基于DSM技术的土地覆盖变化检测研究

随着上海市的经济发展,市区土地覆盖现状发生较大变化,产生了违法违规用地、非法侵占基本农田等问题。本文通过研究DSM(数字表面模型)的数据价值和高效处理方法,结合遥感影像、行业专题数据等多种资源,针对上海市土地覆盖变化的实际需求,运用GPU等新技术,实现DSM实时差分和快速矢量化的相关算法,并对疑似违法图斑进行了快速甄别,为上海开展地理市情监测和智慧城市建设提供了有力的技术支撑。     

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。     

神经网络决策树的矢量数据变化信息快速识别方法

针对GIS数据更新中变化信息的自动提取问题,提出基于神经网络决策树的变化信息快速识别方法。设计了基于四叉树的变化信息层次检测算法,通过比较对象的节点-弧段特征快速定位到变化区域。以新旧要素的匹配特征为依据,通过神经网络决策树实现变化信息的识别,兼顾了决策树实现效率高和神经网络的自适应处理的特征。1∶2000地形图变化信息识别试验结果表明:该方法计算效率高,能够准确快速地识别出变化信息,有助于提高GIS数据库的动态更新的自动化与智能化水平。     

中国地表植被覆盖变化及其与气候因子关系──基于NOAA时间序列数据分析

本文利用１９８５－１９９０年连续６９个月的ＮＯＡＡ时间序列数据,进行中国植被覆盖变化的空间,以及时间序列分析,并且结合同期的月平均气温、降水数据,进行植被覆盖变化与气候因子相关性分析。该文证实了在中国植被覆盖随时间的推移规律,空间分布规律,以及植被覆盖变化与气温、降水的定量关系。     

基于Landsat卫星的沈阳市土地覆盖变化研究

土地利用、土地覆盖变化(LUCC)是当今遥感领域的重要研究课题,也是地学界、生物学界、环境学界等关注的热点问题之一^[1]。特别是对大城市的土地类型变化研究,有利于揭示城市化进程中的空间变化规律。本文利用沈阳市1990、2000、2010年3期Landsat系列卫星数据,经过空间配准、相对辐射校正、图像增强等预处理,分别对3期遥感图像进行监督分类,提取土地类型转换信息并进行景观格局分析^[2]。结果表明,20年间沈阳市土地覆盖变化主要表现为耕地和建筑用地的转变,其中1990—2000年,耕地和建筑用地均有缓慢增加;而2000—2010年耕地面积明显减少,建筑用地显著增加,城市化进程大大加快。本文成果对沈阳市未来城市规划和可持续发展相关政策的制定有一定的参考价值。     

基于时空域密度异常的土地利用/土地覆盖短期变化检测

论文分析了时间序列遥感影像中土地利用/土地覆盖短期变化的特点及其时空异常特征, 认为和环境、物候等因素造成的影像变化相比, 由人为活动引起的土地利用/土地覆盖变化具有典型的时间和空间异常特征, 并提出了基于密度异常的土地利用短期变化检测方法。研究工作选取珠江口地区1—5月作物生长期间的3个时间序列Radarsat雷达影像进行试验, 在影像分割的基础上, 构建了基于对象的特征变化矢量, 并将密度异常检测算法(DBAD)扩展到变化矢量的N维特征空间上, 运用随机搜索策略确定检测参数, 对Radarsat时间序列变化矢量中的“小模式”事件进行了检测。检测结果认为, 密度异常检测算法检测的是变化矢量在特征空间的密度分布, 与变化矢量的强度和方向无关, 因此能在时间序列影像中分离出由典型的、正常的作物生长或农事活动引起的影像光谱或回波变化, 进而识别出由人为活动或突发事件导致的土地利用/土地覆盖变化, 这是通常的图像差值等方法难以做到的。进一步的抽样检测说明, 密度异常检测方法对新增建设用地的检测准确率最高(>88%);林地地表覆盖相对稳定, 检测误差也很低(8%);农用地和养殖水面的异常变化检测误差在11%—22%之间;较大的检测误差主要集中在建设用地、农用地和未利用地之间的转换(16%—25%);此外, 养殖水面的检测误差主要集中在河流沿岸及水面变化较大的养殖区域。影像分割结果特别是一些线状分割图斑以及混合地类图斑对误差也有一定的影响。     

基于SOM神经网络的城市土地覆盖遥感分类研究

土地覆盖及其变化的研究作为区域及全球环境变化研究所需的极为重要的地表参数,是遥感应用分析的主要内容之一。以往所采用的遥感分类方法主要针对侧重于土地社会属性的土地利用类型的分类研究且很难获得理想的精度。本文在非监督的自组织映射神经网络的基础上进行了一定的改进,构建了有监督的神经网络模型,以湖南省长沙市主城区的土地自然属性为侧重点,对其土地覆盖进行分类。实验结果表明:利用本文所使用的方法得到的分类结果,其总体精度和Kappa系数均高于传统的分类方法得出来的分类结果。     

中国地表植被覆盖变化及其与气候因子关系

本文利用１９８５－１９９０年连续６９个月的ＮＯＡＡ时间序列数据,进行中国植被覆盖变化的空间,以及时间序列分析,并且结合同期的平均气温,降水数据,进行植被覆盖变化与气候因子相关性分析,该文证实了在中国植被覆盖随时间的推移规律,空间分布规律,以及植被覆盖变化与气温,降水的定量关系。     

缺失GPS时间序列的神经网络补全

在GPS时间序列数据补全问题中,针对在空间点位分布稀疏、观测值连续缺失情况下传统补全效果不佳的问题,提出了一种基于深度学习的补全方法。针对时间序列中存在连续大量缺失的情况,设计了基于长短时记忆神经网络的补全模型;使用待补全站时间序列中可用的数据训练模型,合并使用日期数据增强训练效果,使模型学习到隐式蕴含在序列中的时空相关知识,预测序列缺失处的值。用IGS基准站SHAO的1999—2017年有缺失的时间序列进行实验;并与时间序列预测的传统经典方法 Seasonal ARIMA进行了比较。实验结果表明:在待补全站观测值缺失较多时,提出的方法依然可以取得很好的补全效果;在补全较长连续缺失时,无论是在预测精度还是对原始序列形态的模拟上,表现均优于Seasonal ARIMA。     

OIF辅助BP神经网络模式识别的土地覆盖分类

精准高效的土地覆盖分类不仅能提高土地利用类型研究与制图质量,也有助于有序地组织土地的保护与开发。以2020年7月28日银川市三区的美国陆地卫星8号陆地成像仪（Landsat8 OLI）影像为数据源,建立最佳指数法（OIF）辅助前馈（BP）神经网络的模式识别模型,借助遥感影像处理平台（ENVI）选取训练样本集,对银川市三区土地覆盖类型进行分类。结果表明,OIF辅助BP神经网络模式识别的总体精度为86.95%,Kappa系数为0.8435,优于最大似然法和支持向量机（SVM）分类法;从生产者精度来看,该方法在林地、草地、水域和未利用地的分类中优势明显,精度都超过了90.00%,但在建设用地的分类中精度较低,只有70.73%。实验证明,OIF辅助BP神经网络的模式识别在遥感影像的监督分类中是一种精准高效的分类方法。     

基于RS与GIS的土地利用/土地覆盖变化分析

利用遥感影像获取土地利用/土地覆盖变化信息是遥感应用的一个重要方面。选用1987年、1994年和2000年3个时相的某市遥感影像及其辅助数据,对该地区14年间的土地利用/土地覆盖变化进行了分析研究,并对变化的时空特征进行分析评价,结果表明该市的城市化进程在不断加快,建成区面积逐年增加,耕地和林地被占用的现象比较突出。研究结果为该市的城市规划、生态环境保护等提供了科学依据。     

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.     

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。     

基于Radarsat和TM图像融合与分类的土壤盐渍化信息遥感监测研究

单一雷达影像数据通常不能提供足够的用以监测干旱地区盐渍化的信息。雷达图像与TM图像的融合可以提高遥感数据的利用率,增强数据的可靠性和信息的互补性,有助于提高分类精度。本文采用了GramSchmidt变换融合法将Radarsat和TM图像进行融合,并将该融合方法与一些常用融合方法(HIS融合、PCA融合、Brovey融合)进行了比较,结果表明该融合方法优于其他方法。最后采用支持向量机分类法(SVM)对Radarsat、TM融合后的图像进行了分类。结果表明:同单独Radarsat影像和TM影像分类结果相比,该融合分类法将分类精度分别提高了近30%和2%。因此该融合分类法更适合于遥感图像盐渍化信息监测。     

利用土地利用状态转移分析的变化检测

辅助数据在遥感影像变化检测中的应用研究目前还不充分,在分析已有变化检测方法的基础上提出了一种基于状态转移分析的面向对象的变化检测方法。该方法通过历史影像辅助数据估计地物土地利用类型的变化趋势,并利用生成的地物类型状态转移矩阵(STM)对变化检测结果进行修正。对不同时期历史影像生成的状态转移矩阵进行误差分析,结果与本文假设前提相符,而不同方法变化检测结果的对比也证明了本文方法的有效性。     

基于3S技术的隆昌县土地利用/覆被动态监测

利用2000年和2010年遥感影像,分析了四川省隆昌县10 a间土地利用/覆被变化情况,并进行驱动力分析。研究表明,2000~2010年,耕地(包括水田和旱地)、水域、未利用地面积减少,林地、城镇、交通用地面积增加。分析表明,隆昌县土地利用/覆被变化的驱动力主要有人口因素、社会经济因素、城市化因素、政策导向,各因素间相互影响和制约。     

区域CORS网坐标时间序列周期特征分析

通过精密单点定位的方法获取了区域CORS网各基准站的坐标时间序列,并利用最大似然估计法和频谱分析法对其32个基准站坐标时间序列的周期特征进行了分析,获取了各基准站年周期、半年周期的振幅和相位值,以及各基准站的周期功率谱图。结果表明:GNSS基准站坐标时间序列不仅存在线性变化,还存在周期性变化,其中以U方向表征最为明显,与双差定位获得的坐标时间序列周期特性分析结果一致,说明以精密单点定位获取的GNSS基准站坐标时间序列是可靠的,可以用来分析基准站的变化特征。     

区域滤波方法在IGS台站时间序列分析中的应用

随着GPS技术的发展,在连续运行的GPS参考站上已经积累了将近20年的数据,形成了比较充足的GPS坐标时间序列.在GPS时间序列中包含着共模噪音和其他未建模的误差,利用相关性分析方法提取GPS时序中的共模噪声,通过主成分分析方法来对GPS时间序列的残差进行主成分提取,并在时序分析中将其剔除,从而得到纯净的GPS时间序列...     

南昌市土地利用变化与高程的耦合分析

以南昌市为研究区域,利用多时段土地利用遥感影像数据和DEM数据,分析研究区水平空间以及垂直方向上土地利用变化的时空分异,更全面地研究土地利用/覆盖变化情况。研究表明,南昌市土地类型分布中耕地和水域面积比重较大,土地利用的主要变化模式为耕地和水域之间的相互转化以及耕地转化为城乡工矿居民用地。高程对南昌土地利用空间分布的约束十分突出,各种土地类型在高程上的空间分布格局呈显著变化。1980~2005年南昌市不同高程土地利用动态度随时间推进提高了1.33%,土地利用类型变化最快的地方一直集中在高21.68~100.00 m之间。     

1983—1992年中国陆地植被NDVI演变特征的变化矢量分析

以NDVI时序资料为基本数据源，综合应用变化矢量分析和主成分分析方法对1983年至1992年中国陆地植被NDVI的变化强度、变化类型及空间结构变化特征进行了分析。研究结果表明在此期间中国陆地植被NDVI变化有以下特点：（1）十年间NDVI变化东西分异明显，东部变化幅度远大于西部。NDVI变化整体表现为稳中略增，增加区主要分布在台湾、福建、四川、河南等地；减少区主要分布在云南省和新疆北部等地。（2）空间结构信息表现了景观异质性，其变化主要发生在南方，反映了植被的生长和衰老过程及地形（山脉走向）变化。