黄土高原地形复杂区土地利用信息提取方法研究

引入影响土地利用类型分布的坡度数据和对植被覆盖反应敏感的归一化植被指数，以延河流域为研究区域，参考已有的土地利用数据，对地形复杂地区的土地利用信息提取方法进行了研究。结果表明，以监督分类和非监督分类为基础，辅以坡度信息并利用分区和多步骤信息提取方法进行土地利用信息提取，能在一定程度上提高分类精度，研究结果对建立地形复杂地区实用性强的遥感影像分类技术体系具有一定的参考价值。     

基于知识的分层综合分类法在土地利用/土地覆盖遥感信息提取中的应用

土地利用/土地覆盖数据的获取是研究LUCC的重要基础工作。随着遥感技术的飞速发展,通过遥感提取土地利用/土地覆盖专题信息已成为LUCC研究必不可少的一步。目前遥感专题信息提取水平相对滞后于遥感数据获取,为了提高遥感数据在土地利用/土地覆盖的应用,寻找一种较好的、具有相对适用性的方法是目前遥感应用的一个迫切要求。本文比较了目前比较常用的几种土地利用/土地覆盖遥感信息提取方法,分别以西部干旱区(柴达木盆地)和东部地区(鄱阳湖地区)为例,提出在GIS支持下基于知识的分层综合分类方法,并通过和其他几种常用方法进行比较分析,得到如下结果:在自然环境相差较大的柴达木盆地和鄱阳湖地区,采用了GIS支持下基于知识的分层综合分类方法的提取精度均要比单独采用最大似然法、纹理分析法、神经网络分类法等方法的总体精度高出25%,Kappa系数高出0.2。由此可以说明了该方法对于土地利用/土地覆盖专题信息的提取是可行的,同时它也具有一定的适用性。     

基于遥感技术的干旱区土壤分类研究

以新疆艾比湖地区为研究区域,以ASTER和SPOT卫星数据为基础,探讨了干旱环境下基于土壤与景观关系的土壤遥感自动分类方法.首先,研究以实地调查资料和第二次全国土壤普查数据库为基础,结合遥感图像信息分析了试验区土壤类型与景观的关系.然后,基于遥感图像和地形数据提取了分类特征,并采用Jeffries-Matusita 距离分析建立了适用遥感分类的土壤分类系统和分类特征集.最后,采用最大似然法进行了自动分类.研究证明,基于遥感信息和地形数据提取的分类特征,可有效地区分试验区9类土壤和地表覆被,主要包括:盐碱化土壤、荒漠化土壤等,总体分类精度达到了90%左右.     

基于决策树分类的地表覆盖遥感信息提取

地处西南的渝北地区地表覆盖类型复杂、土地利用多元化,仅依赖于光谱特征的传统遥感信息提取方法难以获得较高的分类精度。利用决策树分类技术对渝北地区的TM遥感影像进行分类,除光谱信息外还结合地质、NDVI、PCI等多源数据进行实验。结果表明,总精度和Kappa系数分别为88.42%和0.854 7,较传统的监督分类和仅依赖于光谱特征的决策树分类方法有较大提高,这也表明基于多源数据的决策树分类技术对地表覆盖复杂地区的遥感影像分类比较适用,是遥感信息提取的一种有效手段。     

秦淮河丘陵地区土地利用遥感信息提取及制图

着重论述了使用SPOT卫星遥感图像提取土地利用专题信息的技术与方法。利用数字地形模型（DEM）派生的坡度、坡向等辅助信息，对遥感影像的光谱特征空间进行扩展，建立基于知识的统计分析扩展模型，对不同参数的分类结果进行评价。研究结果表明，该方法能有效地提取SPOT星遥感土地利用专题信息，特别适合我国南方丘陵地区土地利用遥感信息提取。同时，通过地物分层分类信息提取方法和遥感影像数据融合技术，编制了研究区土地利用现状图。     

论土地利用与覆盖变化遥感信息提取技术框架

利用遥感技术提取土地利用和覆盖变化信息是一个多因素交织的复杂过程,为提高遥感信息提取的自动化和定量化水平,本文针对变化信息本身的内涵(容)将这一复杂过程分解为变化位置发现、变化区域提取、变化类型确认以及变化信息表示等过程,构建了基于遥感技术的土地利用与覆盖变化信息提取技术流程,并对流程中的关键技术和方法进行了论述和探讨。本文的技术方法能有效应用于多时相遥感数据或已有土地利用与覆盖数据支持下的单一时相遥感数据情况下的变化信息提取。     

分层分区分景相结合的区域土地利用/覆盖分类方法——以浙江钱塘江流域分类为例

在土地利用/覆盖研究中，对于范围广、地域差别大的地区，仅用同一标准对遥感图像进行分类往往难以得到理想的效果。 本文以浙江省钱塘江流域为例，通过对Landsat TM数据各波段组合，首先提取水层和山层信息，然后采用掩模法提取平原丘陵层信 息，并根据地形地貌和土地利用现状的差异，将平原丘陵层划分为6个区，当所划分区域内各景的影像时相不一致时，再对该区进 行分景处理。最后，分别对每层、每区和每景图像进行训练样本的选择和监督分类。试验结果表明，结合分层、分区和分景的监督 分类方法是一种适合于较大区域土地利用/土地覆盖分类的有效方法。     

基于多时像TM/ETM+影像的兖州市土地利用/覆盖变化

本文利用多时相Landsat TM/ETM+影像分析了兖州市1998年和2002年的土地利用/覆盖变化。综合考虑波段间相关系数和OIF指数,选择最佳波段组合进行图像解译,并在此基础上运用最大似然分类器(MLC)和支持向量机(SVM)的分类方法对遥感影像进行分类。进而利用SVM分类结果进行土地利用遥感动态监测,获取兖州市土地利用/覆盖变化信息,并与社会经济统计资料的统计结果进行比较。最后提取TM/ETM+影像的RDVI,基于线性混合像元分解模型分析了植被覆盖的变化。结果表明,基于多时相TM/ETM+影像分析的土地利用/覆盖变化与实际统计数据较吻合,适合动态监测土地利用变化,且精度较高。     

生态地质环境评价方法研究

为了建立和探索区域生态地质环境的评价体系,该文以饶河边疆区为例,利用遥感数据提取相关生态环境信息,选取地形坡度、土壤侵蚀强度、土壤退化因子、植被覆盖度、土地利用类型、地质剖面结构、工程地质岩性性状、地貌特征类型等8个指标因子构建生态地质环境分区评价的指标体系,通过层次分析法确定各个指标因子的权重,借助隶属函数将各个因子图像生成对应级别的模糊栅格图像,建立了基于GIS系统的生态地质环境质量综合评价模型,较好地区分了研究区生态地质环境的相对稳定程度,为相关生态地质环境评价方法研究提供参考。     

基于决策树的漓江上游土地覆盖分类

针对山区植被分类受地形复杂、植被类型多样、验证数据获取困难等因素限制基于多光谱数据的亚热带山区土地利用/覆盖分类存在困难,探究利用物候信息对亚热带山区植被实施分类的效果。综合运用归一化植被指数(NDVI)、比值植被指数(RVI)、归一化水指数(NDWI),同时考虑到海拔高度对植被类型的影响,建立决策树模型。该模型基于多时相Landsat TM影像,利用了不同地物类型的物候特征和光谱差异,将漓江上游地区分为8种土地覆盖类型。实验结果表明,分类结果总体精度达到86.40%,Kappa系数为0.83。     

基于遥感和GIS的水土流失因子信息提取与分级定标研究--以攀枝花市为例

以攀枝花市为例,主要选用美国陆地卫星2003年的Landsat-7 ETM+遥感数据、1∶10万地形图,运用ERDAS/IMAG INE遥感图像处理软件及M apG IS软件提取对水土流失影响较大的植被覆盖度、地形坡度、沟谷密度、土地利用类型等因子;根据中华人民共和国行业标准《土壤侵蚀分类分级标准》(SL 190-96),建立攀枝花市水土流失强度面蚀分级指标,为进一步水土流失监测研究提供科学依据。     

基于地学分析与遥感智能解译模型的土地覆盖/土地利用分类

全国土地覆盖/土地利用(LC/LU)调查已经成为开展土地利用动态变化预测、土地利用规划及土地管理的一项关键的基础性工作,受到广泛关注和重视。随着遥感技术和各种遥感地学分析解译模型的发展和深入,利用遥感技术获得的影像数据对区域的LC/LU情况及其动态变化进行定期或不定期的监测,成为一种最为迅速可靠和理想有效的手段。论文提出了遥感地学智能解译模型支持下的LC/LU分类体系,并以天津蓟县地区为试验对象,采用多平台遥感数据和辅助地理信息,进行了土地覆盖/土地利用遥感应用研究。     

基于1∶50000西部无图区土地覆盖分类应用研究

土地覆盖/土地利用（LC/LU）调查已经成为开展土地利用动态变化预测、自然灾害防治及土地利用规划、土地管理和环境保护的一项关键的基础性工作,受到广泛关注和重视。随着遥感技术和各种地学分析模型的发展和成熟,利用遥感技术获得的影像数据对区域的LC/LU情况进行土地覆盖分类和监测,成为一种最为迅速可靠和理想有效的手段。本文综合论述了遥感地学智能图解模型支持下的LC/LU分类,并以西部测图工程1∶50 000无图区塔里木东部地区为试验对象,采用多平台遥感数据和辅助地理信息软件,进行了LC/LU遥感应用分类研究。     

结合地形因子与分层策略的喀斯特地区无人机影像分类

西南喀斯特山区地形起伏较大,地物分布较为破碎,致使传统的光谱特征一次分类方法的精度较低。本文基于高分辨率无人机正射影像和地形指标,充分利用无人机遥感影像空间特征、光谱特征、纹理特征及地形特征,采取面向对象CART决策树算法与分层策略提取了研究区土地覆盖类型。研究表明,结合空间地形因子和分层策略的方法减少了破碎区地物间的相干扰,故具有较高的分类精度,总体分类精度达91.2%,Kappa系数为0.87,较传统一次分类精度提高了9.8%,Kappa系数提高了0.13。该方法对西南喀斯特地区土地覆盖解译精度较好,可为土地利用监测提供参考。     

基于面向对象与规则的Sentinel-2A影像土地覆被分类——以江西省都昌县为例

土地覆被作为地表自然和人工建造物的综合体，是开展土地科学相关研究的重要基础，在遥感大数据背景下，准确、快速、自动化进行土地覆被提取技术一直是遥感研究中的重点。本文基于eCognition软件，采用面向对象的多尺度分割法，综合考虑地物在遥感影像上的光谱、形状和纹理特征，建立多种地物提取规则。通过模糊函数、支持向量机（SVM）和阈值法对研究区的土地覆被进行分类提取，并与研究区的FROM-GLC10数据和土地利用变更数据进行了对比分析。结果表明：①研究区土地覆被分类的总体精度为97%，Kappa系数为0.96，分类精度较高；②基于10 m分辨率影像，综合使用形状、纹理、光谱信息对于道路的提取具有较好的效果，道路提取Kappa系数为0.84；③分类结果在面积和空间分布上都优于FROM-GLC10数据，与研究区实际土地变更数据保持较好的一致性。基于面向对象与规则的分类方法提取地物能够有效利用多种遥感影像特征，分类精度高，对于处理高分辨率遥感数据具有很好的优势。     

论TM图像与GIS数据综合的土地利用动态监测

利用TM,SPOT卫星遥感图像以及相应卫星影像图,综合土地利用专题图等GIS非遥感数据,针对宁波土地利用动态监测的实际需要,进行有关遥感信息专题提取和应用的实证研究.     

土地覆盖遥感制图方法研究现状与展望

区域尺度土地利用/覆盖分类研究是当今国际上开展土地利用/覆盖变化研究的重要领域之一。及时、准确地获取地球表面特性对于掌握人类和自然现象之间的关系和相互作用至关重要。本文根据土地覆盖遥感分类方法特点，从硬分类方法、软分类方法以及最新的软硬分类方法出发，总结了国内外的各研究成果，分析了各种方法的分类策略与特点及其方法适用性。研究结果表明：软硬分类方法能够灵活适用于遥感图像上纯净、混合像元并存的特点，可以有效解决光谱的异质性，在土地覆盖遥感监测中具有广阔的应用潜力。文中提出了基于变端元的软硬分类土地覆盖制图方法框架，并指出了今后的研究重点。     

青海湖流域土壤遥感分类

选择青海湖流域内一个代表性区域为试验区,以TM数据和地形数据为主要数据源,在GeoEye-1高分辨率影像和土壤图的辅助下,采用最大似然监督分类方法,探讨了遥感技术在青海湖流域土壤分类中的可行性。使用主成分分析、缨帽变换、波段组合等图像处理技术,从TM图像中提取了多种图像特征,并结合高程、坡度及坡向等地形参数,共同生成分类特征数据集进行遥感分类。研究表明,基于遥感图像和地形数据提取的分类特征,有效地区分出试验区内9个土壤亚类和1个非土壤单元,总体分类精度达到了91.76%。     

老挝Phonxay区土地利用/土地覆盖遥感调查

老挝是一个发展中国家,境内的大多数地方没有开展过土地利用/土地覆盖调查。本文选择老挝琅勃拉邦省的Phonxay区为研究区域,利用Landsat OLI数据进行土地利用/土地覆盖遥感调查与分析。研究过程中,利用ArcGIS Desktop选择训练样本和验证样本,通过Python和ArcPy编程开发了图像分类、精度评价以及面积统计的工作流程序,实现了快速得到分类结果和精度评价信息,分类结果的总精度为89.53%,Kappa系数为0.81。     

山区植被类型信息提取方法研究

根据遥感图像的光谱信息和空间信息特征及不同植被的分布规律,研究利用计算机处理技术提取山区植被类型的方法。分类过程采用四个步骤完成：①均一目标的象限四分树提取分类；②多光谱数据的最小距离分类；③综合利用波谱曲线的形态和地形数据进行分类；④高程数据修正分类。在分类处理过程中,分别利用了图像的空间信息、光谱信息以及地形数据。利用该分类方法在实验小区内进行植被类型提取试验,其精度为90%.与最大似然分类方法所得结果相比较,其分类精度提高了10%.