九寨沟地震中应急测绘多源数据融合应用

针对"8·8"四川九寨沟7.0级地震应急测绘保障时间紧、任务重的特点,探索利用多源多途径方法,快速获取九寨沟核心景区多源灾情地理信息数据,开展相关数据的融合应用。实践证明,多源数据融合技术在应急测绘保障工作中不仅可以提高数据利用精度,而且可以快速提高应急保障数据的使用效率和用途。多源数据融合技术还可为指挥决策等部门的灾情侦查、灾害调查、灾后重建工作,提供内容丰富、多维支撑的决策信息支撑。     

GF-2影像城市地物分类方法探讨

GF-2影像具有较高的分辨率和丰富的光谱、几何及纹理信息。为了深入探索GF-2影像城市地物分类方法，本文以四川省隆昌县城为研究区，提出了一种基于最优尺度和规则的面向对象分类法。在影像分割的基础上，通过构建评价函数，并结合最大面积法选取最优尺度，进而构建分层体系，提取影像的光谱、几何及纹理特征建立规则并分类，且将其与单尺度下的面向对象和基于像素分类法进行对比分析。结果表明，本文方法的总体精度和Kappa系数分别为93.33%和0.92。     

快速生成等值线的凹包算法

针对传统等值线的生成是根据离散点利用凸包作为构建TIN的边界,采用等值线追踪的方法进行生成,然后再进行等值线光滑、添加相应注记等以完成等值线图的绘制,存在效率不高,待删除的冗余三角形较多等问题,该文提出了一种以凹包作为由离散点构建TIN的边界,将所有三角形中等值线段生成之后,再整体进行相邻线段合并成多段线折线的方法进行等值线生成,减少了冗余三角形。经过实际验证表明,此法不仅能够满足等值线的快速生成,而且对于狭长型地带或大数据量时其优势更加明显,能够有效降低劳动强度,并且此法简单易行,能够满足实际的生产需要。     

九寨沟地震地质灾害隐患早期识别与分析研究

针对传统地质灾害调查手段难以有效识别高位远程、高植被覆盖下地质灾害隐患问题,本文研究采用InSAR、机载LiDAR、无人机光学遥感等技术,系统开展了九寨沟地震区域地质灾害隐患早期识别工作。通过SAR数据处理、激光点云数据处理、无人机影像处理等过程,构建了一套集成纹理特征、形变特征、形态特征的地质灾害隐患识别遥感解译图谱。通过综合应用多源遥感技术,完成了九寨沟核心景区230 km²范围内的地质灾害隐患早期识别任务,突破了以往地质灾害灾害调查灾害隐患看不见、看不清、看不准的难题,提高了该区域地质灾害隐患识别的成功率。研究表明,综合应用InSAR、机载LiDAR、无人机遥感等探测技术可以有效提高艰险复杂山地环境地质灾害隐患的识别率,可以为地质灾害隐患早期识别提供技术支撑。     

高光谱遥感数据波谱相似性模糊聚类方法研究

高光谱遥感数据的聚类是定量遥感研究的热点。为提高其聚类精度,将光谱相似性测度与模糊动态聚类法有机结合,构建四种模糊聚类新方法：光谱角度-模糊聚类法、光谱信息熵-模糊聚类法、光谱角度与光谱信息熵混合-模糊聚类法与海明距离-模糊聚类法。以实测植被高光谱信息为数据,利用该四种方法进行比较分析其聚类精度。实验结果表明光谱角度与光谱信息熵混合模糊聚类法以及光谱角度模糊聚类法的聚类精度均相对其他几种方法较好,是最有效高光谱遥感聚类方法。为今后该领域的方法的进一步研究提供一种借鉴与参考。     

湿地植被类型提取及其生长期变化特征分析

针对随着全球气候变化、人口剧增和社会经济的发展,湿地生态系统及其生物多样性面临前所未有的威胁和干扰的现状,该文通过利用若尔盖湿地国家级自然保护区植被类型样点提取的长时间序列中分辨率成像光谱仪归一化植被指数同一像元值数据,采用非度量多维尺度分类方法,分析其提取植被类型的可靠性,并对植被生长期变化特征进行了研究。研究结果表明:长时间序列原始与Savitzky-Golay重构的归一化植被指数数据按植被类型分类结果显著,应力系数分别是0.07和0.04;保护区植被归一化植被指数值与降水量、温度存在中度、高度线性相关;保护区沼泽植被生长期呈延长趋势,草甸和沙地植被生长期在时间上有向后推移的趋势。     

基于GIS的低丘缓坡土地宜建适宜性评价

低丘缓坡土地资源的开发利用是解决土地供需矛盾的有效途径。基于GIS技术,采用德尔菲法确定影响低丘缓坡土地宜建参评因素,利用层次分析法计算相关影响因子权重,以预防地质灾害与保护生态环境为优先原则,构建了一套适合低丘缓坡土地的建设用地适宜性评价模型,据此模型得到研究区低丘缓坡土地宜建等级和适宜面积,为今后土地资源合理开发和优化配置提供建议。     

结合灰度和基于动态窗口的纹理特征的遥感影像分类

在基于灰度共生矩阵提取遥感影像纹理特征的基础上,针对固定窗口算法的局限性,提出了动态窗口算法;并将不同滑动窗口算法提取的纹理特征与影像灰度组合进行支持向量机(SVM)分类,对分类结果进行定性和定量比较分析。实验结果表明:影像灰度结合动态窗口算法提取的纹理特征进行SVM分类的分类精度优于灰度结合固定窗口算法提取的纹理特征的分类精度。因此,提出的算法较传统的固定窗口算法更具优势,是一种有效纹理信息提取方法。