山东省土地利用类型动态变化监测系统开发与验证

快速准确地区域土地利用分类是土地利用变化监测的重要部分。该文以山东省为例,使用Terra MODIS地表反射率产品(MOD09),根据山东省遥感影像在不同月份上地物反射率特征构建决策树,在VC平台上开发基于该决策树的针对MOD09数据的土地利用类型自动分类及变化分析的系统,对2000—2009年MOD09每月数据进行分类及其变化分析,并将结果与MODIS地表分类产品进行对比,验证了该系统的高效性和实用性。     

面向对象的遥感分类应用于土地调查的可行性研究

以张家界市武陵源区土地利用现状调查为例,采用面向对象的分类技术对高分辨率遥感影像进行分割和自动分类,将分类结果导出到MapGIS环境下,进行拓扑构建和属性编辑,完成土地利用现状数据建库。     

利用Landsat8和Worldview2数据进行协同岩性分类

提出了一种对Landsat8和Worldview2协同后的岩性分类方法。首先对Landsat8和Worldview2影像进行协同:在对Landsat 8全色波段与其多光谱进行自协同后,与Worldview2多光谱第8波段数据协同,将协同后的Landsat8中短波红外数据与Worldview2数据进行叠加,得到最后协同结果。对协同后的数据进行岩性分类:利用基于最大似然法(maximum likelihood,ML)进行初始分类,由马尔科夫随机场法(Markov Random Field,MRF)对结果进行优化得到最终分类结果。采用新疆西昆仑地区遥感数据进行了实验,结果证实协同后数据的分类结果具有更高的分类精度。      

株洲市城市热岛与土地利用/覆盖时空演变研究

以株洲市为研究区,选取两期Landsat TM/ETM＋影像,利用IDL分别反演出地表亮度温度;选择训练区域,利用ENVI的最大似然算法对两期株洲市影像进行土地利用/覆盖分类,以此作为基础分析了株洲市城市热岛范围、强度变化,以及土地利用类型/覆盖（LUCC）变化。结果显示,1999-2006年间,随着株洲市城市不断的扩展,城市热岛范围和热岛强度都有加强趋势;城市土地利用/覆盖的变化,引起了地表亮温的时空演变。研究表明,水体和植被具有良好的降温作用,而城镇建设用地和裸地则是城市热岛效应的主导因素。     

基于多源数据的地表覆盖制图与分析——以广东省广州市为例

地表覆盖数据是关于土地利用信息的重要来源,在地理国情监测、气候变化研究、生态环境评估等方面发挥着重要的作用。本文以广东省广州市作为研究区域,利用OSM数据结合FROM-GLC数据和Landsat-8遥感影像数据,对研究区域地表覆盖进行分类并完成地表覆盖制图。实验结果表明,利用OSM数据进行地表覆盖制图结果总体精度较高,具有可用性,但是OSM数据空白区域占比较大,有数据区域个别要素数量较少,在参考选取样本时,样本代表性不够高,部分类型的地表覆盖分类精度较低。     

一种考虑雪粒径变化的积雪面积反演算法

光谱混合分析能够提取亚像元信息,被广泛地应用于遥感影像目标探测之中。本文针对MODIS积雪遥感影像,基于光谱混合分析框架,利用渐进辐射传输模型建立不同粒径大小的雪反射率光谱库,提出了一种考虑端元变化及二次辐射的雪盖面积反演算法。此算法首先利用渐进辐射传输模型建立不同粒径大小积雪的反射率光谱库,然后使用序贯最大角凸锥方法获取植被、土壤与岩石、阴影的光谱库。在建立各种地物反射率光谱库之后,利用均方根误差最小的方法获取最优端元组合。在此基础上,考虑端元独立辐射以及积雪与其它地物的二次辐射过程,利用稀疏光谱混合模型获取积雪面积与雪粒径大小。实验结果表明：此方法能够同时反演雪粒径与积雪面积,反演的雪粒径相比单波段的渐进辐射传输模型小,反演的积雪面积相比MOD10A1产品精度略微提高。     

随机森林方法支持的复杂地形区土地利用/土地覆被分类研究

随机森林方法目前已经成为遥感分类机器学习中一种有效方法,探索基于中等分辨率的Landsat卫星数据与随机森林方法相结合对复杂地形区长时间序列数据的获取及土地利用/土地覆被变化及模拟研究是非常有意义的。本文基于Landsat8OLI卫星多光谱数据,采用随机森林分类方法对青海省湟水流域复杂地形区土地利用类型进行了分类研究。针对复杂地形区域的情况,将研究区进行地理分区,根据每个分区的特点,选择相应的地形特征参数,并通过提取Landsat 8数据的光谱信息与纹理信息构建最优特征集,探索随机森林方法在复杂地形区土地利用分类的适用性。结果表明：使用Landsat8OLI数据进行随机森林分类,能较好地得到湟水流域复杂地形区域的土地利用类型结果;光谱、地形及纹理信息的结合在不同分区的表现结果不同。在脑山区光谱与地形信息结合能使随机森林分类效果最佳,总体精度达到91.33%,Kappa系数为0.886;而在浅山区与川水区综合考虑光谱、地形、纹理信息进行随机森林分类效果最佳,浅山区与川水区总体精度分别达到92.09%和87.85%,Kappa系数分别为0.902和0.859;利用随机森林算法进行优化选择纹理特征组合可以在保证分类精度的同时能够快速地提取土地利用类型信息,为复杂地形区土地利用类型的区分提供了实际可行的方法。     

CBERS-02星CCD波段平均太阳辐照度反演及应用

卫星图像波段平均太阳辐照度是计算表观反射率的重要参数。本文采用两种方法对CBERS-02星CCD波段平均太阳辐照度进行了计算,一种方法是利用大气辐射传输软件SBDART模拟大气顶部的太阳光谱曲线,结合CBERS-02星CCD波段响应曲线,计算1～4波段的平均太阳辐照度;另一种方法是用6S模型对波段平均太阳辐照度进行计算。为验证计算结果,用同样的方法,计算了LandsatTM5和ETM的波段平均太阳辐照度,与Landsat公布的数据进行对比,结果表明,用模拟的太阳光谱曲线的计算结果更准确。以2005年8月24日的一景图像为例,计算了图像的表观反射率,经6S模型大气校正后,反演了地表反射率,与地面实测的地表反射率进行了对比,除第四波段误差为4%外,其余1～3波段误差仅为0.01%。     

空间分辨率与纹理特征对多光谱遥感分类的影响

多光谱遥感分类与影像空间分辨率有着密切的关系,在适宜空间分辨率影像上进行地物分类能够获得更高的精度。随着遥感影像空间分辨率的提高,纹理特征被广泛用于遥感分类,但由于不同地类空间尺度不同,纹理对不同地物分类的影响程度也有所差异。本文基于高分一号2 m全色和8 m多光谱影像融合后的高空间分辨率多光谱数据构建反射率空间序列,选用3种分类方法对序列分类,并分别计算2 m融合数据及8 m多光谱影像的纹理特征,选择特征波段与相应多光谱波段组合用以分类研究,最后计算混淆矩阵评价分类精度。研究结果表明,通过回归分析得到多光谱分类的最佳空间分辨率为5 m,与其他研究中利用全色波段分类的结论一致,这说明最佳空间分辨率的选择不受光谱信息影响;对多光谱分类精度随空间分辨率变化的变化趋势分析发现,分类精度在20~30 m分辨率范围区间内快速降低,这为多光谱遥感分类数据空间分辨率的选择提供了重要参考;此外,对光谱与纹理特征结合后不同地类分类精度的变化分析显示,加入纹理特征后,冬小麦、人工建筑、有林地和水体的分类精度在2 m分辨率下分别提高了1.49%、1.51%、4.94%、1.54%,8 m分辨率下分别提高了2.95%、10.95%、5.91%、5.14%,说明引入纹理特征有利于提高分类精度,但其对不同地物类型、不同分辨率影像的影响程度不同。     

基于Landsat 8的成都市城市热岛时空格局变化研究

现有基于Landsat 8的城市热岛研究课题对城市热岛格局变化研究较少,且驱动因素分析匮乏。本文针对上述问题以成都市为例开展研究。基于2013年和2018年两期Landsat 8影像采用RTE算法、JM_SC10算法和TIRS10_SC算法进行热场分布的空间特征分析,并结合植被、建筑及人口等数据探讨驱动城市热岛时空格局变化的因素。研究表明:①3种反演算法获取的城市热岛效应结果具有一致性;②2018年较2013年热场分布呈现扩大化、多极化、空心化的趋势,尤其在双流区、龙泉驿区等近年重点发展区域出现新的热岛极值区;③植被和水体指数与地表温度成负相关,建筑、人口指数与地表温度成正相关;④除自然地理因素外,城市热岛时空格局变化受人口分布、政策和政府行为因素及社会经济因素驱动性明显。