基于 DEM 对喀斯特地貌山地及水系信息的提取--以桂林阳朔县为例

以30 m分辨率的SRTM－DEM数据为基础,通过GIS的空间分析功能,首先对数据进行坡度分析,通过坡度分级法将山地与平原划分,自动提取出山地的信息,再运用碎斑处理结合TM影像对结果进行修正;其次,在ArcGIS的水文分析（ Hydrology）模块下对 DEM进行数字地形分析,提取流域特征。经分析得到了研究区域的山地及河网特征信息,并与实际地形及河流水系大致吻合,改进了传统手工和野外调查为主的提取方法,初步实现了山地、水系信息的自动提取,为研究区域社会经济更好更快地发展具有一定的参考意义。     

板桥稀土矿遥感找矿信息提取与矿产预测研究

通过对离子吸附型稀土矿成矿规律的分析,从浙江省板桥地区的遥感地质特征研究入手,在研究区地表范围内进行稀土遥感找矿信息的提取。首先利用SPOT图像和DEM数据构建的坡度数据对与稀土成矿相关的地貌单元进行解译;然后通过光谱特征分析和基于ASTER图像的矿物遥感异常提取,获取与成矿相关的高岭土、绢云母、绿泥石等风化特征矿物的分布信息;最后叠合分析地貌、坡度及异常提取结果,进行稀土遥感找矿预测。与地质调查资料及化探数据的对比分析证实,上述方法对圈定1∶5万的大比例尺离子吸附型稀土矿分布范围是有效的,可为更详细的稀土矿产资源潜力评价提供依据。     

深度学习支持下的丘陵山区耕地高分辨率遥感信息分区分层提取方法

耕地是丘陵山区稀缺的土地资源,具有地形条件复杂、种植结构多样的特点,导致了山地耕地信息难以快速、准确获取,并且基于传统的遥感数据及遥感监测方法开展山区耕地信息快速自动提取比较困难。针对这一问题,本文以西南山区贵州省息烽县作为试验区,根据地理空间异质性特征,提出分区控制、分层提取的耕地形态信息提取思路,构建了一种地貌单元约束条件下的分区分层耕地形态信息的提取方法。该方法首先根据地貌-植被特征将试验区划分为平坝区、山坡区、林草区3类地理分区;然后在每类分区基础上,根据耕地所呈现的视觉特征划分为不同的类型,对不同类型的耕地分别设计不同的深度学习模型进行分层提取。试验结果证明,该方法对山区复杂地形背景噪声具有较好的抑制作用,所提取的耕地地块信息相比于传统方法更符合实际耕地的实际分布形态,有效地减少了漏提率和错提率。     

基于知识的水体信息提取研究

随着遥感技术的不断发展,使用遥感手段自动提取地表水体信息已成为全球信息提取研究方面的热点,其研究具有重要的现实意义。本文利用基于知识的遥感信息提取方法对地貌复杂的ETM遥感影像进行水体信息提取:首先,对其进行几何校正和目视解译,进行光谱特征分析和纹理分析;然后,利用光谱间关系和NDWI法,在ERDAS和ENVI软件的支持下,将基于各种知识形成的判决规则进行概念化描述,构建数据模型,对遥感影像进行自动分类,并取得了较好的分类结果。经精度评价,分类总精度为98.05%,Kappa系数为0.808 2,证明该方法具有可行性。同时,灵活地运用纹理特征等专家知识可以有效地弥补单纯使用光谱特征进行自动分类的不足,提高分类的精度。     

植被覆盖区高精度遥感地貌场景分类数据集

地貌数据集是实现地貌自动分类和加深对地貌形态学认识的重要支撑数据之一。当前缺乏高精度地貌成因类数据集,制约了地貌遥感自动解译的发展。本文在中国东北地区以沟—弧—盆体系为主的天山—兴蒙造山系中,针对强烈的构造运动和新生代以来的火山作用、流水作用形成的地貌成因类型,制作了构造地貌、火山熔岩地貌和流水地貌3类场景数据集（GOS10m）。数据集覆盖面积约5000 km²,包括哨兵2号可见光遥感影像、SRTM1 DEM及基于DEM提取的7个地貌形态参数（山体晕渲图、坡度、DEM局部平均中值、标准偏差、坡向—向北方向偏移量、坡向—向东方向偏移量和相对偏离平均值）。单张样本图为64像素×64像素,空间分辨率为10 m。采用多模态深度学习神经网络对数据进行训练并分类,平均测试精度可达到82.63%,表明构建的数据集具有较高的质量。可为地貌成因遥感自动分类研究以及推动遥感地貌智能解译的向前发展,提供数据集支撑。     

地貌与几何特征相结合的盆地提取方法

立足于盆地的地貌和几何特性,设计了一种DEM数据中的盆地自动提取方法。该方法以盆地的几何特征为中心建立盆周对盆心的闭合度描述模型,在海拔高度和地势起伏度为参数的地貌聚类划分基础上提取平原地貌区,测算周围山地对它的包围闭合度;再结合盆地面积、盆周盆心高差等特征识别盆地区域。实验结果表明,该方法可正确提取我国三大地貌阶梯上的各类盆地。     

基于遥感影像理解模型的土地利用时空变化监测——以龙口市为例

本文从遥感影像理解模型出发,探讨了遥感信息的知识发现及特征提取问题,特别针对士地利用研究领域,提出了纳入GIS信息的遥感影像综合理解模型,将GIS数据(主要包括高程和坡度)与遥感影像结合起来,从中发现知识,并将知识用于遥感影像的专题信息提取,建立了地学规律知识库,从而提高了遥感影像的分类精度。本文基于遥感影像理解模型,发现土地利用变化区域,提取变化信息,动态地监测了龙口市土地利用的时空变化情况。     

高分辨率遥感影像建筑物分级提取

高分辨率遥感影像建筑物信息自动提取是遥感应用研究中的一个热点问题,但由于受到成像条件不同、背景地物复杂、建筑物类型多样等多个因素的影响使得建筑物的自动提取仍然十分困难。为此,在综合考虑影像光谱、几何与上下文特征的基础上,提出了一种基于面向对象与形态学相结合的高分辨率遥感影像建筑物信息分级提取方法。该方法首先利用影像的多尺度及多方向Gabor小波变换结果提取建筑物特征点;然后采用面向对象的思想构建空间投票矩阵来度量每一个像素点属于建筑物区域的概率,从而提取出建筑物区域边界;最后在提取的建筑物区域内应用形态学建筑物指数实现建筑物信息的自动提取。实验结果表明,本文方法能够高效、高精度地完成复杂场景下的建筑物信息提取,且提取结果的正确性和完整性都优于效果较好的PanTex算法。     

顾及地貌与DEM分辨率的坡度算法适应性研究

针对已有坡度相关研究多选取黄土高原等特殊地貌,且基于单一分辨率,缺乏普遍适用性。该文以德宏州地区的大起伏山地、平原的多分辨率DEM为数据源,采用排序分析、单因素方差分析、回归分析、LSD、对比分析等6种坡度算法提取样区坡度,以比较不同地貌类型在不同分辨率下的坡度平均值、中误差等指标。实验结果表明,地貌类型及分辨率均应作为坡度算法选择的重要依据,这为地理国情监测中地形地貌研究提供了重要参考价值。     

遥感图像线性影纹理解专家系统设计与实现

线性影纹信息是遥感图像中的一类重要信息,线性影纹信息自动提取是遥感图像智能解译的重要研究领域。笔者采用基于特征对象的专家系统技术来完成线性影纹信息的简单类别提取,设计并实现了线性影纹理解专家系统;阐明了系统结构,解译规则获取、表达,基于消息的不确定性推理机及解释机的设计;最后利用系统做了线性影纹类别提取实验,结果表明基于特征对象的专家系统用于线性影纹类别自动提取是切实可行的,并具有较高的提取精度。     

基于SPOT5遥感影像的浅层滑坡体自动提取方法

本文在前人研究的基础上,对浅层滑坡体的提取方法进行了改进。首先利用改进的MSAVI算法提取SPOT5影像中的裸地信息,进而对提取的结果进行去阴影、坡度筛选、形态学滤波、栅-矢转换、面积和顺坡性筛选,并基于改进的多峰直方图阈值自动选取算法实现了滑坡体信息的自动提取。经过实验比较表明,改进的方法既有效地去除非滑坡体等干扰信息,又真正实现了滑坡体信息的自动提取,从而极大地提高了已发生滑坡体的识别、提取效率和精度。     

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。     

基于改进的坡度滤波算法的LiDAR数据滤波

以规则格网来组织数据对坡度滤波方法进行改进,通过比较格网最低点与邻域最低点的坡度得到初始地形,再通过比较格网点与邻域格网最低点的判断获得数据点的地形信息,试验结果表明,对坡度的滤波方法有很大改进,也改善了滤波效果。     

基于SRTM-DEM的阿尔泰山构造地貌特征分析

基于美国SRTM-DEM数据，利用彩色晕染、密度分割与GIS空间统计分析等技术，并结合地质资料，通过地形高程、地表坡度 及地形剖面等分析手段，对阿尔泰山的构造地貌特征进行初步分析。研究表明，阿尔泰山脉平均海拔约1 790 m，平均坡度约21° ，其高海拔与高坡度的现代地貌特征，主要与强烈的断裂构造活动有关； 山脉严格受到以北西向为主的断裂构造活动的影响与控 制，其发育的构造地貌单元基本上呈北西走向特征； 山脉阶梯状地貌特征明显，共发育5级剥夷面，不同级剥夷面所处的海拔不一 样，同级剥夷面具有东北侧高于西南侧，山脉东、中段高于西段的特点。     

基于两级格网的LiDAR数据组织与改进坡度滤波

提出一种基于双层格网与改进坡度滤波方法.该方法实现对原始数据的两级格网化,在一级网格中选出地面种子点,在此基础上利用二级网格进行地面点选取,不仅提高了运算效率还可以剔除粗差.在改进坡度滤波算法中,对传统滤波算法进行改进,提出3个坡度阈值,有效克服传统坡度滤波算法在地形起伏较大的地方可能发生的错误.试验结果表明,该算法计...     

一种利用Cloude-Pottier分解和极化白化滤波的全极化SAR图像分类算法

提出了一种新的基于Cloude-Pottier分解和极化白化滤波(PWF)的全极化SAR数据分类算法。该算法利用PWF的结果来代替反熵A对复WishartH/α分类结果进行进一步细化,按PWF的值将复WishartH/α分类结果由8类分为16类,然后再次进行Wishart迭代分类。实验结果表明,该算法能有效地提高分类精度,分类结果明显优于常规的复WishartH/α分类结果和复WishartH/α/A分类结果。     

小卫星遥感影像自动提取水体方法研究

基于小卫星影像的水体信息提取方法,即用波段运算得到特征波段(PRWI),经过决策树等辅助手段提取出水体信息。通过在山东省微山湖上级坝北湖选取水体所做的试验表明,该方法在平原地区的总体提取效果较好,经检验发现其误判的像元主要是位于水体和其他地物的交界处。在山区选取山东省东周水库做的试验表明,在山区用该方法提取的小卫星水体信息和Landsat卫星的TM/ETM影像差距不大。小卫星还可以很好地用于城市规划、生态环境、土地利用和环境灾害等动态监测。     

融合高分影像和LiDAR数据的城市道路提取

为避免由于城市道路复杂及树木建筑的阴影遮挡导致从遥感影像中提取道路信息不准确的问题,本文采用高分影像和LiDAR数据相融合的方法实现城市道路的提取,并使用一种基于最小面积外接矩形（MABR）的后处理改进方法进行完善。首先对试验区进行数据配准;然后应用FNEA算法进行图像分割,并使用随机森林分类法进行分类,将影像融合和对象形状指数等相关算子应用到道路提取中;最后去除植被和建筑物,完善道路填充,提取出道路完整信息。结果多伦多和台安试验区的道路完整度分别为95.41%和90.84%,准确度分别为83.07%和85.63%。本文方法可有效去除伪道路信息,提高道路提取完整度,较好地实现了道路信息提取。     

基于GF-1遥感数据的城市水体信息提取方法研究

水体信息的高精度提取是水资源监测、调查与管理等研究领域的关键问题。本文选取国产GF-1卫星影像作为数据源,根据影像中典型地物光谱特征采用归一化水体指数法(NDWI)、多波段谱间关系法对研究区进行了水体提取,并通过结果分析提出了基于主成分分析与多尺度分割技术的综合水体信息提取方法。对以上4种方法进行对比分析,验证结果表明:归一化水体指数法易受阴影信息影响;改进的多波段谱间关系法能较为完整地提取水体信息,但受小范围阴影信息影响;主成分分析综合法总体精度较高;多尺度分割提取法能有效地分离水体信息与非水体信息,水体信息提取的效果最佳。