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。     

基于多源光学遥感数据的湖泊湿地分类结果一致性分析

多源光学遥感数据是长时序研究中的重要数据源,而其分类结果的一致性分析则是多源遥感数据应用的前提和基础.该文以鄱阳湖湿地为研究对象,采用决策树方法对Landsat-8、Sentinel-2A、GF-1、HJ-1A 4种光学影像数据进行分类,以总体精度和Kappa系数评估分类精度,并基于类型面积偏差、类型面积相关、空间叠加分析对分类结果进行一致性分析.结果表明:1)利用决策树方法对不同传感器数据进行湖泊湿地分类,总体精度均高于89％,一致性较好;2)对于具体的湿地类型面积,不同传感器分类结果基本一致,以泥沙滩涂为主,水体次之,植被最少;3)分类结果中64.30％的区域具有高度一致性,完全不一致区域占12.70％.研究成果可为多源光学遥感数据用于长时序湖泊湿地变化监测的误差分析和集成使用提供参考.     

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。     

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。     

基于决策树和MODIS植被指数时间序列的中亚土地覆盖分类

利用MODIS植被指数时间序列对中亚土地覆盖类型分类进行了研究。MODIS数据时间分辨率高,时间序列数据可以表征植被生理活动的动态变化。从时间序列数据中提取植被物候信息,可以实现对不同土地覆盖类型的定量描述。MODIS数据质量信息波段,记录了研究区遥感数据质量,提供植被指数可用性、气溶胶处理、云、冰雪可能性、合成方法等信息,为植被指数时间序列噪声的去除提供一种新的方法。决策树分类结构清晰、不基于正态统计分布假设、效率高、分类精度高。分类结果与统计数据比较,两者一致性较好,精度验证总体精度95.76％,kappa系数0.9516。     

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。     

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。     

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。     

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%。     

全球尺度多源土地覆被数据融合与评价研究

精确的全球及区域尺度土地覆被遥感分类数据是全球变化、陆地表层过程模拟、生态文明建设及区域可持续发展等研究的重要基础数据。本文以5套全球土地覆被数据集GLCC、UMD、GLC2000、MODIS LC、GlobCover为研究对象,结合MODIS VCF、MODIS Cropland Probability以及AVHRR CFTC数据集,设计一种基于模糊逻辑思想的证据融合方法实现上述多源土地覆被信息的决策融合,生成一套依据植物功能型分类的全球1 km土地覆被融合数据SYNLCover。结果显示,与5套源土地覆被数据集相比：① 在总体一致性精度上,SYNLCover的8个生物形态类型和12个目标类型的平均总体一致性精度最高,分别约为65.6%和59.4%,其次依次是MODIS LC、GLC2000、GLCC和GlobCover,UMD的最低,分别约为48.9%和42.6%,而且SYNLCover与5套源土地覆被数据集两两相比的总体一致性都是最好的;② 在类型一致性精度上,除灌丛类型外,SYNLCover中包括森林、草地、耕地、湿地、水体、城镇建筑和其他7种生物形态类型,以及森林类型的5种叶属性的平均一致性精度也是最高的,如其他类型的平均一致性精度可达67.73%;③ 除灌丛和湿地类型外,SYNLCover的其余6种生物形态类型的平均一致性精度均比其在5套源数据中相应的一致性精度的最大值提高了10%~15%左右;森林类型的5种叶属性的一致性精度也提高了约10%。SYNLCover分类精度的提高反映了本研究设计的多源数据融合方法的可行性和有效性。     

基于GA-SVM封装算法的高光谱数据特征选择

封装型的特征选择算法相对于过滤算法而言更有助于提高分类精度,因此在当前计算技术及效率快速发展的背景下必将成为未来之趋势。本文以支持向量机(SVM)为分类器,遗传算法(GA)为特征子集的搜索算法,构建了封装型的特征选择算法GA-SVM,并用ENVI/IDL语言编程实现,最后以HYPERION高光谱数据为例对算法予以应用。结果表明,GA-SVM算法可从196个波段中选择出13个波段,同时分类精度较不做特征选择时提高了约4%。由此可见,GA-SVM封装型特征选择算法具有较好的同时优化特征子集和SVM核函数的性能,可为当前高光谱数据的特征选择提供一个较好的算法。     

基于GANBPSO-SVM的高光谱影像特征选择方法

为了在保持对目标检测和分类分析所需信息的同时,降低高光谱影像的维度,提出了一种混合优化策略的特征选择方法。该方法将遗传算法和二进制粒子群优化算法融合成一种新的混合优化策略（GANBPSO）,自动选择最优波段组合,同时优化分类器支持向量机（RBF-SVM）的参数,以提高分类器的分类性能。为了说明所提出方法的有效性,采用了在高光谱分类中广泛使用的Indian Pines（AVIRIS 92AV3C）数据集进行测试。结果表明所提出方法（GANBPSO-SVM）能够自动选择包含最多信息的特征子集以保证分类精度,而不需要预先设置所需要的特征子集数量,本方法与传统方法相比具有更好的分类效果。     

Sensitivity of disease cluster detection to spatial scales: an analysis with the spatial scan statistic method

ABSTRACT

The spatial scan statistic method has been widely used for detecting disease clusters. Its results may be affected by scales, including the aggregation level of the input data and the population threshold used in the detection. Previous studies offered inconsistent findings, and few had considered both types of scales at the same time. Using 24 simulated datasets and two real disease datasets, we investigated the method’s sensitivity to the two types of scales. We aggregated the individual-level data into areal units of three levels, including county, town, and a 900 m grid. We detected clusters with three population thresholds, including 10%, 25%, and 50%. We used two measurements, distance between cluster centres and the Jaccard index, to quantify the consistency of clusters detected with different scale settings. We find: (1) the method is not greatly sensitive to the data aggregation level when the cluster is strong and in a place with high population density; (2) the method’s sensitivity to the population threshold is determined by the actual size of the true cluster; and (3) a regular grid with fine resolution is advantageous over the subjectively defined areal units. The process and findings may have broader meanings to similar spatial analyses.     

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。     

遥感影像分类与地学知识发现的集成研究

遥感与地学之间存在着数据与知识上巨大的互补性。本文通过地面类型数据将遥感影像分类与地学知识发现结合起来:用遥感数据驱动发现地学知识,用地学知识解释、确认、检验遥感分类结果,并使用统计值和分布谱来定量化表达地学知识,形成一体化的遥感地学分类系统。     

太平洋西海岸森林砍伐对洪水特征的影响

据加拿大Carnation Creek生态试验站20a的森林水文观测资料,应用回归分析和协方差检验,研究了森林砍伐以前、道路修筑、砍伐中和砍伐后各时期洪水参数的变化,统计结果表明,森林砍伐后,洪峰和洪量有显著的增大,一般增幅在20％～30％之间,年径流量增长15％～20％,但洪峰滞时和洪水形态变化不大。     

基于低空无人机的草原灌丛遥感辨识方法

以位于中国科学院内蒙古草原生态研究定位站灌丛化样地实验平台为研究区，基于低空无人机遥感影像，结合实地调查，开展草原灌丛遥感辨识方法研究。通过对灌丛、草地和裸地归一化植被指数（NDVI）的方差统计分析，确定了裸地与植被的分割阈值为-0.08，并使用该阈值提取植被覆盖区，然后分别利用面向对象的决策树（DT）、贝叶斯（Bayes）、K最邻近（KNN）、支持向量机（SVM）机器学习分类器进行灌丛辨识。研究表明：借助Estimation of Scale Parameter（ESP）最优分割尺度评价工具可以快速确定分割参数，获取灌丛、草地影像对象；利用特征空间优化工具选取了18个的对象特征，可以有效避免盲目选择而导致的计算量增大；通过对不同分类器分类结果的对比和样本数量敏感性实验得出：Bayes分类器精度稳定、无需设置参数，灌丛分类精度最高，总体精度和Kappa系数分别达到92%和0.83，结果与影像地物嵌合最好，能够精确识别单株灌丛；根据Bayes分类器分类结果统计得研究区灌丛盖度为14.74%，平均冠幅为0.6 m²，与样方调查结果基本一致。由于4种分类器的算法特征以及对训练样本数量的敏感性各不相同，因此选择合适的分类器还需根据具体影像的地物特征、空间分辨率和研究区范围来确定。     

空间多维经济统计数据的降维方法——以四川省经济统计数据为例

经济统计信息往往包含多维属性,需要采用降维方法将多维信息转换到三维以内的空间来实现多维信息可视化,这有助于研究其内在空间分布规律。在评价线性方法 (PCA)、非线性方法 (NLM和SOFM),以及监督分类方法 (SVM)等四种降维方法的基础上,以2007年四川省区县尺度为研究单元,运用不同分类方法针对区县社会经济发展现状进行聚类(分类)处理,并对成果的差异性展开了深入讨论,主要结论如下:PCA虽然能在整体上揭示经济发展趋势,但结果与实际情况差异较大;NLM能很好地展现出四川经济发展的区域态势和核心区域,准确反映了四川经济发展现状;SOFM的分类结果与发展现状较吻合,但局部地区存在一定的错分情况,且不能进行类内目标的比较;SVM是监督分类,需要已知样本来训练分类过程,在样本的选择上存在较大的主观性,且最优参数的搜索过程较为复杂。本文对几种降维方法的比较,并在经济统计领域中的应用,可以为相关的空间多维信息降维研究提供参考。     

一种基于多特征的高光谱遥感图像分类方法

提出在多维特征空间中以互信息为评价指标进行特征选择,在特征子集中应用支持向量机(SVM)分类器实现图像监督分类的方法.首先提取图像的光谱、纹理和颜色特征,得到多特征的高维特征空间,然后用最大相关和最小冗余的互信息作为评价标准,用10-fold交叉验证误差率选择特征子集,最后用基于径向基函数的SVM实现图像的分类.实验表明,该方法能明显提高图像分类的精度.