黄土高原遥感分类应用研究

Due to complex terrain of the Loess Plateau, the classification accuracy is unsatisfactory when a single supervised classification is used in the remote sensing investigation of the sloping field. Taking the loess hill and gully area of northern Shaanxi Province as a test area, a research was conducted to extract sloping field and other land use categories by applying an integrated classification. Based on an integration of supervised classification and unsupervised classification, sampling method is remarkably improved. The results show that the classification accuracy is satisfactory by the method and is of critical significance in obtaining up-to-date information of the sloping field, which should be helpful in the state key project of converting fiumland to forest and grassland on slope land in this area. This research sought to improve the appfication accuracy of image classification in complex terrain areas.     

基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例

土地利用分类精度直接决定土地利用/土地覆被变化相关研究的准确性,而基于决策树的遥感影像分类是近年来提高土地利用分类精度的重要方法。QUEST决策树在影像解译和空间表达方面,运算速度和分类精度均优于普通CART等决策树方法。本文以云南丽江地区为例,应用QUEST决策树分类方法,对该地区的Landsat TM 5影像图进行分类,同时将地形因素、植被指数作为地学辅助数据的因子添加到分类波段中,进行不同特征融合,来处理目标类别间的非线性关系,该方法在处理图像理解知识方面具有更大的灵活性;同时与普通决策树分类法的遥感影像分类的结果相比较,Kappa系数值从原来的0.789提高到0.849.在地形复杂的山地地区,针对TM影像数据,选择基于QUEST决策树分类能够有效提高土地利用分类结果精度。     

三峡库区土地资源的多源信息综合制图法

本方法用来编制1:10万长江三峡库区土地资源评价图,以卫星数据计算机监督分类为基础,配合以野外调查和遥感、非遥感的资料。把这些资料作为多源信息,加以综合后,编制出的土地资源评价图,经实地校核,与SPOT卫星像片、卫星数据计算机监督分类图相套合,准确率分别为88,91,93(％)。     

基于Landsat 8 OLI数据与面向对象分类的昆嵛山地区土地覆盖信息提取

利用2015年Landsat 8 OLI遥感影像和DEM作为分类数据源,结合野外调查数据,采用面向对象的分类方法对昆嵛山地区土地覆盖信息进行提取,并对分类结果进行精度评价与比较分析。研究表明：面向对象分类方法提取的各地类连续且边界清晰,分类效果与实际情况基本吻合。昆嵛山地区占主导地位的土地覆盖类型是针叶林,面积为1 546.81 km²。研究区土地覆盖分类的总体精度和Kappa系数分别为91.5%和0.88,其中针叶林、草地、水体和建设用地的生产者精度均达到87%以上。相对于监督分类方法,本研究提出的土地覆盖信息提取方法的总体分类精度和Kappa系数分别提高14.7%和0.17。基于面向对象的中分辨率遥感影像,能够获取较高精度的土地覆盖信息,为大范围土地覆盖分类研究提供方法参考。     

基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究

以民勤绿洲为研究区,以GF-1遥感影像为数据源,采用面向对象的分类方法,结合分层技术,对影像逐级进行分类,以获取植被信息。根据归一化植被指数（NDVI）阈值区分植被与非植被,分割尺度为10;使用归一化水体指数（NDWI）阈值提取非植被中的水体,分割尺度为35;利用野外采样点获取的训练样本,将植被进一步分为耕地、林地和草地,分割尺度为25。总体分类精度达到83.02%,Kappa系数为0.745 1,比较基于象元的监督分类,其总体分类精度为69.37%,Kappa系数为0.497 0,表明面向对象的分类方法在干旱区绿洲植被信息的提取上较传统的基于象元的分类方法更有优势,分类精度更高。     

分层分类和多指标结合的西北农牧交错带植被信息提取

参照《中国植被》中的植被分类体系,结合野外考察结果,建立了适合中国西北农牧交错带的植被分类体系。以覆盖研究区的多幅Landsat影像为基础,按“分层分类,逐层验证”的思路,实现了对研究区植被信息的提取。提取时,先利用完全约束的最小二乘模型对遥感影像进行混合像元分解方法,将整个研究区划分为植被区和非植被区;在植被区,基于光谱特征、纹理特征和地形特征,构建CART决策树,获得了乔木林、灌丛和草原等7种主要植被型组;在植被型组内,基于不同植被类型NDVI的季节差异特征,构建NDVI差值比值指数 (NDVI_DR),将乔木林和灌丛区分为常绿和落叶植被型,使用温度植被干旱指数(TVDI),将草原进一步区分为荒漠草原、典型草原和草甸草原3种类型,从而得到各个植被型的空间分布范围。经验证,最终分类的总体精度能达到79.51%,kappa系数为0.773。采用的分类方法充分利用了遥感数据既有的光谱信息和纹理信息,同时辅以地形信息。实践结果表明,分层分类和多种指标相结合的方法可以有效实现对影像跨幅的、以复杂镶嵌结构为主要特征的农牧交错带植被信息提取,精度较高,技术可行。     

甘肃省玛曲县沼泽湿地遥感监测与动态变化分析

利用2000年和2006年TM影像数据、地面调查资料和气象台站观测数据,对玛曲县沼泽湿地进行了目视解译分析,对比研究了非监督分类、监督分类和专家分类的精度,初步探讨了玛曲沼泽湿地退化的原因。结果表明,该县沼泽湿地面积从2000年的19598．67hm^2减少到2006年的14080．80hm^2,沼泽湿地面积平均年递减率为4．69％。非监督分类结果由于受山体阴影、坡向、云的阴影等影响,多分误差高,总分类精度仅为31％;监督分类的总精度为54．1％;专家分类的总精度高达84．2％。因此,专家分类可以用于对玛曲县沼泽湿地的监测和自动提取。草场不合理利用和过度放牧是导致玛曲县沼泽湿地退化的主要原因,黄河干流、各支流径流量减少是导致流域内沼泽湿地退化的直接原因,当地气候变暖促进了这一过程的发生。     

MODIS NDVI时间序列在三江平原湿地植被信息提取中的应用

以三江平原为研究区,利用多时相的中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)影像数据,采用一种基于归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列的监督分类方法获取了研究区湿地植被的分布数据。监督分类以NDVI时间序列的波形所反映出的植被物候特征作为分类器,将离散的傅立叶变换应用于NDVI时间序列以减少高频噪声对分类的影响,并运用傅立叶变换后波形幅度和相位的相似性来确定像素的归属类别。根据研究区植被的物候特征的差异,区分出7种地表(沼泽、沼泽化草甸、滩地、水田、旱地、灌木和林地)的植被类型,得到三江平原2005年湿地植被的分布数据。该方法的总体分类精度达到79.67%,Kappa系数为0.752 5。研究表明,基于MODIS多时相NDVI数据,采用基于傅立叶组分的相似度分类方法可以客观、经济、快速的提取湿地植被分布数据。     

珠三角地区地表温度与土地利用类型关系

随着城市化进程的加快,城市气候与环境问题日益显现,尤以城市热岛效应最为突出。通过监督分类方法对TM遥感影像进行了土地利用分类,并运用TM热红外波段线性拟合模型进行近地表气温反演,分析城市热岛的空间分布及地域性差异,以及与土地利用类型的关系。结果表明:珠三角地区近地表气温与土地利用类型紧密相关,城市建设区形成高温中心,是热岛的主要贡献因子,植被和水体则有明显的冷岛效应;研究区热岛具有区域性集中与分散分布的特点,且以区域性热岛为中心向周边扩展;分析热岛强度剖面线发现,由于地形、植被覆盖度等因素影响,研究区热岛强度的南北差异较大,而东西差异较小;热岛分布与土地利用类型分布格局较为一致,但也有分布不一致性的区域,表现为城市热岛向非城市建设用地扩展。     

基于ASTER影像的近海水产养殖信息自动提取方法

水产养殖地已经成为海洋环境监测的热点目标之一。采用具有高光谱分辨率和较高空间分辨率(15m)的ASTER遥感影像,以九龙江河口地区为研究示范区,进行近海水产养殖信息的自动提取方法研究。结果表明,利用ASTER影像的光谱信息和水产养殖地的纹理结构信息,可以实现近海水产养殖地的自动提取。先利用监督分类方法提取混淆有其他水体的水产养殖信息,采用邻域分析来增强水产养殖地的空间纹理信息。通过综合监督分类和水产养殖地空间纹理增强的结果,在专家决策分类器中建立决策规则,进行水产养殖地的自动提取,提取的精度达93%。     

Application of Landsat-7 satellite data and a DEM for the quantification of thermokarst-affected terrain types in the periglacial Lena–Anabar coastal lowland

Extensive parts of Arctic permafrost-dominated lowlands were affected by large-scale permafrost degradation, mainly through Holocene thermokarst activity. The effect of thermokarst is nowadays observed in most periglacial lowlands of the Arctic. Since permafrost degradation is a consequence as well as a significant factor of global climate change, it is necessary to develop efficient methods for the quantification of its past and current magnitude. We developed a procedure for the quantification of periglacial lowland terrain types with a focus on degradation features and applied it to the Cape Mamontov Klyk area in the western Laptev Sea region. Our terrain classification approach was based on a combination of geospatial datasets, including a supervised maximum likelihood classification applied to Landsat-7 ETM+ data and digital elevation data. Thirteen final terrain surface classes were extracted and subsequently characterized in terms of relevance to thermokarst and degradation of ice-rich deposits. 78% of the investigated area was estimated to be affected by permafrost degradation. The overall classification accuracy was 79%. Thermokarst did not develop evenly on the coastal plain, as indicated by the increasingly dense coverage of thermokarst-related areas from south to north. This regionally focused procedure can be extended to other areas to provide the highly detailed periglacial terrain mapping capabilities currently lacking in global-scale permafrost datasets.     

基于遥感数据的元江县植被/土地利用类型研究

元江县山区面积占全县总面积的96．8％，垂直高差达2253m，地形复杂，植被类型存在明显的垂直分布。只用一个解译体系来解译这一有较大差异地区的影像是有困难的。因此本研究为提高影像解译的准确性，在对2002年2月9日覆盖元江全景的TM卫星影像进行数据校正、影像融合、影像分层、计算机自动监督分类的基础上，利用全球卫星定位系统(GPS)，结合野外踏察及地形图、土地利用相关信息对机读结果进行目视检验和GIS分析校正，最终划分出18类植被类型、9类土地利用类型。判读结果经检验，土地利用的判读精度为84．2％，植被类型的判读精度为80．6％。     

中国适垦耕地空间分异特征研究

基于GIS空间分析技术,利用数字地形高程图生成地形高程和坡度分级图,将地形高程分级图、地形坡度分级图、2000年耕地分布图和分县行政区划图叠加,提取2000年分县耕地地形分异数据,计算2006年分县适垦耕地面积,以适垦耕地指数和人均适垦耕地面积为指标,分析我国适垦耕地的空间分异特征。结果表明:1)我国耕地的地形分异特点是随着地形高程和坡度的增加,耕地面积均呈现快速下降的趋势,耕地主要集中于海拔500 m以下且坡度较小的地域。2)适垦耕地的空间分异主要受地形条件控制,海拔较低、地形平缓的平原、盆地和河谷适垦耕地指数一般在50%以上,而海拔较高、地形起伏较大的高原、山地和丘陵地区指数值普遍低于30%。3)我国人均适垦耕地面积空间分布的总体特征是北多南少,人均适垦耕地面积在0.2 hm2以上的高类和较高类大都分布在北方地区,而人均适垦耕地面积在0.067 hm2以下的低类和较低类主要集中于青藏高原及东南沿海地区。     

基于MODIS的土地覆盖遥感分类特征的评价与比较

选取华北地区为研究区,利用MODIS遥感数据多光谱、多时相优势进行分类特征提取,依据土地覆盖分类特征如地表反射率、植被指数、纹理特征等,并对这些分类特征分别从光谱维、时间维、空间维三个角度进行阐述,结合DEM数据,使用最大似然法进行土地覆盖遥感分类特征的评价与比较。结果表明,不同分类特征对分类精度影响不同,将多种分类特征结合能够有效提高区域尺度土地覆盖分类精度,但分类特征的加入不一定能提高某些类别的分类精度。     

分区控制和分层提取下的OMIS-I影像土地利用/覆盖分类方法研究

针对宜兴试验区128波段OMIS—Ⅰ机载成像光谱数据,在平原区、山区分区基础上建立多级分层决策树综合分类方法。通过该方法可实现对土地利用／覆盖一级类（林地、园地、水域、耕地）自动分类,精度达88．15％,Kappa指数为0．82,园地漏分率最高（20．23％）,耕地漏分率最低（2．24％）;耕地、林地、园地、水域的错分率分别为21．87％、21．98％、0．66％、0。土地利用／覆盖二级分类也可采用分层自动分类,其总体精度达86．16％,Kappa指数为0．81。采用土地利用矢量数据辅助和人工目视解译对部分二级类别进行细分,可获得更加可靠的分类结果。研究表明,分区控制下的多级分层决策树综合分类方法应用于OMIS—Ⅰ高光谱影像土地利用／覆盖分类,具有可操作性和较高的精度。     

Loess terrain segmentation from digital elevation models based on the region growth method

Regional automatic segmentation – automatic terrain segmentation according to terrain features – is significant for modern geographical analysis. We propose a new approach of terrain region segmentation based on the region growth method. This method features actual runoff nodes as seed points. The corresponding growth threshold is defined based on statistical analysis of quantitative indexes of topographic features. Terrain segmentation of some regions is completed using the growth threshold. The corresponding edge boundaries of different terrain regions are extracted by image processing. Thus, the automatic segmentation of the terrain region is realized by the edge boundary. The application of the method to a typical Chinese loess landform area and automatic segmentation of three types of terrain regions – gully interfluve land, gully slope land, and gully groove land – are achieved by analyzing characteristics of the curvature structure of surface profiles. Segmentation results, compared with results of visual interpretation from a high-precision digital orthophoto map, show an average accuracy of segmentation of 93.51%. Topographic factor features of segmentation results are statistically analyzed. This study presents an effective and practical approach for segmenting terrain regions. This approach may be incorporated into the theory and method system of digital terrain analysis.     

Urban mapping,accuracy, & image classification: A comparison of multiple approaches in Tsukuba City,Japan

The rapid growth of urban space and its environmental challenges require precise mapping techniques to represent complex earth surface features more accurately. In this study, we examined four mapping approaches (unsupervised, supervised, fuzzy supervised and GIS post-processing) using Advanced Land Observing Satellite images to predict urban land use and land cover of Tsukuba city in Japan. Intensive fieldwork was conducted to collect ground truth data. A random stratified sampling method was chosen to generate geographic reference data for each map to assess the accuracy. The accuracies of the maps were measured, producing error matrices and Kappa indices. The GIS post-processing approach proposed in this research improved the mapping results, showing the highest overall accuracy of 89.33% as compared to other approaches. The fuzzy supervised approach yielded a better accuracy (87.67%) than the supervised and unsupervised approaches. The fuzzy supervised approach effectively dealt with the heterogeneous surface features in residential areas. This paper presents the strengths of the mapping approaches and the potentials of the sensor for mapping urban areas, which may help urban planners monitor and interpret complex urban characteristics.     

基于神经网络模型技术的南京市主城区城市森林遥感调查

城市森林调查是城市森林研究和规划建设的前提和基础工作,而遥感和GIS技术已成为现代城市森林调查的主要方法。遥感信息源和遥感分类技术是决定城市森林遥感调查质量的两个关键因素,研究认为,根据城市森林特点及城市森林研究和规划建设的要求,城市森林遥感调查采用的遥感影像分辨率以8¹0m为宜,神经网络模型分类技术应用于城市森林遥感调查效果较好。本文以南京市主城区为例,以10m分辨率多光谱spot卫星图像与2.5m分辨率全色spot卫星图像的融合图像作为解译信息源,采用dARTMAP神经网络模型进行监督分类,提取了一套具有较高精度的南京市主城区城市森林空间属性数据和图件,并在此基础上分析了南京市城市森林基本特点及规划建设方向。     

基于影象融合的干旱区城镇居民地信息提取研究

针对TM多波段图象中城镇居民地与裸地光谱特征相似难以准确提取城镇居民地信息的问题,利用雷达图象对居民地信息的敏感性,采用HIS变换方法,融合了2003年西安地区的Landsat TM和Radarsat SAR影象,并对融合影象做二类监督分类提取出城镇居民地信息,结果显示与TM图象监督分类相比,融合后的图象能很好地消除裸地对城镇居民地提取影响,其精度可达到84.21%,大大高于由TM多光谱影象监督分类所得到的精度71.79%,为提取干旱区城镇居民地信息提供一种新方法。     

基于MODIS数据的北京西北部地区土地覆盖分类研究

本文主要基于MODIS 16天合成的NDVI时间序列数据、8天合成 LST数据、1∶5万DEM数据以及其他辅助数据相结合,进行北京西北部地区土地覆盖分类的研究。首先选取适合于MODIS数据分类的土地覆盖分类系统,然后用PCA方法对NDVI时间序列数据进行信息增强与压缩处理,以排除各种干扰因素,提高分类精度。最后结合LST数据、DEM数据及降雨温度数据,利用?齂-均值非监督分类法,进行研究区的土地覆盖分类,经过分类后处理,得到北京西北部地区的土地覆盖分类图。分类结果表明,使用250m分辨率MODIS数据,结合本文所用方法,能够实现较大区域的土地覆盖分类,并且能达到较高的分类精度。