基于植被分区的多特征遥感智能分类

为了有效地提取大范围地形复杂区域的土地利用/土地覆盖遥感信息,以位居青藏高原与黄土高原过渡地带的青海东部地区为研究区,研究基于蚁群智能优化算法(ant colony intelligent optimization algorithm,ACIOA)的土地利用/土地覆盖遥感智能分类。首先选用TM图像、DEM、坡度和坡向数据作为分类的特征波段;然后利用归一化植被指数NDVI对实验区数据进行植被分区;最后利用ACIOA算法进行分类规则挖掘,并依据分类规则进行土地利用/覆盖信息的提取。研究表明,基于植被分区的多特征蚁群智能分类的总体精度为88.85%,Kappa=0.86,优于传统的遥感图像分类方法,为大范围地形复杂区域的土地利用/土地覆盖遥感信息提取提供了有效的方法。     

巴马县地形因子与土地利用空间分布关系研究

选取广西喀斯特地区代表之一巴马县,利用土地利用现状图和DEM,从中提取出研究区的高程、坡度、坡向数据。利用ArcGIS的空间分析功能,分别对高程、坡度、坡向和土地利用数据进行叠加处理,得到在不同高程、坡度、坡向下的土地利用分布情况,并利用SPSS软件对土地利用类型与地形因子进行相关分析。     

基于卫星影像制作土地利用和土地覆盖图的方法试验——全国1∶5万土地利用/土地覆盖图制作试验项目

土地资源是一个国家或地区赖以生产和发展的重要物质基础，利用3S技术和数字化测绘技术对土地资源进行定期调查与动态监测，逐渐成为人们加强对土地资源的合理利用问题研究的重要手段。以1∶5万湖北省武汉市、陕西省韩城市土地覆盖/土地利用图的制作为试验样本，利用遥感和数字图像处理领域的前沿技术——基于Erdas Imagine 8.4的非监督分类、监督分类，辅以人工干预方法，以遥感影像数据（Landsat 7）为数据源，对土地资源的定期调查与快速监测的工艺流程与方法进行了较为深入的研究探讨。     

辅以地貌类型的喀斯特地区土地利用信息提取

地貌限制土地利用形式,土地利用类型又影响着地貌的形成与演化,基于以上关系提出一种辅以地貌类型的面向对象土地利用信息提取方法。以喀斯特地貌类型分布多样的安顺市为例,选取2010年的TM影像作为基本的数据源。首先,根据不同喀斯特地貌组合的尺度响应特征对试验区影像进行多尺度分割;进而利用数字高程模型(digital elevation model,DEM)数据以及衍生的坡度、地形起伏度和地表切割深度等特征,建立隶属度函数提取喀斯特地貌信息;最后,以地貌类型为基本分类单元,根据不同地貌类型的土地利用特点,采用面向对象的分类方法对土地利用信息进行提取。结果表明:面向对象的分类方法可以对喀斯特地貌类型进行自动提取,试验区地貌类型主要以峰丛谷地、峰丛洼地为主,峰林溶源与峰林盆地分布较少。土地利用类型以灌木与旱地为主,分别占总面积的25.58%和20.74%,土地利用信息提取总体精度达到87.35%。     

基于ENVI的高分辨率遥感图像应用试验研究

介绍了高分辨率遥感图像用于城市土地利用信息提取的主要过程,应用ENVI软件作为试验研究平台对试验区进行了遥感图像分类处理。试验表明,遥感技术是进行城市土地利用信息提取的有效手段之一,针对遥感图像中出现的水体和建筑混杂的现象,提出了应用监督分类与矢量操作相结合的处理方法,可得到较好的分类结果。     

多层次分割的极高海拔区影像信息提取北大核心CSCD

针对极高海拔区地形复杂、气候寒冷,难以实地测绘,且目前的极高海拔区遥感影像信息提取方法在精度和效率方面不足的问题,该文利用中分辨率影像,以西昆仑山区为例,依据地物的光谱、地形和分布等特征差异,综合和发展现有的描述特征算法,在不同尺度层次建立了多尺度分割的分类体系,实现了极高海拔区目标地物的影像分类提取。实验表明,该方法的提取精度优于面向对象的监督分类和传统基于像素的分类,能够很好地提高极高海拔地区影像信息提取精度和效率。     

地形信息辅助下的全极化SAR数据土地覆盖分类

提出了地形参数辅助全极化SAR数据土地覆盖分类的方法,基于规则判断的决策树分类法,建立了全极化SAR数据的H/α-Wishart初步分类结果和地形参数的相关规则,对初步分类结果进行后处理,获得了精度较高的土地覆盖分类结果。以淮北地区为研究区,对全极化SAR数据的H/α-Wishart初步分类结果进行了分析,选取易混淆的土地覆盖类型样本,通过样本统计量确定DEM高程、坡度2种地形参数的阈值,设计决策判断规则,对初步分类结果进行了处理。试验结果表明,该方法能有效地提取出研究区内的水体、山地、林地、建设用地、耕地、未利用地6种土地覆盖类型,水体与建设用地、建设用地与山地的阳面、林地与山地阳面的混淆程度得到很大程度的改善,区分度增大。     

面向对象的遥感影像隐性地物信息提取

针对传统遥感影像提取方法中仅使用光谱像元信息的缺陷,本文使用Landsat 8遥感影像数据,探究面对地形复杂区域进行多种地物信息提取充分挖掘影像隐性信息的情况,使用面向对象的分类方法实现地物信息提取.结果 表明该方法分类精度较传统监督分类有所提高,且符合人类认识客观事物的思维模式,对于准确提取地物信息、提高提取精度具有很大帮助.     

北京一号小卫星数据土地利用信息提取能力分析

本文依托863课题研究,在国土资源部颁发的《全国土地分类》(过渡期适用)的指导下,利用2006年5月接收的3景北京一号小卫星多光谱数据,在山东省进行土地利用信息提取能力评价研究。研究内容包括通过目视判断单纯利用北京一号多光谱数据能够达到的土地利用分类级别,然后经过训练样本选择以及监督分类计算,对分类结果参照典型地区高分辨率卫星影像、1∶1万土地利用现状图等辅助资料进行定性与定量分析,最终形成宏观尺度遥感监测要求下的土地利用分类指标,在此基础上完成山东全省的1∶10万土地利用图制作的应用示范。     

基于多时相遥感影像的耕地利用信息提取研究

耕地为人类的生存和发展提供了重要的物质基础,是人类生存必不可少的基础资源。利用遥感影像进行耕地资源信息提取,可以为耕地资源保护提供数据支持。以黑龙江省鹤岗市为研究区,以1990年、1999年、2010年、2016年Landsat影像为数据,提取耕地信息。通过对研究区多时相遥感影像进行影像融合、图像增强、镶嵌和裁剪以及影像接边检查等预处理,利用监督分类(GLC和SVM)方法进行遥感影像解译,对解译后数据进行人工目视解译,生成耕地利用数据库。研究结果表明:不同地物光谱特征的选取对地物分类、信息提取有直接影响;进行监督分类时选点的疏密离散程度决定其成果精度的高低,对于耕地信息提取有直接影响;监督分类的方法具有结构简单、计算效率高的特点,对于大数据量的遥感影像处理更有优势。本研究成果可为研究区耕地利用保护提供基础数据。     

专家系统在 TM 图像分类中的应用

提高TM图像的分类精度,是图像处理及应用领域中一个很重要的研究课题。本文在总结已有成果基础上,首先利用现有的统计分类技术,对待分类图像进行预分类,并检测出“不确定”像元。然后综合光谱、地理、土壤类型、早期判别结果、目视判读经验等各种知识和信息,充分发挥专家系统的推理判断能力,对“不确定”像元的类别作进一步判别,使得整幅图像的分类精度得到改善。并据此初步建立了一个土地利用的分类系统。试验证明,这种分类方法的精度比仅用单一多光谱信息的统计分类法(最大似然法)提高约8％。     

应用面向对象的决策树模型提取橡胶林信息

橡胶林的无序和不合理种植引发了一系列的生态问题,快速监测橡胶林空间分布及动态变化,对橡胶的合理种植、区域生态环境保护以及有关部门的规划决策有重要的指导意义。以MODIS归一化植被指数NDVI时间序列数据和多时相的Landsat TM数据为基础分析橡胶林的季相和光谱特征,确定橡胶识别的关键时期和特征参数,构建面向对象的决策树分类模型,开展橡胶信息提取研究。结果表明,多时相的遥感数据可反映橡胶的季相特征,以TM数据为基础计算得到的陆表水分指数LSWI和归一化植被指数NDVI可作为橡胶识别的光谱特征参数,橡胶休眠期是利用遥感方法进行橡胶提取的最佳时期。相比于单时相数据,利用包含橡胶关键物候期的多时相遥感数据能得到更高的橡胶林提取精度。     

宝鸡市金渭两区土地利用信息遥感提取研究

通过宝鸡市金渭两区利用TM遥感图像,采用最大似然分类法,进行土地利用分类的实践,对图像类型与时相的选择、图像处理、监督分类和分类体系进行了研究,并对分类精度进行了评价。     

基于变化向量分析（CVA）的土地利用／覆盖变化动态监测（Ⅱ）—变化类型的确定方法

以光谱直接比较为基础的变化向量分析法是一种非常有效的土地利用／覆盖变化动态监测方法，在双窗口变步长阈值搜寻方法确定变化和非变化像元的基础上，提出了参考图像分类并结合变化向量方向余弦最小距离分类的变化类型确定方法，同时应用该方法在北京市海淀区进行了实验研究，得到了较为理想的结果。变化类型的判断精度达到70％以上，显示了新方法的优越性和技术可行性。     

用基于知识的决策树方法分层提取矿区土地类型——以湖北大冶为例

以湖北大冶为研究区,采用多时相陆地卫星遥感图像,通过不同波段组合,以及ironoxide指数和归一化差异植被指数(NDVI)等,详细分析了各地表地物光谱特征和空间特征,建立了研究区分类知识库表,采用决策二叉树法进行分类,得到了高精度分类结果图。基于不同时相分类结果的变化检测,通过对研究区水体污染、矿区复垦、耕地变化等分析,认为从1986～2002年,研究区水质虽有一定改善,但矿区植被退化严重,耕地大量减少,停产矿区复垦仅为20%,为合理保护矿区生态环境和科学管理采矿企业提供了有用资料。     

基于变化向量分析（CVA）的土地利用／覆盖变化动态监测（Ⅱ）—变化类型的确定方法

以光谱直接比较为基础的变化向量分析法是一种非常有效的土地利用／覆盖变化动态监测方法，在双窗口变步长阈值搜寻方法确定变化和非变化像元的基础上，提出了参考图像分类并结合变化向量方向余弦最小距离分类的变化类型确定方法，同时应用该方法在北京市海淀区进行了实验研究，得到了较为理想的结果。变化类型的判断精度达到70％以上，显示了新方法的优越性和技术可行性。     

模式识别技术在贵州岩溶山区土地利用现状调查中的应用

本文主要介绍如何利用TM图像和计算机模式识别技术,对我国南方一个地类多、地块小而分布零散的岩溶山区的土地利用现状进行调查的方法和结果,并简介了提高计算机模式识别精度的几个措施。通过工作,建立了相应的土地管理信息系统,并对调查结果进行了对比验证,证明调查精度能满足要求。     

面向对象的遥感影像分类在地理国情普查中的应用

遥感技术因其较高的精确性和时效性已成为监测土地利用变化的重要手段。地理国情普查是一项非常重要的调查工程,起着为各级领导干部科学决策提供数据支持的作用。遥感影像解译是整个普查工作中的重要环节,而且工作量巨大。目前,地理国情普查的遥感影像解译环节主要采用人工解译和计算机自动解译相结合的方法,以提高效率。本文主要介绍一种面向对象分类的遥感影像自动解译方法,通过东莞市TM影像实验,总结该方法的解译特点,并介绍其在地理国情普查中的应用。     

An Automated Approach for Land Cover Classification Based on a Fuzzy Supervised Learning Framework

This paper proposes an automatic framework for land cover classification. In majority of published work by various researchers so far, most of the methods need manually mark the label of land cover types. In the proposed framework, all the information, like land cover types and their features, is defined as prior knowledge achieved from land use maps, topographic data, texture data, vegetation’s growth cycle and field data. The land cover classification is treated as an automatically supervised learning procedure, which can be divided into automatic sample selection and fuzzy supervised classification. Once a series of features were extracted from multi-source datasets, spectral matching method is used to determine the degrees of membership of auto-selected pixels, which indicates the probability of the pixel to be distinguished as a specific land cover type. In order to make full use of this probability, a fuzzy support vector machine (SVM) classification method is used to handle samples with membership degrees. This method is applied to Landsat Thematic Mapper (TM) data of two areas located in Northern China. The automatic classification results are compared with visual interpretation. Experimental results show that the proposed method classifies the remote sensing data with a competitive and stable accuracy, and demonstrate that an objective land cover classification result is achievable by combining several advanced machine learning methods.     

利用纹理分析方法提取TM图像信息

以北京市丰台区为试验区 ,采用纹理分析方法对高分辨率图像的纹理信息进行分析 ,选取统计指标熵 ,通过确定熵的最佳阈值 ,进行边界匹配和图像的分割 ,将光谱混淆地物菜地和耕地分割开来 ,然后将此分割结果与TM图像分类结果进行叠合 ,得到最终的分类结果。并将该结果与最大似然分类结果以及单纯依靠纹理特征得到的分类结果进行了对比。试验结果表明 :将纹理分析方法应用于图像分类中可区分光谱混淆的地类 ,光谱与纹理特征结合得到的分类精度要远高于单纯光谱和单纯纹理的分类精度。