基于目标分割和景观格局特征的城市土地利用分类

根据相同土地利用类型景观格局特征相似的原理,在传统遥感分类方法的基础上,结合景观生态学理论,建立了土地利用分类新方法; 应用SPOT遥感图像提取了北京市五环内的居民用地和非居民用地类型,总分类精度达到了85.9%,Kappa系数为71.1%.本研究结合学科交叉的优势,为遥感技术应用和土地利用信息提取提供了新思路.     

基于高分辨率遥感影像的围填海图斑遥感监测分类体系和解译标志的建立

围填海是一把双刃剑,一方面可以缓解土地资源紧缺的问题,另一方面也会给沿海生态环境带来负面影响。如何合理地监测和管理围填海,以便政府掌控和决策分析,首先迫切需要制定围填海的分类体系。围填海是一个海域向陆地转变的中间态过程,将海域使用分类体系和土地利用现状分类体系相衔接,基于年度提取的多源高分辨率遥感影像围填海图斑的可解译程度、围填海的定义、用途属性和形成机理等因素,制定了应用于围填海年度遥感监测的分类体系。此外,根据该分类体系,建立了基于多源高分辨率遥感影像的围填海遥感监测解译标志。     

面向对象的高分辨率遥感影像建设用地变化监测

建设用地变化监测对城市可持续发展具有十分重要的意义,为准确提取建设用地的变化信息,本文提出了一种结合旧时期土地利用矢量数据、随机森林及模糊C均值聚类算法的建设用地变化监测方法.首先基于旧时期土地利用矢量数据,将建设用地变化监测分为建成区与非建成区建设用地变化监测;然后进行面向对象分割、基于对象遥感影像光谱、GLCM纹理...     

围填海遥感监测方法研究

遥感技术为围填海的实时监测提供了有效手段。依据“908”专项的海域使用分类体系,以及相关围填海类型在HJ-1 CCD卫星影像上的可分性,建立了围填海遥感分类系统;根据港口用海、城镇用海、围垦用海、盐田用海、围海养殖等各种围填海工程在HJ-1 CCD标准假彩色影像上的色调、纹理、空间组合等特征,建立了相应围填海类型的解疑标志;提出了围填海遥感信息提取的详细技术流程;对2000-2012年河北省曹妃甸新区和滦河口的围填海做了遥感提取。     

自然资源要素遥感智能解译样本分类体系研究

根据湖北省自然资源监测监管对大规模遥感智能解译的需求,对已有遥感智能解译样本数据集进行了总结,从提升地类细分领域的深度学习模型效果出发,研究了遥感影像智能解译的典型应用场景和解译对象,构建了湖北省自然资源要素遥感智能解译样本分类体系,并以优于2 m的多源异构高分辨率光学遥感影像为数据源,开展遥感智能解译样本采集。通过具体业务应用场景实验证明,建立的智能解译样本分类体系及其样本库,能够较好地反映湖北省自然资源卫星遥感影像智能解译的区域特征,取得较之前的样本库更为有效的解译效果。     

西北旱区遥感影像分类的支持向量机法

针对较大范围、不同时相、不同气候和地貌类型的遥感影像的土地利用现状分类问题,提出了一种结合标准植被指数和纹理特征的支持向量机法。此方法改进了陕西延安、甘肃嘉峪关和青海果洛的遥感影像分类,有效地解决了最大似然法和BP神经网络法的缺陷造成的分类精度不高的问题。分类结果表明:与最大似然法和BP神经网络法相比,结合标准植被指数和纹理特征的支持向量机法的分类总精度最高(97.75%),Kappa系数为0.9691。该方法可为西北旱区遥感影像解译和土地资源可持续发展战略提供方法支撑。     

基于多目标遥感信息处理的城市扩展监测与分析

基于徐州市1994年、2002年和2007年的多时相Landsat TM/ETM+遥感影像,利用建筑用地指数(IBI)提取城市建筑用地信息,通过监督分类获得城市土地覆盖网,由单窗算法反演地表温度.利用多目标遥感信息处理得到的建筑用地分布、土地覆盖图和地表热环境信息,从土地利用结构变化、城市热环境时空演变两个方面分析了徐州市城市扩展动态,表明徐州市建成区面积不断扩大,城市扩展速度进一步加快,土地利用类型相互转换频繁;城市热岛现象显著,热岛分布与城市建筑用地的轮廓基本吻合,建筑用地不断增加是热岛效应加重的主要因素.研究表明,综合土地覆盖分类、专题信息提取和地表参数定量反演的多目标遥感信息处理用于监测分析城市扩展与生态环境响应具有明显的优越性.     

TM影像在南北方土地利用信息提取中的对比

利用2009年南北方代表地区的湖南省和吉林省TM遥感数据,针对南北方地貌形态和土地利用方式特点的不同,对比分析统一遥感影像对南北方不同地类的空间分辨率、空间布局与解译精度等的区别,剖析了南北方地区不同土地利用类型在影像上的特征。通过研究表明,南北方在空间格局上的居民点区分明显,耕地次之,林地和水域区分不明显;在光谱特征和解译精度上,耕地和居民点差异较大,水域次之,林地不明显。     

SPOT5影像目视判读在土地利用类型更新中的应用研究

近年来,SPOT 5影像被广泛应用于土地利用类型的调查中[1],一方面,为我们进行土地利用类型分类更新提供了新的信息源;另一方面,对遥感的室内解译提供了更高更新的要求.本文以常德市汉寿县为例探讨在进行土地利用类型分类更新中前期图像处理、解译标志的建立以及人工目视判读中的难点和重点,对于在遥感图上不易判读或容易判错的地物特征给予总结,一定程度上提高了遥感目视解译的准确性.     

面向西北内陆复杂地形地貌区域的土地利用分类方法

中国西北地区自然环境恶劣、地形地貌复杂、植被覆盖度低,大量土地裸露,使用传统分类方法很难准确提取土地利用信息。以兰州市为研究区,基于Landsat 8 OLI遥感影像和数字高程模型（digital elevation model,DEM）数据提取指数特征、纹理特征和地形特征作为分类特征变量。首先,基于随机森林分类（random forests classification,RFC）算法对3种特征变量的分类有效性进行检验;在此基础上,构建4种特征组合实验方案,筛选出最优土地利用分类特征组合。结果表明,单一的指数特征、纹理特征和地形特征均可显著提高一种或多种土地利用类型的分类精度;最佳分类特征组合的分类精度达到90.82%,Kappa系数为0.897。