probability values of the input data were obtained from literature reviews and expert knowledge. A Multi-source Integrated Chinese Land Cover (MICLCover) map was generated by combining multi-source land cover/land use classification maps including a 1:1,000,000 vegetation map, a 1:100,000 land use map for the year 2000, a 1:1,000,000 swamp-wetland map, a glacier map, and a Moderate-Resolution Imaging Spectroradiometer land cover map for China in 2001 (MODIS2001). The merit of this new map is that it uses a common classification system (the International Geosphere-Biosphere Programme (IGBP) land cover classification system), and it has a unified 1 km resolution. The accuracy of the new map was validated by a hybrid procedure. The validation results show great improvement in accuracy for the MICLCover map. The local-scale visual comparison validations for three regions show that the MICLCover map provides more spatial details on land cover at the local scale compared with other popular land cover products. The improvement in accuracy is true for all classes but particularly for cropland, urban, glacier, wetland, and water body classes. Validation by comparison with the China Forestry Scientific Data Center (CFSDC)–Forest Inventory Data (FID) data shows that overall forest accuracies in five provinces increased to between 42.19% and 88.65% for our MICLCover map, while those of the MODIS2001 map increased between 27.77% and 77.89%. The validation all over China shows that the overall accuracy of the MICLCover map is 71%, which is higher than the accuracies of other land cover maps. This map therefore can be used as an important input for land surface models of China. It has the potential to improve the modeling accuracy of land surface processes as well as to support other aspects of scientific land surface investigations in China.     

基于蜂群算法的城市土地利用变化建模

通过引入人工蜂群算法用于构建土地利用变化的驱动力模型,分析土地利用变化的驱动力机制。算法原理通过模仿蜜蜂采蜜行为,自动搜索和提取土地利用变化样本中不同土地变化类型所对应的驱动力分类规则。分类规则的构建采用“IF…THEN”形式,并选取3种不同的适应度函数分别进行模拟验证。研究案例基于UCI实验数据集和美国纽卡斯尔市真实土地利用变化数据集。由实验结果可知,采用蜂群算法模型的总体精度和Kappa系数评价优于其它算法,表明蜂群算法应用于土地利用变化建模具有可行性。     

基于判别空间条件熵加权的土地覆盖分类方法研究

针对遥感专题类别信息的机理问题,从土地覆盖参考数据的偏差程度对分类精度的影响角度,提出了一种基于判别空间条件熵加权的土地覆盖分类方法。引入判别空间模型概念,基于此模型生成土地覆盖数据类别,并分析了土地覆盖信息类别与数据类别的语义偏差出现的深层次原因;计算信息类别与数据类别的对应关系矩阵,据此得到二者的条件熵,实现对土地覆盖信息类别与数据类别的语义偏差的量化;根据信息类别与数据类别的条件熵计算修正判别变量的权重因子,实现基于判别空间条件熵加权的土地覆盖分类。采用一景SPOT-5影像进行分类实验,并利用同一地区的Landsat 5TM影像进行方法验证。实验表明,条件熵加权修正方法使土地覆盖分类精度有了显著提高,并对不同分辨率的遥感影像具有适用性。     

黄河三角洲土地利用与土地覆被的质量变化

土地利用／土地覆被变化（LUCC）在全球环境变化与可持续发展研究中占有重要地位。其质量变化尤能反映人类开发活动的环境效应。运用遥感信息土地分类和植被指数提取、土壤定点采样实测和统计分析相结合的方法，研究了黄河三角洲地区数年至20余年的土地利用／土地覆被的质量变化。其在区域总体上向好的方向发展，但在内部地段间存在着差异和不平衡。盐渍土改造的任务仍然十分艰巨。地力下降的隐患不可忽视。进而分析了变化的驱动力并提出土地持续利用对策。     

基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例

土地利用分类精度直接决定土地利用/土地覆被变化相关研究的准确性,而基于决策树的遥感影像分类是近年来提高土地利用分类精度的重要方法。QUEST决策树在影像解译和空间表达方面,运算速度和分类精度均优于普通CART等决策树方法。本文以云南丽江地区为例,应用QUEST决策树分类方法,对该地区的Landsat TM 5影像图进行分类,同时将地形因素、植被指数作为地学辅助数据的因子添加到分类波段中,进行不同特征融合,来处理目标类别间的非线性关系,该方法在处理图像理解知识方面具有更大的灵活性;同时与普通决策树分类法的遥感影像分类的结果相比较,Kappa系数值从原来的0.789提高到0.849.在地形复杂的山地地区,针对TM影像数据,选择基于QUEST决策树分类能够有效提高土地利用分类结果精度。