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。     

基于知识的遥感图像分类方法的探讨

本文提出了一种基于知识的遥感图像土地利用分类法。包括知识的获取和表达 ,以及将知识用于土地利用分类。知识的获取和表达包括两方面。一是将原有的GIS土地利用数据与新的遥感图像配准、叠加、集成 ,并从中挖掘各类型的光谱知识。二是通过对研究区各土地利用类型变化特点进行分析研究 ,并从中得到原有各土地利用类型经数年后变成其它类型的可能性及其大小。并将其定量化表达成新遥感图像上各类型的先验性概率。在知识的应用和分类方面 ,分别对原土地利用各类型所对应的遥感图像进行知识的应用和处理 ,利用各自可能出现的类型及其各类型的先验性概率进行最大似然法分类。研究表明 ,该方法将原有的GIS数据和各种土地利用类型变化的先验性知识综合集成用于新的遥感图像的分类中。这不仅可以促进GIS数据更新的自动化 ,而且还可以得到比常规最大似然法高的分类精度。     

基于知识的遥感类方法的探讨

本文提出了一种基于知识的遥感图像土地利用分类法。包括知识的获取和表达，以及将知识用于土地利用分类。知识的获取和表达包括两方面。一是将原有的GIS土地利用数据与新的遥感图像配准、叠加、集成，并从中挖掘各类型的光谱知识。二是通过对研究区各土地利用类型变化特点进行分析研究，并从中得到原有各土地利用类型经济数年后变成其它类型的可能性及其大小。并将其定量化表达成新遥感图像上各类型的先验性概率。在知识的应用和分类方面，分别对原土地利用各类型所对应的遥感图像进行知识的应用和处理，利用各自可能出现的类型及其各类型的先验性概率进行最大似然法分类。研究表明，该方法将原有的GIS数据和各种土地利用类型变化的先验性知识综合集成用于新的遥感图像的分类中。这不仅可以促进GIS数据更新的自动化，而且还可以得到比常规最大似然法高的分类精度。     

基于决策树模型的海岸带分类方法研究

海岸带地物分布复杂,地物混淆常造成海岸带提取困难。该文以江苏省粉砂淤泥质海岸为研究对象,运用图像光谱特征、纹理特征并引入地学知识,构建研究区遥感图像分类决策树模型,并利用ETM 图像进行海岸地物分类研究。结果表明:采用的决策树模型可以较好地结合纹理信息和地学知识,解决遥感图像中复杂地物分类过程中的混淆现象,分类精度达89.26%,比最大似然法分类精度提高了15.19%。     

地理信息科学发展与技术应用

本文回顾了中国科学院地理科学与资源研究所在地理信息科学研究与技术应用方面的历史过程,从早期的测量和制图的研究,到开创中国地理信息学科,建立资源与环境信息系统国家重点实验室的历史,是中国特色原创地理信息理论发展的历史,是中国具备自主研发世界级地理信息软件的历史,是地理信息为国家重大战略提供坚实科技支撑的历史。本文主要从地图学、地学遥感、地理信息科学、地学数据共享、重大技术突破和国家战略支撑等方面进行概述,最后从地学知识图谱、地理大数据分析、遥感人工智能、地理系统模拟和知识服务角度展望地理科学发展的新科学范式。     

地球科学数据的元数据研究

元数据是数据库领域中一个基本的概念,地球科学数据的无数据系统的建立有助于地学数据的开发和利用,文中说明了无数据在地学数据中的应用,论述了地学元数据的分类、获取、管理等问题。     

遥感影像智能图解及其地学认知问题探索

本文提出遥感地学智能图解模型 (RSIGIM)概念 ,主要内容是如何模拟地学专家对遥感影像的综合解译和分析过程 ,对遥感影像中包含的地物目标进行描述、识别、分类和解释 ,提取遥感影像中地物目标所属的类别 ,判别其大小、结构、相互关系等地学属性及遥感成像机理、内部特征 ,进一步融合地学分析模型 ,预测地理现象和地理过程的发展趋势 ,作出决策性规划。 RSIGIM的核心问题——遥感地学智能图解中的认知模型 ,具有层次结构 ,从低到高包括基于数理统计的影像基本处理和分析模型、基于神经计算模型影像视觉生理认知模型和基于符号知识逻辑心理认知模型等三个层次的分析认知模型。     

耦合像素坐标的遥感图像分类实验北大核心CSCD

地理距离越相近的空间单元其相似性越高,但传统遥感影像分类常忽略像素空间坐标信息的重要性。该文提出一种将传统空谱信息与像素坐标耦合的遥感影像分类方法,为避免数据过拟合现象,采用随机森林模型对特征进行重要性评估,选取具有代表性的特征。利用不同分辨率的卫星与航空遥感影像数据,基于随机森林、支持向量机和人工神经网络3种模型对该方法进行验证,结果显示:相比传统仅使用光谱和纹理信息,耦合像素坐标信息的遥感影像分类可在一定程度上关注全局地理空间位置信息,利用地理单元越相近则性质越相似规律,提高遥感影像分类效果,在不同样本量、不同模型下的分类精度均有所提升。     

国内生态环境遥感监测的内容与方法探讨

在总结大量实际工作的基础上,就区域生态环境遥感监测的指标与分类系统问题进行了探讨,提出了尽可能与现有的土地利用分类衔接,又较容易进行遥感判读和分类的土地利用分类系统;根据目前国内遥感数据获取和使用情况提出了遥感影像选择、处理以及合成的最佳方案,推荐了通过目视判读和自动分类获得土地利用状况的方法等,以期生态环境遥感监测能真正纳入环保部门常规的监测工作中.     

国内生态环境遥感监测的内容与方法探讨

在总结大量实际工作的基础上,就区域生态环境遥感监测的指标与分类系统问题进行了探讨,提出了尽可能与现有的土地利用分类衔接,又较容易进行遥感判读和分类的土地利用分类系统;根据目前国内遥感数据获取和使用情况提出了遥感影像选择、处理以及合成的最佳方案,推荐了通过目视判读和自动分类获得土地利用状况的方法等,以期生态环境遥感监测能真正纳入环保部门常规的监测工作中.     

基于多波段分析的无阈值自动光谱角制图分类法

对光谱角制图分类法进行改进,主要方法是在原影像的6个波段基础上,加入了K-L变换的前3个波段、K-T变换的3个波段(亮度、绿度和湿度)以及NDVI(归一化植被指数)信息将图像波段数增加至13个,增强了地物之间的光谱区分度(即类间方差);得到光谱角度图像后,提出一种无需阈值的地类确定方法,减少了人工参与,提高了判别精度和处理效率。     

A rough set approach to the discovery of classification rules in spatial data

This paper proposes a novel rough set approach to discover classification rules in real‐valued spatial data in general and remotely sensed data in particular. A knowledge induction process is formulated to select optimal decision rules with a minimal set of features necessary and sufficient for a remote sensing classification task. The approach first converts a real‐valued or integer‐valued decision system into an interval‐valued information system. A knowledge induction procedure is then formulated to discover all classification rules hidden in the information system. Two real‐life applications are made to verify and substantiate the conceptual arguments. It demonstrates that the proposed approach can effectively discover in remotely sensed data the optimal spectral bands and optimal rule set for a classification task. It is also capable of unraveling critical spectral band(s) discerning certain classes. The framework paves the road for data mining in mixed spatial databases consisting of qualitative and quantitative data.     

遥感影像中分区分类法及在新疆北部植被分类中的应用

对遥感影像提出了一种分区分类的思想，根据影像所包含的局部特征将整体影像化为几个局部的影像，然后根据局部影像的特点对图像进行分类,使得每一区域的种类数目相对于整体减少，种类的特点得以突出，分类更具有针对性,再加以高程、坡度等地貌信息，提高分类精度。该分类法在新疆北部的植被分类中得到了应用，从NOAA影像中提出的NDVI为数据源，根据该植被区域特点，将研究区的植被区域划分为四个区，即：新疆阿勒泰草原区、昭苏区、西准噶尔区和东天山区。利用GIS软件将整个研究区的NDVI指数图像化分为四块子图，根据各个区域植被的特点，采用不同的分类标准,对四块子图分类。在此之后，再利用GIS软件将所有分类子图合并为整个区域的分类图。结果表明，该类方法可以大大提高NDVI指数的植被分类精度。     

地学应用中的遥感图像处理若干问题的分析

遥感技术在地理学应用中是如何从遥感影像上直观、准确的得到所需的信息,为本专业服务。文章从地学应用部门在进行遥感影像处理时遇到的几个问题:多光谱数据的选取与合成;多源信息的复合;新型图像分类器的应用;专题提取的精度等方面的进展作了分析。     

基于MODIS数据的北京西北部地区土地覆盖分类研究

本文主要基于MODIS 16天合成的NDVI时间序列数据、8天合成 LST数据、1∶5万DEM数据以及其他辅助数据相结合,进行北京西北部地区土地覆盖分类的研究。首先选取适合于MODIS数据分类的土地覆盖分类系统,然后用PCA方法对NDVI时间序列数据进行信息增强与压缩处理,以排除各种干扰因素,提高分类精度。最后结合LST数据、DEM数据及降雨温度数据,利用?齂-均值非监督分类法,进行研究区的土地覆盖分类,经过分类后处理,得到北京西北部地区的土地覆盖分类图。分类结果表明,使用250m分辨率MODIS数据,结合本文所用方法,能够实现较大区域的土地覆盖分类,并且能达到较高的分类精度。     

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。     

面向对象解译方法在遥感影像地物分类中的应用

针对高分辨率遥感影像快速高效萃取有用信息这一遥感技术应用的热点问题,探讨了基于面向对象(Object-oriented)解译方法的遥感影像自动及半自动解译和提取的新思路.文中分析了面向对象解译方法在地物信息分类应用中的优势,并提出了基于此方法的高分辨率遥感影像多尺度信息提取技术流程.具体结合广州市新白云机场开发区IKONOS高分辨率遥感数据进行地物快速提取、自动分类的试验,并对解译效果进行了评估分析,证明此方法在高分辨率遥感影像地物分类中确实高效可行.     

Deriving glacier border information based on analysis of decorrelation in SAR interferometry

Variations of glaciers are important parameters for monitoring glacial change. Although optical remote sensing method can extract variations of glaciers effectively and accurately in cloudless regions, these variations are difficult to extract in cloudy conditions and bad weather. In this paper, a new method is presented, based on the decorrelation of repeat SAR interferometry, to extract the variations of glaciers. This method uses the decorrelation of the inland glacier＇s surface to extract the variation of glacier by comparing the coherence of the glacier and land cover in threshold values. For validation of this method, we compared classification results with that derived from TM images. An accuracy of better than 89% can be achieved if we consider the classification result from TM image as the ground truth. Results show that this method provides an effective way to identify icy areas from the coherent image.     

基于蚁群规则挖掘算法的多特征遥感数据分类

蚁群算法作为一种新型的智能优化算法,已经成功应用在许多领域,然而应用蚁群优化算法进行遥感数据处理则是一个新的研究热点。蚁群规则挖掘算法是基于分类规则挖掘进行分类,能够处理多特征的数据。因此,论文将蚁群规则挖掘算法应用到多特征遥感数据分类处理中,并采用北京地区的Landsat TM和 Envisat ASAR数据作为实验数据,对选择的遥感数据进行了多特征分类实验。实验结果分别与最大似然分类法、C4.5方法进行对比,分析表明:1)蚁群规则挖掘算法是一种无参数分类的智能方法,具有很好的鲁棒性,2)能够挖掘较简单的分类规则;3)能够充分利用多源遥感数据等。它可以充分利用多特征数据进行土地覆盖分类,从而能够提高分类的效率。     

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。