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。     

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%.     

基于DEM的延安市沟道提取

利用2013年TM遥感图像对基于DEM提取的沟道网络进行人工识别修正后,获取延安市大于或等于1km的沟道总长为35 919km。沟道提取采用单流向坡面流模拟方法中的D8算法,包括填洼处理、流向分析、汇流分析和提取流域特征4个步骤。     

西藏四江流域生态环境遥感解译标志的建立及应用

在充分掌握四江流域自然地理特征的基础之上,通过对四江流域地区的TM影像和相关资料的对比,采用事先建立好的分类系统建立了12个生态环境类型的解译标志并提取了相关信息,为在四江流域及藏东南地区的生态环境或土地资源遥感调查提供依据。     

基于SPOT 5图像的岩溶地貌单元自动提取方法

通过对峰林、峰丛和岩溶洼地3者的地理特征和影像特征的研究,基于遥感图像本底值提出了能有效反映目标特征的遥感指数——植被指数、土壤亮度指数、图像主成分变换第1主成分值及地形数据等,并构建了遥感指数的集成计算法,建立了遥感自动提取模型.指数集成运算法能够有效地增大峰丛、峰林与其他地物之间的光谱差异,使这些岩溶地貌单元的灰度值高于其他地物,从而利于岩溶地貌单元提取阈值的自动选取.基于构建的遥感自动提取模型先提取了峰丛、峰林信息,并在此基础上提取了岩溶洼地信息.经实验研究表明,该方法具有较高的提取精度和效率.     

遥感图像自动识别与分类的试验研究——以太原幅山地土壤为例

本文讨论了当前遥感图像自动识别与分类中存在的一些问题,提出由地形、地质、植被数据辅助执行的土壤类型模糊分类方法,在土壤数据分类和遥感图像识别中,定量地引入了土壤发生分类学的概念,并赋予成土因素对分类结果的影响作用以新的含义,从而把地学相关分析与自动识别分类有机地结合了起来。这对消除自动分类中光谱特征相互混淆的现象及提高分类精度具有一定的意义。     

县级耕地遥感动态监测方法研究

利用不同时相的TM数据，采用遥感数字图像处理技术，首先对TM图像进行几何精校正，然后在图像增强处理的基础上，分别采用图像复合分类、图像比值和分类结果数学运算3种方法实现耕地遥感动态监测。在耕地信息准确提取的前提下，分类结果数学运算不失为耕地监测的一种有效方法。     

渝西地区多时期地表覆盖遥感信息提取

近年来,随着遥感技术的不断发展,利用遥感技术开展土地覆盖信息的提取工作已经变得越来越普遍。本文主要利用遥感技术进行土地覆盖信息的提取,为后续土地信息的分析调查提供了有利的数据。此次研究选取了渝西地区作为研究区,使用TM／ETM遥感图像作为基础数据。在提取覆盖信息之前,首先,采用遥感图像处理技术,对研究区进行了图像预处理;接着,对研究区四种地类进行采样处理,利用得到的采样数据,对研究区的遥感图像进行了光谱分析;最后,进行监督分类得到覆盖信息的明显特征,可以看出建筑用地在明显增多。并对分类结果进行精度评价,得到最后结论,可以看出每一时期的总分类精度都在85％以上,符合分类要求。     

基于GIS的福州市生态环境遥感综合评价模型

在ENVI软件的支持下,利用TM卫星遥感数据提取福州市生态环境评价因子;利用1 10万地形数据,在GIS环境下生成高程和坡度(由等高线生成)栅格数据,并通过ERDAS转换成ENVI可读的数据格式,经过投影转换,使之与提取的环境因子进行复合,生成综合影像;通过线性回归方法确定植被、水分、热容量、土壤及地形等因子的权重,建立福州市生态环境遥感评价模型,并利用该模型对福州市的生态环境进行评价。     

利用遥感数据对单株木和森林场景进行建模

针对遥感在三维可视化方面的不足,提出了用SRTM(航天飞机雷达地形测图任务)和TM(陆地资源卫星专题绘图仪)数据建立森林场景的方法。利用L系统语言和L-studio软件,通过提取的分枝规则建立了针叶树和不同叶面积指数(LAI)落叶树的几何模型,并将其作为森林场景内树木的纹理贴图。实验区的三维地形用四叉树结构建立,综合应用数据分块、动态载入、双缓存数组等措施提高大范围场景的漫游速度。从TM影像获取目视判读的遥感分类图和LAI反演图,结合控制树木的栽种位置和纹理选择,建立了单幅TM影像大小的森林场景。实验为其他遥感数据的三维显示提供了通用的建模方法。     

张家界市水土流失遥感调查与监测

以1975年MSS、2000年TM/ETM和2007年SPOT 5共3个时相卫星遥感数据为主要数据源,利用遥感图像处理和信息提取技术,结合土地利用和地形图等资料,提取张家界市水土流失状况信息,分析近32 a水土流失动态变化特征和规律,并提出治理水土流失措施的建议.     

基于Log-Gabor小波和Krawtchouk矩的遥感图像分类

为了进一步提高遥感图像分类的精度,提出了一种基于Log-Gabor小波和Krawtchouk矩的遥感图像分类算法。首先利用Log-Gabor小波对遥感图像进行多方向、多分辨率滤波,提取遥感图像的纹理特征;同时计算遥感图像的Krawtchouk矩不变量,作为遥感图像的边缘形状特征,并与基于Log-Gabor小波提取的纹理特征构成完整的特征向量;最后依据所提取的特征向量利用支持向量机(support vector machine,SVM)分类器对待分类图像进行分类,得到最终的遥感图像分类结果。实验结果表明,与近年来提出的基于Gabor小波、基于Log-Gabor小波、基于Krawtchouk矩等3种遥感图像分类算法相比,本文算法在主观视觉效果和分类精度等客观定量评价指标上都有了明显的改善,是一种行之有效的遥感图像分类算法。     

多尺度引导滤波对多光谱遥感影像分类精度的影响

由于地物的复杂多样性,准确识别其分类精度对遥感数据处理具有重要意义。为提高多光谱遥感数据的分类精度,本文以Landsat 8数据为基础,提出不同尺度引导滤波特征融合NDVI与NDBI的方法,进行多光谱遥感图像的分类。首先,提取多光谱数据第一主成分作为引导图像,原图像为输入图像,依次提取滤波半径为2、4、6、8的引导滤波特征集;然后,将不同滤波半径的引导滤波特征集与图像NDVI与NDBI特征进行融合,采用支持向量机的方法进行监督分类,以此探究不同尺度的引导滤波对多光谱遥感影像分类精度的影响。试验结果表明：(1)引导滤波在去除噪声的同时能够较好地保留图像的边缘特征;(2)引导滤波可以提高多光谱遥感影像的分类精度,不同大小引导滤波半径图像在分类方面与原图像相比,较其分类精度均有不同程度的提升,最高总体精度达99.776 3%,Kappa系数为0.997 1;(3)不同尺度的引导滤波会得到不同的分类结果,当滤波半径R=2时,图像的分类精度最高。     

基于纹理特征的陇西黄土高原地表覆盖信息提取

在遥感影像分类的过程中非光谱特征起着重要的作用。纹理特征作为一种重要的非光谱特征对于遥感影像分类精度的提高也有很重要的作用。以陇西黄土高原为实验区,Landsat TM5为数据源,利用灰度共生矩阵建立纹理特征统计量,通过实验分析不同地物提取过程中最有效的纹理特征量,并运用面向对象分类方法对其分类。结果表明,灰度共生矩阵提取的纹理特征对图像分类精度提高可起到一定的作用。     

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CNN-CBIR的遥感图像分类检索方法

遥感图像海量性、复杂性与多样性特征导致现有方法出现查全率、查准率低的问题,无法满足现今遥感图像应用的需求,故提出基于卷积神经网络-图像检索(Convolutional Neural Networks-Content-Based Image Retrieval,CNN-CBIR)的遥感图像分类检索方法研究.为了精确分类遥感图像,基于卷积神经网络-深度卷积神经网络-16(Convolutional Neural Networks-Visual Geometry Group Net-16,CNN-VGGNet-16)模型提取遥感图像卷积特征与池化特征,通过有效融合得到遥感图像高层聚合特征,以此为基础,采用模糊分类算法分类处理遥感图像,依据遥感图像分类结果,利用基于内容的图像检索(Content-Based Image Retrieval,CBIR)技术制定遥感图像分类检索程序,实现了遥感图像的分类检索.选取数据集图像遥感数据集(UC-Merced)与武大遥感数据集(WHU-RS)作为实验数据集,确定最佳池化区域尺寸与最佳输入尺寸,采用MATLAB软件进行仿真实验.仿真实验数据显示:与标准数值相比较,提出方法的查全率与查准率较高,充分说明提出方法具备更好的检索性能.     

城镇扩张遥感动态监测的方法研究

利用遥感技术动态监测城镇扩展己成为一个重要的研究领域和应用方向。本论文基于多源多时相遥感影像和地形数据,以福建漳州市区为示范区,探讨城镇建筑用地扩张遥感动态监测的方法。作者认为基于ASTER影像,综合利用非监督分类、多时相植被指数、城镇建筑用地的地形分布等知识建立分类决策规则,可以有效提取城镇建筑用地信息,准确度不低于90%。同时提出利用城镇建筑用地时空分布知识、多时相植被指数知识,改进TM三指数城镇建筑用地提取方法的思路,最终提取的城镇建筑用地信息满足城镇建筑用地动态变化分析的精度要求。     

基于TM数据的水体信息提取试验

由对水体在TM图像中的波谱特征分析可知,一般水体在TM4图像上的亮度值是小于TM2波段的。以贵州黔西地区为例,采用了多种方法来提取遥感数据中的水体信息。经过分析比较,最终认为LOC方法提取水体的效果最佳。     

东亚飞蝗灾害的遥感监测实验

通过对蝗虫栖息、生长和繁殖的生境进行野外实际调研和数据采集,利用TM图像数据提取蝗虫生存的芦苇样地的归一化植被指数(NDVI)、抗大气植被指数(ARVI),综合分析遥感数据与实测数据之间的相关关系,找出探测蝗灾的光谱特征域在遥感图像上对应的位置,提出监测和预测蝗灾的遥感方法.