基于SVM的多源信息复合的高空间分辨率遥感数据分类研究

遥感图像尤其是高空间分辨率（1—4m）遥感图像在土地利用和土地覆盖变化方面有着广阔的应用前景，传统高空间分辨率遥感图像信息提取方法存在精度和分类效率低的不足。本文提出的基于SVM的分类方法，复合光谱、纹理和结构信息等多源数据信息，对IKONOS高空间分辨率图像进行分类，并与最大似然法和单源数据（光谱）SVM分类结果进行定性和定量比较分析。研究结果表明，多源数据复合的SVM高空间分辨率遥感图像分类方法，能够有效解决单源数据信息图像分类效果破碎的问题；总精度达到68．38％，Kappa达到0．5993；对高维输入向量具有高的推广能力；比单源信息的SVM和最大似然方法图像分类精度更高，适合高空间分辨率遥感图像分类。     

用于土地利用分类的计算机复合分层分类方法——河北省南皮县土地利用分类研究

本文介绍了遥感图像的计算机复合分层分类方法:在用马氏距离判决分类基础上,引入了土壤图、地形图和纹理结构信息以及专家知识,对初始分类结果进行了分层判决。提高了分类精度。     

县级耕地遥感动态监测方法研究

利用不同时相的TM数据，采用遥感数字图像处理技术，首先对TM图像进行几何精校正，然后在图像增强处理的基础上，分别采用图像复合分类、图像比值和分类结果数学运算3种方法实现耕地遥感动态监测。在耕地信息准确提取的前提下，分类结果数学运算不失为耕地监测的一种有效方法。     

变差函数和神经网络结合的遥感影像分类方法研究

提出利用地统计学变差函数对遥感影像纹理信息进行提取，将变差函数得到的纹理信息与光谱信息相结合，运用神经网络进行分类的遥感影像分类方法。将该分类方法应用于试验区，并与最大似然法的分类结果进行对比分析，结果表明，该方法具有较高的分类精度。     

高标准农田建后遥感监测方法

高标准农田建后常会有违规利用情况存在,如何实现对高标准农田建后实时、精准的遥感监测成为土地整治部门亟待解决的问题。全国高标准农田监测面积大,监测精度要求高,迫切需要一套适应于全国范围推广的高标准农田自动监测方法。以广东省东莞地区为研究区,对比了面向对象和最大似然2种自动遥感分类监测方法,面向对象总体精度达到98. 684 7%,Kappa系数为0. 983 3;而最大似然分类方法总体精度则为78. 587 1%,Kappa系数为0. 718 0。研究表明面向对象分类方法能较好地满足高标准农田建后利用情况遥感监测工作的需求,此方法可以为全国高标准农田建成后的实时监管提供高效、精准的决策信息,为国家耕地保护、粮食安全工作提供技术支撑。     

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     

结合光谱与纹理信息的SVM遥感土壤盐渍化信息提取研究

本文为了提高地物识别的正确性,克服异物同谱和同物异谱现象,以渭干河?库车河三角洲绿洲为例,利用ETM+数据,探讨了该绿洲盐渍化土地覆盖信息的提取方法。文章提出了基于SVM的光谱和纹理两种信息复合的分类方法,通过此方法对该绿洲进行分类研究,并将分类结果与最小距离法、最大似然法(MLC)和单源数据(光谱)SVM分类结果进行定性和定量比较分析。研究结果表明:该方法能够有效地解决单数据源分类效果破碎、分类精度不高等问题,并对高纬输入向量具有较高的推广能力,因此该方法更适合于遥感图像分类和盐渍化信息提取,是地物遥感信息提取的有效途径。     

多源地学信息数字图像综合技术及在盛源地的应用研究

通过图像显示系统，实现了铀资源多种地学信息数字图像的综合处理，其内容包括资料的输入处理、资料配准和插值处理以及地学信息的增强、分解、提取、分类、叠合、复合等处理。以盛源盆地为样区进行了试验性研究。利用图像的信息增强、叠合技术，研究了试验区的地质构造环境；利用图像信息的分解、叠合技术、分析了铀、钍、钾的分布格局及其地质意义；通过矿床找矿判据的复合、提取,进行了找矿靶区的初选；采用信息的分类技术，进行了盛源盆地地区铀资源的总体评价。通过上述计算机信息处理技术，对这个研究程度较高的老矿区，在某些重要地质问题上，取得了一些新认识，并经野外检验，预测了六片成远景地段。在上述研究基础上，初步建立了铀资料多种地学信息数字图像综合技术系统。     

航空影像农田类型分类在地理国情监测中的应用研究

航空影像的植被信息提取是遥感影像分类中的难点,仅利用光谱信息难以提取农田类型。本文以江苏农田为主要覆盖的典型区域为研究对象,选择航空影像利用随机森林算法提取不同的农田信息。本研究采用多尺度的分割方法,面向对象实现特征信息提取。根据光谱、纹理以及几何形状特性筛选出较为合适的特征作为参数,利用随机森林算法实现植被二级分类,分类精度达到84.60%,KAPPA系数为0.753,可为地理国情生产提供一定的参考。     

城市绿化遥感信息的系统设计和管理

地理信息系统(GIS)与遥感(RS)的结合,是信息空间分析综合化、一体化的趋势。本文针对城市绿化信息的提取、分类、复合及集成等方面的系统设计和管理进行了论述,重点研究了绿化信息的提取方法,给出了具体的修正方程。最后,就大型绿化遥感信息系统的质量管理办法提出了几项建议     

遥感模式分类中的空间统计学应用——以面向对象的遥感影像农田提取为例

如何有效地从遥感图像中提取所需信息,是遥感图像处理和应用的关键,而尺度选择问题一直是影响遥感信息提取精度的关键问题之一。本文论述了利用空间统计学方法解决遥感影像模式分类中的尺度问题的理论基础。针对面向对象影像分析问题,将影响遥感影像多尺度分割的尺度分割参数概括为空间属性分割参数、光谱属性分割参数和影像对象面积阈值参数,并分别提出了基于统计学的尺度参数估计方法。以SPOT-5影像面向对象农田提取为例,基于变异函数方法进行了尺度优选试验,系列尺度分类试验结果表明基于空间统计学尺度估计得到的尺度分割结果进行分类能得到最高的精度,进而证明了基于空间统计学方法进行面向对象信息提取尺度估计的有效性。该方法是完全数据驱动的方法,基本不需要先验知识参与。不同于以往分割后评价的尺度选择方法会占用大量计算资源且耗费大量时间,本文提出的方法不仅能在一定程度上保证面向对象信息提取的精度,而且在一定程度上也提高了面向对象信息提取的效率和自动化程度。     

农情遥感信息与其他农情信息的对比分析

农情信息多种多样 ,来源不同 ,分散于各个部门或单位 ,缺乏相互交换与验证 ,综合分析与集成不够 ,特别是遥感信息为经济领域决策服务的渠道不通畅。为更好地应用各种信息 ,必须加强信息综合分析。对耕地面积、作物面积、作物单产、作物长势、粮食产量等几种农情信息中不同来源的信息进行了初步对比分析 ,肯定了遥感监测农情信息在客观性、时空连续性、可对比与可预测、低成本等几个方面的优势 ,同时也分析了遥感信息的不足和局限。认为遥感信息与其他信息不是互相替代的关系 ,而是互相补充、互相验证的关系。只有通过多源农情信息的综合分析和集成 ,才能更全面准确地反映农情。     

遥感卫星数据产品分类分级规则研究

随着遥感卫星应用的发展,多源、多时相、多尺度以及不同类型遥感卫星的数据综合集成应用以及与地面观测信息集成,对遥感信息产品进行深度开发利用正在成为遥感应用的重要趋势。目前不同国家和地区、不同系列的遥感卫星数据产品分别采用不同的分类分级方案,难以适应多源、多系列地理空间信息整合应用的需求。本文从遥感应用对遥感卫星数据产品分类分级的需求出发,分析了目前主要遥感卫星的产品系列及其数据产品分类分级规则,参考了正在研究的相关国际标准,遵循系统性、科学性、完整性、兼容性、可操作性和可扩充性原则,研究提出了中国遥感卫星数据产品分类分级的规则。该规则以卫星载荷采用的遥感探测光谱特征及其数据获取方式作为分类依据,以卫星遥感数据的处理水平作为分级依据,建立统一的遥感卫星数据产品的分类分级体系。该规则与正在研究制订的相关国际标准保持一致,不但覆盖目前广泛应用的各类遥感卫星数据产品,而且能方便地建立与现有遥感卫星数据产品分类分级方案的映射关系,并且对未来的数据产品的分类分级留有比较充分的可扩充性,为遥感卫星数据产品分类分级指标体系的研究和相关国家标准的研制提供了依据。     

农业遥感研究应用进展与展望

得益于中国自主遥感卫星、无人机遥感和物联网等技术的发展,中国农业遥感研究与应用在过去20年取得了显著进步,中国农业遥感信息获取呈现出天地网一体化的趋势;农业定量遥感在关键参数遥感反演技术方法与应用方面取得进展;作物面积、长势、产量、灾害遥感监测的理论与技术方法取得突破,农业遥感技术应用领域不断拓展。本文从农业遥感信息获取、农业定量遥感、农业灾害遥感、作物遥感识别与制图、作物长势遥感监测与产量预测、农业土地资源遥感等方面对中国农业遥感科研与应用进行了总结综述。     

深度学习支持下的丘陵山区耕地高分辨率遥感信息分区分层提取方法

耕地是丘陵山区稀缺的土地资源,具有地形条件复杂、种植结构多样的特点,导致了山地耕地信息难以快速、准确获取,并且基于传统的遥感数据及遥感监测方法开展山区耕地信息快速自动提取比较困难。针对这一问题,本文以西南山区贵州省息烽县作为试验区,根据地理空间异质性特征,提出分区控制、分层提取的耕地形态信息提取思路,构建了一种地貌单元约束条件下的分区分层耕地形态信息的提取方法。该方法首先根据地貌-植被特征将试验区划分为平坝区、山坡区、林草区3类地理分区;然后在每类分区基础上,根据耕地所呈现的视觉特征划分为不同的类型,对不同类型的耕地分别设计不同的深度学习模型进行分层提取。试验结果证明,该方法对山区复杂地形背景噪声具有较好的抑制作用,所提取的耕地地块信息相比于传统方法更符合实际耕地的实际分布形态,有效地减少了漏提率和错提率。     

Remote sensing classification approach to large-scale crop cultivation identification: A case study of the Aral Sea Basin

Since the collapse of the Soviet Union, the crop cultivation structure in the Aral Sea Basin has changed dramatically, and these changes are worth studying. However, historical crop remote sensing mapping at the watershed scale remains challenging, especially crop misclassification at the cropland edge due to mixed pixels. Therefore, we proposed a field segmentation approach to constrain field edges based on time-series Sentinel-2 remote sensing images and the Google Earth Engine platform and then employed the random forest algorithm to perform crop classification based on time series Landsat/Sentinel-2 images and crop phenology information to produce historical crop maps in the Aral Sea Basin from the 1990s onward. The results showed that the intersection over union between the extracted field edges and in situ-measured field size data was 0.65. The overall accuracy of crop mapping was 95.2% in 2019. Then, we extended our method to historical mapping over the 1991–2015 period with accuracies ranging from 82.8% to 91.3%. Moreover, our method applied to historical mapping works well in terms of accuracy and policy matching. These findings indicate that our method can accurately distinguish cropland edges to reduce classification errors due to mixed pixels. This method is promising for solving the cropland edge problem for historical crop mapping in the Aral Sea Basin and can potentially provide a reference for historical crop classification in other watersheds of the world.     

数字挖掘方法在遥感分类中的应用研究

随着空间信息领域技术的提高,利用卫星遥感数据获取地表信息的数据量也飞速的增长,快速有效地在海量遥感数据源中获取感兴趣的地表信息成为一项重要的研究方向。数据挖掘方法具有从海量数据集中提取隐含其中信息的功能,使得数据挖掘方法在遥感图像分类和专题信息提取中具有较好的应用,但不同的数据挖掘算法具有各自的独特性,使得在遥感分类中使用数据挖掘方法并不容易,本文通过介绍几种常用的数据挖掘算法,分析和探讨了这些方法在遥感分类应用中的优势和局限性,为在遥感分类中更好的、有针对性的选择数据挖掘算法提供借鉴。     

Global rain-fed,irrigated, and paddy croplands: A new high resolution map derived from remote sensing,crop inventories and climate data

Irrigation accounts for 70% of global water use by humans and 33–40% of global food production comes from irrigated croplands. Accurate and timely information related to global irrigation is therefore needed to manage increasingly scarce water resources and to improve food security in the face of yield gaps, climate change and extreme events such as droughts, floods, and heat waves. Unfortunately, this information is not available for many regions of the world. This study aims to improve characterization of global rain-fed, irrigated and paddy croplands by integrating information from national and sub-national surveys, remote sensing, and gridded climate data sets. To achieve this goal, we used supervised classification of remote sensing, climate, and agricultural inventory data to generate a global map of irrigated, rain-fed, and paddy croplands. We estimate that 314 million hectares (Mha) worldwide were irrigated circa 2005. This includes 66 Mha of irrigated paddy cropland and 249 Mha of irrigated non-paddy cropland. Additionally, we estimate that 1047 Mha of cropland are managed under rain-fed conditions, including 63 Mha of rain-fed paddy cropland and 985 Mha of rain-fed non-paddy cropland. More generally, our results show that global mapping of irrigated, rain-fed, and paddy croplands is possible by combining information from multiple data sources. However, regions with rapidly changing irrigation or complex mixtures of irrigated and non-irrigated crops present significant challenges and require more and better data to support high quality mapping of irrigation.     

浅论中国亚热带遥感现状、任务与创新发展途径

中国亚热带区域覆盖范围广,面积达240万km²。区内不仅自然景观复杂,多云多雨、多山多林,生物多样性丰富、是中国稻米主产区,而且多河多湖、多矿多污,生态环境十分敏感、自然灾害多发频发,迫切需要利用遥感技术监测其自然资源、环境变化与灾害现象。虽然近年来国内外已逐渐开展亚热带遥感应用研究,但缺乏对亚热带遥感理论与方法的系统性研究,共性与科学问题尚不明晰。本文总结分析了中国亚热带遥感的3个基本特征,按遥感数据类型梳理了中国亚热带遥感的应用实践;进而归纳出中国亚热带遥感实践的4个共性问题,指出亚热带遥感核心元素的主要特点、地理对象的复杂性与遥感信息的病态性,提出中国亚热带遥感的4项重点任务;然后,分析了当今中国亚热带遥感发展的历史机遇,阐述了中国亚热带遥感的创新发展途径,包括厘清人地现象的动态特征、聚焦亚热带遥感的科学问题、攻克不同层面的关键难题、结合应用需求开展技术攻关与重点研发。论文旨在推动亚热带遥感应用的创新发展、促进亚热带遥感理论与技术体系形成,进而助力卫星及航空遥感更好地服务于中国亚热带地区的资源环境监测、区域防灾减灾、生态文明建设与“双碳”目标。     

渝西地区多时期地表覆盖遥感信息提取

近年来,随着遥感技术的不断发展,利用遥感技术开展土地覆盖信息的提取工作已经变得越来越普遍。本文主要利用遥感技术进行土地覆盖信息的提取,为后续土地信息的分析调查提供了有利的数据。此次研究选取了渝西地区作为研究区,使用TM／ETM遥感图像作为基础数据。在提取覆盖信息之前,首先,采用遥感图像处理技术,对研究区进行了图像预处理;接着,对研究区四种地类进行采样处理,利用得到的采样数据,对研究区的遥感图像进行了光谱分析;最后,进行监督分类得到覆盖信息的明显特征,可以看出建筑用地在明显增多。并对分类结果进行精度评价,得到最后结论,可以看出每一时期的总分类精度都在85％以上,符合分类要求。