1:100万台湾数字地貌遥感制图研究

在台北、高雄两标准分幅1∶100万数字地貌遥感制图的基础上,制定了台湾地区陆地地貌分类方案及编码体系,并建立台湾省1∶100万数字地貌数据库。进而总结1∶100万遥感地貌制图的方法、流程和规范,探讨遥感地貌制图的关键技术和问题:遥感解译的基本原则、解译图像比例尺、DEM的辅助作用、特殊地貌的划分以及属性赋值,为编制全国1∶100万数字地貌图奠定基础。     

基于DEM的岷山构造带构造地貌初步研究

以地理信息系统(GIS)为平台,结合构造地貌研究,利用矢量地形数据,构建了岷山构造带数字高程模型(DEM),初步对岷山构造带,特别是岷山断裂带构造地貌特征进行了分析。研究表明,将DEM与GIS技术结合,辅以遥感图像解译和详细野外地质调查,能够直观地进行坡度、坡向以及地形起伏度和高程的统计分析等研究,在构造地貌研究中具有良好的应用前景。     

珠海一号高光谱场景分类数据集

高空间分辨率、高光谱分辨率、大幅宽与大数据量是高光谱卫星数据发展趋势,传统高光谱影像的像素级分类面临难以处理海量数据、无法高效获取复杂海量影像中隐含信息的困境。已有研究开始关注高光谱影像的场景级分类,并逐步建立完善高光谱遥感场景分类数据集。然而,目前的数据集制作过程多参考高空间分辨率可见光遥感场景数据集的制作方法,主要采用遥感影像的空间信息进行场景类别解译,忽视了高光谱场景的光谱信息。因此,为构建高光谱影像的遥感场景分类数据集,本文利用“珠海一号”高光谱卫星拍摄的西安地区高光谱数据,使用无监督光谱聚类辅助定位、裁剪与标注待选场景样本,结合Google Earth高分影像进行目视筛选,构建6类场景类型和737幅场景样本的珠海一号高光谱场景分类数据集。并基于光谱与空间两个视角开展场景分类实验,通过视觉词袋、卷积神经网络等方法的基准测试结果,对不同算法在现有多光谱和高光谱遥感场景分类数据集下的性能进行深入分析。本研究可为后续的高光谱影像解译研究提供了有力的数据支撑。     

遥感影像的冰川信息提取方法对比

以林芝地区为例,首先利用2001年10-12月ETM+遥感数据、地质图和DEM数据,经过遥感图像预处理生成冰川信息提取的基础影像。在此基础上采用波段比值法、主成分分析法、光谱角制图法、非监督分类法、监督分类法等进行冰川信息的自动提取,对各种提取方法进行了对比。结果表明,监督分类提取的冰川信息图像清晰、层次分明、分类边界清楚、满足冰川地貌解译的要求。最后通过实例分析得出监督分类法在提取林芝地区冰川信息时获得了较好的应用效果。     

基于DEM的森林植被空间分析与变化检测

采用1∶10 000地形图等高线地形数据建立内蒙古大兴安岭克一河林业局DEM,用于自动提取地形因子,获得高程、坡度和坡向分级图;并利用2012~2015年高分辨率卫星遥感影像监测森林资源变化情况。结果表明,基于1∶10 000地形图等高线地形数据DEM的地形分类具有可接受的垂直精度,山区植被分布图为遥感树种识别与分类提供了可能,三维可视化空间表达提高了森林资源的空间分析能力,卫星遥感影像判读区划与现地验证是监测林地变化的有效技术手段。     

SPOT4-VEGETATION中国西北地区土地覆盖制图与验证

利用SPOT4 VEGETATION的遥感数据产品生成的NDVI与NDWI植被指数时间序列图像集 ,通过ISODATA非监督分类方法 ,编制中国西北地区土地覆盖图。以TM影像人工解译结果作为真实值 ,通过对西北五省共计 47个均匀分布且异质性强的 2 5km× 2 5km样本区内的土地覆盖类型及其面积进行统计分析 ,修正了SPOT4 VEGETATION的土地覆盖分类系统 ,建立了各省验证结果的样本统计直方图并计算其回归系数。结果表明SPOT4 VEGETATION中国西北地区土地覆盖图在总体上具有较高的准确性。影响遥感数据自动分类精度 ,造成土地覆盖误判的原因主要来源于两个方面 :即异物同谱和混合像元问题。对于前者通过叠加各种辅助数据如DEM等可以降低误判的机率 ;对于后者运用混合像元分解的各种算法可以提高分类精度     

台湾地区地貌形态的分析研究

数字高程模型(DEM)是地貌解译有力的辅助工具,同时也是对地形地貌分析研究进行量化表达的一个重要手段。在前人研究的方法上通过对研究区台湾地区的SRTM-DEM数据的处理,运用GIS空间分析和统计方法进行地形分析,并在此基础上完成对地形起伏度、坡度、坡向、高程等地形因子相关的拓展分析。根据分析结果对该地区的地貌形态特征进行总结。     

基于坡度坡向的地貌晕渲实现研究

本文利用规则格网DEM数据,研究基于坡度坡向的地貌晕渲制作过程。通过选择合适的坡度坡向算法、光照模型和光照插值算法,实现基于坡度坡向的地貌晕渲。     

中国陆地高精度地貌类型的划分

针对已有的地貌单元无论在精度上,还是在覆盖的全面性上,均难以满足地理国情监测需求的问题,该文在数字地貌类型遥感综合解析方法的基础上,提出了利用高精度DEM、高分辨影像,以1∶100万地貌类型数据界线为基础进行地貌类型界线精确定位的技术方法和流程,设计了基于地貌类型的统计分析内容指标与方法,首次形成了定位精度达到1∶25万比例尺制图精度的全国地貌类型数据集,为查清并发布我国地形地貌家底提供了数据和技术支撑,可为更高精度地貌类型的划分提供技术借鉴。     

遥感信息图谱支持的土地覆盖自动分类

遥感数据的海量堆积与应用信息的匮乏日益凸显信息认知提取的重要性,在地学信息图谱方法论的指导下,同时参考视觉认知流程,提出了遥感信息图谱认知方法用于遥感数据的自动解译。在地理信息系统的统一框架下逐步挖掘多源遥感数据的"图"、"谱"特征并进行图谱耦合分析,通过多尺度分割、特征分析、监督学习等关键步骤完成"察觉—分辨—确认"的地学认知流程,初步满足自动化和智能化应用需求。在土地覆盖信息自动解译应用中建立了基于"图谱"先验知识的管理与运用机制以实现自动化,采用机器学习算法提升智能化程度,并以自适应迭代控制模型使结果精度向最优逼近。选取了珠江三角洲的试验区域进行了基于ALOS多光谱影像的土地覆盖自动分类,结果符合预期,说明了本文方法的可行性。     

基于改进的像素级和对象级的遥感影像合成分类

像素级和对象级的分类研究分别作为两个独立的方向开展,二者的结合与优势互补还没有引起关注。本文对像素级和对象级分类方法的结合做出新的探索,提出了基于改进的像素级和对象级的遥感影像合成分类方法。首先,以一种改进的RBF神经网络分类器进行像素级分类、以一种基于改进模糊支持向量机和决策树的层次分类模型进行对象级分类,获得多层次分类结果。然后,提出了一个具体的像素级分类与对象级分类的合成算法,对多层次分类结果进行合成。实验表明,合成分类方法能有效地提高分类结果的精度,提供比单一像素级方法或对象级方法更准确的分类结果。     

高分辨率遥感影像5种面向对象分类方法对比研究

针对主流的面向对象分类方法在遥感影像处理中的使用范围不明确的问题,以e-Cognition软件平台为基础,处理标准数据集,综合考虑视觉效果、总体精度和用户精度3方面,系统地比较分析了主流的面向对象分类方法在高分辨率影像中的分类效果和精度分析。试验结果表明：使用不同的分类方法均存在混分现象且混分对象不完全一样。在处理同一标准数据集时,隶属度函数分类方法的精度最高但分类速度最慢,Bayes的分类效果最差但操作简单,支持向量机（SVM）、决策树（DT）、随机森林（RF）的分类速度均较快且都有较高的精度,其中SVM分类方法在区分相似性高的对象方面具有明显优势。在选择高分影像分类方法时,要充分考虑分类影像的特征选择从而选择合适的分类方法。     

基于多属性决策的统计数据分级评价模型

通过对已有的专题数据分级评价模型进行分析研究,运用数理统计和决策理论,提出一种新的统计数据分级评价模型——多属性决策分级评价模型,即首先,以常用的分级数学模型作为决策方案;然后,选取分级精度、信息量、分级间隔作为方案的属性,用熵法确定各个属性的权重;最后,提出多属性决策分级评价模型,并通过建立的试验系统,进行数据实验。理论分析和实验结果表明,多属性决策分级评价模型具有很好的评价效果,为用户快速选择分级数学模型提供一种新方法。     

模糊分类技术在作物类型识别中的应用

介绍了模糊分类技术,并将其应用于多时相ScanSAR的作物识别中。模糊分类技术比传统的最大似然法具有较高的识别精度。结合雷达图像的自身特点,将模糊分类技术与上下文处理相结合,是雷达图像处理的一种有效途径     

基于纹理特征的遥感影像监督分类

影像分类技术是遥感影像分析与解译的重要基础。纹理特征是影像的重要特征,本文主要实现基于纹理特征的遥感影像监督分类。首先对地物样本进行提取,通过样本训练统计各类地物纹理特征向量,建立纹理特征库;然后以各类地物的特征向量作为基准,采用最短距离分类器对影像进行分类;最后采用混淆矩阵对分类结果进行精度评定,并与ERDAS专业软件分类结果进行对比分析。实验证明,本分方法取得了与ERDAS软件相当的分类效果,从而验证本文方法的可靠性。     

煤田火区特征的土地覆盖分类方法 ——以乌达煤田火区为例

土地覆盖变化是土地分析与评价和生态环境变化预测的重要科学基础, 通过精确的土地覆盖分类方法 获取高精度的土地覆盖图是研究煤田火区生态环境变化的必要手段。本文以最大似然法、光谱角度法、面向对象 分类法和基于复合分区的分层分类法进行乌达煤田火区土地覆盖分类的方法研究。研究结果表明, 基于复合分区的 分层分类方法分类精度较高, 总体分类精度为92.97%, kappa 系数为0.9155。该方法通过基于地表热辐射特征、热 异常状况、地貌类型, 以及对生态系统扰动状况等的划分, 减少了地物信息的混淆度, 即通过提     

基于分区和纹理特征的伊犁河谷遥感影像土地利用分类

利用新疆伊犁河谷的伊宁县SPOT5遥感影像,在ERDAS IMAGINE 9.2软件平台下,通过二次变异分析算法和三次非对称分析算法提取纹理信息。基于图像的光谱特征和纹理特征进行监督分类,然后根据地物的空间分布进行"分区分类处理"。结果表明,伊宁县的总体分类精度提高了19.34%,Kappa系数提高了0.247。利用霍城县遥感图像进行分类方法验证,同样取得了较好的效果,表明该方法可在伊犁河谷土地利用分类中进行推广应用。     

BS-GEP算法在水利遥感图像分类中的应用

在地物环境状况较为复杂时传统基于统计学遥感分类算法难以得到较高的分类精度。针对这一问题,这里将基于分组策略的改进基因表达式编程算法(BS-GEP)应用到遥感图像分类问题中,避免传统的基因表达式编程算法由于种群多样性破坏引起局部收敛,解决地物状况复杂时难以得到较高分类精度的问题。实验结果表明:基于分组策略的基因表达式编程算法的分类器提取的分类规则能转为数学表达式形式并能获得较高的分类精度,与基因表达式编程算法(GEP)相比分类结果混淆程度相对较低,与最大似然法相比分类结果相对清楚,模型分类精度达到93%。     

引导型专题数据分级处理研究

通过对已有的数据分级模型及分级模式进行分析,提出引导型专题数据分级处理流程。首先运用分级数确定模型给出分级数,再利用"秩和比法+熵值法"对系统中各个分级模型的分级结果进行评价,最后以向用户推荐分级数和分级模型的形式辅助用户选择合适的分级处理模型。结合实例,对引导型专题数据分级处理过程及关键步骤进行详细说明,并通过原型系统显示实例结果。结果表明,此数据分级处理模式能让普通用户快速准确地进行数据处理。     

角度分类器与距离分类器比较研究——以盐渍土分类为例

选择理想的分类器是进行遥感图像自动分类的关键。距离分类器是以已知地物类别的亮度值作为分类基准，通过比较未知类别像元与已知类别像元亮度值间的距离进行分类。角度分类器是以光谱谱线角为分类基准，通过比较n维波段空间中未知类别像元与已知类别像元光谱角度进行分类。本通过上述两种分类器对同一遥感图像进行分类，对两种分类器的分类效果进行了比较。