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%。     

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.     

基于电磁感应的干旱区土壤盐渍化定量遥感研究

以南疆典型干旱区Landsat 7 ETM+遥感图像为数据源,利用决策树分类法提取农业用地,并对农业用地进行移动式电磁感应调查(简称磁感调查)和光谱特征提取,同时分析磁感数据和图像光谱特征与土壤盐分含量的相关性,从而建立土壤盐分的定量反演模型。研究结果表明:土地利用类型决策树的分类精度达到93.75%,Kappa系数达0.915 4;经多元逐步回归分析,磁感调查获得的土壤盐分含量与差值植被指数(DVI)、ETM+图像第二波段像元值(B2)以及比值植被指数(RVI)间具有显著相关性,由此建立的遥感反演模型可用于土壤盐分含量的定量反演。经89个样点检验,基于磁感调查的土壤盐分遥感反演精度虽低于基于磁感调查的地统计空间分析的精度,但遥感定量反演值与磁感调查实测值仍具有良好的相关性,而且精度较高,因此利用本文方法进行土壤盐渍化大面积监测是快速有效的途径。     

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.     

地理信息系统支持下的山区遥感影像决策树分类

山区遥感影像分类是遥感研究的一大难题。本文利用一种决策树生成算法（C 4.5算法）自动提取知识，基于知识建立决策树用于山区影像分类，并结合研究区土地利用类型与DEM空间统计关系的先验知识，在GIS空间分析的基础上进行影像分类的后处理。与传统的最大似然法分类结果相比，该方法极大地改善了山区地表覆被分类的精度，得到试验区较为可靠的遥感分类图像。     

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。     

土壤遥感分类识别推理决策器的设计

介绍了干旱区土壤遥感分类识别推理决策器的设计原理与实现方法。在用TM遥感图像对土壤类型进行非监督分类的基础上，建立了正向推理与逆向推理相结合的推理机制，对土壤类型进行分类识别决策。用知识表示的产生式规则与框架式规则相结合的数据结构表示土壤学专家的土壤分类识别知识。用像结构模式建立了土壤分类识别的规则，构造了土壤分类判决树，并用典型像例模式进行了各类型土壤判据文件的组织。用该方法对新疆天山北麓阜康试验区的土壤分类识别进行了试验研究。结果表明，该方法分类精度可靠，为干旱区土壤分类识别开辟了一条新的途径。     

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。     

基于遥感技术的人口信息提取

以飞来峡库区连江口镇为例,在SPOT高分辨率遥感图像的基础上,采用基于影像切割的监督分类方法提取不同类型的居民地,通过建立实地调查人口数据与分类面积的关系模型,估算出人口数量,达到使用遥感方法提取人口信息的目的。     

纹理特征辅助遥感影像分类技术的探讨

随着卫星遥感影像分辨率的不断提高,人们希望从遥感图像中获得更多有用的数据和信息,所以遥感影像的分类变得尤为重要.但是基于光谱特征的影像分类精度过低,不能满足生产的需要,所以研究利用其他辅助手段来提高遥感影像的分类成为未来发展的一个重要方向.本文研究了利用灰度共生矩阵提取纹理特征的方法并对利用纹理特征影像辅助光谱特征分类的方法进行了研究.实验结果表明,纹理特征辅助光谱特征分类能够提高遥感影像分类的准确性和精度.     

基于多光谱影像和DEM的泥石流堆积扇识别研究——以白龙江流域武都段为例

选取中国泥石流多发区白龙江流域武都段作为研究区,在对该区域泥石流堆积扇的形态特征和堆积范围进行实地调绘的基础上,利用高分辨率影像(SPOT)进行目视解译,获得研究区部分泥石流堆积扇和非泥石流堆积区的分布范围,将其作为已知样本区。利用该区域多光谱遥感影像(ASTER)和数字高程模型(DEM),提取包含波段比和主分量的几十种特征指标。通过运用方差分析和聚类分析等方法对各指标进行分析计算,选取对区别泥石流堆积扇最具显著意义的指标进行输入,进而采用基于像元的分类方法识别泥石流堆积扇。得到如下结论:SPOT与ASTER融合影像的波段比、主分量指标可以有效地突出土壤岩石中的矿物成分,对泥石流堆积扇的识别具有显著意义;利用筛选出的遥感指标和地形指标作为输入,进行监督分类识别泥石流堆积扇,能够有效地将遥感指标和地形指标相结合,提取的堆积扇覆盖范围与实际情况较为接近。     

Remote sensing techniques in establishing geomorphic-soil relationships

Landform constitutes one of the important factors in establishing a firm relationship between soil development and pertinent morphological characteristics. Therefore, an understanding of the geomorphological processes helps to initiate studies in the characterisation of soil scapes. Landscape-soil relationships also assist in mapping soils rapidly and accurately. Remote sensing data products like aerial photographs and satelite imagery help in the recognition, delineation and satellite imagery help in the recognition, delineation and classification of landforms for genetical studies. Five sample areas selected from heterogeneous climatic environments distinctly reveal geomorphic-soil linkages. In the humid, highly weathered, sedimentary hilly terrain of Tripura, Udalfs, Ochrepts and Orthents are common while in the valleys Aqualfs, and Aquepts occur dominantly. In the arid and hilly terrain of Kutch, shallow Orthents and Orthids form the dominant soils but in the plains, deep Salorthids and Natrargids take a dominant place. The semihumid Malwa plateau and Nagpur consists of Ochrepts and Usterts.     

Evaluation of vertical accuracy of open source Digital Elevation Model (DEM)

Digital Elevation Model (DEM) is a quantitative representation of terrain and is important for Earth science and hydrological applications. DEM can be generated using photogrammetry, interferometry, ground and laser surveying and other techniques. Some of the DEMs such as ASTER, SRTM, and GTOPO 30 are freely available open source products. Each DEM contains intrinsic errors due to primary data acquisition technology and processing methodology in relation with a particular terrain and land cover type. The accuracy of these datasets is often unknown and is non-uniform within each dataset. In this study we evaluate open source DEMs (ASTER and SRTM) and their derived attributes using high postings Cartosat DEM and Survey of India (SOI) height information. It was found that representation of terrain characteristics is affected in the coarse postings DEM. The overall vertical accuracy shows RMS error of 12.62 m and 17.76 m for ASTER and SRTM DEM respectively, when compared with Cartosat DEM. The slope and drainage network delineation are also violated. The terrain morphology strongly influences the DEM accuracy. These results can be highly useful for researchers using such products in various modeling exercises.     

西藏多不杂斑岩铜矿ASTER遥感蚀变异常特征

采用ASTER数据,利用"掩模+定向主成分分析"方法提取了多不杂斑岩铜矿的遥感蚀变异常。对蚀变异常的特征、蚀变异常与地面蚀变对应关系、蚀变异常与已知矿体的关系等几个方面进行了初步探讨,认为利用ASTER数据提取的蚀变异常效果较好,为西藏自治区矿产资源潜力评价多龙铜矿预测工作区的最小预测区圈定提供了遥感依据。     

不同格网密度的DSM/DEM对影像分类精度的影响研究

在无控制点的卫星影像正射校正中,大多采用DSM/DEM数据作为辅助数据来消除或限制因地形起伏引起的形变,然而经不同格网密度的DSM/DEM正射校正后的影像对后续处理会产生不同程度的影响,如对地物分类精度产生影响。针对这一问题,本文分别采用不同的DSM/DEM数据(China DSM 15 m、ASTER GDEM 30 m和SRTM 90 m)对资源三号影像进行正射校正,然后对正射校正后影像利用支持向量机进行分类,比较正射校正后影像结果的分类精度。结果表明:在相同重采样方法下,影像经China DSM 15 m DSM正射校正后结果的分类精度优于ASTER GDEM 30 m DEM和SRTM 90 m DEM。     

Soil Resource Database at Village Level for Developmental Planning

A study was carried out in village Mohammadabad, Nalgonda district, Andhra Pradesh to demonstrate the potential of high-resolution remote sensing data in generating soil resource database at village level that would facilitate natural resource developmental planning. For this study, detail soil resource database was generated by interpreting IRS Resourcesat-1 LISS-IV + Cartosat-1 merged data and by undertaking soil survey and soil analysis. This database was integrated with cadastral map and was analysed for preparation of an action plan for the village that included recommendation on suitable crops, soil and water conservation measures and distribution of soil health card to farmers. The study indicates that the LISS-IV + Cartosat-1 merged satellite data helps in mapping soils at phase level and in delineation of more number of pure soil mapping units i.e. consociations at 1:10.000 scale. The plot-wise resource potential and constraints reveals that significant inter and intra-field soil variability exists. Soil fertility assessment indicates that the soils of the village are low to medium in fertility (available NPK Content) and micronutrients like copper, manganese and iron content is above the critical level for optimum growth of crops while zinc content is less than the critical level.     

光谱角法在ASTER影像土地利用分类中的应用

为了验证光谱角法(SAM)对ASTER影像分类效果,本文对SAM分类的原理进行了阐述和分析,采用了SAM方法以ASTER遥感影像数据为数据源对泸沽湖地区的土地利用进行分类研究,并对分类精度进行了分析。研究结果表明SAM方法用于ASTER数据是一种有效的分类方法,对提高ASTER影像分类精度具有重要的意义。     

ASTER Data Analysis for Mineral Potential Mapping Around Sawar-Malpura Area, Central Rajasthan

Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) SWIR bands are used in identification of alteration zones which have developed during hydrothermal activity. Among the available methods of hyperspectral data analysis, PCA and RBD techniques are found to be useful in delineation of clay alteration and iron oxide zones. ASTER data analysis by PCA and RBD of (B5+B7)/B6 shows delineation of two distinct alteration zones with characteristic mineral assemblages viz. propylitic zone (chlorite, epidote, montmorillonite and calcite) and phyllic zone (illite, kaolinite, white mica and quartz). Iron oxide rich zones (gossans) have been delineated using ASTER band ratio technique (B2/B1). Geochemical dispersion of soil samples shows that Pb and Zn concentration is higher in phyllic and propylitic zones around Sawar and Malpura area respectively. Thus, ASTER data shows the potential in discrimination of metasedimentary rocks and delineation of alteration zones for targeting base metals around Sawar-Malpura area in central Rajasthan.     

SPOT卫星影像的水体提取方法及分类研究

文中分析了水体及其它主要的地物的光谱特征在SPOT曩像中的表征特征，发现大多数地形阴影与水体的光谱特征具有一定的相似性，因而用单一的方法很难有效地提取山区的水体，经过研究，发现用决策树分类方法，在各节点设计不同的分类器，可以有效地提取山区中的水体，由于不同类型的水体其面积，周长，形状等几何特征各有特点，并且与地貌类型有一定的关系，因而可利用水体的空间特征信息，对提取的水体进行分类，其方法也选用决策树分类方法，分类结果令人满意。