"3S"技术在土地资源调查与合理规划利用中的应用研究--以贵州省沿河县为例

随着卫星遥感数据精度的提高,利用它调查土地资源现状及动态变化成为当前常用手段。南方岩溶地区由于地形复杂、地块零碎,卫星遥感数据的解译工作比较困难。利用常规的监督分类方法分类,分类的结果精度比较低。但在此基础上采用分区分类法,基于GIS技术与专家知识的屏幕辅助分类方法可以提高分类精度,主要地类的分类精度可以达到90％以上。     

基于GIS的煤炭资源遥感动态分析——以山西省乡宁县为例

本文以多时相TM与ETM影像为数据源,对乡宁县的煤炭资源进行了动态监测。直接采用原数据进行煤矿信息提取精度很低,为此需要进行图像预处理。依据多元数理统计分析,确定了探测煤炭资源的最优波段组合为4,5,3。由于其他地物信息的干扰,此时影像仍不能很好地反映煤矿信息,因此需要对图像进一步做增强处理。通过对图像的主成分变换,有效地消除了山体阴影的影响。在此基础上,对图像进行计算机监督分类,制作了乡宁县煤炭资源分布图。采用这种方法极大地提高了遥感图像的解译精度。利用GIS的叠加和统计分析,获得了矿点的数量。通过实验,证明了基于GIS的煤炭资源遥感动态监测是可行的,而且对于环境保护和规范煤矿开采也具有很好的应用价值。     

基于资源02C卫星山东省典型岩矿解译标志的建立

以遥感影像作为调查基础时,要确保调查的速度和质量,就必须提高影像解译精度,因此,建立准确、综合的解译标志非常重要。该文以山东省矿产勘查开采遥感动态监测项目为例,讲述了建立典型岩矿遥感解译标志的技术过程。不但对山东省矿山遥感监测具有直接的指导作用,而且对于其他省区乃至全国矿山遥感监测具有影像特征的样本价值和指导意义。     

江西省都昌县山地与平原植被界线提取

由于生长环境、地带性分布规律和垂直差异,山地与平原地区的不同植被类型在遥感影像上存在“同物异谱”及“异物同谱”现象,易导致土地类型的误分。为避免此类错分,在进行土地覆被类型解译之前,应首先确定平原、山地植被的边界。本文在遥感影像聚类分析、GIS空间分析及数理统计分析技术的支持下,以江西省都昌县北部地区为研究区域,基于高分一号（GF-1）遥感卫星影像及地形要素,完成了山地植被与平原植被的界线提取。实验结果显示,本研究得到的植被界线精度高达99.47%和96.28%。与单纯基于遥感影像分类得到的植被边界成果相比,精度提高了近25%和23%。研究证明,高分辨率遥感影像与地形因子结合后,计算得到的山地平原划分界线精度有明显提高,可以满足高分辨率遥感影像土地覆被类型解译研究的需要。     

遥感与GIS技术在龙口市土地利用调查中的应用研究

以山东省龙口市为例，利用ERDAS IMAGINE图像处理软件，通过对遥感图像进行图像增强、图像正射校正，融合等处理，得到1：1万正摄遥感图像。对龙口市所辖区域进行实地外业踏探，建立土地分类的影像解译标志。此外，运用MapGIS地理信息系统软件，通过人机交互目视解译，对目标地物分层矢量化，提取龙口市土地利用现状信息。并在此基础上对研究区的土地利用现状及空间分布特征进行了分析，为当地土地资源的合理开发利用提供了基础数据。     

遥感与GIS技术在龙口市土地利用调查中的应用研究

以山东省龙口市为例,利用ERDAS IMAGINE图像处理软件,通过对遥感图像进行图像增强、图像正射校正,融合等处理,得到1:1万正摄遥感图像.对龙口市所辖区域进行实地外业踏探,建立土地分类的影像解译标志.此外,运用MapGIS地理信息系统软件,通过人机交互目视解译,对目标地物分层矢量化,提取龙口市土地利用现状信息.并在此基础上对研究区的土地利用现状及空间分布特征进行了分析,为当地土地资源的合理开发利用提供了基础数据.     

遥感与GIS技术在龙口市土地利用调查中的应用研究

以山东省龙口市为例,利用ERDASIMAGINE图像处理软件,通过对遥感图像进行图像增强、图像正射校正,融合等处理,得到1∶1万正摄遥感图像。对龙口市所辖区域进行实地外业踏探,建立土地分类的影像解译标志。此外,运用MapGIS地理信息系统软件,通过人机交互目视解译,对目标地物分层矢量化,提取龙口市土地利用现状信息。并在此基础上对研究区的土地利用现状及空间分布特征进行了分析,为当地土地资源的合理开发利用提供了基础数据。     

遥感影像解译样本数据一体化整理方法

遥感影像解译样本数据在采集过程中,需要对地面照片、影像实例、样本数据库进行结构化整理,形成数据格式统一、存储结构规范、逻辑关系严密的成果。基于构建的方法模型,提出了一种一体化整理方法,利用Bresenham图形绘制算法,以及栅格、矢量、数据库数据编程接口,解决了各环节自动化处理问题,实现了影像实例采集、地面照片视野范围图形栅格化、数据库信息采集与录入、成果组织与结构化输出等自动控制,从而实现了一体化自动整理。试验表明:提出的方法和研发的软件能显著提高整理效率和质量,可为遥感影像解译样本数据整理提供可靠的技术方法。     

InSAR-GPS-GIS数据整合在地面沉降研究中的应用

讨论了利用GPS提供的精确地理信息和大气参数辅助实现InSAR亚毫米级探测精度方法的可行性．进一步讨论分析了利用GIS对InSARGPS成果进行合成、解译和分析的过程和方法。对利用3种数据整合技术开展城市地面沉降观测的前景作了展望。     

遥感与GIS技术在苍山矿山开采动态监测中的应用研究

利用SPOT,QUICKBIRD卫星数据,以苍山地区矿山开采监测为试点,通过融合、校正、图像处理,得到高清晰度1∶1万～1∶5000正射遥感图像;通过解译和野外踏勘,建立矿山遥感解译标志;运用MapINFO等GIS信息系统软件, 建立其全息数据库, 通过人机交互和目视解译,对矿山开采图斑及其变化信息分层矢量化提取,结合野外调查,对研究区所有矿山开采属性等在数据库平台上进行分类统计分析,为各级国土资源管理部门对矿产资源开发秩序监督管理提供及时、准确、全面的有用信息,有效地提高了基层矿产资源执法监管效果,是山东省整顿、规范矿业秩序的创新.     

黑河流域中游地区作物种植结构的遥感提取

及时、准确地获取农作物种植结构对区域水资源管理与作物产量估测等具有重要意义。随着对通过遥感手段获得作物种植结构的深入研究,如何优选遥感数据和分类器成为需要重点考虑的关键问题。针对黑河流域中游地区的作物分布与种植特点,提出一种基于多时相遥感影像与多分类器组合的作物种植结构提取方法。利用2018年18景16 m分辨率的GF-1 WFV影像,构建NDVI时间序列。根据NDVI时间序列表征的作物季相节律和物候变化规律特点,采用分层的策略,首先解译一级土地覆被类型,再解译二级土地覆被类型。一级土地覆被类型解译中,使用决策树分类方法先将NDVI特殊且易提取的水体进行解译,再使用面向对象分类方法通过分区将需借助NDVI纹理信息提取的建设用地进行解译,最后使用随机森林分类方法解译耕地、林地、草地、裸地和湿地。在对耕地的进一步分类中,使用决策树分类方法首先将具有特殊物候规律且易于区分的苜蓿类别解译出来,再将与其他类别物候差异较大的小麦解译,最后将物候相似的玉米、蔬菜及其他解译。黑河流域中游研究区内一级土地覆被分类总体精度为97.24%,卡帕系数为0.96;作物种植结构解译总体精度为86.58%,卡帕系数为0.80。此外,还分析了影响黑河流域中游研究区解译精度的4个因素：对土地覆被类别的定义、混合像元、影像分割时基础影像的选择以及分类方法的选择。通过对不同分类方法的比较发现,与仅使用最大似然分类方法、支持向量机分类方法或随机森林分类方法相比,本文提出方法的解译结果更好,解译精度更高。     

土地利用遥感动态监测技术方法介绍

采用遥感技术进行土地利用动态监测是一条行之有效的方法。遥感监测方法多种多样。但为了确定变化类型,要引入遥感图像分类方法。遥感分类方法一直是遥感技术方法研究的重要领域。迄今为止,目视解译仍是成功的分类方法;在今后相当长的一段时间内,目视解译分类与计算机自动分类将协调发展。我国土地利用遥感动态监测方法主要采用目视解译、计算机自动分类及目视解译与计算机图像处理相结合的方法,其中,目视解译的方法一直占有重要地位。随着高分辨率传感器的相继问世,利用多平台遥感数据融合进行监测研究将有利于提高分类、监测精度。我国的土地利用遥感监测研究正深入开展,并将在计算机信息提取及监测方法上取得更大的成果。     

遥感与GIS技术在苍山矿山开采动态监测中的应用研究

利用SPOT，QUICKBIRD卫星数据，以苍山地区矿山开采监测为试点，通过融合、校正、图像处理，得到高清晰度1：1万-1：5000正射遥感图像；通过解译和野外踏勘，建立矿山遥感解译标志；运用MapINFO等GIS信息系统软件，建立其全息数据库，通过人机交互和目视解译，对矿山开采图斑及其变化信息分层矢量化提取，结合野外调查，对研究区所有矿山开采属性等在数据库平台上进行分类统计分析，为各级国土资源管理部门对矿产资源开发秩序监督管理提供及时、准确、全面的有用信息，有效地提高了基层矿产资源执法监管效果，是山东省整顿、规范矿业秩序的创新。     

汀溪水库三维防洪调度管理信息系统研发

水库防洪调度是一个非常复杂的过程。水库防洪调度的信息化主要是借助测量、遥测、遥感(RS)、地理信息系统(G IS)、全球定位系统(GPS)等手段采集基础数据,构建数字化水库防洪数据管理平台和水库虚拟三维环境。在该平台和环境中,以系统软件和数学模型对水库流域的水雨情及洪水的调度方案进行模拟、分析和研究,提供决策支持,从而增强防洪调度决策的科学性和预见性。实践表明,通过RS、GIS技术建立的水库三维防洪调度系统能够为水库管理者提供水库防洪调度方案制定与分析、防洪调度决策等方面的强有力的、科学的辅助支持。本文结合厦门"汀溪水库三维防洪调度系统"的实际研发,探讨了RS和GIS技术在水库防洪调度中的应用。     

基于改进全卷积神经网络模型的土地覆盖分类方法研究

遥感卫星数据是地球表面信息的重要来源，但利用传统的遥感分类方法进行土地覆盖分类局限性大、过程繁琐、解译精度依赖专家经验，而深度学习方法可以自适应地提取地物更多深层次的特征信息，适用于高分辨率遥感影像的土地覆盖分类。文中对高分辨率影像中水体、交通运输、建筑、耕地、草地、林地、裸土等进行高精度分类，结合遥感多地物分类的特点，以DeepLabV3+模型为基础，作出了以下改进：(1)骨干网络的改进，使用ResNeSt代替ResNet作为骨干网络；(2)空洞空间金字塔池化模块的改进，首先在并联的每个分支的前一层增加一个空洞率相对较小的空洞卷积，其次在分支后层加入串联的空洞率逐渐减小的空洞卷积层。使用土地覆盖样本库和自制样本库进行模型训练、测试。结果表明，改进模型在2个数据集的精度和时间效率均明显优于原始DeepLabV3+模型：土地覆盖样本库总体精度达到88.08%，自制样本库总体精度达到85.22%，较原始DeepLabV3+模型分别提升了1.35%和3.4%，时间效率每epoch减少0.39 h。改进模型能够为数据量以每日TB级增加的高分影像提供更加快速精确的土地覆盖分类结果。     

基于高分辨率遥感目标特征库的地震灾情快速评估方法

高分辨率遥感影像已逐步成为地震灾害快速评估的主要数据源之一,但现有的遥感地震灾害信息提取方法存在对研究人员目视解译经验依赖性强和利用高分辨率影像提取结果精度不高的问题。因此,本文提出了一种基于目标特征库的高分辨率遥感灾害信息快速提取方法,用于提升遥感影像灾害信息提取的效率和自动化程度,并对基于目标特征库进行地震灾情快速评估的几项关键技术（目标特征库构建、样本匹配方法和自动分类方法）进行了阐述,最后,以云南鲁甸地震龙头山镇地区为研究区,基于高分辨率遥感影像在目标特征库支持下开展了地震灾情快速评估实验。通过与灾后调查数据的对比分析发现,基于高分辨率遥感灾害目标特征库的地震灾情快速评估结果在精度上可以满足灾情快速评估的业务需要,同时还具有更好的时效性。     

人工智能GIS软件技术体系初探

作为人工智能的代表性技术,深度学习已经成为大数据等各个领域中最具有突破性发展的新技术。深度学习的成功主要得益于其新颖的数据驱动的特征表示学习能力,这种能力成功地替代了传统建模中基于领域知识人为设计特征的方式。在这些技术推动下,人工智能技术在新一代GIS基础软件技术的研究与应用中发挥着极为重要的作用,而现有人工智能GIS（AI GIS）技术研究整体仍处于初步探索阶段,距离成熟阶段尚有较大距离。作为新一代GIS基础软件的方法和技术,AI GIS已经广泛应用在遥感数据分析、水资源研究、空间流行病学和环境健康等地学领域,与传统GIS模型相比大大提高了对非结构化的遥感或街景影像和文本的地理信息提取和特征理解能力,显示出巨大的价值和发展潜力,但现有研究对AI GIS软件技术体系的梳理和总结尚不够全面。大部分研究只关注地理空间人工智能算法的研究及其特定场景下的应用研究,而对相关的AI GIS软件技术体系关注较少。本文分析了地理智慧的几个层次,并讨论了其与AI GIS的关系,总体介绍了国内外现有人工智能技术与GIS软件相结合的发展现状,进而提出了AI GIS软件技术体系。根据AI与GIS的结合关系提出了AI GIS由地理空间智能算法、AI赋能GIS和GIS赋能AI三部分组成。此外,为深入介绍AI GIS各部分组成,本文以SuperMap为例,探讨了AI GIS软件的设计与实现。最后,探讨了AI GIS的未来发展中亟需解决的问题。本文基于AI GIS软件技术的初步探索,尝试为地理智能的基础GIS软件技术体系的构建提供理论基础,以促进人工智能技术与GIS技术的进一步融合和发展,为实现地理智能提供一个可行的研究方向。     

基于GEE和U-net模型的同震滑坡识别方法

地震滑坡解译是震后重建的重要基础工作,主要通过室内人工遥感解译和室外野外调查确定。地震滑坡相比其他地物来说更为复杂,很难通过简单指数识别。室内遥感解译通过滑坡后壁、侧壁和堆积等纹理特征进行识别,大面积同震滑坡解译工作往往耗费大量人力和物力,且耗时长,难以满足灾害应急需求。本研究利用U-net神经网络模型,结合Google Earth Engine（GEE）云平台和人工智能学习平台Tensorflow,以地震局解译的汶川滑坡作为样本数据,以震后30 m分辨率的Landsat影像、高程、坡度以及NDVI数据作为模型输入参数,自动识别并获取了汶川地震后的同震滑坡数据,同时比较了不同参数组合情况下U-net神经网络模型的分割识别精度。研究表明：① U-net模型可以用于以Landsat影像为基础数据的同震滑坡快速自动识别;② 随着高程、坡度以及NDVI等输入参数增加,模型分割精度在逐渐提高,但假阳性结果也会出现增多,震后滑坡影像+高程+坡度+NDVI的输入参数组合精度最高;③ 在细节上,模型在多参数组合的情况下,大型滑坡能够很好被识别,一些较小型的滑坡受制于影像分辨率的影响,分割精度较差。为了更好识别小型滑坡,后续研究可能需提高影像的分辨率。此外,GEE云平台大大提高了训练样本获取的效率,为科研人员快速进行基于神经网络与遥感数据的地物识别研究提供了条件。     

重大自然灾害房屋倒塌程度高分辨率遥感识别方法:以舟曲特大泥石流灾害为例

重大自然灾害引起的房屋倒塌程度的快速制图,对灾害应急救援和灾后损失评估意义重大。针对目前利用高空间分辨率遥感数据开展房屋倒塌程度调查中存在的主要问题,如房屋倒塌分类标准不统一、解译标准缺乏等,在考虑人员和经济损失状况、灾害救助、恢复重建难度等方面的基础上,建立了高空间分辨率遥感数据支持下的重大自然灾害房屋倒塌程度的分类体系,分为未倒塌、轻度倒塌、中度倒塌、重度倒塌、完全倒塌5级。系统描述了房屋倒塌程度遥感解译规则,建立了遥感解译标志,并提出了一种基于瓦砾信息开展房屋倒塌程度的遥感识别方法。最后,以舟曲特大山洪泥石流灾害为例,开展了房屋倒塌程度遥感制图研究。结果表明,利用此方法,房屋倒塌程度识别精度达到92.73%,完全能够满足自然灾害应急救援和灾后损失评估的需求。该方法体系为重大自然灾害应急救援和灾后损失评估提供了科学支撑。      

对土地利用动态遥感监测数据共享的探讨

本文从土地利用动态遥感监测数据的特点和共享现状出发,主要针对该数据的可应用领域、当前的云GIS技术、国家政策以及成功的案例等方面,对土地利用动态遥感监测数据共享的可行性进行了详细分析和探讨,提出了目前存在的共享难点,具有一定的参考和借鉴意义。