干旱区绿洲土地利用/土地覆被动态演变研究

选择生态环境脆弱的艾比湖流域内绿洲为研究对象,以1990年、2001年、2010年三期TM和ETM+影像为数据源,采用SVM分类方法进行土地利用/覆盖类型分类、统计与分析研究区20年土地利用/覆盖时空动态变化。研究结果表明:1)1990～2001年除了裸地面积减少外,其他地类均有增加,且耕地面积增加幅度最大,面积增加了483.42 km2。2001～2010年除了耕地面积增加了488.87 km2,其余地类的面积都有不同程度的减少。而研究期间裸地面积一直呈现不断下降的趋势,在20年间共减少了1 186.43 km2。2)经济发展、政策、人口以及自然环境等驱动因素对研究区土地利用结构变化影响甚为显著,而人口迅速增加对农产品的大量需求促使耕地变化剧烈,面积大幅增长。因此,合理地控制人口数量,正确的政府政策导向和合理经济发展需求是干旱区绿洲土地可持续发展的关键。     

面向对象方法支持下的土地利用分类

面向对象的影像分析技术在高分辨率影像地物信息的提取中有着重要应用.利用Sentinel-2高分辨率多光谱影像数据,以合肥市包河区作为研究区域,应用多尺度分割技术将影像分割成对象,并对特征空间进行选择和优化,基于面向对象分类方法提取出研究区域最近邻的六种典型地物,分类结果与面向像元的最大似然分类、支持向量机、神经网络的结...     

基于多特征PolSAR数据的干旱区土地利用/覆被分类

以新疆于田绿洲为例,基于PolSAR与Landsat OLI的多源数据集,采用随机森林、决策树等机器学习算法进行了干旱区土地利用/覆被分类精度对比研究.结果表明:①全极化PALSAR-2数据与目标极化分解特征分量、光谱特征数据的融合使分类总精度从单幅PALSAR-2图像分类的71.11％提高到93.24％,Kappa系数从0.65提高到0.92.②针对PALSAR-2数据,贡献率最大的特征变量来自Pauli分解的3种特征分量K1、K2、K3和Krogager分解的KD、KH;其次,植被指数、水体指数、盐分指数以及光谱主成分分析第一波段等光谱特征数据对地物分类有一定的贡献.③随机森林对多源数据集的土地利用分类性能优于SVM与决策树分类,该算法在精确提取干旱区土地覆被信息上有较好的可行性.     

土地利用与土地覆被变化研究综述

本文综述了全球环境变化研究中土地利用与土地覆被变化(LUCC)研究的有关问题,重点介绍了LUCC研究的主要内容与进展情况,并归纳出LUCC研究的发展趋势:①新一代的LUCC模型应该能够模拟LUCC的主要社会经济和自然驱动力,包括从LUCC到驱动力和全球环境变化的主要反馈关系;②具有明确的空间关系,能够以适当的空间分辨率、比较好地预测长期的土地利用与土地覆被变化及有关的物理参数,如植被特征、资源积聚和退化等;③能够更好地认识LUCC与其主要驱动力之间的关系在局地、区域和全球尺度上的动态和后果。充分考虑LUCC对政策、技术进步、人口增长、经济发展、市场变化等社会变量的灵敏性;④发展新的LUCC建模方法,使LUCC模型能够与其他类型的全球环境变化模型建立联系。     

基于纹理特征和支持向量机的ALOS图像土地覆被分类

高空间分辨率遥感图像在土地覆被分类方面应用广泛,但传统的基于像元分类方法的精度较低.为了提高高分辨率图像的分类精度,通过灰度共生矩阵法快速提取纹理特征,利用支持向量机(SVM)并辅以纹理特征,对浙江湖州典型实验样区的ALOS图像进行土地覆被分类.结果表明:基于纹理特征和SVM的图像分类能更好地提取地物信息,分类总精度达...     

RS&GIS支持下的大庆市土地利用分类

选择具有“中国油都”之称的大庆市为研究区,对其土地进行遥感调查,拟定了土地利用分类系统,给出了大庆土地利用覆盖的构成数据一览表和土地分类图。分析结果可为类似于大庆一类的工矿型城市土地利用分类提供决策支持。     

兰州市土地利用/土地覆被动态变化研究

以兰州市2000年和2010年两个年版的土地利用现状数据进行土地利用/土地覆被动态变化资源为对象,结合遥感技术和地理信息系统技术,分析兰州市土地利用的数量变化特征和空间变化特征.研究结果表明:农田、草地、居住地、工矿成为10年来兰州市土地利用的主要转化类型.其中农田面积增加了126.26 km2,主要由草地、居住地、裸地、灌木、工矿转化而来.兰州市属两山夹一河的特殊地貌,城市用地紧张,本研究为探索兰州市发展的新途径提供了技术参考.     

胶州湾海岸带土地利用/覆被变化研究

对影像进行大气校正等处理后,引入地学知识构建决策树,运用决策树法对1989年及2000年Landsat TM/ETM影像进行分类,得到这两个时期的土地利用类型图,然后对这两期土地利用类型进行叠加分析,得到土地利用变化矩阵。1989～2000年胶州湾土地利用变化过程表现为:城镇等建成地、养殖及盐田用地、城镇的建设裸地或待建地等迅速扩增,而耕地、内陆滩涂迅速减少,海域减少,林、草地变化不大;耕地主要向城镇等建成地、养殖及盐田用地转化,海域向养殖及盐田用地、城镇建成地转化。十余年间,人类活动对环境的影响增强,城市"三废"增加,陆源营养盐和其他污染物大量排放入海,引起胶州湾海水水质恶化、沉积物重金属含量增加,浮游生物减少,生物多样性降低,赤潮频发。     

基于分类回归树分析的遥感影像土地利用／覆被分类研究

以专家知识和经验为基础,综合影像光谱信息和其他辅助信息进行分类的基于知识的遥感影像解译方法,是提高遥感影像分类精度,实现自动解译的有效途径之一。然而,知识的获取一直是其得以广泛应用的“瓶颈”问题。以江苏省江宁试验区土地利用/覆被分类为例,利用分类回归树分析(CART)从训练样本数据集中发现分类规则,集成遥感影像的光谱特征、纹理特征和空间分布特征进行分类实验,并与传统的监督分类和逻辑通道分类方法进行比较。结果表明,基于CART的分类方法的精度基本在80%以上,与另两种方法相比,有了较大的提高,而且该算法复杂性低,效率高。由此说明,利用CART算法构建决策树获取的分类规则是合理的。它可以快速、有效地获取大量分类规则,是促进基于知识的遥感影像分类方法在土地利用/覆被分类中广泛应用的一项有效手段。     

迁移学习支持下的遥感影像对象级分类样本自动选择方法

面向遥感大范围应用的目标,自动化程度仍是遥感影像分类面临的重要问题,样本的人工选择难以适应当前土地覆盖信息自动化提取的实际应用需求。为了构建一套基于先验知识的遥感影像全自动分类流程,本文将空间信息挖掘技术引入到遥感信息提取过程中,提出了一种面向遥感影像对象级分类的样本自动选择方法。该方法通过变化检测将不变地物标示在新的目标影像上,并将过去解译的地物类别知识迁移至新的影像上,建立新的特征与地物关系,从而完成历史专题数据辅助下目标影像的自动化的对象级分类。实验结果表明,在已有历史专题层的图斑知识指导下,该方法能有效地自动选择适用于新影像分类的可靠样本,获得较好的信息提取效果,提高了对象级分类的效率。     

矿业城市土地利用/覆被变化的水文效应研究

矿业城市受到矿山开发与城市扩张的双重影响,生态环境遭到严重破坏,水环境问题尤为突出。本文以煤矿城市河南省鹤壁市为研究区,根据汤河流域1970—2015年土地利用覆被时空变化特征设定5种不同时期土地利用情景,采用SWAT模型模拟分析5期土地利用/覆被变化的水文效应以及变化规律。研究结果显示,1970—2015年间,土地利用变化引起流域内蒸散发量、土壤下渗量和地下径流量年均分别减少-1. 48 mm、-0.38 mm、-0.29 mm,地表径流量年均增加0.76 mm,汛期与非汛期径流增加;在不同水文年份,土地利用变化对平水年的年径流影响最为明显,对枯水年年径流的影响大于丰水年。本文主要提出了以矿业城市土地利用变化对水循环的影响,该方法对矿区范围内水资源的科学管理具有一定的参考意义。     

样本迁移支持下的遥感影像自动分类方法

迁移学习是运用已有知识对相关的不同领域的问题进行求解的一种机器学习方法,本文结合这一方法,提出了一种基于先验知识的样本自动选取方法,并构建了一套土地覆盖自动分类的算法框架。该方法主要面向Landsat数据,通过图像变化检测技术与光谱形状编码的方法,从源领域中迁移适用的地物类别知识并标记在目标影像中,使用SVM完成基于样本迁移的自动分类流程。结果表明,该方法可以获得可靠的自动分类结果,一定程度上满足遥感信息的大范围提取与长时间序列处理分析的发展需求。     

朝阳市土地利用/覆被变化研究

随着社会的高速发展,资源与环境问题日益显著,土地利用/覆被变化(Land Use and Land Cover Change,LUCC)的研究日益成为全球范围内的研究热点。本文基于辽宁省朝阳市6期LandsatTM影像,以ENVI 4.5和ArcGIS为图像处理平台,采用决策树分类方法,将朝阳市土地利用类型分为耕地、林地、水域、建设用地、未利用地五大类,通过对比多期朝阳市土地利用的变化情况,分析研究区土地利用/覆被动态的内在变化规律,进而综合评价朝阳市土地利用效率及各类土地利用转化情况。     

川西高原土地利用／土地覆盖分类方法

针对川西高原地形地貌以及遥感图像特征等特点,以康定县为例,从影像的预处理到多光谱分类这一过程进行方法研究,引入DEM等辅助信息进行多分类器结合方法处理,分类效果有一定程度的提高,最后讨论了数据分类后处理的方法。     

都江堰震后土地利用/覆被变化信息提取方法研究

快速和精确评估"5·12"汶川地震后的土地利用/覆被变化对科学减灾、灾后重建及生态环境恢复具有重要意义。常规方法从遥感图像上提取土地利用/覆被变化信息时,多以研究区整体为处理对象,直接对全图像进行分类提取,容易忽略地形地貌和地质构造等背景因素对分类结果的影响。本文以都江堰为试验区,根据地质构造展布特征及地形地貌发育形态将其分成平原区(Ⅰ区)、低山区(Ⅱ区)、中高山区(Ⅲ区)和高山区(Ⅳ区)。对Ⅰ区采用ISODATA方法进行非监督分类;对Ⅱ区和Ⅲ区分别采用最大似然(ML)分类法进行监督分类;对Ⅳ区采用人机交互解译方法进行分类。试验结果表明,基于地理地质环境的分块分类方法是高效、精确的。     

面向对象的沿海地区土地利用/覆被信息提取研究

土地利用/覆被(LUC)可为土地资源领域相关研究提供基础数据.本文构建了面向对象的LUC分类方法,并以沿海特殊土地类型区连云港市为例,应用Landsat 8影像开展了实证研究。结果表明:①总体分类精度达到85.06%,总体Kappa系数为0.83,超过了0.7的最低允许判别精度;②该方法可以有效地减少研究区因南北部区域耕地植被覆盖度不同导致的错分现象,并可以用于盐田与滩涂信息的提取工作;③该方法既可为研究区土地利用相关研究提供符合精度要求的数据.也可为其他沿海地区进行土地利用/覆被信息提取工作提供参考和借鉴。     

RS ＆ GIS支持下的大庆市土地利用分类

选择具有“中国油都”之称的大庆市为研究区,对其土地进行遥感调查,拟定了土地利用分类系统．给出了大庆土地利用覆盖的构成数据一览表和土地分类图。分析结果可为类似于大庆一类的工矿型城市土地利用分类提供决策支持。     

浅谈第二次全国土地调查土地利用分类

对拜城县第二次全国土地调查中所遇到的土地利用分类问题及处理方法进行讨论,目的是加强土地利用分类标准在实际调查中的可操作性,促进"城乡一体""跨行衔接"的现代多用途地籍发展,使之更好地为国土行业服务。     

基于BP神经网络和MODIS-EVI时间序列的土地覆被分类

以matlab为平台设计了BP神经网络用于自动提取土地覆被信息,将覆盖内蒙古的2006年全年的MO- DIS数据处理成EVI植被指数时间序列集输入神经网络进行土地覆被分类,精度检验结果显示:总体分类精度(o- verall-accuracy)为78.32%,kappa系数为0.73。