基于波谱角分类法的沙化信息提取研究——以毛乌素沙地典型地区为例

以毛乌素沙地典型地区为例,以CBERS2、Landsat5 TM、SPOT5及 TM与SPOT5融合影像作为基本数据源,使用波谱角分类法对 该区流动沙地、半固定沙地、固定沙地和沙化耕地进行信息提取,探索和比较该方法针对不同传感器遥感影像的沙化信息提取精度 。对本研究区,不同传感器影像的沙化信息提取精度均在80%以上,其中融合影像的沙化信息提取精度最高为90.13%,SPOT5次之, 而CBERS2和TM对不同类型的沙化信息提取各有优势,但CBERS-2信息提取的精度要高于TM。这说明使用波谱角分类法提取的结果精 度与影像空间分辨率有正相关关系,即空间分辨率越高,沙化信息的提取精度也越高。     

面向对象的遥感影像隐性地物信息提取

针对传统遥感影像提取方法中仅使用光谱像元信息的缺陷,本文使用Landsat 8遥感影像数据,探究面对地形复杂区域进行多种地物信息提取充分挖掘影像隐性信息的情况,使用面向对象的分类方法实现地物信息提取.结果 表明该方法分类精度较传统监督分类有所提高,且符合人类认识客观事物的思维模式,对于准确提取地物信息、提高提取精度具有很大帮助.     

神经网络支持下的Sentinel-2卫星影像自动云检测

为解决利用Sentinel-2卫星影像进行地物信息提取时云层遮挡造成的信息误判问题,提出了一种基于深度学习的遥感影像云区高精度分割方法。该方法通过预处理的遥感样本数据构建出一种深度神经网络模型,自动提取高层次影像特征;再将影像特征输入分类器,实现遥感影像的像素级分类,从而分割出云覆盖矩阵;最后将云覆盖矩阵转化为云二值图,结合感兴趣区矢量准确获取指定区域云检测结果。选取典型区域进行测试,结果表明：该方法检测精度较高,速度较快,且无须辅助信息与人工干预,可用于Sentinel-2卫星影像不规则区域自动云检测。     

基于CBERS-02遥感影像的湿地地表覆被分类研究

基于CBERS遥感影像多光谱数据,运用信息量、相关系数及OIF方法,分析了波段数据特征,获得了对影像数据的整体认识。 通过绘制地表覆被类型的样本均值光谱曲线,分析了多种地表覆被类型在5个影像波段中的光谱特征,得出了不同覆被类型在各波 段中的反射特性。基于典型地表覆被类型样本数据,分别针对影像的5个波段及第一主成分、归一化植被指数这两个重要特征,运 用盒须图进一步分析了不同地表覆被类型的分异特性。运用Z-test统计方法,筛选出了区分不同地表覆被类型的最优纹理特征。运 用面向对象分类技术开展了研究区覆被类型分类实验,验证了基于CBERS遥感影像进行内陆淡水湿地区地表覆被分类的可行性,丰 富了地表覆被信息提取方法,拓展了CBERS遥感影像的应用领域。     

基于支持向量机的CBERS-02卫星影像信息提取

CBERS卫星是由中国空间技术研究院与巴西空间研究院联合研制的地球资源遥感卫星,CBERS-02卫星数据总体质量比CBERS-01卫星有所提高,本文利用支持向量机方法对CBERS-02卫星影像信息进行提取。研究中首先用6S模式对影像进行大气校正,然后选择RBF为支持向量机方法的核函数,并用交叉验证方法得到影响RBF核函数的两个最佳参数值进行学习完成信息提取,最后将提取结果制作成矢量图。通过研究得出用大气校正后的数据进行信息提取分类精度有所提高;与最大似然法和最小距离法相比,支持向量机方法分类精度较高。通过将研究结果与ETM+影像进行比较得出,CBERS-02卫星影像精度能够满足应用需求并能代替TM/ETM+数据开展研究工作。     

航空影像农田类型分类在地理国情监测中的应用研究

航空影像的植被信息提取是遥感影像分类中的难点,仅利用光谱信息难以提取农田类型。本文以江苏农田为主要覆盖的典型区域为研究对象,选择航空影像利用随机森林算法提取不同的农田信息。本研究采用多尺度的分割方法,面向对象实现特征信息提取。根据光谱、纹理以及几何形状特性筛选出较为合适的特征作为参数,利用随机森林算法实现植被二级分类,分类精度达到84.60%,KAPPA系数为0.753,可为地理国情生产提供一定的参考。     

基于GMRF-SVM的高分辨率遥感影像目标区域划分方法

高分辨率遥感影像数据量大、细节丰富并呈现出一定的尺度依赖性,单一尺度遥感影像分割难以同时兼顾影像的宏观和微观特征,这成为制约遥感信息自动化提取技术发展的瓶颈之一。对此本文提出了基于特征的多尺度高分辨率遥感信息提取技术框架,并分析了其对于大尺度海量数据信息提取与目标识别工作具有的理论及实践意义。根据影像光谱或纹理等特征,提出采用GMRF-SVM方法在大尺度上进行分类的目标区域划分方法。从大尺度信息提取的角度来看,该方法综合了GMRF纹理分类和SVM少量样本模式识别的优势,便于先验知识的融合,无论从花费时间还是分类处理效果上,都远远优于直接采用GMRF进行分割所取得的效果,对于后面的信息提取和目标识别来说更具有实际意义。     

基于面向对象的遥感影像空间信息提取方法研究

探讨了利用遥感影像,基于面向对象技术进行空间信息提取的方法及技术路线,通过选取试点区域,进行了信息提取实践。在多尺度图像分割的基础上,综合利用影像数据的纹理特征、光谱信息及形状特征等,通过建立规则,实现研究区地物的逐级分层分类。研究结果表明：该方法提取空间信息不但速度快、效率高,而且还有效减少了“噪声”,分类精度显著提高。     

基于Canny算法的面向对象影像分割

面向对象的影像分析方法是当前信息提取的研究热点,而影像分割是面向对象方法的核心技术,分割效果的好坏直接影响影像对象的提取.将Canny算法在边缘检测上的优势同面向对象信息提取软件eCognition 8.0提供的二次开发平台结合在一起,提出一种基于Canny算法的面向对象的影像分割新方法.试验结果表明,该方法不仅准确可...     

高分辨率SAR与光学遥感影像中道路提取方法的研究

高分辨率影像能够提供丰富的地表细节信息,从高分辨率遥感影像中进行高精度的道路提取是目前遥感信息处理的研究热点。分别以高分辨光学IKONOS影像和COSMO-Skymed SAR影像为数据源,对北京市某区域进行了道路信息自动提取方法的研究。高分辨率光学影像中采用最大似然分类进行道路信息提取,在SAR影像中则采用Otsu阈...     

单一时相遥感数据土地利用与覆盖变化自动检测方法

针对基期(用于该研究的前一时期数据)T1仅拥有土地利用和覆盖图件(矢量格式)而另一期T2拥有遥感数据的情况,构建了基于知识引导的土地利用和覆盖变化自动检测技术与方法。T1时期土地利用与覆盖与T2期遥感数据在配准叠加情况下,以T1完整的土地利用与覆盖类型图斑为单元构建土地各类别遥感数据知识库,然后以图斑单元或以像素为单位计算遥感影像特征统计量,通过与知识库相关数据的比较与匹配自动检测出变化并识别出相应的土地利用与覆盖类别。文章最后通过试验验证了该方法的有效性。     

应用面向对象的决策树模型提取橡胶林信息

橡胶林的无序和不合理种植引发了一系列的生态问题,快速监测橡胶林空间分布及动态变化,对橡胶的合理种植、区域生态环境保护以及有关部门的规划决策有重要的指导意义。以MODIS归一化植被指数NDVI时间序列数据和多时相的Landsat TM数据为基础分析橡胶林的季相和光谱特征,确定橡胶识别的关键时期和特征参数,构建面向对象的决策树分类模型,开展橡胶信息提取研究。结果表明,多时相的遥感数据可反映橡胶的季相特征,以TM数据为基础计算得到的陆表水分指数LSWI和归一化植被指数NDVI可作为橡胶识别的光谱特征参数,橡胶休眠期是利用遥感方法进行橡胶提取的最佳时期。相比于单时相数据,利用包含橡胶关键物候期的多时相遥感数据能得到更高的橡胶林提取精度。     

基于RADARSAT SAR估测热带人工林叶面积指数研究

 研究了雷达后向散射系数 与热带人工林叶面积指数（LAI）的相关性。该研究通过对水云模型的修正,提出了一种半经 验性的估测热带人工林叶面积指数的方法。利用Radarsat -1 SAR数据对广东雷州人工林的验证表明,其主要林种的估测相关系数 R2接近0.5。该方法充分考虑了森林的特点以及雷达成像的特性,对于估测多云雨地区热带森林叶面积指数具有一定的参考价值。     

一种利用结构特征的高分辨率遥感影像种植园自动提取方法

卫星遥感在土地监测中发挥了重要作用,而数据处理技术应具有良好的适用性和较高的精度水平以满足应用需求。针对目前种植园提取算法适用性较差、数据依赖性高、自动化程度低、算法复杂及特征冗余等问题,本文提出了一种新型种植园结构特征,多尺度多方向结构指数,通过对其进行阈值化并结合形态学处理实现了种植园的自动提取。对多种植模式、背景植被化程度和结构复杂度各不相同的全色和多光谱种植园影像分别设计了3组试验,结果证明,与传统方法相比,本文方法适用性更强,对多方向、多尺度、基元变形、种植线变形、种植模式规律性差、背景高度植被化等诸多复杂的种植园等均能进行有效提取,整体精度达到90%以上。此外,试验结果中,全色影像与多光谱影像精度相当,表明本文方法具有较低的光谱依赖性,因此在数据选择和应用上具有更大的灵活性。     

近十二年兰州市土地利用变化的动态监测

为了加强兰州市对土地类型和土地利用变化的监测,本文在ENVI和ArcGIS平台上,基于最大似然分类法,利用Landsat TM和ETM+卫星遥感影像实现了兰州市的土地利用分类,然后据此生成地物类别转移矩阵。最后对1999~2011年的土地利用/土地覆盖从范围和转变的类型进行了时空上的动态分析。     

基于RS的宝兴河流域LUCC变化分析

本文基于1994年LandsatTM、1999年的ETM＋及2007年的ETM＋遥感影像,在ENVI和ERDAS的支持下提取宝兴河流域的土地利用/覆被变化情况。引入土地利用类型的年变化率、综合土地变化动态度等指标,分析其原因及土地利用的时空变化特征和规律。研究结果表明：1994年到2007年,耕地主要集中在宝兴河流域的东南部平坝地区,呈逐年变少趋势,减少44.7%;林地主要分布在西北高山及中部地区,呈逐年增加的趋势,增加6.5%;草地主要集中在西北高山区,其变化为先减少后增加,总体减少19.3%。     

“3S”技术在四川生态环境动态监测中的应用研究

为有效实现四川省生态环境的动态监测,运用RS、GIS和GPS技术,以2004年中巴资源卫星(CBERS-02)遥感影像数据为信息源,2000年TM遥感影像解译的数据为基础,对2004年遥感影像进行解译,修改2000年数据库;手持GPS接收机,在野外对解译成果进行验证,更新数据库;利用GIS技术的空间分析功能,提取出2000～2004年期间土地利用/覆被变化信息,得到2000～2004年期间四川省高精度的土地利用/覆被变化数据库。最后对四川省土地利用/覆被变化信息进行分析,对四川省生态环境的下一步研究指名了方向。     

Mapping multiple tree species classes using a hierarchical procedure with optimized node variables and thresholds based on high spatial resolution satellite data

ABSTRACT

Tree species distribution mapping using remotely sensed data has long been an important research area. However, previous studies have rarely established a comprehensive and efficient classification procedure to obtain an accurate result. This study proposes a hierarchical classification procedure with optimized node variables and thresholds to classify tree species based on high spatial resolution satellite imagery. A classification tree structure consisting of parent and leaf nodes was designed based on user experience and visual interpretation. Spectral, textural, and topographic variables were extracted based on pre-segmented images. The random forest algorithm was used to select variables by ranking the impact of all variables. An iterating approach was used to optimize variables and thresholds in each loop by comprehensively considering the test accuracy and selected variables. The threshold range for each selected variable was determined by a statistical method considering the mean and standard deviation for two subnode types at each parent node. Classification of tree species was implemented using the optimized variables and thresholds. The results show that (1) the proposed procedure can accurately map the tree species distribution, with an overall accuracy of over 86% for both training and test stages; (2) critical variables for each class can be identified using this proposed procedure, and optimal variables of most tree plantation nodes are spectra related; (3) the overall forest classification accuracy using the proposed method is more accurate than that using the random forest (RF) and classification and regression tree (CART). The proposed approach provides results with 3.21% and 7.56% higher overall land cover classification accuracy and 4.68% and 10.28% higher overall forest classification accuracy than RF and CART, respectively.     

鄂尔多斯块体东北缘垂直形变速率等值线精度评定

为进一步分析并评定基于三角网提取的鄂尔多斯块体东北缘垂直形变速率等值线的精度,本文结合基于格网提取的同区域垂直形变速率等值线,分别从数字高程模型(Digital Elevation Model,简称DEM)建立与等值线提取两个角度对研究成果的精度进行对比分析,进而综合两个角度对两种方法提取的垂直形变速率等值线精度进行了差值比较。结果表明,在等值线基值与等值距都相同的条件下,研究区域垂直形变三角网的平均坡度较大,利用三角网提取的垂直形变速率等值线其精度相对较高。     

基于多时像TM/ETM+影像的兖州市土地利用/覆盖变化

本文利用多时相Landsat TM/ETM+影像分析了兖州市1998年和2002年的土地利用/覆盖变化。综合考虑波段间相关系数和OIF指数,选择最佳波段组合进行图像解译,并在此基础上运用最大似然分类器(MLC)和支持向量机(SVM)的分类方法对遥感影像进行分类。进而利用SVM分类结果进行土地利用遥感动态监测,获取兖州市土地利用/覆盖变化信息,并与社会经济统计资料的统计结果进行比较。最后提取TM/ETM+影像的RDVI,基于线性混合像元分解模型分析了植被覆盖的变化。结果表明,基于多时相TM/ETM+影像分析的土地利用/覆盖变化与实际统计数据较吻合,适合动态监测土地利用变化,且精度较高。