基于DeepLabv3+与GF-2高分辨率影像的露天煤矿区土地利用分类

遥感与深度学习为及时掌握露天煤矿区土地利用情况提供了高效率的技术手段。基于国产高分二号(GF-2)卫星高分辨率遥感影像,利用深度学习DeepLabv3+模型实现露天煤矿区土地利用识别,并与U-Net、FCN、随机森林、支持向量机、最大似然法等方法进行对比。首先,制作高分辨率影像样本数据,通过敏感性测试确定适合研究区露天煤矿场景的样本最佳裁剪尺寸和方式;然后,训练深度神经网络DeepLabv3+模型,进行土地利用识别实验;最后,比较不同方法的识别结果。结果表明:研究区露天煤矿场景下的样本最佳裁剪尺寸为512像素×512像素,最佳裁剪方式为随机裁剪。采用的DeepLabv3+模型对露天煤矿区土地利用识别的总体精度、Kappa系数分别为80.10%、0.73,均优于U-Net、FCN、随机森林、支持向量机、最大似然法等方法的识别精度。DeepLabv3+模型的识别速度与上述5种方法保持在同一数量级,验证了DeepLabv3+模型和GF-2卫星影像在露天煤矿区土地利用识别中的可行性,对露天煤矿区生态环境监测与修复规划具有重要意义。      

基于图像理解的土地利用分类信息提取

基于图像理解理论原理,采用面向对象分类软件作为基础软件平台,模拟人类大脑对图像的认知过程,概括出不同地类的知识表达,并构建函数作为类别的特征描述,更大限度地挖掘中低分辨率卫星数据的信息。研究结果表明,基于图像理解的土地利用分类信息提取方法有效地提高了地类的检出效率和分类精度,为中巴卫星应用于国土资源宏观监测的可行性提供了依据。     

土地利用现状分类浅析

《土地利用现状分类》国家标准（GB/T21010—2007）（以下简称《2007国标分类》）于2007年8月发布,标志着我国的土地利用分类开始进入了“国标”时代。2007国标分类为我们准确掌握土地利用现状标准,提高土地资源管理利用的科学性奠定了基础,也为城乡一体化发展带来积极而深远的影响。本文试图在解读2007国标分类主要内容的基础上,将其与《土地分类（试行）》进行比较分析,总结2007国标分类在地类归并、调整方面的改进之处及存在的问题,尝试提出新旧分类系统过渡和衔接方面的建议。     

基于DEM和高分辨率遥感影像的“膨胀-融合”式地表沟壑提取

地表沟壑的精细化提取是地形地貌特征的重要内容.针对现有沟壑提取结果中存在断裂区域和伪沟壑区域的情况,提出一种基于DEM和高分辨率遥感影像的地表沟壑“膨胀-融合”式提取方法.该方法综合了D8算法、坡向变率算法和面向对象分类方法的提取结果,首先引入距离制图算法对初始沟壑进行方向性膨胀,然后通过栅格重分类和代数运算进行沟壑融合,剔除伪沟壑区域,最终实现研究区域内沟壑的精细化提取.以GDEM v2数据和高分二号影像数据为数据源,精细化提取了湖北省神农架林区举黑沟至麻湾村一带的地表沟壑.采用随机点验证法对实验区域内的沟壑提取结果进行了精度评价,结果表明该方法的总体精度为92%,能有效弥合数据中的断裂区域,同时剔除伪沟壑区域,达到提高沟壑提取精度的目的.      

基于TM影像的升金湖自然保护区土地利用生态风险评价

根据安徽省升金湖国家自然保护区1986,1995,2000,2004,和2011年五期TM影像,运用ERDAS,ARCGIS等软件,获取了20余年升金湖保护区实验区,缓冲区,核心区三个功能区不同时期的土地利用信息,结合社会经济数据,选取影响土地利用生态风险变化指标,建立土地利用生态风险评价指标体系。在此基础上,用层次分析法和专家打分法确定指标权重,利用模糊数学综合法建立土地利用生态风险评价模型。     

基于TM影像的抚州地区土地利用/覆盖动态监测及分析

以1988年和2000年遥感影像为数据源，在ERDAS IMAGINE遥感图像处理软件的支持下，获取了抚州地区两期土地利用／覆盖结果分类图。在此过程中确定了抚州地区土地利用／覆盖分类体系和遥感影像解译标志。通过计算机自动分类和分类后人工解译纠错相结合的图像分类提取方案，提高了图像分类提取的效率和精度。动态监测结果表明，从1988～2000年，面积减少的地类为耕地和林地，面积增加的地类为园地、居民点及工矿用地、水域和未利用土地，并对其变化结果进行了分析。     

基于遥感影像测绘的土地利用数据库联动更新方法

数据更新是土地利用数据库的重要功能,然而当前的数据库联动规则设定内容过于陈旧和繁琐,导致土地利用数据库更新后的数据质量较差。基于此,设计了基于遥感影像测绘的土地利用数据库联动更新方法：首先使用9I模型对原始数据进行处理,以确定并获取遥感影像测绘数据拓扑关系;提取其增量信息,再构建多层级联动规则;进而根据聚合算法实现土地利用数据库联动更新。然后构建实验环节对新方法的数据更新能力与传统方法进行了充分的比较与分析,结果表明,新方法采用后数据库中数据质量得到控制与提升。     

利用高分辨率卫星影像基于地貌图进行地下水评估——Uttarakhand地区研究实例

水是构成生态系统核心的最重要的自然资源。遥感技术的出现为地下水潜力评价、勘测及管理开创了新的局面。研究区-力口瓦尔喜马拉雅山地区的Rishikesh地区,因为扩大本地区的旅游业造成了人口压力,使得地下水资源受到威胁。这就需要持续和明智地利用这一宝贵的资源。基于研究区的地貌、地质、排水、线性构造、坡度和地势专题图构成的水文地貌专题编图,利用高分辨率IRS-1 LISSⅢ和全色卫星融合数据,对Rishikesh地区的地下水潜力进行了评价。Rishikesh地区展示了不同的水文地貌条件,地下水动态主要受地形和地质条件的控制。在ArcMapGIS环境下进行叠加分析时采用了加权概率方法。叠加分析允许对与地下水潜力相关的专题地图进行权重的线性组合。地下水潜力良好区域在该地区占主导地位,超过50％的研究区显示了中等-非常好的潜力。这项研究表明,遥感和地理信息技术可以有效地应用于地下水潜力评价。     

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。     

基于TM和SPOT5影像融合的土地利用分类及精度比较——以朝阳区为例

本文基于TM和SPOT5的影像在ERDASIMAGINE环境中进行融合,在融合前后分别对TM图像与融合后图像进行土地利用分类,对比分类精度并进行定性和定量的解释和分析。本文给出了实验的详细步骤以及完整的评价报告。研究结果表明,融合后图像分类精度有明显提高。对融合后影像进行土地利用分类,在测绘与地图更新、土地利用与城市规划、生态环境监测和政府规划决策等中,具有广阔的应用前景。     

基于光谱知识库对高光谱影像目标快速识别方法

针对国内引进的机载高光谱成像仪（CASI/SASI）数据采集系统,介绍了利用先验知识建立的多种地物目标光谱库,以及高光谱影像目标快速识别的技术方法研究;同时还阐述了其数据处理流程、目标识别原理和应用开源代码编程实现过程,并对其结果与应用进行了简要的分析。     

基于高分辨率遥感影像的石漠化演变趋势分析———以蒙自东山生态治理区为例

为了快速准确获取小区域高精度、大比例尺岩溶石漠化的演变趋势,为小区域岩溶石漠化的定量评价和精准治理提供科学依据和基础数据,本文选择岩溶石漠化典型地区——蒙自东山生态治理研究区为例,基于2006年11月SPOT5和2015年1月Pleiades两期高分辨率遥感影像,通过研究区归一化植被指数（NDVI）与植被覆盖度（FVC）进行岩溶石漠化遥感信息提取,得到生态治理区2006年与2015年岩溶石漠化空间分布特征,并对两期FVC数据进行叠加,分析生态治理区石漠化的演变趋势。遥感调查表明,研究区内石漠化十分严重,重度石漠化面积占比73.55%,中度石漠化5.36%,轻度石漠化0.53%,无石漠化14.86%,阴影及水域面积5.71%。不同等级石漠化面积的变化情况显示,2006-2015年,重度石漠化和无石漠化面积比例增加,重度石漠化由72.37%增加到73.55%,无石漠化从6.06%增加到14.86%,而中度、轻度石漠化面积比例减少,中度石漠化面积从11.58%减小到5.36%,轻度石漠化面积从4.35%减小到0.53%。轻度、中度和无石漠化区变幅明显。研究区石漠化发生率从88.27%降低到79.43%,总体呈降低趋势。      

知识库系统的原理

在分析了知识的定义、知识的类型、知识的分级、知识原理的基础上，详细说明了知识库系统的原理。     

高分辨率遥感影像在新疆塔什库尔干地区沉积变质型铁矿勘查中的应用

采用Worldview-2、Quickbird高辨率分数据及Aster数据,开展了新疆塔什库尔干地区的沉积变质型铁矿遥感综合研究工作。在对研究区开展高分辨率遥感影像特征、遥感异常等成矿信息综合分析的基础上,以老并一赞坎铁矿区为例,建立了区域沉积变质型铁矿的遥感找矿模型,并利用该模型选择塔萨拉地区作为成矿有利地段进行了深入细致的研究,圈定了塔萨拉地区矿化蚀变带的分布范围。研究成果表明在布伦阔勒岩群南部的塔萨拉地区具有较好的寻找沉积变质型铁矿的前景。     

面向基元的高空间分辨率矿区遥感影像土地利用分类

为了合理开发矿产资源和有效监测矿区生态环境,采用面向基元的分类方法,对广西横县某矿区的高分辨率航空遥感影像进行了土地利用分类.通过优化分形网络演化多尺度分割方法,高效提取了矿区两个尺度上的影像基元层;基于基元信息,详细分析了各地表地物光谱特征、空间特征以及类相关特征,建立了研究区土地利用的分类知识库;采用决策支持的模糊逻辑推理法进行分类,使分类的精度从53%提高到了90%.表明面向基元的方法能较好地利于高空间分辨率矿区影像的各种特征进行高精度的土地利用分类.      

浅析基于BP神经网络和先验知识的伊犁河谷遥感影像分类

本文通过利用新疆伊犁河谷伊宁县的SPOT5遥感影像,基于人工神经网络中的BP算法,在Matlab7．0软件平台下,对主成分变换后的遥感影像进行土地利用分类进行讨论．．然后根据错分地物的空间位置,将分类结果矩阵中的错分类别替换为正确类别,进一步提高分类精度。结果表明,与传统的监督分类方法相比,分类总体精度提高了12．67％,Kappa系数提高了0.214,证明人工神经网络和先验知识相结合是一种有效的分类方法。     

卫星遥感影像与航空遥感影像的对比分析

本文对卫星遥感和航空遥感进行对比,并选取同一区域同时期同一比例尺的卫星遥感影像和航空遥感影像的DOM,进行土地利用地类的判译识别,通过对比分析,探讨了利用高精度卫星遥感影像进行土地利用更新的可行性。     

开采沉陷遥感监测中多维纹理特征影像分类方法

为提高采用遥感影像监测开采沉陷演化的准确性,探讨了基于多维纹理特征的影像分类方法。首先提取影像的多维纹理特征:局部方差、局部平均梯度、局部能量和局部信息熵,然后将其与地物光谱值一并作为人工免疫算法中样本的特征向量,利用免疫算法的选择、克隆、变异算子进行自学习得到全局最优聚类中心,从而提高影像分类精度。对淮南煤田进行开采沉陷遥感监测,结果表明,该方法分类总精度为88.26%,Kappa系数为0.853,优于传统的Parallelepiped和Maximum likelihood分类方法。     

基于卫星影像建立曲流河地质知识库及应用

曲流河储层在国内各大油田中占有较大比例,建立曲流河地质知识库,对储层进行精细研究十分重要。采用GoogleEarth软件观测曲流河特征,建立6种发育模式;测量曲流河河道参数数据,分析统计参数间的相关关系。通过观测,将曲流河发育模式划分为单一河道低弯曲度小边滩发育型、单一河道高弯曲度大边滩发育型、简单河道低弯曲度小边滩发育型、 简单河道高弯曲度大边滩发育型、多河道低弯曲度小边滩发育型、多河道高弯曲度大边滩发育型6种类型。对曲流河参数数据进行统计分析,发现曲流河河道宽度与点坝长度、河道宽度与单一曲流带宽度 、点坝长度与点坝宽度间均具有较好的正相关关系。按曲率为1.1~1.5、1.5~2.5、2.5~4.5统计分析,参数间的正相关性高于所有数据参数分析结果。为此,建立了曲流河的定性模式和不同曲率下 曲流河的定量模式。研究结果可为地下曲流河储层研究提供相应模式和定量化指导。     

卷积神经网络和视觉注意力语义分割模型在高分辨率遥感影像分类中的性能分析

随着深度学习语义分割的快速发展,基于计算机视觉语义分割模型的高分辨率遥感影像分类方法也大量涌现。为系统定量地研究经典的和先进的视觉语义分割模型在遥感影像分类中的性能,在总结深度学习语义分割进展的基础上,选择9种基于卷积神经网络(CNN)和视觉注意力的语义分割算法,对米级和厘米级2个尺度的遥感数据集进行分析研究。在模型构建上基于计算机视觉通用的语义分割框架,训练时采用红绿蓝3波段遥感图像并基于ImageNet预训练权重进行迁移学习训练。研究结果表明：通用的语义分割模型通过常规训练设置进行训练能取得较好的遥感影像分类效果,部分地物的交并比(IoU)可以达到90%以上;基于视觉注意力的遥感影像分类模型的精度普遍高于基于CNN的模型,且MaskFormer能更有效地提取离散的地物信息;不同类别的精度最高值并不全在总体最优模型中,部分会存在于次优模型中;类似的地物在更高分辨率遥感数据集中可以获得更高的精度。