桂林-阳朔地区DEM地形特征与岩性相关性分析及分类研究

地形地貌是岩性解译的重要信息,地形因子作为描述DEM数字曲面几何特征的定量指标参数,可用来定量化表达不同岩性所在地区地形地貌特征。本文以桂林-阳朔地区为研究区,研究地形因子数学、地质意义,建立岩性与地形因子组合间的定量关联,进而实现岩石类型划分。本文基于ASTERGDEM提取坡度、起伏度等12个地形因子,在分析各个地形因子地质意义基础上,通过聚类分析及方差分析的多元统计分析方法,研究各岩性地形因子特性及其关联性,建立研究区岩性之间的定量差异;此外,利用因子分析方法研究岩性分类过程中的主导因素,确定适宜岩性分类方法以实现定量化岩性分类。实验结果表明：不同岩性、不同地形地貌的地形因子（组合）之间具有显著差异,基于因子分析得到的宏观地形复杂度指数（MTI）以及微观曲率指数（MCI）对岩石类型的分类精度达77.36%。研究表明,地形复杂度等地形因子可用于岩性分类,采用因子分析方法可获取反映地形地貌宏观、微观特征的定量指标,且岩性分类效果良好。     

三峡库首区滑坡空间分布特征分析及危险性评价

采用遥感和GIS技术从宏观上对三峡库首区三峡工程二期、三期治理滑坡和新增滑坡的空间分布与地形地貌、地层岩性、断裂构造、水系流域和人为影响等因素的相关程度进行分析,获取孕灾环境特征规则,并对其危险性进行评价。结果表明,地形因子中的高程、坡向和高程变异系数与滑坡的相关性较高;研究区内断裂构造对滑坡发育的控制作用不明显;研究区滑坡体的空间分布受到不同因子组合的约束,可根据不同因子组合约束的权重对研究区滑坡危险性进行评价。     

多尺度纹理及多光谱影像协同的遥感岩性识别方法

岩性识别是遥感图像分类的难点,也是遥感地质应用的难点和热点。从遥感地质应用的实际需求出发,以西昆仑地区侏罗纪沉积岩地层为例,通过尺度转换提取高分遥感图像的多尺度纹理信息,采用波段叠加的方式协同多尺度纹理信息与ASTER影像多光谱信息进行岩性识别方法研究。利用WorldView 2全色数据进行向上尺度转换,形成空间分辨率分别为0.5,2,5,10,15,30 m 6种尺度图像数据,基于灰度共生矩阵提取各尺度上的纹理信息;将不同尺度的纹理信息分别与ASTER多光谱数据叠加形成协同数据;采用监督分类方法对研究区协同数据进行岩性分类。结果表明:①岩性纹理信息对空间尺度表现出依赖性,纹理信息量及含义随空间尺度不同而变化;②每套特定岩层因其独特的几何空间结构特征(厚度、产状、夹层、互层等)都有与之相适应的最佳纹理尺度,且该最佳尺度下纹理与光谱的协同效应最大;③纹理信息与多光谱数据形成的协同数据能有效提高岩性分类的精度,分类精度提高的程度与纹理计算的尺度相关。研究区岩性分类结果显示当纹理尺度为10 m时,与仅基于ASTER纯光谱分类结果相比,精度提高了约6.9%。?      

基于多元参照光谱的SAM岩性划分方法

光谱角制图（SAM）是一种光谱匹配方法,通过量化目标地物光谱与已知参照光谱的相似程度来判断目标地物的类型,广泛应用于多光谱遥感岩性识别。目前,岩石单元训练区内像元的均值光谱,往往作为代表该岩石单元的参照光谱来进行光谱角制图,而使用均值光谱作为参照光谱库的方法,并未考虑岩石单元内部固有的光谱差异性,很大程度上影响了SAM分类效果。为了消除SAM岩性划分时岩石单元内部的光谱差异的影响,本文采用了一种多元参照光谱的SAM岩性划分方法。首先,依据研究区已有地质资料和Landsat-8影像特征,选定各类岩石单元训练区;接着进行各岩石单元训练区内部像元的光谱差异性分析,和各训练区之间的样本可分离性分析,分别使用均值参照光谱库的SAM方法和多元参照光谱库的SAM方法对研究区Landsat-8影像进行了岩性划分实验。研究结果表明,多元参照光谱库的SAM岩性分类方法很好地改善了岩石单元内部光谱差异性对均值参照光谱库的SAM岩性分类方法的影响,分类精度显著提高。     

基于随机森林的黄土地貌分类研究

地貌分类在指导人类建设活动的规模与布局中有着重要的意义。然而,传统的基于数字高程模型(DEM)的地貌分类方法使用的地形因子和考虑到的地貌特征往往比较单一。本文提出了一种基于流域单元的地貌分类方法,该方法考虑了流域单元的多方面特征,包括基本地形因子统计量、地形特征点线统计量、小流域特征和纹理特征。本研究首先基于DEM进行水文分析将研究区域划分成不同的小流域。然后利用数字地形分析提取29个不同方面的特征来表征流域的形态,并基于随机森林(RF)算法进行了特征选择和参数标定。RF是一种基于决策树算法的集成分类器,能有效地处理高维数据,分类精度高。最后选择训练集小流域对RF分类器进行训练,使用训练完成的分类器对整个研究区域的地貌进行分类,研究地貌分异的规律。该实验在我国陕北黄土高原典型黄土地貌区域的地貌分类中取得了较好的结果,结果表明不同的地貌之间存在明显的区域界线,特定的地貌类型在空间上表现出明显的聚集性。通过人工判读进行验证的分类精度达到了85%,Kappa系数为0.83。     

遥感图像在涩港幅1:5万区调工作中的应用

通过涩港地区的遥感影像特征研究,结合地面调查进行综合分析和解译,对该区岩性、地层、侵入体、线性构造、环形构造的图像标志和特征进行了系统总结,归纳出一套行之有效的工作方法,提出遥感图像在1:5万区调工作中具有不可取代的作用和良好的应用效果。     

面向地形特征的DEM与影像纹理差异分析

纹理分析方法在宏观地形特征分析方面具有较大的优势与潜力,但当前缺少对DEM与影像数据纹理特征差异的系统分析研究.本文采用灰度共生矩阵为纹理量化模型,选取了8个不同地貌单元的样本数据,对DEM和遥感影像2类数据的纹理进行了特征值对比分析,纹理特征稳定性分析,纹理特征组间差异性分析.实验结果表明,在所测试的二阶角矩,对比度,方差,熵4个纹理指标中,DEM和影像的对比度特征值间具有显著的相关性;通过不同地貌样区纹理特征值对比分析发现,DEM数据在地形起伏较大区域纹理特征更为明显,遥感影像数据则受地表覆盖物影响较大;从地形特征的稳定性角度分析,DEM数据在丘陵和山地分析有优势,影像数据则在平原和台地分析表现更好;从地形特征差异性角度分析,DEM数据要优于影像数据.进一步采用光照模拟和坡度数据以增加DEM纹理信息,研究结果表明,DEM派生的2类数据在地形量化差异性方面改进明显,并大大优于影像数据.     

BP网络及其在遥感图像分类中的应用

BP网络分类方法是一种新的模式识别方法,在遥感图像分类识别处理中有良好的应用前景。文章在阐明BP网络组成的基础上,介绍了BP网络的遥感图像分类过程,指出应注意的一些问题,并分析了其应用效果。     

生态环境遥感分类数据矢量化方法与应用

遥感分类数据矢量化建库是生态环境遥感制图及其应用分析过程中主要的处理内容和基础工作。以福建省海岸带生态环境遥感分类数据为例 ,在分析遥感图像处理系统对遥感分类和专题信息提取后处理中矢量化能力不足和结果存在严重缺陷的基础上 ,综合应用遥感和地理信息基础软件平台 ,提供的系列数据管理、分析和数据转换功能模块 ,开展基于生态环境遥感影像分类数据的矢量化建库技术探讨 ,提出一个生态环境遥感分类数据矢量化建库的通用技术方法和流程 ,并对矢量化结果做了一个简要的评价和分析 ,以满足大面积生态环境遥感调查、分析和制图的实际需要。     

基于支持向量机的遥感图像分类方法

为了提高遥感图像分类的精度,弥补传统最大似然分类方法所固有的分类时样本不足的缺陷,提出了一种基于支持向量机、光谱特征和纹理特征相结合的遥感图像分类方法。采用ETM数据,按照其所提方法进行了具体分类实验,并将实验结果与最大似然法分类的结果进行了比较分析。结果表明,利用基于支持向量机的方法进行遥感图像分类,精度明显优于最大似然法分类的精度。利用光谱特征与纹理特征相结合进行分类比单纯运用光谱特征进行分类效果要好。     

CBERS-1林被信息挖掘的GIS多元分析

本文论述了基于知识的CBERS-1 CCD图像分割的波段优化组合方案.以及组合运算生成非线性波段比图像和筛选分析与应用。同时运用地学多元分析原理探讨了影响森林植被中灌木林、灌丛等类型影像特征的地形、地质岩性、成土母质等因素。讨论了基于地理信息系统(GIS)及其背景数据库,通过分类重编码的分析处理,以及与地学信息的融合挖掘分析,利用建模工具二次开发模型,分层提取和人机交互系统综合分析与制图,取得理想的效果。     

提取蚀变信息时TM影像的最佳波段组合研究

多光谱数据的最佳波段选择直接影响图像的目视解译和信息提取。在分析TM影像各波段间的标准差、相关系数和最佳指数因子内在联系的基础上,提出采用最佳指数因子与蚀变信息光谱特征相结合的方法选择遥感影像的最佳波段组合。研究表明,最佳指数因子与蚀变信息光谱特征相结合是多光谱数据最佳波段选择的理想方法;TM4+TM5+TM7波段组合获取的合成图像构造清晰,岩性差异显著,最有利于蚀变信息的提取。     

基于多源遥感数据的农村居民点用地提取技术

在分析和改进传统的建设用地、不透水面遥感分类方法的基础上,针对农村居民点用地的特点,提出了一种结合面向对象分类技术、多源、多时相遥感数据数据综合分析技术,借助先验知识,通过遥感手段与GIS技术相结合进行农村居民点用地分类提取的新方法。使用北京市遥感数据进行了实验,自动分类结果准确率高。另外,通过对图像分割后得到的图像对象进行多边形编辑,可以进一步提高准确率,从而满足高精度研究和监测的需要。     

土地利用动态监测的LFF图像融合改进应用

遥感是快速获取土地利用/土地覆盖现势信息的重要手段之一。由于不同类型的卫星传感器获取同一地区的遥感数据日益增多,对不同平台、不同光谱响应范围的遥感数据源,用常规的遥感图像融合方法如HSI变换法、Brovey变换法和PCA变换法进行融合时,存在不同程度的光谱扭曲现象,即融合后图像的色彩与多光谱图像存在较大差异,从而影响了地物的识别。针对不同平台、不同光谱响应范围的遥感数据,本文在HSI变换的基础上,提出了一种改进的方法,即,首先对高几何分辨率的全色波段进行LoG滤波,然后将LoG滤波后的全色波段与多光谱经HSI正变换后的强度分量,进行灰度直方图匹配,并替换之,经HSI逆变换便得到融合图像。分析结果表明：LFF融合法的光谱保持性能优于HSI变换法,LFF融合后图像的分类精度高于HSI融合后的图像,LFF融合法是一种能较好保持光谱特性的融合方法。     

基于垂直带谱的太白山区山地植被遥感信息提取

遥感数据因其全覆盖的优势被广泛应用于山地植被信息的调查和研究。为了实现山区植被类型的高精度提取,本文以太白山区为实验区,结合山地植被的垂直地带性分布规律,利用太白山植被垂直带谱、高分辨率遥感影像（GF1/GF2/ZY3）和1:1万的数字表面模型（Digital Surface Model, DSM）数据,进行了多层次、多尺度的影像分割,构建了具有植被垂直带谱信息的地形约束因子,并据此进行样本选择和面向对象的分类,分类总精度达92.9%,kappa系数达到0.9160。该方法相比于未辅以垂直带谱信息的分类,总精度提高了10%。研究结果表明,分类过程中加入具有垂直带谱信息的地形约束因子,能显著地提高样本选择的效率和准确率,为后续的植被分类提供了精度的保证。通过人机交互的方式,将垂直带谱知识应用到分类中,可以有效地提高山地植被分类的精度。     

江西省都昌县山地与平原植被界线提取

由于生长环境、地带性分布规律和垂直差异,山地与平原地区的不同植被类型在遥感影像上存在“同物异谱”及“异物同谱”现象,易导致土地类型的误分。为避免此类错分,在进行土地覆被类型解译之前,应首先确定平原、山地植被的边界。本文在遥感影像聚类分析、GIS空间分析及数理统计分析技术的支持下,以江西省都昌县北部地区为研究区域,基于高分一号（GF-1）遥感卫星影像及地形要素,完成了山地植被与平原植被的界线提取。实验结果显示,本研究得到的植被界线精度高达99.47%和96.28%。与单纯基于遥感影像分类得到的植被边界成果相比,精度提高了近25%和23%。研究证明,高分辨率遥感影像与地形因子结合后,计算得到的山地平原划分界线精度有明显提高,可以满足高分辨率遥感影像土地覆被类型解译研究的需要。     

基于遥感和景观分类的北京市裸露农田分析和治理对策

基于遥感影像的决策树分类,结合土地利用图,将北京市农业地表覆盖划分为春玉米、冬小麦、果园、林木苗圃、牧草地、设施农业和畜禽饲养地。考虑海拔、坡度和土壤质地三个因子将北京市分成10个景观区,在景观分区和不同农业用地基础上划分出39类农业景观单元。利用基于遥感影像计算的归一化差异植被指数,结合实地调查验证,分类出北京市冬春季裸露农田。结合景观分类,分析了不同景观单元冬春季地表裸露情况。结果表明:2007—2008年冬春季裸露农田共8.05×104 hm2,主要分布在延庆盆地、密云水库北岸和城区边缘的近郊农业区;海拔和土地利用方式对裸露情况影响较大,其中山区春玉米和平原果园裸露情况绝对面积较大,分别占到总裸露农田面积的40%和17%,牧草地、林木苗圃与设施农业地裸露程度较高。基于不同景观单元裸露程度,结合绿肥种植、保护性耕作、生草覆盖等裸露农田治理方法,探讨了北京市农业产业和景观一体化建设策略。     

高分辨率遥感影像目标分类与识别研究进展

高分辨率遥感影像的目标分类与识别,是对地观测系统进行图像分析理解,以及自动目标识别系统提取目标信息的重要手段。本文综述了当前国内外在可见光、红外、合成孔径雷达和合成孔径声纳等遥感影像的目标分类与识别的关键技术和最新研究进展。首先,讨论了高分辨率遥感影像的目标分类与识别问题的主要研究层次和内容;其次,深入分析了高分辨率遥感影像目标分类与识别,在滤波降噪、特征提取、目标检测、场景分类、目标分类和目标识别的关键技术及其所存在的问题;最后,结合并行计算、神经计算和认知计算等技术,讨论了目标分类与识别的可行性方案。具体包括：（1）高性能并行计算在高分辨率遥感图像处理的主流技术,并给出了基于Hadoop+OpenMP+CUDA的高分辨率遥感影像混合并行处理架构;（2）深度学习对于提升目标分类和识别精度的应用前景,以及基于深度神经网络的多层次遥感影像目标识别方法;（3）认知计算在解决遥感影像大数据不确定性分析的模型与算法,并讨论了层次主题模型的多尺度遥感影像场景描述方案。此外,根据媒体神经认知计算的相关研究,探讨了遥感影像大数据的目标分类和识别的发展趋势和研究方向。     

卫星遥感图像空间分辨率适用性分析

从卫星遥感图像空间分辨率的定义出发,简述了影响卫星遥感图像空间分辨率的几种因素。根据各研究领域和研究层次对卫星遥感空间分辨率的不同需求,给出其相应的空间分辨率。从测绘制图的角度确定了不同比例尺地图所需要的卫星遥感图像空间分辨率大小。讨论了当前主要遥感信息源的应用范围,并结合案例对其适用性进行了分析,最后指出了卫星遥感技术目前存在的一些问题,提出了几点看法。     

融合高度特征的高分遥感影像多尺度城市建筑类型分类

城市区域建筑类型信息在城市功能区识别、城市环境变量反演等应用领域具有重要作用。本文提出一种融合高分辨率遥感影像高度特征的多尺度城市建筑类型分类方法。首先利用语义分割模型识别高分辨影像中建筑和阴影对象;然后借助建筑对象及其阴影信息在卫星成像时的几何关系估算建筑高度;最后基于多尺度图像分析思想,提取一系列表征建筑对象的高度、空间结构、几何等多尺度特征,利用机器学习方法进行建筑类型分类,并进一步分析不同粒度的建筑类型分析单元对分类结果的影响。选取福州市主城区国产高分二号高分辨率影像进行实验验证。结果表明：① 基于所提方法的建筑类型分类总体精度达到82.98%, kappa系数为0.77,分类精度优于本文中未加入高度信息的分类方法和单一尺度分类方法;② 引入高度特征有效提高了中低层居民楼和高层商住两用建筑类型的分类精度,较未加入高度特征的分类结果,总体精度提高了11.28%;③ 融合多个尺度的图像特征可有效减少粘连建筑误分为密集型建筑的情况,较单一尺度分类方法,总体精度提高了2.77%。在精细的数字表面模型数据缺失下,利用高分辨影像阴影信息可为建筑物高度估计提供一种有效的策略,提高城市建筑类型分类精度。此外,融合多粒度图像特征可提升城市区域复杂建筑类型的表征能力,进而提高分类精度。