面向林地信息提取的 Pleiades-1影像融合算法评价分析

以Pleiades-1影像为对象,以探究其面向林地信息提取的融合算法选择为视角,通过基于目视和定量特征分析、辅助面向对象分类分析的方法,为林业部门遥感影像大规模融合应用提供参考。研究认为Pansharp和GramSchmidt算法融合结果目视效果良好,各波段与原多光谱相关系数均高达0.8以上,清晰度与纹理增强明显。两种融合算法影像在不同林地层次信息提取能力各有优势,Pansharp融合结果在林地层次分类总精度可达86.55%,Gram-Schmidt融合结果则在森林类型层次具有最高的分类总精度78.76%。具体融合算法的选取需根据其应用的信息提取层次而定。     

面向对象的高空间分辨率影像分类研究

采用面向对象遥感影像分类方法,进行了高空间分辨率遥感影像信息提取试验,分析了其与基于像元方法的信息提取结果的差异,试验研究表明,在目视效果上,传统方法的分类结果图中椒盐现象非常明显,而面向对象方法可以有效地避免椒盐现象;在分类精度上,面向对象方法分类结果的总体精度、Kappa系数、生产者精度、用户精度、Hellden精度和Short精度均明显高于传统方法,各类地物提取效果显著提高。面向对象方法在高空间分辨率遥感影像信息提取中具有明显的优势。     

面向对象的绿地信息提取

绿地与人们的生产、生活密切相关,绿地是城市的净化器,发挥着保持水土、涵养水源、调节自然界生态平衡等重要作用.本文主要讨论了面向对象的分类技术,研究了多尺度影像分割和基于高分辨率影像的信息提取方法,在实验的基础上与传统的基于像元统计方法的信息提取结果进行了比较.结果表明,面向对象的信息提取方法在高分辨率遥感影像绿地信息提取中具有明显优势,可大大提高分类效率和精度.     

黄土高原地形复杂区土地利用信息提取方法研究

引入影响土地利用类型分布的坡度数据和对植被覆盖反应敏感的归一化植被指数，以延河流域为研究区域，参考已有的土地利用数据，对地形复杂地区的土地利用信息提取方法进行了研究。结果表明，以监督分类和非监督分类为基础，辅以坡度信息并利用分区和多步骤信息提取方法进行土地利用信息提取，能在一定程度上提高分类精度，研究结果对建立地形复杂地区实用性强的遥感影像分类技术体系具有一定的参考价值。     

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。     

基于GF-2号卫星数据的崩岗提取研究

崩岗是我国南方红壤区较严重的土壤侵蚀类型,也是威胁区域生态安全的重要因素.为研究GF-2号卫星影像提取崩岗分布的技术方法,以江西省赣县区白鹭乡金钩形小流域2017年的影像为数据源,对影像进行了光谱增强和纹理增强处理,采用面向对象的分类方法构建了崩岗信息提取的分类规则.精度验证结果表明,GF-2号卫星数据可满足崩岗调查信息提取的需求,提取精度可达91.7％;国产高分辨卫星影像在遥感监测崩岗中有较大的应用潜力.     

不同分类方法在土地利用信息提取中的精度对比

以东方市为研究区,对OLI影像分别采取基于像元的五种分类方法实施土地利用分类,自评和对比验证分析影像在不同分类方法、不同土地利用类型上的分类精度。研究结果表明:在相同样本量和没有辅助数据的情况下,监督分类精度高于非监督分类,支持向量机的分类方法能够较好地提取土地利用信息,各地类的用户精度、生产者精度较高,总体精度达88.13%,Kappa系数为0.86。不同地类的分类精度差异明显,建设用地和水域的分类精度较高,未利用地和耕地的分类精度较低,林地、草地、耕地等绿色植被之间存在混淆。该研究成果为合理选择分类方法应用于土地利用信息提取提供科学依据。     

基于高分辨遥感影像城市绿地信息分类提取

利用高分辨率遥感影像对城市绿地系统监测规划,对城市生态建设具有重要意义。现采用ENVI FX面向对象模块,以杭州市西湖区遥感影像为基础数据,按照基于NDVI再有监分类的思想,详细介绍了以光谱、纹理和空间形态特征建立基于规则与样本的城市绿地类型提取技术流程。根据总体分类精度和kappa系数大小,城市绿地信息提取精度较好。     

遥感影像面向对象信息提取技术在GIS土地管理中的应用

本文主要研究通过高分辨率遥感影像和eCognition软件,利用面向对象信息提取技术来获取村庄尺度土地利用类型空间数据的技术方法。本项研究中的实验区主要地物包括麦田、旱作物、荒地、苗圃、道路、水体、建设用地和树木等类型。通过设置不同的分割参数并目视判定待识别地类的轮廓分割效果,获取适用于村庄尺度土地利用类型分类的最优分割参数,并通过分类精度对比说明面向对象信息提取相对于传统分类方法的巨大优势。     

基于面向对象的珲春地区高分辨率遥感影像分类研究

以吉林省珲春市春化镇为研究区,以Pleiades、高分一号、资源三号影像为实验数据,利用面向对象信息提取方法实现了对3种遥感影像进行信息提取。利用3D Filter边缘检测算子对多尺度分割进行优化,通过对影像进行多次实验得出地物要素的最优分割参数,并且建立不同地物要素的分割层级。分析实验数据的特点构建了合理的分类层级,选取能区分各个地物要素的特征进行组合,利用阈值分类和模糊分类实现地物要素的信息提取。利用混淆矩阵对数据进行客观分析,得到3种影像的总体分类精度和kappa系数。分析结果表明:Pleiades影像分类精度较高,更适合本实验区的遥感影像信息提取。     

大光斑波形数据在土地覆盖分类的适用性分析

针对GLAS地学激光测高系统是冰、云和陆地高程卫星(ICESat)的唯一监测工具,能够记录地表光斑内的地物信息,是否能应用于黄土高原土地覆盖分类的问题进行了研究。利用粒子群和最小二乘法相结合的方法对GLAS波形数据进行高斯分解,获取高斯波个数、波形总能量、波形信号起始和信号结束位置4个波形参数;基于波形自动分类方法对黄土高原水体、森林、城市用地、其他地类(裸地、低矮植被等)进行分类。通过基于覆盖相同研究区域的30 m地表覆盖数据(Globe Land30),验证分类的准确性。结果表明,GLAS大光斑波形数据对黄土高原的4种地类能够很好地进行区分,总分类精度高达87.68%,Kappa系数为65.79%。研究表明,GLAS波形数据可以作为获取土地覆盖信息的有效数据源,为研究黄土高原土地覆盖变化提供更丰富的数据支持。     

Land cover classification of finer resolution remote sensing data integrating temporal features from time series coarser resolution data

Land cover classification of finer resolution remote sensing data is always difficult to acquire high-frequency time series data which contains temporal features for improving classification accuracy. This paper proposed a method of land cover classification with finer resolution remote sensing data integrating temporal features extracted from time series coarser resolution data. The coarser resolution vegetation index data is first fused with finer resolution data to obtain time series finer resolution data. Temporal features are extracted from the fused data and added to improve classification accuracy. The result indicates that temporal features extracted from coarser resolution data have significant effect on improving classification accuracy of finer resolution data, especially for vegetation types. The overall classification accuracy is significantly improved approximately 4% from 90.4% to 94.6% and 89.0% to 93.7% for using Landsat 8 and Landsat 5 data, respectively. The user and producer accuracies for all land cover types have been improved.     

An Automated Approach for Land Cover Classification Based on a Fuzzy Supervised Learning Framework

This paper proposes an automatic framework for land cover classification. In majority of published work by various researchers so far, most of the methods need manually mark the label of land cover types. In the proposed framework, all the information, like land cover types and their features, is defined as prior knowledge achieved from land use maps, topographic data, texture data, vegetation’s growth cycle and field data. The land cover classification is treated as an automatically supervised learning procedure, which can be divided into automatic sample selection and fuzzy supervised classification. Once a series of features were extracted from multi-source datasets, spectral matching method is used to determine the degrees of membership of auto-selected pixels, which indicates the probability of the pixel to be distinguished as a specific land cover type. In order to make full use of this probability, a fuzzy support vector machine (SVM) classification method is used to handle samples with membership degrees. This method is applied to Landsat Thematic Mapper (TM) data of two areas located in Northern China. The automatic classification results are compared with visual interpretation. Experimental results show that the proposed method classifies the remote sensing data with a competitive and stable accuracy, and demonstrate that an objective land cover classification result is achievable by combining several advanced machine learning methods.     

基于多级决策树分类的土地利用与覆盖信息提取

结合Landsat-8遥感数据,采用多级决策树分类方案,利用归一化植被指数、波段比值、主成分分量等光谱特征参数并融合其他非遥感知识,对黄河三角洲地区土地利用与覆盖的信息展开了全面的提取、研究与分析,获得了该地区5个一级类、12个二级类地物的分布情况,分类总体精度93.88%,优于传统监督分类。同时采用聚类、分类叠加和人机交互等分类后处理操作以获得更贴近地面实际的制图效果,开展基于海岸线的缓冲区分析以获得各地物特别是距离海岸线10 km、20 km范围内地物类型的空间分布并完成相关制图与分析,为黄河三角洲地区滨海土地的利用与开发提供了数据支持。     

地形抹平与半经验模型的Landsat TM/ETM+地形校正方法

地形校正可以减小地形起伏对地物光谱的影响,提高计算机分类在山区的精度。设计了针对全球土地覆盖分类的Landsat TM/ETM+数据地形校正方法 SCOS(Smoothed COS余弦),首先对地形的坡度角进行抹平处理,很大程度上削弱了地表非朗伯性对地形校正的影响,然后利用简单有效的余弦校正去除地形效应。该方法与其他常用地形校正算法的对比分析是通过对全球不同区域、不同地表覆盖的有代表性的6景Landsat TM/ETM+数据的试验,采用统计分析与目视判读的方式,从过度校正和类内均一性两个方面进行的。结果表明,该方法在目视效果和统计结果上优于常规方法,并且更加简单有效,无需复杂的大气参数及传感器参数,满足全球地表覆盖分类对地形校正的需求。     

多时相双极化合成孔径雷达干涉测量土地覆盖分类方法

综合采用时相、极化和干涉3种维度的SAR数据进行土地覆盖分类。以黑龙江省逊克县多时相ALOS PALSAR数据覆盖区为研究区,利用不同时相极化SAR、干涉SAR信号对地物特征的敏感性,结合后向散射强度和干涉相干的时变特征进行地物解译,发展了基于多时相、多极化、干涉SAR数据的SVM土地覆盖分类方法。研究结果表明,引入双极化SAR中不同极化(HH-HV)间的相干系数,并结合所选择的时相特征、极化特征以及干涉相干特征进行分类,可解决双极化SAR影像中林地与城市及建设用地的混分问题,得到更高精度的土地覆盖分类结果。     

煤田火区特征的土地覆盖分类方法 ——以乌达煤田火区为例

土地覆盖变化是土地分析与评价和生态环境变化预测的重要科学基础, 通过精确的土地覆盖分类方法 获取高精度的土地覆盖图是研究煤田火区生态环境变化的必要手段。本文以最大似然法、光谱角度法、面向对象 分类法和基于复合分区的分层分类法进行乌达煤田火区土地覆盖分类的方法研究。研究结果表明, 基于复合分区的 分层分类方法分类精度较高, 总体分类精度为92.97%, kappa 系数为0.9155。该方法通过基于地表热辐射特征、热 异常状况、地貌类型, 以及对生态系统扰动状况等的划分, 减少了地物信息的混淆度, 即通过提     

基于随机森林的土地利用分类与景观格局分析

基于景观格局分析方法,分别选取8个反映景观格局类型和6个反映景观水平格局指数用于探索土地利用变化状况.实验结果表明:①基于选择合适的训练样本下,对3期遥感影像采用随机森林的监督分类方法,总体精度均在94％以上,kappa系数均为90％以上;②综合来看,研究期内建设用地为优势景观类型.研究区斑块数量增加,破碎化程度有所加...     

Backscatter coefficient as an attribute for the classification of full-waveform airborne laser scanning data in urban areas

Airborne laser scanning (ALS) data are increasingly being used for land cover classification. The amplitudes of echoes from targets, available from full-waveform ALS data, have been found to be useful in the classification of land cover. However, the amplitude of an echo is dependent on various factors such as the range and incidence angle, which makes it difficult to develop a classification method which can be applied to full-waveform ALS data from different sites, scanning geometries and sensors. Additional information available from full-waveform ALS data, such as range and echo width, can be used for radiometric calibration, and to derive backscatter cross section. The backscatter cross section of a target is the physical cross sectional area of an idealised isotropic target, which has the same intensity as the selected target. The backscatter coefficient is the backscatter cross section per unit area. In this study, the amplitude, backscatter cross section and backscatter coefficient of echoes from ALS point cloud data collected from two different sites are analysed based on urban land cover classes. The application of decision tree classifiers developed using data from the first study area on the second demonstrates the advantage of using the backscatter coefficient in classification methods, along with spatial attributes. It is shown that the accuracy of classification of the second study area using the backscatter coefficient (kappa coefficient 0.89) is higher than those using the amplitude (kappa coefficient 0.67) or backscatter cross section (kappa coefficient 0.68). This attribute is especially useful for separating road and grass.     

分层分区分景相结合的区域土地利用/覆盖分类方法——以浙江钱塘江流域分类为例

在土地利用/覆盖研究中，对于范围广、地域差别大的地区，仅用同一标准对遥感图像进行分类往往难以得到理想的效果。 本文以浙江省钱塘江流域为例，通过对Landsat TM数据各波段组合，首先提取水层和山层信息，然后采用掩模法提取平原丘陵层信 息，并根据地形地貌和土地利用现状的差异，将平原丘陵层划分为6个区，当所划分区域内各景的影像时相不一致时，再对该区进 行分景处理。最后，分别对每层、每区和每景图像进行训练样本的选择和监督分类。试验结果表明，结合分层、分区和分景的监督 分类方法是一种适合于较大区域土地利用/土地覆盖分类的有效方法。