面向多对象的耕地田坎系数测算方法探讨

耕地田坎系数测算结果直接影响粮食产量统计的准确性。大量观测数据表明,山区与丘陵区耕地田坎系数基本一致,满足规程要求的耕地田坎系数有效样方明显偏少,各组样方的耕地田坎系数的集中度明显偏低。实际表明,分区测算耕地田坎系数没有意义,测算耕地田坎系数的耕地坡度级范围不能划分过大,耕地样方应随机抽取,耕地田坎系数应用仪器实地测量,参与耕地田坎系数计算的应是剔除个别异常值后的大多数样方,全国土地调查技术规程应修改完善。     

基于高分辨率遥感影像的田坎系数测算

提出了一种利用高空间分辨率影像提取田坎系数的方法。以张家界市永定区某处山地梯田QuickBird与SPOT-5影像为数据源,利用面向对象的分类方法分别提取了影像中5块样方的田坎系数。以样地实测田坎系数为参照,得出QuickBird影像提取的田坎系数整体符合度为92.33%,SPOT-5数据为88.03%,表明利用高分辨率影像提取田坎系数是可行的,且采用的影像分辨率越高,所提取的田坎系数越精确。     

利用无人机和面向对象技术快速提取田坎面积

快速、准确、低成本的获取田坎面积,对于土地整治区整治计划的安排和耕地保护具有重要的意义.本研究首先利用剖面曲率、坡度与田坎之间的分布关系,对影像进行分幅处理,对于地物信息不明显的石堰,对比其与主要区分对象耕地在可见光波段上反射率的不同,运用波段运算,增强其地物信息.其次结合基于规则的面向对象分类方法,构建田坎的分类规则...     

江西省耕地田坎系数测算关键问题的探讨

田坎系数测算的准确性和科学性,关系到全省耕地净面积计算的准确性和农作物产量测算及耕地质量的评价,本文仅对江西省田坎系数测算工作中的若干关键问题进行探讨分析,提出建议措施,提高田坎系数测算的可靠性和准确度,满足土地调查需要。     

田坎系数统一测算技术框架及其应用

分析现行使用的田坎系数的缺陷,从影响田坎系数的主要因素出发,结合目前正在开展的第二次土地调查工作,提出"分区抽样法",构建了田坎系数统一测算的技术框架,为准确查清耕地面积,加强耕地保护提供基础。     

基于遥感技术的土地复垦工程量评价研究

随着全国范围内土地复垦工作的广泛开展,对于土地复垦项目的评价变得越来越重要。通过选取实验区域,获取实验区的相关实地数据及遥感影像,研究处理和解译实验区遥感影像,对影像进行分类处理,提取了土地复垦项目的工程量指标,并对其进行精度分析,建立了土地复垦项目的工程量评价体系,结果与实地数据一致,说明遥感评价方法具有实际可行性。     

水田SAR后向散射强度及干涉相干特性研究

利用2007-2011年获取的ALOS PALSAR HH极化方式的FBS及FBD共21景数据, 结合实地1:500土地利用分类图, 对苏南无锡惠山试验区进行了水稻田后向散射强度的时间特性试验及干涉相干特性分析。试验结果表明:该区水稻田后向散射强度随生长周期的变化而变化, 且与各生长阶段的灌溉需水规律的变化一致, 需水量越大, 后向散射强度值越小。干涉相干特性试验表明:同期干涉相干系数略高于非同期干涉相干系数, 且在同期干涉试验中, 时间基线相同的情况下, 非水稻种植期的干涉相干系数达到最高, 其值明显高于水稻种植期的相干系数, 该试验结果对苏南地表沉降监测SAR影像干涉对的选取及地物变化检测具有重要的参考价值。     

不同时相遥感影像的土地利用分类精度分析

土地利用调查对遥感影像的获取有很强的时间性、季节性要求。本次研究选取研究区不同时相的SPOT5遥感影像进行计算机自动分类试验,结合野外实地调绘工作,统计分类精度,拟合分类误差与时相间的回归关系,推导相关回归函数,对遥感影像开展综合分析与评价,提高遥感数据在土地利用调查中的利用率。     

一种基于多特征组合的EnMap-BOX土地利用分类方法研究

为研究多特征组合在国产高分卫星影像土地利用分类中的应用效果,本文采用GF6-WFV多光谱影像数据,构建基于光谱波段、植被指数、纹理特征的多特征组合,并采用ReliefF算法进行特征优选获取信息量冗余较小的优选特征集合,结合EnMap-BOX工具包寻优改进的SVM算法中惩罚参数C和核函数系数g获取最优分类模型,对研究区进行分类。结果表明：1)特征选择能够较好地降低多特征集合的信息量冗余。2)基于特征选择的改进SVM算法模型能获取较高的土地利用分类精度,总体精度达到82.89%,Kappa系数达到0.78,可以为土地利用分类提供一种具有较高应用价值的方法。     

一种获取大比例尺建筑物立面影像的方法

提出了获取建筑物大比例尺立面影像的一种理论与方法。根据数字相机倾斜影像,利用建筑物外观的几何条件与约束条件,按照透视变换原理,导出相应关系式,直接获取相同主距的“平行影像”。随后,依据最少的实地控制,将平行影像放大到给定比例尺数字城市中。该方法加快了车载系统大比例尺建筑物立面影像的获取过程,不受建筑物高度的影响,并可用于机载、固定站和人工方式等多种作业模式。     

基于决策树和混合像元分解的城市扩张分类

当今,城市扩张备受关注,通过遥感影像可以快速获取土地利用信息,但由于混合像元现象的存在,使得影像分类精度很难提高。首先对影像作决策树分类,获得初步分类结果和混合像元区域,然后利用混合像元线性分解模型对其进行分解,最后利用地学知识和野外调查资料进行结果后处理。实验结果表明:从两年的建筑信息的分类精度基本保持在80%以上,总体分类精度接近90%,Kappa系数达到0.84来看,此结果能够满足城市扩张分析的要求。     

一种基于输入向量机的高光谱影像分类算法

支持向量机分类方法存在惩罚系数需要交叉验证获取、训练时间较长、支持向量个数随着训练样本数量的变化而变化,以及稳定性和稀疏性较差等问题。针对这些问题,提出了一种基于输入向量机的高光谱影像分类算法。该算法在核逻辑回归模型的基础上,采用前向贪心算法选择训练样本中的输入向量来进行模型的训练,达到稀疏的目的,提高影像的分类精度和分类效率。通过PHI和OMIS两组高光谱影像分类实验,结果表明基于输入向量机分类算法具有稳定性好、稀疏性强的优点。     

一种基于二叉决策树的植被分类方法研究

植被覆盖是国家开展的地理国情普查工作的重要组成部分。文章以高分辨率遥感影像为基础,完成影像预处理工作后,获取影像的光谱特征、归一化植被指数与纹理特征,由三种特征共同组成待分类影像,通过人工交互为每种植被选取样本,利用二叉决策树方法创建植被的分类规则,从而完成自动分类。将分类结果与地理国情普查的地表覆盖成果相互验证,同时对比实验表明分类实验总分类精度与Kappa系数均高于最大似然法的分类精度与Kappa系数,证明获取的二叉树的有效性。后续可利用二叉树快速更新,更新结果作为地理国情更新参考数据。     

基于C4.5算法的遥感影像分类

随着城市化进程的加快,湿地对整个生态系统的可持续发展具有重要的意义。以洪泽湖湿地为研究区,集合TM影像的光谱信息和纹理信息构建空间数据库,获取训练样本,并从训练样本集中获取分类规则;然后利用C4.5算法构建决策树,并基于知识规则推理得到遥感影像分类结果;最后将分类结果与传统的最大似然法进行比较分析。实验表明,基于C4.5算法得到的分类结果的分类总精度为91.9701%,其分类总精度结果明显高于传统的最大似然法的80.0885%;同样,前者的分类结果的Kappa系数为0.900 3,也远远高于最大似然法的0.746 5。     

省级耕地田坎系数测定方法研究

本文以福建省为例,分析了第一轮土地详查使用的田坎系数的缺陷,从影响田坎系数因素出发,结合目前正在开展的土地更新调查工作,提出建立“样点区”、“样点村”,应用DRG、DOM、DEM的省级耕地田坎系数测定方法,为查清耕地面积,加强耕地保护提供基础     

基于RapidEye影像的农村居民地遥感监测——以江西省泰和县为例

农村居民地遥感信息获取对于监测农村居民地时空变化、服务"三农"和国土资源管理具有重要意义。以Rapid Eye卫星影像数据为数据源,江西省泰和县为研究区,利用最大似然法进行居民地等土地覆盖类别的分类提取与精度评价及分析。结果表明:分类总体精度达到84.33%,其中农村居民地的制图精度和用户精度分别为76.01%和82.28%,与第二次全国土地调查中的居民地数据对比,其一致性达到71.0%。结合实地验证,对本分类精度的误差原因进行分析。本研究表明利用5 m分辨率的Rapid Eye影像进行县级农村居民地监测是可行的,可为后续同类研究提供技术参考。     

基于最优极化相干系数的倾斜建筑物解译研究

基于Freeman_Durden分解的全极化SAR影像分类方法能够较好地保持地物极化散射特性,但在分类的过程中,不能改变初始散射机制,导致分解结果对分类精度影响很大。在Freeman_Durden分解中,排列方向相对雷达飞行方向不平行的建筑物（简称为倾斜建筑物）常被分为体散射类型,使得该类建筑物往往被误分为植被。本文通过分析建筑物在SAR影像中的后向散射特性,利用建筑物具有较高相干性的特点,引入最优极化相干系数,在目标分解的基础上通过阈值分割将两者区分开来,进而提高反射非对称性人工目标的分类效果。通过使用E-SAR系统在德国DLR附近Oberpfaffenhofen地区获取的L波段PolInSAR影像和国内X-SAR系统在海南陵水地区获取的X波段PolInSAR影像进行实验,证明本文提出的方法能够有效地将与雷达飞行方向不平行的建筑物与森林区分开。     

基于无人机遥感的大坡度地质露头岩性分类

针对卫星影像难以获取大坡度地质露头数据、传统分类方法无法有效利用影像信息导致地质露头剖面岩性分类精度较低等问题,本文通过无人机遥感技术获取高精度野外大坡度地质露头数据,并提出了一种多尺度混合特征网络模型。研究结果表明：无人机与贴近摄影测量技术相结合的方法在采集地质露头数据的应用中具有较强的可行性;多尺度混合特征网络模型能够有效地提取无人机多光谱影像中的光谱特征和空间特征,实现了大坡度地质露头岩性的高精度分类。以云台山地质公园某露头为例,本文模型的总体分类精度可达89.91%,Kappa系数可达0.85,相比于传统的机器学习算法SVM和MLC精度提高接近15%,相比于Inception V3和ResNet18总体分类精度提高约10%,相比于Hybrid CNN总体分类精度提高1.5%。     

基于最优极化相干系数的倾斜建筑物解译研究

基于Freeman_Durden分解的全极化SAR影像分类方法能够较好地保持地物极化散射特性,但在分类的过程中,不能改变初始散射机制,导致分解结果对分类精度影响很大。在Freeman_Durden分解中,排列方向相对雷达飞行方向不平行的建筑物(简称为倾斜建筑物)常被分为体散射类型,使得该类建筑物往往被误分为植被。通过分析建筑物在SAR影像中的后向散射特性,利用建筑物具有较高相干性的特点,引入最优极化相干系数,在目标分解的基础上通过阈值分割将两者区分开来,进而提高反射非对称性人工目标的分类效果。通过使用E-SAR系统在德国DLR附近Oberp-faffenhofen地区获取的L波段PolInSAR影像和国内X-SAR系统在海南陵水地区获取的X波段PolInSAR影像进行试验,证明该方法能够有效地将与雷达飞行方向不平行的建筑物与森林区分开。     

基于小型无人机可见光遥感的蓝藻识别研究

以无人机航拍获取的可见光影像为数据源,研究小面积水域中蓝藻的提取方法。首先采用无人机获取可见光影像,运用4种可见光植被指数对图像进行运算,提出了用于蓝藻识别的可见光归一化差异植被指数与增强型红绿差值植被指数,以人工目视解译统计得到的蓝藻面积作为判别依据。结果表明:利用增强型红绿差值植被指数对湖泊中蓝藻的分类及提取,精度可达95.89%,Kappa系数为97.03,质量稳定,精度较高。