徐州煤矿区土地利用变化分析

以3 个时相的卫星遥感图像TM 为主要数据源, 利用神经网络分类法进行监督分类, 获得1987-2003 年间徐州煤矿区土地利用变化的基础数据。由此计算出土地利用类型的动态转移矩阵、土地利用程度变化指数、动态度指数、土地利用变化类型的多度和重要度指数等区域土地利用变化的指数模型, 定量分析该区土地利用变化情况。结果显示: ① 建设用地和水体的面积均保持持续上升的势头; 耕地呈现持续下降态势; 林地先减少后增加; 未利用地面积则呈现出先增加后减少态势。② 在1987-2003 年间, 建设用地和未利用地都主要转向耕地。在1987-1994 年间, 水体主要向林地转移; 耕地主要转向未利用地和建设用地; 林地主要转向耕地。在1994-2003 年间, 水体的转移比例很小; 耕地主要转向未利用地和林地; 林地主要转向水体。③ 在1987-2003 年间, 该区土地利用变化的剧烈程度很大, 并且其土地利用正处于一个衰退期。④ 在1987-1994 年间, 主要的土地利用变化类型分别是: 未利用地与耕地、耕地与建设用地之间的相互转化。在1994-2003 年间, 主要的土地利用变化类型分别是: 耕地转化为未利用地、耕地转化为林地、未利用地转化为耕地、耕地转化为建设用地。     

基于多尺度分割的煤矿区典型地物遥感信息提取

根据煤矿区典型地物类型的特点,研究遥感影像信息提取时面向对象分类方法的最优分割尺度问题。试验结果表明:在适于不同地物提取的最优分割尺度下,充分利用煤矿区影像对象的光谱、形状、纹理以及类间相关等特征,并综合应用隶属函数法和最邻近分类法,能有效地提取出煤矿区地物信息,与最大似然分类法相比,能够较好地消除"椒盐现象",其总体分类精度可提高26.2%。     

高分辨率影像融合算法对滨海湿地土地利用分类精度的影响

针对融合算法对影像分类精度具有明显影响的问题,本文选择连云港海岸带埒子河口滨海湿地为研究区,以GF-1卫星影像为数据源,首先分别使用Gram-Schmidt算法、PCA算法及Brovey算法进行影像融合。然后在eCognition软件平台上,基于面向对象多尺度分割技术,利用随机森林算法对影像进行土地利用分类,并对分类结果进行精度评价。试验结果表明,不同融合算法影像融合效果明显不同,其中,Gram-Schmidt算法融合后的影像质量最好,且分类精度最高;Brovey融合算法对植被和水体有较好的光谱保真性,并且改变波段组合后分类精度有明显提高;PCA算法在3种融合算法中精度最低。     

利用Sentinel-2A数据提取长江中下游丘陵地带农作物种植信息

长江中下游丘陵地带地块细小破碎、种植结构复杂,导致作物遥感光谱特征相互纠缠,信息精确提取困难等。本文基于Sentinel-2A数据提出了多特征组合优化的丘陵地带农作物种植结构精确识别方法。首先获取研究区内主要农作物的关键物候特征信息;然后计算其光谱特征、纹理特征、地形特征值,构建原始特征集;最后采用随机森林方法对特征进行重要性排序,对原始特征集进行特征变量优化,并选择优化后的组合特征进行监督分类提取出研究区农作物信息。试验结果表明,相较于单变量特征,通过多特征优化组合分类总体精度和Kappa系数分别从80.4%和0.748提高到96.3%和0.954,有效地提高了南方丘陵地带农作物分类精度,算法稳定性较强。在南方丘陵地带农作物的识别过程中,进行特征变量优化后的地形特征与纹理特征能显著提高分类精度。     

粗集理论在GIS属性数据和逻辑运算精度分析中的应用

运用粗集理论对 GIS属性数据分类的精度表示进行了研究 ,对其逻辑运算的“逻辑交”,“逻辑并”,“逻辑补”等算法的精度做了分析。     

基于三维激光扫描技术的古陵墓可视化

以徐州市狮子山楚王陵为例,基于LeicaHDS公司的ScanStationCIO三维扫捕系统,提出了基于三维激光扫描仪的古陵墓可视化技术流程,并提出了古陵墓点云数据获取与处理、三维景观建模与可视化实现的方法。结果表明：三维激光扫描技术作为一种新的测量手段和技术,能快速、有效地获取古陵墓的高分辨率三维点云数据,在此基础上,可构建精准伟的古陵墓三维景观模型,并进一步开发出古陵墓的三维可视化系统。     

基于小波纹理信息的星载SAR图像与TM图像的数据融合

遥感图像的数据融合是当前遥感界研究的热点问题之一。论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，基于小波纹理信息将SAR图像与TM图像进行融合。选取徐州市南郊风景区的Radarsat卫星SAR图像和TM图像进行试验研究，并与颜色变换法融合图像进行对比分析，结果表明，无论是目视解译还是定量分析，该融合方法与颜色变换法相比，将获得更理想的高空间分辨率多光谱的融合图像。     

农田灌溉过程与土壤参数更新对中亚费尔干纳盆地WRF/Noah模拟精度的提升

通过中亚费尔干纳盆地2007～2011年气候的模拟试验,揭示了新增农田灌溉过程与更新土壤参数对WRF（Weather Research and Forecasting）/Noah模式模拟精度的提升作用。通过对比标准版本与嵌入灌溉过程参数化方案后的WRF/Noah模式的模拟结果,研究发现农业灌溉提升了土壤含水量,导致地表蒸发增强,潜热增加,感热减少,致使近地层大气降温、增湿,这一效应降低了WRF/Noah模拟的暖、干偏差,模拟2 m气温和大气比湿均方根误差分别由6.52°C降低至5.81°C,由1.66 g/kg降低至1.13 g/kg。进而针对WRF默认配置的费尔干纳盆地内土壤数据精度欠佳的问题,再利用国际土壤参比与信息中心（ISRIC）数据（主要是粉砂粘壤土和粉砂壤土）替换了WRF默认的数据（主要是粘土和壤土）,降低了土壤凋萎系数,使得有效土壤水增多,缩小了灌溉需水量的模拟误差,并使得蒸散发进一步增强,潜热增多,感热减少,导致近地层降温、增湿,进一步降低了WRF/Noah模拟的暖、干偏差,模拟温度、湿度的均方根误差分别由5.81°C降低至5.46°C,由1.13 g/kg降低至1.08 g/kg。上述结果表明:充分农业灌溉对陆面过程产生影响,以及采用高精度的土壤数据能够显著提高WRF/Noah模式在中亚费尔干纳盆地的模拟精度。     

地形信息辅助下的全极化SAR数据土地覆盖分类

提出了地形参数辅助全极化SAR数据土地覆盖分类的方法,基于规则判断的决策树分类法,建立了全极化SAR数据的H/α-Wishart初步分类结果和地形参数的相关规则,对初步分类结果进行后处理,获得了精度较高的土地覆盖分类结果。以淮北地区为研究区,对全极化SAR数据的H/α-Wishart初步分类结果进行了分析,选取易混淆的土地覆盖类型样本,通过样本统计量确定DEM高程、坡度2种地形参数的阈值,设计决策判断规则,对初步分类结果进行了处理。试验结果表明,该方法能有效地提取出研究区内的水体、山地、林地、建设用地、耕地、未利用地6种土地覆盖类型,水体与建设用地、建设用地与山地的阳面、林地与山地阳面的混淆程度得到很大程度的改善,区分度增大。