基于地学分析与遥感智能解译模型的土地覆盖/土地利用分类

全国土地覆盖/土地利用(LC/LU)调查已经成为开展土地利用动态变化预测、土地利用规划及土地管理的一项关键的基础性工作,受到广泛关注和重视。随着遥感技术和各种遥感地学分析解译模型的发展和深入,利用遥感技术获得的影像数据对区域的LC/LU情况及其动态变化进行定期或不定期的监测,成为一种最为迅速可靠和理想有效的手段。论文提出了遥感地学智能解译模型支持下的LC/LU分类体系,并以天津蓟县地区为试验对象,采用多平台遥感数据和辅助地理信息,进行了土地覆盖/土地利用遥感应用研究。     

GEE环境下联合Sentinel主被动遥感数据的国家公园土地覆盖分类

国家公园的土地覆盖分类对于掌握自然资源现状、查明存在的生态安全威胁并快速应对具有基础性数据支撑作用。基于谷歌地球引擎（Google Earth Engine,GEE）平台,结合哨兵（Sentinel）主被动遥感数据及其导出的光谱指数、纹理特征和地形特征,分别采用基于像元的随机森林（random forest,RF）算法和面向对象的简单非迭代聚类（simple noniterative clustering,SNIC）+RF算法实现了钱江源国家公园异质性景观的土地覆盖（耕地、森林、草地、水体、人造地表和裸地）分类。地面实验表明,在多种输入数据组合中,基于像元和面向对象方法分类获得的最高总体精度分别为92.37%和93.98%。合成孔径雷达（synthetic aperture radar,SAR）数据的纳入能够提高基于像元方法的分类精度,但在面向对象方法中未能体现精度提升效果。通过SNIC+RF算法生成的土地覆盖分类图完整性更好,所需特征数量较少,并且算法能够在GEE环境下快速执行,适用于国家公园管理实践。     

基于CART决策树的高分二号洞庭湖区湿地分类方法

高分卫星遥感湿地分类的关键在于解决"同物异谱、异物同谱"难题.本文将当前应用前景广泛的亚米级国产高分二号(GF-2)影像和CART决策树面向对象分类算法相结合,以湖南沅江为例进行洞庭湖区典型湿地的分类提取工作,选取包括光谱信息、几何特征、地形特征和纹理特征等多维对象特征对分类器进行训练,构建了多维特征湿地分类方法.试验...     

GEE环境下的玉米低温冷害损失快速评估

大范围、及时、准确的灾害损失评估与制图对防灾减灾、农业保险和粮食安全等至关重要。针对传统灾害损失评估方法空间尺度单一、泛化能力差、时效性低,可操作性弱等问题,本文建立了一种遥感产品耦合作物模型的多尺度的灾害损失评估方法MDLA （a Multiscale Disaster Loss Assessment）。该方法利用作物模型的多情景模拟产生大量的灾害样本,结合对应日期的遥感指标构建灾害脆弱性模型,依托Google Earth Engine（GEE）平台将其应用到高分辨率遥感影像和格点灾害指标进行逐象元评估。以鄂伦春自治旗玉米为例,基于精细校准的CERES-Maize模型的模拟,利用两个生长季窗口的LAI和冷积温（CDD）建立统计模型来刻画低温对最终产量的影响,结合Sentinel-2数据逐格点计算完成高精度损失制图。结果显示,校准后的CERES-Maize模拟物候和产量的NRMSE 分别为3.3%和8.9%。冷害情景模拟结果表明不同类型和生育期的低温冷害对玉米产量的影响不尽相同,其中生长峰值期（出苗—吐丝和吐丝—灌浆）最为敏感。回代检验显示,MDLA方法估算精度为11.4%,与历史冷害年份的实际损失相吻合。经评估,鄂伦春2018-08-09的冷害导致玉米减产23.7%,受灾面积1.86×10⁴ ha,其中高海拔地区损失较重（减产率>25%）,低温冷害对该区玉米生产构成了严重的威胁。与现有的统计回归、作物模型模拟以及同化等技术相比,其优势在于：（1）结合遥感观测和作物模型模拟技术能更好地刻画了灾害对产量的影响过程;（2）利用GEE平台快速处理海量遥感数据,提高了灾害损失评估的时效性;（3）不受地面实测数据的限制,易操作,可实现动态、多尺度（象元、田块、村,县等）的损失评估,这为防灾减损、维持粮食丰产稳产提供了保障,也为农业保险的业务化运行提供了思路。     

联合GEE与多源遥感数据的黑龙江流域沼泽湿地信息提取

湿地是地球上最重要的生态系统之一,在维持全球生态环境安全等方面发挥着举足轻重的作用.由于湿地独特的水文特征,传统的湿地监测需要耗费大量的人力和财力,对于大尺度的湿地信息提取更是困难重重.随着大数据和云计算的兴起,为大尺度和长时间序列的空间数据处理提供了契机.本文基于Google Earth Engine(GEE)云平台...     

Urban land-use classification by combining high-resolution optical and long-wave infrared images

Abstract

Multi-sensor and multi-resolution source images consisting of optical and long-wave infrared (LWIR) images are analyzed separately and then combined for urban mapping in this study. The framework of its methodology is based on a two-level classification approach. In the first level, contributions of these two data sources in urban mapping are examined extensively by four types of classifications, i.e. spectral-based, spectral-spatial-based, joint classification, and multiple feature classification. In the second level, an objected-based approach is applied to decline the boundaries. The specificity of our proposed framework not only lies in the combination of two different images, but also the exploration of the LWIR image as one complementary spectral information for urban mapping. To verify the effectiveness of the presented classification framework and to confirm the LWIR’s complementary role in the urban mapping task, experiment results are evaluated by the grss_dfc_2014 data-set.     

面向对象土地利用信息提取的多尺度分割

以往面向对象影像分析的分割尺度主要依靠经验并结合目视来进行选择,带有一定的主观性.本文针对利用高分辨率遥感影像进行土地利用信息提取的目的,采用面向对象的方法完成了两个典型实验区域的多尺度分割.主要研究了分割参数的选择;重点提出了一种最优分割尺度计算模型.结果表明,此模型计算最优分割尺度方便快捷,而且计算出的最优分割尺度...     

基于GEE的鄱阳湖湿地植被长期变化特征及其对水文情势的响应北大核心CSCD

针对鄱阳湖湿地植被长期变化的科学问题,本文基于谷歌地球引擎(GEE)遥感大数据平台和CART分类回归树算法提取鄱阳湖2000—2017年涨水期、丰水期、退水期和枯水期的年时序植被分布范围,阐明其时空变化特征;在此基础上,结合水位数据分析湿地植被与水文情势变化之间的响应关系。结果表明,(1)2000—2017年,枯水期、涨水期、丰水期和退水期鄱阳湖湿地植被平均面积分别为846.35、679.03、172.35、508.63 km^(2)。(2)2000—2017年,不同水位期鄱阳湖湿地植被总面积均呈增加趋势,并有向湖心演变的趋势。(3)鄱阳湖植被面积受水位影响显著,水位与植被面积呈负相关,降水异常(如极端降水或严重干旱)是导致植被面积明显偏离平均面积的主导因素。本文结论有助于鄱阳湖湿地生态系统的健康诊断,对鄱阳湖湿地保护和修复政策的制定具有科学参考意义。     

An experimental comparison between KELM and CART for crop classification using Landsat-8 OLI data

The operational land imager (OLI) is the latest instrument in the Landsat series of satellite imagery, which officially began normal operations on 30 May 2013. The OLI includes two bands that are not on the thematic mapper series of sensors aboard Landsat-5 and 7; a cirrus band and a coastal/aerosol band. This paper compares the classification and regression tree and the kernel-based extreme learning machine (KELM) for mapping crops in Hokkaido, Japan, using OLI data, except the cirrus band and the pan band. The OLI data acquired on 8 July 2013 was used for crop classification of beans, beets, grassland, maize, potatoes and winter wheat. The KELM algorithm performed better in this study and achieved overall accuracies of 90.1%. According to the Jeffries–Matusita (J–M) distances, the short wavelength infrared band provides the greater contribution (the highest value was observed for band 6 in OLI data).     

郑州市土地利用/土地覆盖动态变化研究

利用地面统计数据和陆地卫星影像数据,分析了郑州市土地利用/土地覆盖的现状,研究了遥感影像提取土地利用/土地覆盖信息的机理,建立了适宜郑州市遥感影像判读的解译标志,结合两个不同时期的地面数据和影像数据,分析了郑州市十几年来土地利用的动态变化情况及存在的问题,指出了今后土地利用的方向.     

Improving impervious surface estimation: an integrated method of classification and regression trees (CART) and linear spectral mixture analysis (LSMA) based on error analysis

Classification and regression tree (CART) has been widely implemented to estimate impervious surface, an important indicator of urbanization and environmental quality. Although the CART algorithm gains higher overall accuracy than linear regression models, only very few studies have noticed that reliability of CART is affected by systematic errors. Especially, CART typically overestimates impervious surfaces in low-density urban areas and underestimates them in high-density urban areas. The primary objective of this study is to develop an improved integrated method to estimate impervious surface with higher accuracy by reducing the systematic errors of CART. This improved method was applied to three urban areas, Chicago (United States), Venice (Italy), and Guangzhou (China) to examine its effectiveness. When compared with the conventional CART, overall mean average error (MAE) and root mean square error (RMSE) of improved method are decreased by 22.64% and 20.93%, respectively, and R² rises from 0.9 to 0.96. In high-density impervious surfaces, where intensely developed urban area is located, the MAE and RMSE for the improved method are 0.066 and 0.088, respectively, largely improved from 0.100 to 0.130. Since accurate estimation of high-density impervious surfaces is the fundamental issue for monitoring and understanding the urban environment, the improved method demonstrated in this study is significant.     

基于IKONOS影像的土地利用现状更新调查方法

近年来,随着我国社会和经济的快速发展,土地利用现状发生了很大变化,原有土地利用资料已难以满足土地管理的需求。为了提高土地管理效率和水平,实现科学化管理,结合地方规划与国土资源管理现状,采用现代"3S"技术,建立集遥感信息以及土地利用信息于一体的土地利用数据库,为地方经济发展提供现势、详实、准确的科学依据,为国土资源规划、保护、管理和合理利用奠定坚实的基础。结合银川市土地利用现状更新调查项目,论述利用高分辨率卫星影像数据——地面分辨率达1m的IKONOS影像进行土地利用现状更新调查的技术方法。