车载三维摄像仪数据的土地覆盖解译验证方法——以蒙古国东部为例

土地覆盖精度验证是定量刻画土地覆盖遥感解译数据质量的必要手段。传统的土地覆盖验证主要是以"GPS定点"+"野外景观照片"的平面验证方式,其获取的验证点数量受制于野外采样效率,且主观性强。本研究提出一种车载三维摄像仪的土地覆盖验证方法,解决了三维视频资料中GPS验证点信息的输出和提取、验证点分类识别与管理,打分的精度评价等技术问题。以蒙古国东部7省(市)采集的2013年野外视频为例,从264 GB的影像资料中,分别以1、5、10、60、300 s为采样间隔,分离和辨识出123 396、24 679、12 339、2056、411个验证数据,并以验证打分的方法获得本区域的验证精度。分析表明,车载三维摄像仪具有自动化程度较高、能够连续记录可观的三维实地信息的优点,适用于信息化和大数据时代的土地覆盖验证。实地分间隔抽样结果表明,60 s间隔的采样频率在验证效率上最优,变长间隔采样技术将成为未来需要深入研究的关键问题。     

鄱阳湖地区土地覆盖空间分布格局与景观特征分析

 鄱阳湖是我国第一大淡水湖,具有洪水调蓄、水源涵养等重要生态服务功能。掌握鄱阳湖地区土地覆盖的空间分布格局和规律,对于评价其环境保护和生态服务功能具有重要作用。本文利用环境卫星影像、2005年鄱阳湖地区土地覆盖数据,经遥感解译分析获取了鄱阳湖地区2010年土地覆盖现状数据及其空间分布格局图。研究表明:(1)采用2010年的环境星影像结合2005年土地覆盖数据,人工目视解译得到的2010年土地覆盖数据的精度为80.4%。(2)景观生态学、GIS及统计学的思想和方法可以为土地覆盖空间特征的定量分析提供技术支持。文中采用的斑块面积指数、斑块形状指数、不同土地覆盖类型的邻接指数,从不同角度反映了鄱阳湖地区土地覆盖的空间分布格局及景观特征。(3)景观指数能定量说明土地覆盖景观的形状、大小、数量和空间组合,能反映景观的生态环境特点、人类活动及社会经济状况。面积特征指数显示研究区农村聚落的离散度及破碎度最高;斑块形状指数反映出研究区水体形状趋于规则化,其受到人类的"围湖造田,围湖造地"及防洪工程建设的干扰。(4)不同土地覆盖类型的邻接指数能定量说明相邻类型在物质交换、结构与功能的相互影响及土地资源形成机制、演替过程等。水田与常绿阔叶林的邻接关系反映了人类"毁林开荒"活动对林地与水田演替关系的影响;水田与农村聚落的邻接关系,表明研究区耕地保护的重点是城镇及农村周边耕地的保护;城镇建设用地的邻接关系表明了人类生活所需的生活条件,为"移民建镇"工程提供了科学依据。分析认为:鄱阳湖地区是以耕地为主的农业区,并且有丰富的水资源及森林资源,但今后要重视农村土地的集约化利用、水资源保护、耕地资源保护和自然资源的合理开发利用。     

自回归建模预测及其分析

自回归建模(简称AR)是一个变量的未来值用它的历史数据加权之和来表示。本文用三种时序列(均值、一阶差分、二阶差分)进行AR建模预测,择优录用最佳序列。文中对乾县、乌加河、易县等台站的倾斜仪资料进行了自回归建模预测分析,用AIC信息准则判定最佳模型阶数,其预测精度与[4]文方法相当,并有提高。文中对预测时段长度进行了探讨。用确定的预测限对1985年10月5日沙河驿5.3级地震作了预测检验,证实震前有明显的异常。     

基于深度学习的滑坡灾害易发性分析

滑坡灾害成因机理复杂、影响因素众多,深度学习作为当前人工智能领域的热点,能够更好地模拟滑坡灾害的形成并准确预测潜在的斜坡。为了挖掘深度学习在滑坡易发性的应用潜能,本文构建了一维、二维和三维的滑坡数据表达形式,并提出3种基于卷积神经网络模型（Convolutional Neural Networks, CNN）的滑坡易发性分析处理框架：基于CNN分类器、基于CNN与逻辑回归的融合和基于CNN集成,最后以江西省铅山县为研究对象进行验证,结果表明：所有基于CNN的易发性模型都能够获得准确且可靠的滑坡易发性分析结果。其中,基于二维数据的CNN模型在所有单分类器中预测精度最高,为78.95%。此外,二维CNN特征提取能够显著提升逻辑回归的预测精度,其准确率提升7.9%。最后,异质集成策略能够大幅度提升基于CNN分类器的滑坡预测精度,其准确率提升4.35%~8.78%。     

基于地理国情普查的县域景观格局分析与优化建议——以佛山市三水区为例

快速城镇化进程带来城市地表覆盖类型及其空间组合关系的剧烈变化,由此造成资源短缺、环境污染、生态恶化等诸多问题。景观格局分析与优化方法对合理利用和优化配置土地资源至关重要,而地理国情普查为此提供基础数据支撑。本文选取景观斑块水平和景观类型水平指数,基于地理国情普查数据,对佛山市三水区地表覆盖景观类型特征和景观格局特征进行量化分析。研究结果表明:三水区水域和林地构成景观基质,山水城市特征明显;城乡人文景观优势度相对较高,城市开发对生态景观破碎化作用显著;三水区土地综合整治工作有待加强。     

考虑线状环境因子适宜性和不同机器学习模型的滑坡易发性预测建模规律

对于滑坡易发性预测中的水系、公路和断层等线状环境因子, 现有研究大多采用缓冲分析提取距离线状因子的距离。但缓冲分析得到的线距离属于离散型变量, 带有大小不等的随机波动性且对点或线要素的误差较为敏感, 导致滑坡易发性建模精度下降。提出了使用水系和公路的空间密度等连续型变量改进线状环境因子的适宜性。以江西省安远县为例, 选取高程、地形起伏度、距水系和公路距离等14个环境因子(原始因子), 再将距水系和公路距离2个线状因子改进为水系密度和公路密度(改进因子); 之后采用逻辑回归、多层感知器、支持向量机和C5.0决策树等机器学习模型, 分别构建了基于原始因子和改进因子的机器学习模型以预测滑坡易发性; 最后利用ROC曲线和易发性指数分布特征等来研究建模规律。结果表明: ①改进因子机器学习预测精度均高于原始因子机器学习模型, 表明空间密度对于易发性预测的适宜性更好; ②在4类机器学习模型中C5.0模型对于滑坡易发性预测性能最好, 其次是SVM、MLP和LR; ③水系和公路两类环境因子的重要性较高且使用改进因子机器学习后这两类环境因子重要性排名依然非常靠前。      

基于独立成分分析和随机森林算法的城镇用地提取研究

城镇用地信息是联合国2030年可持续发展议程关注的重点之一。城市在世界范围内迅速扩张,快速准确地获取城镇用地信息对于政府决策具有重要作用。城镇土地覆盖信息非常复杂,包括人工建筑、树木、草地、水体等多种地表覆盖类型。基于传统人工测绘获取城镇用地信息费时费力并且难于及时更新。Landsat等遥感卫星数据为城镇用地信息提取提供了丰富的数据源。基于卫星遥感数据提取的城镇用地信息可以为未来城市的建设和管理提供基础的科学决策数据。基于监督分类方法和卫星遥感数据可快速地提取城镇用地信息,然而特征变量的选择对于高精度城镇用地信息提取尤为重要。为研究不同特征变量组合对于城镇用地信息提取的影响,以北京市为研究区,以2017年7月10日获取的Landsat 8 OLI影像为数据源,通过数据预处理、纹理提取、独立成分分析、主成分分析等得到4个维度的29个特征,选取了7种特征组合方案进行城镇用地提取。考虑随机森林算法性能稳定,分类精度高和可以方便进行特征重要性评价等优点,选择其作为监督分类算法以提取城镇用地信息,并进行了精度评定,以确定最优的城镇用地提取特征组合。研究发现：综合利用光谱特征和独立成分分析后的影像特征,提取城镇用地的总体精度为93.1%,Kappa系数为0.86,优于利用其他特征的提取结果;基于随机森林算法对数据进行训练后输出的各变量的归一化变量重要性与特征均值的标准差结果存在相似性,利用随机森林算法的变量重要性估计与特征均值折线图都可以进行变量重要性评价。     

矿区地表沉降监测的一种组合模型预测方法

基于诱导有序加权平均（IOWA）算子,将差分整合移动平均自回归（ARIMA）模型和Holt-Winters指数平滑模型进行组合,采用SBAS-InSAR监测值进行矿区地表沉降预测,并与各单一模型的预测结果进行对比分析。结果表明,基于IOWA算子的组合模型的预测精度较单一模型有明显提升,其中各点均方误差（MSE）平均值为1.458 mm,平均绝对误差（MAE）为2.175 mm,可用于矿山地表沉降监测预测。     

景观指数的空间尺度效应分析——以厦门岛土地利用格局为例

选取8个常用的景观指数,以厦门岛土地利用格局为例,分析景观指数随粒度变化的基本规律。探讨尺度效应对景观格局的影响,为基于景观指数进行不同尺度下土地利用类型、土地利用格局变化预测、对比分析和评价等研究提供参考。结果表明:在研究区内景观类型特征和景观格局特征随粒度的增大出现了显著的变化;除面积比例对粒度变化弱敏感外,其余所选景观指数对粒度变化相对敏感,体现出一定的尺度依赖性,因而利用这些景观指数进行不同尺度下的景观格局分析时需考虑尺度效应。     

非等距GM(1,1)模型在沉降预测中的应用探讨

针对非等距沉降数据序列的建模问题,探讨了3种非等距GM(1,1)模型在沉降预测中的应用。结果显示,加权非等距GM(1,1)模型不适用于具有近似指数趋势的沉降数据,灰线性加权非等距GM(1,1)模型并非真正的非等距模型,模型预测式与时间无关,不能用于沉降预测,而对于笔者所建立的非等距GM(1,1)模型,其拟合函数等同于灰色线性回归组合模型,可用于近似指数趋势的沉降数据。通过实例分析对比了3种非等距GM(1,1)模型的应用效果,验证了上述观点的正确性。     

中国1:25万土地覆盖遥感制图精度评价——以鄱阳湖地区为例

 全球及区域尺度的土地覆盖数据是陆地表层过程研究的重要基础。土地覆盖遥感制图是全球变化和区域可持续发展研究重要的支撑数据,制图精度评价对于数据生产者和数据用户都具有非常重要的意义。2011年在鄱阳湖地区的野外考察共采集包括定点验证、GPS以及解译标志3种类型的土地覆盖样点321个,本文利用剔除了时间差异影响后的287个土地覆盖样点,将样点的实际土地覆盖类型与遥感制图中相应位置的土地覆盖类型进行对比,并利用分层次评估法,即分别在土地覆盖一级类和二级类两个尺度上,采用正确得1分,错误得0分的计分方法,对2005年中国1:25万土地覆盖遥感制图在鄱阳湖地区的精度进行实地验证。结果表明:(1)在土地覆盖一级类型尺度上总体的制图精度为61.67%。其中,湿地/水体的制图精度为100%,农田的制图精度为98.4%,森林的制图精度为80.0%,聚落和草地的精度均低于20%。(2)在二级类型尺度上总体的制图精度为44.25%。其中,2个草地和3个森林及1个农田的二级类型的分类精度为0,旱地、城镇建设用地和农村聚落的分类精度也很低,分别为21.1%、29.0%和1.7%。实地调查发现,2005年左右的全国1:25万土地覆盖遥感制图基本上反映了鄱阳湖地区的土地覆盖状况。但是,对于一些具有过渡性质的土地覆盖类型,如森林和草地等,仅依靠遥感技术准确识别区分仍有一定的难度。     

历史解译知识引导下组合遥感图谱特征的变化检测方法

高空间分辨率遥感影像为地表变化监测提供了大量细节信息,这使得基于高分辨率影像的变化检测技术成为当前遥感领域的研究热点之一。本文提出了一种历史解译知识引导下组合遥感图谱特征的变化检测方法。首先,通过分割前后时相的组合影像构建空间位置一致的对象,并在提取对象光谱和纹理特征后,引入前期土地覆盖专题图指导2类图谱特征相似度的DS证据融合;然后,利用其历史存档图斑所属区域的优势地类标签指示不同特征相似度的证据差异融合;最后,基于GMM（Gaussian Mixture Mode）模型的二值化方法提取最终的变化区域。实验结果表明,该方法能充分利用历史解译知识指导不同时相高分辨率影像对象特征相似度组合,一定程度上提高了变化检测正确率。     

一种基于面积对称模型的土地利用/覆被真伪变化图斑检测方法

不同时相土地利用/覆被数据间的空间配准误差,是产生土地利用/覆被伪变化图斑的一个主要原因。本文从土地利用/覆被原始图斑与其相邻的变化图斑间的空间关系角度,提出了由同一原始图斑产生的土地利用/覆被伪变化图斑的面积对称理论,设计和实现了针对因空间配准误差而导致的土地利用/覆被伪变化图斑自动化检测模型,并以内蒙古自治区通辽市奈曼旗1980年和2000年两期土地利用/覆被图对该模型进行了实验模拟。结果表明：当两期数据的空间配准误差不超过原始影像1个像元时,总体检测精度达到90%以上;误差不超过5个像元时,总体检测精度达到80%以上;误差不超过原始影像10个像元时,总体检测精度达到70％以上。同时,由于运行时唯一需设定的面积对称系数阈值可设为0.2-0.4（默认设为0.3）,该检测模型可适用于由空间配准误差引起的伪变化图斑的自动检查,可满足由于空间配准误差所引起土地利用/覆被伪变化图斑剔除的需求。     

基于伪纯像元的精度评价策略及其应用

土地覆被是地球科学研究中的重要参量,评价土地覆被数据的制图精度是保障数据合理使用的前提。本文提出了一种基于伪纯像元的精度评价策略（伪纯像元策略）,即当低空间分辨率栅格窗口内对应的高空间分辨率数据中优势类别（面积最大的地类）的占比高于伪纯像元纯度阈值（代表像元纯度,取值范围：35%~100%,步长为5%）时,以此栅格窗口为基准生成土地覆被类型为优势类别的伪纯像元用于精度评价。以澜沧江-湄公河（澜湄）流域为试验区,选择GlobeLand30为参考数据,并基于混淆矩阵精度评价方法对比分析了伪纯像元策略与重采样法（最近邻法和众数法）在CCI-LC（300 m）和MCD12Q1（500 m） 2套全球土地覆被数据精度评价中的差异。结果表明：① 伪纯像元策略在35%~100%纯度阈值下对CCI-LC和MCD12Q1在澜湄流域评价的精度分别为72.76%~55.26%和71.44%~45.41%,比重采样法评价的单一精度（众数法：71.21%和70.54%、最近邻法：71.48和69.87%）能更好地反映像元纯度对土地覆被数据精度的影响;② CCI-LC的总体精度高于MCD12Q1,且2套数据的精度差随纯度阈值的增大而增加,CCI-LC和MCD12Q1在35%、100%纯度阈值下的精度差分别为1.32%和9.85%;③ 2套数据中耕地、有林地、草地和水体的分类精度均相对较高,而灌木林地（精度接近0）和裸地的分类精度均较低;④ 2套数据与GlobeLand30的空间不一致区域多出现在土地覆被类型高度异质化的混合像元区域,且随纯度阈值的增大,评价样本栅格更趋均质,混合像元对评价精度的影响也会递减。伪纯像元精度评价策略适用于跨空间分辨率土地覆被数据的精度对比,为评价全球土地覆被产品在区域尺度的适用性及适用范围提供了新的检验策略。     

多源30 m分辨率土地覆被数据在蒙古高原的一致性分析和精度评价

蒙古高原土地覆被的变化表征着区域内生态环境的变化,许多环境问题的研究依赖于准确的土地覆被信息。因此,评估当前全球土地覆被数据在区域尺度上的准确性非常重要。本文以蒙古高原为研究区,从构成相似性、类型混淆程度、空间一致性、绝对精度4个方面,分析了GlobeLand30、GLC_FCS30和FROM_GLC 3种30m高分辨率全球土地覆被数据的一致性和准确性。结果表明：① 3种土地覆被数据都显示,草地和裸地是蒙古高原的主要土地覆被类型,任意2种数据的面积序列相关系数都优于0.95;② 3种土地覆被数据中完全一致的区域占蒙古高原总面积的61.87%,主要集中在土地表面异质性低的区域;③ GLC_FCS30数据的总体精度（78.33%）最高,GlobeLand30数据的总体精度（76.85%）次之,FROM_GLC数据的总体精度（75.86%）最低;林地、草地、水体和裸地在3种土地覆被数据中的精度较高（75%以上）,灌丛、湿地等地类的精度较低（50%以下）。因此,对蒙古高原土地覆被进行全要素研究时,可以综合考虑选择总体精度最高的GLC_FCS30数据。对特定地类研究的用户,可参考3种土地覆被数据的分类精度有针对性的进行选择。本文可为蒙古高原相关研究选择合适的土地覆被数据提供参考。     

Land-cover survey in northeast China using remote sensing and GIS

Ｉ．ＩＮＴＲＯＤＵＣＴＩＯＮＷｉｔｈｔｈｅｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔｏｆｎａｔｉｏｎａｌｅｃｏｎｏｍｙａｎｄｔｈｅｇｒｏｗｔｈｏｆｔｈｅｐｏｐｕｌａｔｉｏｎｓｉｎｃｅｔｈｅ１９９０ｓ,ｔｈｅｒｅｃｏｍｅｓｎｅｗｄｅｍａｎｄｓｆｏｒｅｘｐｌｏｉｔ...     

Remote sensing classification of western Sierra Leone using landsat TM and ETM +

The study examines the changes of land cover/use resources for the period under investigation.An unsupervised vegetation classification is being performed that provides five distinctive classes and thus assesses these changes in five broad land cover classes-high/moist forests,forest regrowth,mixed savanna,bare land/ grass and water.The remote sensing images used in this work are both images of TM and ETM+in different time periods(1986 to 2001)to determine land cover/use changes.A fairly accuracy report is recorded after performing the unsupervised classification,which shows vegetation has been depleted for over the years.Changes created are mostly human and to a lesser extent environment.Human activities are mainly encroachment thus altering the landscape through activities such as population growth,agriculture,settlements,etc.and environment due to some perceive climatic changes.This vegetation classification highlights the importance to acquire and publish information about the country’s partial vegetation cover and vegetation change including vegetation maps and other basic vegetation influencing factors,leading to an understanding of its evolution for a period.     

多时相耕地覆盖提取和变化分析：一种结合遥感和空间统计的时空上下文方法

基于多时相影像的耕地提取和变化分析是有效管理和保护耕地资源的重要手段。然而就多时相耕地的分类提取而言,现有方法对于多时相影像中地物的时空特征表达和时空上下文关系建模存在着局限性,导致耕地的提取精度不佳;其次,对于耕地的变化分析,现有方法往往只关注基于行政单元的耕地面积统计变化,而对耕地变化在空间上的相关性分布特点考虑较少。因此,本文首先提出了一种时空上下文分类方法,综合表达和利用多时相影像中地物的光谱、纹理和空间等特征,建模时空维度上地物间在特征和语义上的上下文关系,来提高耕地覆盖分类的精度;其次,基于耕地覆盖的提取结果,在规则格网和行政区划单元上,采用GIS空间统计方法分析耕地变化的空间相关性特点;最后,以北京市顺义区为例,以2015—2019年的多时相Sentinel-2影像为数据源对本文方法进行验证。结果表明,与常见的2种多时相影像分类方法相比,本文方法在多时相耕地分类上精度最高,平均用户精度和制图精度分别达到91.21%和90.53%,所有类别的总体精度为90.79%。这表明本文方法能精确提取多时相耕地覆盖信息。通过对耕地变化的空间分布特点进行分析,发现2015—2019年顺义区耕地变化存在区域聚集现象,主要呈现为集中减少特点,其中赵全营镇、高丽营镇、木林镇和杨镇地区耕地的聚集性减少较为明显,说明这些地区的耕地侵占和减少问题比较严重。     

THE DRIVING FORCES OF LAND USE/COVER CHANGE INTHE UPSTREAM AREA OF THE NENJIANG RIVER

IINTRODUCTION niques in China（ZHANG。t al，1999； CHEN et al，2000b）．Since the early 1990s，he acceleration of land With its abundant forest，land and water re－use／cover change（LUL乙）has spurred renewed con－sources，the area of the Nenjlang River valley Is one ofcerns about the role ofland use change Indrlvingmany the lmpoFtant lumber products and commodity grainenvironmental problems．Research on the causes and ba…     

Effects of RapidEye imagery’s red-edge band and vegetation indices on land cover classification in an arid region

Land cover classification (LCC) in arid regions is of great significance to the assessment, prediction, and management of land desertification. Some studies have shown that the red-edge band of RapidEye images was effective for vegetation identification and could improve LCC accuracy. However, there has been no investigation of the effects of RapidEye images’ red-edge band and vegetation indices on LCC in arid regions where there are spectrally similar land covers mixed with very high or low vegetation coverage information and bare land. This study focused on a typical inland arid desert region located in Dunhuang Basin of northwestern China. First, five feature sets including or excluding the red-edge band and vegetation indices were constructed. Then, a land cover classification system involving plant communities was developed. Finally, random forest algorithm-based models with different feature sets were utilized for LCC. The conclusions drawn were as follows: 1) the red-edge band showed slight contribution to LCC accuracy; 2) vegetation indices had a significant positive effect on LCC; 3) simultaneous addition of the red-edge band and vegetation indices achieved a significant overall accuracy improvement (3.46% from 86.67%). In general, vegetation indices had larger effect than the red-edge band, and simultaneous addition of them significantly increased the accuracy of LCC in arid regions.